一分彩_一分彩

43家公司已获A股“入场券” 计划募资419.97亿元******

　　记者 吴晓璐

　　1月11日，迅安科技登陆北交所，这是2023年A股迎来的第二只新股，1月6日，百利天恒在科创板上市，2家公司合计募资11.52亿元。

　　另据《证券日报》记者梳理，目前有43家公司已经拿到“入场券”，但尚未上市。另外有897家企业处于上市申请排队中。综合来看，目前A股待入场企业940家，计划募资超过6447亿元。

　　2022年上市新股424家，合计募资5868亿元，同比增长2.64%，刷新历史新高。接受采访的专家表示，2023年经济回暖，资本市场对实体企业的支持力度将继续加大，随着注册制改革的推进，新股融资规模有望再创新高。

　　新股发行规模将稳步增长

　　企业从拿到A股“入场券”到敲钟上市仍需一段时间。据记者梳理，截至1月11日，目前有43家公司已经拿到“入场券”，但尚未上市，计划募资(含实际募资)合计419.97亿元。其中，10只新股完成发行未上市，合计募资68.2亿元，另有3家公司正在发行中，计划募资65.67亿元。此外，还有30家已经注册生效，尚未启动发行，计划募资合计285.92亿元。

　　发行上市申请排队方面，据证监会以及三大证券交易所网站数据统计，截至1月11日，沪深主板排队企业307家，其中，28家已通过发审会但尚未拿到批文。科创板、创业板、北交所排队企业分别159家、343家和88家，其中提交注册分别有35家、68家、8家。总体来看，目前IPO排队企业897家，其中，已通过发审会或提交注册的有139家。另外，记者据同花顺iFinD数据统计，上述897家排队企业计划募资合计6027.24亿元。

　　谈及2023年新股发行情况，川财证券首席经济学家、研究所所长陈雳认为，2023年新股发行规模将稳步增长。注册制改革有利于融资功能的提升，对于新股发行规模增长产生积极效应。

　　中原证券策略分析师周建华认为，2023年A股行情有望回暖，经济复苏的过程中融资需求依然较大，预计2023年融资规模不会低于2022年，特别是随着注册制的有序推进，科技型企业的融资可能大幅增加。

　　双创板块定位进一步优化

　　2023年，科创板和创业板新股发行审核迎来新变化。2022年年底，证监会修改科创属性评价指引，沪深交易所分别发布科创板、创业板发行上市申报及推荐暂行规定，有利于进一步把握好科创板、创业板定位，压实发行人和中介机构责任等。

　　陈雳认为，科创板、创业板标准进一步明确有利于为新股发行拓宽上市渠道。在优化板块定位和相关指标后，上市公司可以找到更适合自身发展的板块上市。对于市场来说，则为资金流向指明正确方向，市场资源的分配将更加合理与高效。预计未来上市公司的上市审核流程将进一步优化。

　　去年12月份，证监会传达学习中央经济工作会议精神时表示，“深入推进股票发行注册制改革，突出把选择权交给市场这个本质，放管结合，提升资源配置效率。”

　　谈及2023年新股发行趋势，周建华认为，可能呈现三大趋势：一是2023年新股发行将对符合新发展理念的科技绿色类企业敞开大门，上市企业将更加聚焦科技创新型企业；二是随着注册制的深入推进，新股破发或成常态；三是2023年新股融资规模可能再创历史新高。

　　陈雳认为，2023年在注册制改革的稳步推动下，监管部门将严把“入口关”，提高信息披露质量，市场对于新股的估值也将更加合理，接近实际价值，资本市场投资环境将进一步优化。

提速近10倍！基于深度学习的全基因组选择新方法来了******

　　近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。

　　全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。

　　统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。

　　相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。

　　该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。

　　与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。

　　该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。

学术支持

中国农业科学院作物科学研究所

记者

宋雅娟

　　（文图：赵筱尘 巫邓炎）