• 项目
首页>>文章列表 >>行业研究
行业研究

金准数据基本概念到内部结构 2017-07-07 09:04:37

在这篇文章中,作者首先介绍了一下神经网络、RNN和LSTM的基本概念,然后举例对比了三种网络的性能,并且进一步讲解了LSTM。


LSTM是神经网络一个相当简单的延伸扩展,而且在过去几年里取得了很多惊人成就。我第一次了解到LSTM时,简直有点目瞪口呆。不知道你能不能从下图中发现LSTM之美。

先简单介绍一下神经网络和LSTM。


神经网络

假设我们有一个来自电影的图像序列,然后想用一个活动来标记每张图像。例如这是一场打斗么?角色在交谈?角色在吃东西?

应该怎么做?


一种方法是忽略图像的顺序属性,把每张图片单独考虑,构建一个单张图片的分类器。例如,给出足够的图片和标签:

  • 算法首先学习检测形状、边缘等低级模式

  • 在更多数据的驱动下,算法学会将低级模式组合成复杂形态,例如一个椭圆形上面有两个圆形加一个三角形可以被认为是人脸

  • 如果还有更多数据,算法会学到将这些高级模式映射到活动本身,例如有嘴、有牛排、有叉子的场景可能是吃饭

这就是一个深度神经网络:得到一个图像输入,返回一个活动输出。

神经网络的数学原理如图所示:


用RNN记住信息

忽略图像的顺序可以算是初步的机器学习。更进一步,如果是一幕海滩的场景,我们应该在后续帧中强化海滩相关的标记:如果有人在水中,大概可以标记为游泳;而闭眼的场景,可能是在晒太阳。

同样,如果场景是一个超市,有人手拿培根,应该被标记为购物,而不是做饭。

我们想做的事情,是让模型追踪世界的状态。


  1. 看到每个图像后,模型输出一个标签,并更新其对世界的知识。例如,模型能学会自动发现和追踪信息,例如位置、时间和电影进度等。重要的是,模型应该能自动发现有用的信息。

  2. 对于给定的新图像,模型应该融合收集而来的知识,从而更好的工作。


这样就成了一个循环神经网络RNN。除了简单的接收一张图片返回一个活动标记之外,RNN会通过给信息分配不同的权重,从而在内部保留了对世界的记忆,以便更好的执行分类任务。

RNN的数学原理如图所示:


通过LSTM实现长期记忆

模型如何更新对世界的认知?到目前为止,还没有任何规则限制,所以模型的认知可能非常混乱。这一帧模型认为人物身处美国,下一帧如果出现了寿司,模型可能认为人物身处日本……


这种混乱的背后,是信息的快速变换和消失,模型难以保持长期记忆。所以我们需要让网络学习如何更新信息。方法如下:

  1. 增加遗忘机制。例如当一个场景结束是,模型应该重置场景的相关信息,例如位置、时间等。而一个角色死亡,模型也应该记住这一点。所以,我们希望模型学会一个独立的忘记/记忆机制,当有新的输入时,模型应该知道哪些信息应该丢掉。

  2. 增加保存机制。当模型看到一副新图的时候,需要学会其中是否有值得使用和保存的信息。

  3. 所以当有一个新的输入时,模型首先忘掉哪些用不上的长期记忆信息,然后学习新输入有什么值得使用的信息,然后存入长期记忆中。

  4. 把长期记忆聚焦到工作记忆中。最后,模型需要学会长期记忆的哪些部分立即能派上用场。不要一直使用完整的长期记忆,而要知道哪些部分是重点。

这样就成了一个长短期记忆网络(LSTM)。

RNN会以相当不受控制的方式在每个时间步长内重写自己的记忆。而LSTM则会以非常精确的方式改变记忆,应用专门的学习机制来记住、更新、聚焦于信息。这有助于在更长的时期内跟踪信息。

LSTM的数学原理如图所示:


卡比兽

我们不妨拿《神奇宝贝》中的卡比兽对比下不同类别的神经网络。

神经网络

当我们输入一张卡比兽被喷水的图片时,神经网络会认出卡比兽和水,推断出卡比兽有60%的概率在洗澡,30%的概率在喝水,10%的概率被攻击。

循环神经网络(RNN)

在隐藏状态(Hidden State)为“战斗场景开始”的情况下输入神奇宝贝喷水进攻图,RNN能够根据“嘴中喷水”的场景推测图一神奇宝贝是在进攻的概率为85%。之后我们在记忆为“在战斗、敌人在攻击和敌人是水性攻击”三个条件下输入图片二,RNN就会分析出“卡比兽被攻击”是概率最大的情况。


LSTM

在长期记忆(Long-Term Memory)为“卡比兽喜欢吃竹子”、“每个战斗回合为一分钟”和“敌人在屏幕中央”,工作记忆(Working Memory)为“每个战斗回合为一分钟”“敌人在屏幕中央”的情况下,输入卡比兽被喷水的图片,LSTM会选择性处理一些信息。它选择性记忆了卡比兽的痛苦的表情,忘掉了“屏幕中央的是敌人”这条信息,得出卡比兽被攻击的可能性最大。


学会编码

有一种字符级的LSTM模型,可以通过输入的字符级序列来预测下一个可能出现的字符。我将用这种模型向大家展示LSTM的用法。


虽然这个方法看起来不成熟,但不得不说字符级的模型使非常实用,个人觉得比单词级模型还要实用一些。比如下面这两个例子:

1. 假设有一种代码自动填充器足够智能,允许手机端编程

理论上讲,LSTM可以跟踪当前所用方法的返回类型,更好地建议返回哪个变量;也可以通过返回错误类型告诉你程序是否有bug。


2. 像机器翻译这种自然语言处理程序通常很难处理生僻术语

怎样才能把之前从未见过的形容词转换成相应的副词?即使知道一条推文是什么意思,但怎样为它生成标签?字符级模型就可以帮你处理这些新出现的术语,不过这也是另外一个领域研究的事情了。

所以在一开始,我用亚马逊AWS弹性计算云EC2的p2.xlarge在Apache Commons Lang代码库训练了三层LSTM,几个小时后生成了这个程序:


虽然这段代码并不完美,但已经比我认识的很多数据专家编写的代码优秀了。从这里我们可以看出LSTM已经学会很多有趣且正确的编码行为:

可以构建class:优先放许可证,之后是程序包和导入包,再之后放注释和类别定义,最后是变量和方法。它也知道如何创造方法:需要遵循正确的描述顺序,查看装饰器是否处于正确的位置,以适当的语句返回无类型指针。重要的是,这些行为还跨越了大量的代码。

可以跟踪子程序和嵌套级别:如果语句循环总是被关闭的话,缩进处理是一个不错的选择。


它甚至知道如何创建测试。

此模型到底是怎样做到上面这些功能的呢?我们可以看几个隐藏状态。

这是一个神经元,看起来它似乎在追踪代码的缩进级别。在神经元以字符为输入进行读取,例如试图生成下一个字符的时候,每个字符都根据神经元的状态被标记了颜色,红色表示负值,蓝色表示正值。

这里有一个可以计算两个标签距离的神经元:

还有一个在TensorFlow代码库中生成的不同3层LSTM的有趣输出结果:


研究LSTM的内部结构

上面我们了解了几个隐藏状态的例子,不妨再聊得深入一些。我在考虑LSTM cell和它们的其他记忆机制。或许它们之间也存在令人惊叹的关系。


计数

为了探究这个问题,我们需要先教LSTM学会计数,所以我生成了下面这个序列:

aaaaaXbbbbb

这串序列中,在N个a之后跟着一个定界符X,之后又跟着N个字符b。在这里,1<=N<=10。我们用此序列训练带有10个隐藏神经元的单层LSTM。

正如预期的那样,LSTM在其训练范围内表现良好,甚至可以生成一些超过了训练范围的东西。

aaaaaaaaaaaaaaaXbbbbbbbbbbbbbbb

aaaaaaaaaaaaaaaaXbbbbbbbbbbbbbbbb

aaaaaaaaaaaaaaaaaXbbbbbbbbbbbbbbbbb

aaaaaaaaaaaaaaaaaaXbbbbbbbbbbbbbbbbbb

aaaaaaaaaaaaaaaaaaaXbbbbbbbbbbbbbbbbbb

我们期望找到一个隐藏的状态神经元计算a的数量:

为此我还专门构建了一个小型网页应用,它不仅可以在刚刚的基础上计算a的数量,还能计算b的数量。

此时cell表现很相似:

还有一件有趣的事情,工作记忆看起来像一个长期记忆的增强版,这在一般情况下是正常的吗?

答案是肯定的,这也和我们期望的完全一样。因为长期记忆被双曲正切激活函数限制了输出内容。下面是10个cell状态节点】的总览,我们可以看到很多代表接近0值的浅色cell。


相比之下,这10个工作记忆的神经元看起来更专注,1号、3号、5号和7号在序列的前半部分看起来都是0。


那我们再看看2号神经元,这里给大家展示一些备用记忆和输入门(Input Gate)。它们在神经元的每半部分都是稳定的——就像神经元在每个步骤都在计算a+=1或b+=1一样。

最终,我们得到了所有神经元的内部结构:

如果你也想为不同的神经元计数,可以看看这个可视化工具。

可视化工具链接:

http://blog.echen.me/lstm-explorer/#/network?file=counter


伯爵

还记得美国公共广播协会(PBS)制作播出的儿童教育电视节目《芝麻街》,里面有一个魔方吸血鬼样子设计的玩偶,叫伯爵。他喜欢数数,对计算机的兴趣没有边界。我就把这一部分的标题命名为伯爵好了。


现在我们看一个稍微复杂一点的计数器,这一次我生成了序列化的表单是:

aaXaXaaYbbbbb

上面这串序列的特点是N个a和X任意交叉排列,再加入一个定界符Y,最后加入N个b。LSTM仍需计数a的数目,这次也同样需要忽略X。

完整的LSTM链接:

http://blog.echen.me/lstm-explorer/#/network?file=selective_counter

我们希望得到遇到X时输入门是0的计数神经元


上面就是20号神经元的cell状态。在还没有到达定界符Y时它会一直增大,之后一直递减直到序列的末尾——就像它计算的是num_bs_left_to_print变量,根据a的增量和b的递减不断变化。

它的输入门确实忽略了X:

有趣的是,备用存储器完全激活了不相关的定界符X,所以我们还是需要一个输入门。(如果输入门不是架构的一部分,想必神经网络将学会用其他方式学会忽略X)

那我们继续看10号神经元。

这个神经元很有意思,因为它只有在读取定界符Y时才可以激活,但它仍然试图编码目前在序列中看到的a。这很难从图中看出,但当读取到Y属于有相同数量的a的序列时,所有的元胞状态都是几乎相同的。可以看到,序列中a越少,Y的颜色越浅。


记住状态

接下来,我想看看LSTM是如何记住元胞状态的。我在再次生成一些序列:

AxxxxxxYa

BxxxxxxYb

在这个序列中,A或B后面可以接1-10个x,之后接入定界符Y,最后以开头字母的小写结尾。这种神经网络需要记住序列是否为一个A或B序列状态。

我们希望找到一个神经元,当记住这个序列以A开始时触发,另一个神经元会在记住它以B开始时触发。我们也确实找到了。


例如,这里有一个神经元A,当它读到一个A时,它会激活,并记住它,直到需要生成最终的字符为止。注意,输入门忽略了中间所有的x字符。

这里还有一个副本B:

有趣的是,直到网络读取Y定界符前,A和B的状态信息都是不需要的,但隐藏的状态还是会在所有中间输入中触发。这看起来有点“低效”,但也许是因为这个神经元还承担了计算x数量的任务。


复制任务

最后,我们看看如何让LSTM复制信息。

对于这个训练任务就,我训练了两层的LSTM序列:

baaXbaa

abcXabc

也就是说,这是一个由a、b、c组成的三个字符的子序列,后接定界符X,最后接一个相同的序列。

我并不确定复制神经元是什么样,所以为了弄清存储最初子序列部分的神经元,我查看了它们在读取定界符X时的隐藏态。因为网络需要对初始子序列进行编码,因此它的状态应该根据所学内容的不同显示不同的格式。


以下面这张图表为例,它绘制了5号神经元在读取定界符X时的隐藏状态。神经元显然能区分序列是不是以“c”开始。

再举一个例子,下图是20号神经元在读取X时的隐藏状态,它好像是把从b开始的序列都挑了出来。

如果观察20号神经元的cell状态,你会发现它几乎可以自己捕捉全部3个字符的子序列。在只有一个维度的情况下能做到这样,非常了不起。

这是20号神经元的cell在整个序列中的隐藏状态。注意它的隐藏状态已经在全部初始子序列中被切断。

然而,如果我们仔细观察会发现,每当下一个字符是b时,神经元就会被触发。因此与其说这个神经元代表的是一个从b开始的序列,不如说是下一个字符是b的预测器。


据我所知,这种模式似乎在整个网络中都保持着——所有的神经元都在预测下一个字符,而不是记住特定位置的字符。例如,5号神经元似乎是“下一个字符是c”的预测器。

我不确定这是否是LSTM在复制信息时学会的默认行为,或者是其他的复制机制也会这样做。


状态和门

为了真正了解不同LSTM中不同的状态和门的作用,我们换个角度重新讲讲上一部分。

cell状态和隐藏状态

我们最初把cell状态描述为一种长期记忆,而隐藏状态是一种提取和聚焦这些记忆的方法。

所以当记忆与当前无关时,我们期望隐藏状态可以关闭——前面讲的序列复制神经元就是这样。


遗忘门

遗忘门(Forget Gate)会丢弃cell状态的信息(0意味着完全忘记,1意味着完全记住),所以我们期望当它需要记住一些确切的东西时,它可以被完全激活;当不再需要这些信息时,它可以被再次关闭。

这就是我们看到的这个A记忆神经元:遗忘门在被触发时记住当它经过x时的A状态,当它准备生成最后的a时将关闭。


输入门(保存门)

输入门(Input Gate,我以前叫它“保存门”)决定了是否从新输入中保存信息。因此它需要在遇到无用信息时关闭。

这也就是选择性计数神经元所做的:计算a和b的值,但忽略不相关的x。

令人惊讶的是,我们的LSTM方程中没有任何地方指定了输入、遗忘和输出门的工作方式,神经网络会自学什么是最好的。


扩展

现在我们探讨一下LSTM是如何出现的。

首先,很多我们要解决的问题都是按时序或者一定顺序排列的,我们可以将过去的经验融合到我们的模型中来。但是我们已经知道神经网络的隐藏层编码着重要的信息,所以我们为何不把这些隐藏层作为从一个时间步传递到另一个时间步的记忆呢?因此,出现了循环神经网络(RNN)


人类不会轻易地相信一些信息——当我们读到一篇关于政治的文章时,我们不会立刻相信我们读到的并把它当成自己的人生信仰。我们会选择哪些信息值得记住,哪些信息需要丢弃,哪些信息可以在下次阅读时提供一些决策依据。也就是说,我们想要学习如何收集、修正和应用信息。那我们为什么不让神经网络来学习这些呢?所以就有了LSTM


任务都完成了,现在我们可以对它进行修改。

你可能会觉得LSTM区分长期记忆和工作记忆时傻傻的:为什么不合二为一?又或许你发现了独立记忆门和存储门有点多余。现在又有人提出一种新的LSTM变种,我们称之为GRU(Gated Recurrent Units)


想了解更多GRU专业知识?这里有一份论文:

https://arxiv.org/abs/1412.3555

当决定记忆存储和集中你哪些信息时,我们不能单独依赖工作记忆,那为什么不能用长期记忆呢?所以我们又发现了Peephole LSTM。

Peephole LSTM Paper(PDF):

http://machinelearning.wustl.edu/mlpapers/paper_files/GersSS02.pdf


实现神经网络伟大复兴

让我们看看最后这个例子,我双层LSTM在特朗普的推特上训练。尽管这个数据集很“大”,它仍然学会了很多的模式。

比如,这是一个记录话题标签、URL和@的神经元。

这里还有一个专有名词检测器(注意:它不是只在遇到大写字母时激活):

这是一个助动词+“to be”检测器(包括“will be”、“I’ve always been”、“has never been”等形式):

这是一个引用属性:

还有一个MAGA(多智能体遗传算法)和大写的神经元:

下面是LSTM发布特朗普的推文声明——其实只有一个是真的,不妨猜猜看:

川普数据集在这里:

https://www.kaggle.com/benhamner/clinton-trump-tweets


总结

虽然本文的篇幅较长,且讲解内容较多,但LSTM仍然是一个没有止境的研究领域。如果你恰巧对LSTM感兴趣,那就钻进去好好研究吧。

金准数据2017年海外大数据产业研究报告 2017-07-04 14:13:15

金准数据将从宏观的角度带你观察大数据行业的整体生态结构,对大数据采集、数据的分布式存储与处理,以及在此基础之上的数据分析、可视化和在众多行业中的应用进行概述。首先我们就来说说大数据技术是如何产生的?

 

1、 大数据的技术基础

早在1980年,著名未来学家托夫勒在其所著的《第三次浪潮》中就热情地将“大数据”称颂为 “第三次浪潮的华彩乐章”,这标志着人们首次对海量数据所能够产生的价值有了初步的了解。

但由于连接方式的局限,长期以来人们对于数据的应用大多以企业内部的商业智能为主,随着互联网、移动互联网的普及,企业终于能够直接与用户产生链接并获得大量的用户行为与消费等数据,大数据产业应用的轮廓才渐渐清晰。

2000年初Google为了实现对大量网页的信息抓取、存储,并完成索引的建立及排序功能,同时又希望降低硬件采购成本而逐渐摸索出了利用普通物理机实现的分布式存储、计算体系。这一技术以MapReduce及GFS而为人所熟知,借此大数据得以分布存储在多个数据库中,并进行大规模并发处理,解决了以往单一计算机存储能力不够,计算时间过长而不具备实用性的问题。

依据2003年底Google所发布的论文,前雅虎工程师开发出了类似的分布式存储计算技术Hadoop,随后围绕Hadoop产生了庞大的生态体系,逐渐使大数据基础架构日臻完善。

Hadoop功能包括从数据采集、存储、分析、转运、再到页面展示,完整涵盖了整个流程。例如HDFS实现了数据的分布式存储,HBase负责实现数据库的功能,Flume执行对数据的收集,Sqoop能够对数据进行转移、治理, MapReduce可以通过算法实现分布式计算,Hive则做数据仓库,Pig做数据流处理,Zookeeper实现了各节点间的反馈收集与负载平衡服务,Ambari能够让管理员了解架构整体的工作运行情况。

 

Hadoop生态技术架构

而随着技术的发展,一些适应独特应用场景的数据库、计算处理等软件也越发丰富,例如非结构化数据库MongoDB就因为其较为强大的条件查询功能以及灵活的数据结构获得了广泛的应用;Spark则将Hadoop中的存储介质替换为闪存,而获得了百倍处理速度的增长,Databricks Cloud就是这一架构下的产品化服务。

除此之外大数据生态中还存在着很多的技术发展路径,其中MPP技术主要还是以关系型数据库为主和Hadoop技术目标类似,都为了将数据切分、独立计算后再汇总。相对于SQL on Hadoop,MPP具有数据优化程度高、计算速度快,擅长被用于进行交叉分析等优点,适合企业进行数据分析使用,但其扩展性相对Hadoop来说较弱,一般在10个节点以上便丧失了计算优势,并且由于非开源架构导致其对特定硬件依赖程度较高。

采用MPP存储模式的代表性公司有Teradata,能够通过进行企业数据分析帮助员工减轻大数据处理的精力消耗与费用成本,使企业能够更加专注于业务运营。在传统数据库公司与意图进入数据库市场的企业服务公司(例如SAP)掀起的收购热潮中,Teradata是目前市场仅存的几家大型独立数据分析公司之一。


2、 大数据的数据来源

2011年麦肯锡发布了一份题为“Big Data: The Next Frontier for Innovation, Competition and Productivity”的报告,里面提到美国拥有1000人以上规模的公司平均存储了超过200T的数据,如果对数据进行价值挖掘将激发很多行业及公司的潜力,这一报告标志了商业领域大数据热潮的开端,也使企业服务软件成为了大数据最初的数据源。

随着存储及计算能力的加强和国内大数据产业的兴起,部分从业者在看到行业巨大前景的同时也意识到了国内数据资源的缺乏,由于民生、电信、交通、电力等具有很高价值的数据都掌握在政府及大型国企中并不开放,如何获取数据源成为了比如何提升数据处理方法更大的问题。

目前国内能够进行脱敏并使用的市场数据的来源主要还是集中在手机、PC等单一渠道与场景中,TalkingData、友盟,以及艾瑞、易观等数据分析及咨询机构很大程度上依赖着这些资源,却也被这些资源所局限。而由于政府数据的敏感性,仅有少数机构能够对接政府数据资源。因此预计随着对数据需求的日益强烈以及数据资源价值被渐渐接受,政府数据资源将会成为数据源的重要组成部分。

而更大范围的数据采集工作将会依托于物联网领域。在《即将被281亿个传感器包围,你却还没弄懂物联网技术?》中曾讲到,预计2020年我们将会被281亿个传感器包围,本月27号中国联通也宣布截至目前其物联网联通数量已超过5000万个。可以预见的是,在消费者视角内,未来衣食住行等方方面面都将会配备物联网设备实时采集数据,而采集来的数据将会让商家提供更优质、甚至是定制化的服务,形成双赢。而在工业领域,物联网所采集的大数据也将发挥很大的作用,形成良性循环。

同样随着数据样本与采集渠道的丰富,针对数据采集过程、数据转换与传送和数据存储环节的服务也已经有了很大的发展,Informatica及Mulesoft就是多渠道数据的集成与数据治理行业中的代表性企业。


3、 大数据的分析及可视化

在有了足够的存储与计算能力,并获得了大量的数据后,数据分析产业的发展水到渠成。目前通用性的数据分析行业,主要有数据分析、数据分析可视化、大数据检索,以及延伸出的数据服务平台、商业智能分析及大数据预测与咨询这6大类业务。

数据分析的内容将会在第二及第三篇文章中详细介绍,今天仅介绍一下数据分析的整体情况,及未来可能的发展方向。

大数据分析的出现,对企业而言最大的价值就是能够将大量沉淀的用户行为数据、消费数据、企业服务软件中的数据进行整合,并通过对这些数据的分析来优化产品设计、价格的制定和销售方法的提升,同时降低企业内部运转的成本提高运营效率,例如Pentho通过抓取企业服务软件(主要为SAP)中的各类数据并挖掘及分析,最终能够帮助企业节约大量的报表制作时间,并让管理者能够实时看到企业的运行情况。

同样对于电信、电力以及交通等专业领域的企业来说,通过收集用户数据,可以分析并预测未来的需求,提前对价格进行实时智能调节,并合理分配负载,从而实现利润的最大化并保证运行的安全。

而对舆情数据的分析能够帮助企业及时了解市场情绪,并快速迭代自己的产品与服务,对于金融企业来说也可以快速获知最新动态避免因为信息不对称而暴露于风险中。例如Datameer提供的数据分析引擎就能够实时监测公共消息,检测其语言和传播方式,使用户能够早于媒体报道获得最新资讯,并通过可视化的方式使用户轻松快速上手。

大数据可视化,则是建立在大数据分析之上的,让人们能够更加便捷的理解数据分析结果的手段。大多数提供数据可视化业务的公司都将其作为对数据分析的延伸业务,例如Bottlenose在进行数据分析自动化业务的同时,提供对社交媒体分析的“声纳图”,能够让用户对复杂的关系及逻辑线条一目了然,提升了用户对其数据分析业务的采纳程度。

预计随着数据分析手段与方法的不断升级,数据的可视化工作将成为重点方向,将日益复杂化的数据分析结果与人相连接将会面临技术不断的挑战。


4、 大数据的行业应用

大数据技术已经被视为了未来经济生活中的基础设施,这意味着几乎全部行业都能够在大数据分析技术之上获得经济效率的提升。星河研究院此次将大数据应用的研究范围覆盖到了20多个行业,包含电子商务、媒体营销、物流、企业服务、教育、汽车、金融科技等诸多产业,这一部分行业与公司的介绍将会放在第四到第七篇文章中。

在销售行业中,通过输入客户的性格、穿搭习惯、所处行业及历史销售数据等信息,销售员将会被大数据分析告知,何时给哪一位客户打电话获得订单的概率最高;在品牌形象建立中,Persado能够依据市场情绪的分析,写出与用户能够产生共鸣的文案从而获取消费者好感;法律行业中Ravel能够“阅读”过去数十万判决案例,针对用户输入的案件给出判决概率预测,帮助律师制定辩护策略,而长期来看法律大数据企业很有可能取代大部分初级律师;同样在零售、广告、医疗等诸多领域,大数据技术都能通过分析数据内在的关系而帮助用户实现购买预测、受众精准投放以及病情辅助判断等功能。大数据的行业应用精彩纷呈,远不止上文所提到的这些,接下来的文章中我们会逐一展现大数据应用的神奇。


5、大数据成为AI产业的燃料

人工智能技术一直是科学家与技术人员的追求,但其发展并不是一帆风顺。例如最初的自然语言识别技术中,科学家希望通过语法规则使计算机理解语义从而实现智能化,但显示证明这一路径并不可行,其后依据大量数据样本的统计方法才有效的提升了自然语言处理的准确度并逐渐达到可用水平。

如今随着计算技术与数据量的提升,大数据能够带给我们的福利已经不仅限于资料的查找,识别语言、视觉的AI技术提供给我们的,除了经常看到的“个人助理”和动态美颜等功能外,仿照大脑结构进行写作、自动记录会议纪要、情绪识别与性格分析,甚至是视频内容的搜索等功能都能够对商业及产业起到较大的推动作用。










注:

Hadoop, 由Apache基金会所开发的分布式系统基础架构

HDFS是Hadoop中的分布式文件系统,适合运行在通用硬件设备上,具备高度容错性,能提供高吞吐量的数据访问,非常适合大规模数据集上的应用。

MapReduce是一种编程模型,用于大规模数据集(大于1TB)的并行运算,极大地方便了编程人员在不会分布式并行编程的情况下,将自己的程序运行在分布式系统上。

MPP,Massively Parallel Processing,意为大规模并行处理系统,这样的系统是由许多松耦合处理单元组成的,每个单元内的CPU都有自己私有的资源,在每个单元内都有操作系统和管理数据库的实例复本。

SAP是全球最大的企业管理和协同化商务解决方案供应商、全球第三大独立软件供应商,总部位于德国。

GFS是Google开发的可扩展分布式文件系统,用于大型的、分布式的、对大量数据进行访问的应用,能够运行于普通硬件上,并提供容错功能。

金准数据 医疗大数据研究报告 2017-07-03 17:01:48

金准数据认为,中国疾病谱从2010年开始向发达国家靠拢,在此之前基于传染病防治建立起来的、传统的医药工业、流通、服务格局开始产能过剩,而基于慢性病的新型工业、流通、服务的产能出现稀缺,肿瘤、心血管和精神类疾病占比将处于上升通道。

从投资的思维看,当前医疗健康行业处于风口之中,单个企业的价值已被挖掘充分,投资机构想要获取超额回报,必须找到“buy-and-build”机会的产业,这其中,药店既存在集中度提高、线上线下整合的机会,还有望充分享受药品产业链变革的模式红利。

1、健康产业投资分析

1.1健康产业现状分析

健康中国2030年的规划中已经提到,到2020年中国的医疗市场是8万亿的规模,但人均的医疗规模在全球还是非常小的占比。我们通过这些数据可以看到,当一个国家的人均GDP超过8000美元以后(图1),影响人均寿命的主要原因已经从传染疾病上升到了慢性病。当我们进入慢性病时代,从2010年开始,疾病谱的种类开始向发达国家靠近,意味着在此之前我们中国基于传染病的防治建立起来的传统的医药工业、流通、服务的格局已经开始产能过剩,而基于慢性病的新型的医药工业、流通、服务的格局出现了稀缺。针对这样的格局的转变,在疾病以及子行业两个维度都会出现大量的供需不平衡的局面,就会存在投资和并购的机会。

人均GDP超过8000美元,疾病谱将从传染病到慢性病转变

我们对中美两国的疾病的种类进行比较,如中国2011年的疾病发病率占比和美国2007年的疾病发病率占比,不难发现有些方面的疾病我们的占比更低,比如说肿瘤、心脑血管疾病和精神疾病方面。随着中国人均收入的提高,中国老百姓的疾病结构会逐渐地跟美国靠近,这也意味着这里面也存在着投资的机会。


1.2健康产业投资思路

我们把所有的投资机会分成三类,第一类是医疗产品驱动公司,它包括了药品及生物技术,然后是医疗器械和诊断制剂,它的核心就是产品和技术。第二类是医疗行业模式驱动型公司,包括连锁药房、医药电商、物流配送、医疗器械配送,它的核心是供给侧改革,就是供给模式变化带来的投资的机会。第三类是医疗服务提供型的公司,这实际上是新型的医疗服务机构,包括新型的私立的医疗机构、互联网医疗、远程医疗、公立医疗改制等等。

我们可以把市场上所有的标的按照这三个门类进行分类,然后在每个门类选取其中成功的因素和核心的环节。举个例子,在医药这个门类,可以看到我们分为新药研发的企业,还有强调工艺创新、提高药物质量的生产企业,还有产品线成熟、销售渠道能力强的企业。新药研发企业有研究全新药物的,也有在现有的基础上进行更新的企业。工艺创新、提高药物质量生产企业也会分为制剂工艺创新、制剂能力提升等等。医疗设备的分类我们也可以一类类地把它分下来。

但是这样分类还是不够的。我们刚才说的这些价值点,医疗行业的专家、分析员都可以看到、分析出来,所以我们不妨从另一个角度来看,这个角度我个人把它称之为第二层思维下的投资。这个概念是橡树资本董事长霍华德·马克斯在《投资最重要的事》一书中论述的。


第二层思维下的投资,就是说我们大家目前都能看到的这些企业的价值,其实作为一个投资机构来说是占不到任何便宜的,它的潜在价值已经被充分挖掘。这个投资机构如果想获取超额回报,必须能做到“buy-and-build”,也就是我们要能看到一些行业整合的机会,才能获取超额回报。

我们看到的整合的机会在哪里呢?这里我们再次举个例子进行数据分析。比如说我们看到药店行业,美国有7万家药店,平均连锁单店是1027家,有80%的药品是通过零售的渠道来销售的,而中国有43.6万家药店,平均连锁单店只有40家,药品只有23%是通过零售渠道销售。当然还有医疗器械、药企和流通等等方面,我们都可以和美国进行对标,通过这个对标我们可以发现,哪些行业存在“buy-and-build”机会呢?最明显的就是医药零售行业。

让我们来仔细分析连锁药房这样一个业态,我们可以看到存在着大量的线上线下结合的机会。

线上我们可以通过药房的移动APP,实现移动电商的O2O,可以实现轻问诊,通过小的硬件可以实现健康的检测和记录,可以通过定位服务来实现消费者到附近药店或者经过某一个物理点的商品推广,之后的大数据又能够为我们的消费者提供健康管理、互联网商业保险等服务,还能提供消费者的行为统计、精准的营销服务,这些都是在线上的行为。

在线下,实体连锁药店的机会在于,有传统的药店零售的业务,有中国特色的中医坐堂业务,我们还有代客煎药、代客送药的业务,还有健康咨询业务,同时线下药店还会有健康营养品的销售业务。所以说一个连锁零售药店是有巨大的线上和线下加在一起的机会,这些机会使得基石资本把眼光在这里面做了进一步的深层次的思考。

1.3第二层思维

刚才我们只是看到了第一层思维,即在移动互联网不断发展的中国,药店存在线上线下结合的机会。如果我们比较中美医药电商业务占药品零售额的占比,中国只占到1%,美国高达30%。

第二层思维是,如果我们进行行业整合,会有怎样的额外的经济效益产生?这里我们也对传统的医药产业链进行了分析。

我们会看到从药厂的产品出来之后,一直到终端消费者会经过非常多的层次,比如产品从药厂出来,会经过省会中心城市的医药公司,这个医药公司有两条通路,一条通路往下批发给地区、县级的医药公司,再往下批发到乡镇的医药站,各个区域的医药公司又批发到各地各层级的医院,形成这样层层批发的行为。如果说我们的连锁药店能够形成有规模的整合和协同的关系,可能我们能够绕开各种层级的批发,直接实现对上游的砍价实力,提升毛利率,最终给消费者以实际的收益,特别是中国消费者进入到慢性病管理的时代,连锁药店集中度的提升能给消费者带来巨大的节约。

如果我们把中国的医药连锁门店再次用数据进行分析,我们可以把它分成四个矩阵,从两个维度进行分析。第一个是单店产出,也就是单店的销售金额;第二是单店能服务多少人。

我们把中国所有省份的数据,按照这两个维度进行排序,排序完之后可以看到四个地区。从这四个地区可以看到,在右上角单店的产出非常高,同时单店的服务人数也非常高的区域,就是最有潜力的区域。我们可以看到上海、江苏、福建、陕西这些地方单店产出高,一个药店服务的人数又多,这是最佳的区域。还有需求薄弱区,一个店服务的人数比较多,可是它的单店销售比较少,说明这个地方的人均消费能力弱,如说广西、河南,这就属于需求薄弱区。右下角是竞争过剩区,单店非常多,服务的人数比较少,竞争激烈。

通过这样的角度可以看到,如果基石资本要进行这样一个产业的整合,我们应该在哪个领域进行着手呢?显而易见,我们应该在右上角的区域做一个密集的布局。

因此,大规模并购连锁药店,形成一定的规模,一方面可以提升和药厂的砍价实力,也可以把单个药店进行梳理和改造,让它作为一个社区医疗的服务点,让它作为一个医药O2O电商的服务点,让它作为一个中医轻问诊的服务点,让它作为各类健康营养品的销售点,这样为社区的消费者提供低价、优质的产品,最终这样的大型医药健康连锁集团还可以合适的方式进入到资本市场,为我们的投资者获取丰厚的回报。


2、人工智能技术在医学领域的应用与前景

2.1当前医疗领域深度学习应用热点方向

当前宣传的最火的就是深度学习。因为它的表征处理能力,可以很好的把很多现实问题转换成可以处理的形式。深度学习擅长处理的就是高维度、稀疏的信号。图像就是这些信号中一种有代表性的形式。医学影像处理应用很明显必然是一个热点方向。除了医学影像处理以外,临床里边还有很多其他问题域,比如时序信号处理、临床数据的信息提取等等,这些虽为很好的问题域,但都不及图像处理容易得到结果。

医学影像处理典型的四大类问题是:影像分类、目标检测、图像分割和影像检索等。都能对应到日常临床应用里的一些痛点的、比较浪费人力的问题。


2.2前沿研究成果

以下分享临床问题领域把握比较到位、得到的结果也比较好的一些论文。因为都是针对医学影像数据,采取的建模方法都是类似的,基本上是基于CNN做各种模型变换,最后得到结果。

1) 基于乳腺钼靶影像的病变检测

乳腺钼靶是常见的乳腺癌早期筛查方法,它的诊断难度其实不算大。如果有一个模型能够有效地检查钼靶影像中间异常密度区域,就可以很好地降低人工筛查的工作量。在这篇文章里,达到的结果接近人类专家的平均水平,这是一个非常了不起的结果。

(2) 脑部核磁共振影像中的白质高信号灶分割

为什么关注白质高信号灶?因为一旦核磁共振上面发现脑白质里有异常信号表达的时候,很有可能说明,在未来的一段时间内患者容易发展出帕金森氏症,所以它是预测帕金森氏症的一个有力指标。这里最重要的是怎么能准确地分割出脑白质的高信号灶。这篇论文用的也是相对比较传统的模型组合,最后得到的分割效果接近了人类专家的水平,也是一个不错的结果。

3) 基于皮肤镜照片的皮肤癌分类诊断

这是斯坦福做的之前引起较大影响的论文,结果已经达到了人类专家水平,甚至超过了大部分人类专家,接近了一些非常有经验的专家。而它用的结构却是非常传统。

深度学习模型本身就是一种具有非常强表达力的模型,那么我们再去构建很复杂的网络结构、增加很多参数的话,其实很可能会变成过拟合的状态,反而无助于结果的一般化。所以,最重要的是我们如何能拿到足够多的、有标注的、高质量的数据集。数据集的规模越大,数据质量越高,最后能达到的效果一定会越好。相比于机器学习领域中大家争先恐后地去寻找新的网络结构、新的激活函数、新的优化方法的趋势,我们在临床需求落地到具体场景时,更应该关注的是原始数据怎么取得,怎么能以比较低的成本拿到高质量的数据。因为只要解决了数据这一点,建模这一步上面,其实并不存在决定性门槛。

4) 基于数字病理切片的乳腺癌淋巴结转移检测


这一篇是Google Brain给出的,对高分辨率的数字病理切片,基于Google Inception Net的网络结构去做特征提取,最后进行分类,然后刻画出来的乳腺癌细胞在组织上面的分布情况。它的检测效果达到了人类专家水平。且在与Google有合作的几个医院里,用训练集之外的真实数据去验证的结果仍然相当不错,这对于数字病理切片分割和性质的判断是很有应用前景的。

5)基于眼底照片的糖尿病性视网膜病变检测

这篇是Google Brain的结果,仍然是以Inception Net为基础的模型结构。本身眼底镜影像相比于其他影像最麻烦的地方在于,眼底镜之间的数据异构性太大,不同人拍摄出来的眼底镜的曝光程度、偏心程度、视野范围,都有很大的变异性。如何很好的在预处理阶段尽可能的消除这些变异性影像,是它做的重要工作。最后达到的效果也是相当不错,判断视网膜病变严重程度的准确率和人类专家持平。


6) 胸片骨减影应用

通常来说,面向的数据集都是断层扫描,因为断层扫描能够获得尽可能多的数据。但是,断层扫描单次检查对于患者的辐射量很大,用X射线要反复去切患者身体,辐射量要比做一次X光胸透大得多。我们想,有些患者是不是可以从单次胸透这种以很低剂量接受的检查的结果里面,发掘出来尽可能多的信息。胸透之所以提供信息量有限,是因为胸透是一个平面的叠加,把骨骼密度和人体里面软组织的密度分布情况,都叠加在一起,很难看清楚细节,谁也不知道这一部分吸收的X射线,到底是因为哪个组织产生的。


我们看软组织时,会希望把骨骼引起的影响给消减掉,也就是说把骨骼的影子去掉。怎么去除骨骼影这个问题很早就有人思考。医疗影像仪器制造商想了一个很聪明的办法,他考虑软组织和骨骼对于不同能量的X射线吸收特性不一样,那就先用低能量X射线拍一张,间隔很短时间后,再用高能量X射线拍一张,然后基于这两张照片上面不同组织的吸收特性不一样,做一个建模,然后利用数学方法把这个影减掉,这就是DES,也就是双能量数字减影技术。它可以拍出几乎看不到任何骨骼影子的软组织照片,但是DES技术有一个先天技术缺陷,是两次拍摄之间有一个间隔时间。

人是活着的,人体的组织在不停地蠕动,在间隔过程中,器官可能会变形,可能会移位,然后会造成DES技术拍出来的软组织照片有很多伪影,这个伪影会误导医生。在这个文章里面,它利用深度学习方法,基于单张传统胸透照片剔除其中的骨骼痕迹,得到的结果比传统DES摄影的软组织细节效果更好,也没有DES技术中产生的软组织伪影,这一篇文章是很有启发性的。


2.3医学数据处理方向、成果、挑战

(1) 医学数据处理方向

一是临床信息的提取。包括我们如何去把传统的非结构化文本病历进行电子化、结构化,转变成可分析、可处理的结构化数据。

二是掌握结构化数据。谁掌握了越多的可分析的结构化数据,谁就能做出越多的临床科研成果,数据是最核心的价值。零氪科技开发了Fellow-X自动结构化引擎,可以让95%以上通过HIS系统对接的电子病历,自动转化成可分析、可处理的结构化数据,极大的降低了结构化的工作量。还有剩下的只能靠人工部分,也设计了一个很好的双录入加QC的比对流程去处理那些很难处理的少量病历。

(2) 医学数据处理成果

基于结构化病历的数据,得到成果。其中包括肺部结节的检测模型、重要并发症的风险预测。现在做的是中性粒细胞减少症、血红蛋白减少症、血小板减少症这些的风险预测。它们是肺癌患者化疗后很容易出现的一种恶性并发症,一旦出现严重的症状可能会造成生命危险。如果应用了零氪科技的预测模型,可以提前预知患者出现严重并发症的风险如何,然后在化疗前就给予适当处理,降低出现严重并发症的风险。

3)医学数据处理挑战

主要有三大块,一是优化目标的定义,也就是说问题本身的定义如何;二是可用数据,你能否拿到足够多的可用数据;三是模型的可解释性,如何处理对模型结果推理过程的置疑。

优化目标定义:之所以是一个问题,是因为临床上面很多问题的定义是模棱两可的,我们只能凭经验、凭一些医生的日常行为来粗略地去刻画这个问题,很难拿到一个数学上非常精确的问题定义。但是一旦问题定义不精确,最后对问题建模后的结果必然不对。所以优化目标的精确定义是非常重要的。

可用数据:即可用数据、高质量的数据集的重要性。

模型因果性、可解释性:这是与临床结合做研究的时候一个独有的问题。临床是和人的生命息息相关的,所以做的任何一件事情都要有理有据,都要有因果推论的关系。但是,我们做机器学习模型时,很容易陷入到直接对相关性进行建模的这样一个陷阱里。相关性建模涉及的两个因素未必有直接的因果关系,得出的这个模型,如何解释它最后结果的意义,是一个很难处理的事情。这一点就横亘在很多模型最后产品化、产业化的路上面,是一只拦路虎。如果不解决可解释性问题的话,就很难迈过这道门槛,把机器学习成果投入实际产业化。

金准数据2017消费升级研究报告 2017-07-02 08:05:30

目录

1、背景描述

1.1经济面:多元变化共同孵化消费升级原动力

1.2技术面:科技进步与产业升级为消费升级提供保障

1.3产业面:作为“最终产物”出现的消费升级

2、深度解读消费升级

2.1消费升级的概念

2.2中美消费升级对比揭示消费升级发生原因与趋势

2.3本次消费升级特征分析

3、“消费升级100”新品牌榜单

3.1消费升级100”榜单背景与意义

3.2评选规则与榜单发布

3.3榜单解读

4、消费升级现状总结与建议

4.1线上和线下渠道融合,打造新零售

4.2家居与教育或迎来新机遇

4.3垂直模式:商业拓展新逻辑

4.4避免投机,投资者应做好长线准备



正文

1、背景描述


1.1经济面:多元变化共同孵化消费升级原动力


“消费升级”这一概念,目前正经历着一个“从学术化到通俗化”、“从普遍意义到特定语境”的动态变化过程。在经济学意义上,消费升级这一术语被约定俗成地用以描述“经济发展带来的消费结构改变”过程;近期广泛的资本造词和媒体采用,让这一概念愈发被框定在描述当前中国的的一系列经济变化,也因此开始与“科技”、“互联网”和“电子商务”等概念产生粘连关系。

“消费升级”词源的多级性,场景的动态性,导致了目前各界对消费升级概念的理解与使用都不尽相同。为了统一这一词汇的使用语境,并解释消费升级现象的成因,需要跳出

“消费”场域,并从更大的社会全景看待消费升级现象。在本章中,亿欧智库将从“经济面”、“技术面”与“行业面”三个层面,全面解析消费升级现象的社会背景与边界特征。

中国消费市场对我国的重要性提升

近十年以来,拉动中国经济增长的原动力发生着剧烈的变化,最终导致消费对经济增长的重要性直线上升。2008年次贷危机后,全世界经济进入衰退期,我国产品出口遭受严重打击;2015年,宏观调控和公共投资导致的生产过剩开始凸显,供给侧改革、去产能去库存成为政府工作重点,“消费”则成为外部需求不足、内部生产过剩局面下,投资过热的出口与经济增长的主要手段。政府工作报告指出,“加快培育消费增长点,鼓励大众消费,控制

‘三公’消费。扩大消费要汇小溪成大河,让亿万群众的消费潜力成为拉动经济增长的强劲动力。” 这表明从宏观层面和政府期待上,“消费升级”具有发生的合理性。

可以看到,从2012年起,我国采取了一系列更为宽松的货币政策,增加市场货币供给量 ,对消费的刺激开始稳见成效,使得社会消费增长率超过GDP增速;随着对消费结构的优化与调整,消费增速与GDP增速在近5年内处在一个合理稳定的区间。

在我国经济增速整体下行,经济发展进入新常态期间,消费对保持经济增长,稳定社会结构具有重要作用。如下图所示,消费对GDP的贡献率从2011到2012年期间断层式飞跃至50%以上,成为拉动经济增长的三驾马车之首;在2015年,消费贡献率又一次飞跃并开始稳定在65%左右,接近西方发达国家70%-80%的消费贡献率数字,表明中国经济进入新阶段:通过廉价出口与公共投资建设的快速积累资本阶段已经基本结束;西方世界的经济发展经验与规律开始逐渐适用于中国模式;经典经济学中,消费对经济发展的重要性日益开始在中国市场中有所体现。

消费大洗牌:结构与类目的剧烈变化

尽管市场上关于消费升级的呼声此起彼伏,BCG中国消费者研究则表明,2016年中国消费消费信心和欲望轻微下降;国家统计局数据表明,2016年居民可支配收入实际涨幅6.3%,较前一年下降,这些数据均表明,消费升级与其说是市场盘子和消费意愿的增长,不如说是消费者消费品类和消费结构的变化。

依据麦肯锡2016年中国消费者调查报告,从大众产品向高端产品升级百分比表显示,2016年中国消费者的升级消费,集中在化妆护理用品、饮品及生鲜食品领域,而消费者在饮品和食品领域的消费升级欲望较2012年降低了30个百分点。

麦肯锡2016年中国消费者调查报告中的品牌忠诚度趋势则表明,对食品饮料、个人护理产品、服装等品类的忠诚度明显上升。 亿欧智库认为,中国消费者尝试新品牌的意愿变

弱了,正在调整在不同消费品品类上的花销,而即使在统一大品类下,消费者对各细分品类

的消费意愿也在发生巨变。

深层原因:消费主体与消费动机的变更

消费升级的根本原因,在于消费动机和我国人口结构的改变。

一方面,我国人口结构正在经历刘易斯拐点,人口红利逐渐消失,人口峰值一端出现在25岁左右,另一端出现在45岁左右。这样的人口结构,消费者主要集中在25岁至45岁之间,导致社会购买力整体稳健温和;与10-20年前以“数量”取胜的思路不同,商家选择使用优化产品质量、提升客单价的手段保证盈利稳定与增长;这一变化,给消费升级带来了外因。

而另一方面,在于消费动机的变化:根据2015年CHFS调查数据测算,中国中产阶级的数量为2.04亿人,掌握财富总量为28.3万亿,成为国内的消费主体。中产阶级消费主体从小所经历的文化熏陶,与可观的收入水平,使得他们更注重“品质”与“体验”,“便宜”与

“奢华炫耀”等极端化消费动机被逐步改变,消费日益注重体验价值,给消费升级带来了内因。


1.2技术面:科技进步与产业升级为消费升级提供保障

互联网化:信息时代基础建设拉开新工业帷幕

1994年4月,中国向美国国家科学基金会重申接入互联网,标志着中国互联网化的开端。2007年“互联网化”的概念开始进入大众视野,用以描述互联网作为基础设施,即简化、优化或重构商业模式的过程。截至2016年12月,中国网民数量达到7.31亿,手机网民达到了6.95亿,网络基础设施基本完成。虽然“互联网经济”在近年被当做一种扁平化商业模式,反观“互联网化”概念,却会发现其在最初便被定性为一种“商业基础建设”。亿欧智库认为,互联网下半场的本质,是互联网化基础设施日趋完善后,产业互联网协助商业、产业升级的模式本质开始崭露头角;互联网从一种盈利模式转变成一种信息化基建,将成为“精准定位”、“碎片化生产”、全域化服务”的后工业化生产的敲门砖。

人工智能:“大数据+自动化的”满足差异化、长尾需求

当互联网化达到一定程度上时,每个个体的消费行为与欲望都可能会被记录,而接下来

的问题则在于:如何对这些海量数据进行清洗和管理?人工智能提供了合理解决方案。现阶

段,通过智能算法和网络媒体渠道,已经做到准确到达细分消费者群体,并精细化管理消费

需求,对单个消费者进行精准的营销,消费者画像变得更加清晰,让更深层次的消费需求可

以得到满足;在将来,通过智能算法对细分消费者需求进行分类与满足,通过自动化技术催

动柔性生产线进行定制化生产,将在更大程度上颠覆大规模生产消费。

数字化供应链系统:降本增效的核心

如果说互联网化是后工业化时代,消费者个体的数字化入口,数字化供应链系统就是整个新商业、新零售模式的骨骼架构。

所谓“数字化供应链”,是指在商品从原料采购、生产、物流到贩卖的全过程,全部实现信息自动化、数字化中央管理的供应链管理技术。通过搭建关系型数据库、自动化报表生成和商业智能化分析,企业可以对关键路径、关键环节进行管理,并感知市场反馈,从而达到快速响应和柔性化生产,达到降本增效。互联网化与人工智能,为数字化供应链提供了新的想象空间:通过网络终端获取用户精准需求、通过大数据进行细分化生产与到达(现阶段生产商自身被碎片化、类型化,未来品牌商通过智能生产重新聚合,恢复规模化与垄断化)、并与数字化供应链形成整体化信息化解决方案,就构成了信息化、智能化的后工业化生产全域图。

1.3产业面:作为“最终产物”出现的消费升级

宏观经济的变化和技术层的变化最终汇聚到产业面,“产业升级”和“消费升级”作为同一事物的一体两面发生。

从技术面进行描述,大体上,互联网基础建设带来“门户与SNS信息通路”、“电子商

”与“O2O”风潮,本质上只是精准化信息到达服务、数字化供应链、LBS与物联网技术

在基础建设过程中的不成熟市场化产物。随着网络与移动网络红利的殆尽,线上获客成本持续攀升,资本回归理性。互联网经济越来越难以独立生存,而是更多的成为传统商业产业升级的一部分。

从市场面进行描述,互联网“免费经济”红利正在逐渐消退,消费者一定程度上厌倦伴随“低价”与“免费”而来的质量问题、消费过度问题,对品质的追求开始代替对数量与廉价的追求;在宏观经济不甚景气的当下,消费者遵循“口红效应”,对高质量、低客单价的消费品情有独钟。“轻消费”的“轻奢主义”,将成为本次消费升级的主题。

2、深度解读消费升级

2.1消费升级的概念


消费升级没有一个严谨的权威来源可以考究,它是被人们约定俗成的用以描述一切“消

费结构的升级变化”过程,并在经济学领域内被使用。

研究发现,虽然各方对消费升级的具体界定均不相同,“消费结构改变”这一内核始终清晰。亿欧认为,消费者的消费需求拥有三个层级:生存基本的温饱类需求、以“安全”和“娱乐”为代表的服务型需求,以及以“认同”、“尊重”为核心的自我实现型需求。随着购买力的发展,三类需求从底部向上依次实现。社会整体购买力的提升,会使得温饱、服务和实现三类需求按不同的比例得到满足,造成结构性变化;其次,当社会文化带动消费心理发生较大变化时,温饱型消费、服务型消费和实现性消费之间会直接发生平移转变。这两种变化,会带来消费品行业的震荡和消费品类的洗牌。

而狭义的“消费升级”概念进入公众视野,则是从2016年8月开始的,这一点可以从百度指数折线图中轻易发现。在此之前,“消费升级”在整个资本圈内缓慢升温,并最终通过投资峰会、机构自媒体等渠道向外界扩散。2015-2016年,在中国经济增速持续下降、供给侧改革尚未见成效,在轻消费领域,以“体验”、“品质”、“网红经济”为代表的一系列周期短、发展快的新商业模式,被资本用“消费升级”概念进行包装。这一轮“消费升级”主要围绕“品类升级”进行;在下文中,分析师将详细分析本次消费升级的特点与趋势。

2.2中美消费升级对比揭示消费升级发生原因与趋势

历史上,中美两国的经济发展轨迹相似度很高,很多情况下,美国经验可以为中国提供有意义的借鉴。亿欧智库研究发现,中国当下的宏观经济状况,与美国70年代尤其相像。

分析认为:经济的增长,是生产与消费的成比例增长;生产与消费间存在一种水压传递关系,任何一方的病态增长或滞长都会阻碍经济健康发展。“科技发展”、“投资”和“公共投资”,是刺激生产的三种手段;“出口”和“本国消费”是生产的两个出口。

美国的70年代,持续20年的战争红利基本使用殆尽、“电子热”科技泡沫基本破灭、资本活动失去中心,导致美国失去了根本增长点,经济开始进入滞涨状态。凯恩斯主义和宽松货币政策导致通货膨胀、日德的崛起,共同挤压美国的出口市场。总体来说,前期过热的

资本活动无法找到有效的出口,新的增长点又迟迟不出现,消费也就成为了最受期待的领域。

反观当前中国正在经历刘易斯拐点,人口红利殆尽,互联网与移动互联网红利殆尽,人

工智能技术离应用较远。前期公共投资过热引发产能过剩,人力成本上升与世界经济下行抑

制出口。同样的情况下,消费成为拉动经济增长的主要驱动力。

“漂亮50”,集中代表了美国70年代消费升级成果。在美国经济困顿的10年间,“漂亮50”的50支蓝筹股却以156.6%的平均回报率统领股市。在“漂亮50”的50支股票中,至少有23支属于个人消费品,美国消费水平以年均6.5%的速度快速增长;另外,处于技术红利反哺阶段的医药和电子工业共计18支,基本占据另外半壁江山。

而就各类消费品而言,耐用消费品的比例基本平稳在10%、非耐用快消品所占比重有所下降、而服务商品的比重迅速上升。具体分析,“麦当劳”、“宝洁”等看中服务的新消费品迅速成长并蚕食传统消费品市场;同时,金融、教育、医疗领域等服务业迅速崛起;以迪士尼为代表的体验经济,初见雏形。在经济减速增长期间,服务商品消费较之大量商品消费更符合消费者心理。以此类推,未来10年,中国消费升级可能将以“服务型消费挤占实物消费”、“新消费品冲击传统消费品市场”为主线。

2.3本次消费升级特征分析

消费者描述:结构、心理、消费品类

本次消费升级开始于2016年,90后人口峰值从平均25岁向前运动,持续处于购买力顶峰。这批消费者出生于90年代,我国第二次消费升级中,具有更强的消费信心、更开阔的视野和更成熟的消费理念。此外,另一个人口峰值从50岁向60岁迈进,“医疗”和“养老”需求日益凸显。

研究发现,消费类目的发展,与人口结构和GDP水平显著相关。未来十年,预计我国人均GDP将经历从8000美元向15000美元转换过程。在此过程中,消费增长的机会,出现在医疗、教育、泛娱乐业领域,尤其看好医疗与泛娱乐领域;消费升级的机会,出现在食饮品、服装等生活消费品行业与轻消费领域。

分析认为:对于本次消费升级而言,在高度饱和的个人消费品市场可以成功、密集的出现新品牌的关键,是产品“体验价值”的爆发。在以往,商品的内在价值公式可以表达为:

商品价值=使用价值+服务价值+品牌溢出值

所谓使用价值,即消费者最直接购买商品的意图,如食品用以食用、交通产品以缩减出行时间等;服务价值是商品的第一附加值,在购买商品时,购物体验是否良好、购运是否方便、售后服务是否到位等,也将作为商品价值被消费者购买。品牌附加值更多的是一种区分度和心智的显著性,是指一个品牌在人脑海中可以被主动回想起的能力。在商品绝对过剩的年代,品牌商通过广告和公关手段提升产品的显著性,而相应的花销也由消费者承担。

然而,当进入互联网时代后,“信息爆炸”和“渠道碎片化”让品牌效果大打折扣。品牌不再以广告等形式独立存在,而更多的融入到产品内部,形成一种整体性的体验,与其他产品进行区别,这就是体验价值的本质。本轮消费升级中,消费品客单价的提升和市场盘子的增大,主要来源于消费者为体验价值付费的意愿:体验价值以一种娱乐化的方法,将品牌与服务纳入其中,并减少了信息冗余、服务于用户的身份感。

商品价值=使用价值+服务价值+体验价值

体验经济导向的品类消费升级拥有巨大的前景。未来学家托夫勒在《体验经济》一书中指出:正如服务经济正在超过商品经济、服务型公司正在碾压单纯的制造商一样,体验经济

终将吸收大部分服务经济市场。

身份认同价值:互联网激活亚文化与消费的社会意义

从经济学意义上解读“消费升级”,我们发现了“升级”的消费是产品的体验价值部分;而从消费社会学意义看待消费升级,又可以得出结论:“消费”正在成为消费者个性化和强化社会身份的武器。

法国社会学家鲍德里亚在《消费社会》中指出,当人类社会从“生产主导”迈入“消费主导”后,消费本身就被附以了越来越重的“符号意义”:体现个人身份和社会地位。具体来说:一个人的社会身份不单由其工作、收入等因素决定,更体现在他的“消费品味”上:身份通过“一个人拥有的商品”体现。

如上文所述,互联网基建的完成和智能制造的成熟,越来越打破工业化生产的批量化、标准化特点。消费者越来越不满足于标准化商品,品牌和消费的碎片化趋势明显。亿欧智库认为:消费者的“身份消费”体现在两个层面:群体认同和群体疏离。

群体认同,体现在消费者希望通过消费获取通用的“社交货币”,继而不被群体抛弃。从前,“时尚消费”是最典型的社交货币:消费者追逐永远在变化的时尚风口,通过在服装打扮上与群体保持一致而避免被抛弃;而今,越来越多的“网红产品”出现在食品饮品、电子消费品甚至旅游和泛服务业,互联网渠道正在帮助更多商品具有“社交货币”价值。

群体疏离,用以解释个体试图脱离群体、彰显个性和表达自我的倾向。在当前,消费成为最简单易行的自我表达手段,而越来越多的细分商品通过满足消费者这一心理蚕食消费市场。“调性”、“另类”、“叛逆”、“亚文化”等大热的消费概念,其本质都是在满足消费者的群体疏离需求。

总结而言,本次消费升级以“品类升级”为主,通过打造一系列“新价值”,对消费品

市场进行价值溢出,扩大市场盘子,如下所示:

消费升级=精神消费+物质消费 AND 精神消费=体验价值+身份认同价值


3、“消费升级100”新品牌榜单

3.1“消费升级100”榜单背景与意义

通过上文,分析师梳理消费升级的概念与边界,并得到了消费升级价值公式:

消费升级=产品使用价值+服务价值+体验价值+社会认同价值

其中,体验价值和社会认同价值是本次消费升级赋予产品和品牌的新价值。该公式可以被当做当前新型泛消费品的有效分析工具。

目前,消费升级已成为我国有利经济增长点与投资热点,而市场上却仍未出现公开、透

明、具有说服力的消费升级品牌整理。亿欧通过对1000余家泛消费领域的品牌及企业进行整理,最终形成了“消费升级100”新品牌榜单(简称“消费升级100”),并对其模式和特

征进行了分析。以供相关各方分析参考。同时,亿欧智库希望输出一个有效的消费升级品牌

分析工具,以供使用。

3.2评选规则与榜单发布

数据池获取与择选标准

通过将亿欧内部数据库与IT桔子、36Kr、因果树等优秀平台的创投企业数据库进行整

合,我们共获取相关企业数据近2000条;用1)属于泛消费领域;2)已获资本青睐;3)创建于2012年1月1日之后 3个标准进行筛选,最终样本池总量被缩减至600余家。分析师最终对这些企业进行了量化分析。

评选标准

综合考虑消费升级品牌特点与可操作性性因素,从下述四个方面量化评判入池品牌:

1)资本表现:在怎样的程度上获得资本认可,一方便从整体上评判了企业团队和商业模式的价值,另一方面也决定了后续发展能力的大小。

2)媒体传播能力:信息信道很大程度上决定了企业可触及多大的市场;同时,有效的传播,是保证企业传递完整体验和制造社交货币的前提。

3)泛体验价值:体验是升级消费品被消费者感知的整体单位。产品质量、服务是良好体验的基础,体验价值的高低直接决定产品的消费升级是否成功和消费者付费意愿强弱。

4)社会认同价值:当前,消费愈发成为消费者的社交手段。产品是否可以成为消费者的社交资本和个性表达手段,是消费品是否能成功的另一大要素。

具体评分项与相应权重如下表所示:

在进行多轮审核与后,最终形成了这张“消费升级100”新品牌榜单.

3.3榜单解读

我们将入围的企业分为了七类:商品零售、餐饮、家庭服务、出行、美业、体育和教育。在100家企业中,商品零售企业占比较高,餐饮企业其次。这印证了我们之前的假设:消费

升级沿从轻到重的路线进行,而目前消费升级多集中于客单价较低的轻消费领域。

从以下特征,对入围的100家企业进行了统计分析,详情如下:

资本表现:

57家企业处于A+轮之前的融资状态,说明整个消费升级市场总体还处在相对早期市场。从我们对企业产品的分析看,多数企业已经开始对商业模式、渠道扩张、供应链模式进行探索与完善,融资多用于拓展市场和客户群。

分行业来看,商品零售、餐饮和家庭服务行业的企业融资状况与消费升级融资轮数相对较少,A轮与B轮占据百分之五十以上,百分之十左右的企业已经C轮融资,完成D轮的企业相对较少。一方面,在这两个类目中,企业较为年轻,部分企业已经是其领域的第二轮消费升级探索;另一方面,这三类行业成本较低,产业链模式较轻且融资需求较小。与之相对的,美业和出行行业前期投入大,并且市场盘子更广阔,融资需求响应更强。特别是出行行业,以ofo和摩拜为首的共享单车近来成为风险投资机构关注的热点,资本活动密集,拉高该领域均值。

媒体力

在这里,分析师主要分析“消费升级100”企业的微信表现和微博表现两个方面。综合来看,各行业的媒体力表现差距不大,消费升级企业普遍具有良好的媒体宣传渠道,微信指数和微博粉丝数普遍在3万+水平。分行业来看,商品零售和餐饮在微信渠道微弱占优,而美业与体育领域更重视微博粉丝运营。出行行业由于近几个月摩拜与ofo的市场火爆,在媒体表现上堪称惊艳,然而,应注意到这种非凡表现更多是受到舆论效应和投资风口影响,并不完全代表媒体传播实力,应该客观全面对待。

城市分布

2017“消费升级100”企业地理分布图

整体来看,“消费升级100”企业主要集中在东部地区。北京分布最多,为61家。其次是上海、浙江和广东。这四个省份共有90家,总体来看,分布较为集中。这个结果也符合我们前文的描述:本次消费升级是以“品类升级”为主,是体验价值的爆发。北京、上海、广州的消费者收入水平高,更加注重品质等体验,是消费升级的主要省份。

渠道

消费升级企业现在主要有线上和线下渠道,线上渠道又分为微店等自营渠道和淘宝、京东等电商平台渠道。企业把握消费者不同的需求进行渠道布局,不同渠道以自身优势分流消费者,同时又互相融合。亿欧智库对100家企业研究发现,企业的渠道有两个趋势:一是,线上和线下相互融合,线上为线下渠道提供数据促进精准营销,体验升级;二是,企业正布局建设自营系统,由坐商转变为行商,减少销售的层次,直接将产品送至销售终端,开辟新的销售渠道,增加利润空间。全渠道的商业模式,有利于整合门店、社交和电商、第三方开放平台、APP移动端等构建以消费者为中心的生态体验。

综上所述,消费升级企业通过加强渠道的控制来实现消费者体验的升级。

创始人

100家入围的企业都是近几年初创的企业,不论是企业还是创始人,都呈现出高度年轻化态势。创始人集中在30岁至40岁之间,较为年轻化,相比于互联网创业风口时期,年龄稍长,互联网原住民更少,传统商业的经验更加丰富。约40%的创始人是二次创业。从行业经验来看,60%左右的创始人拥有互联网行业的从业经验。可以看出,大部分消费升级品牌同时拥有互联网经济与传统经济基因,是集二者之长的融合型商业模式。

投资机构

2017“消费升级100”投资关系网络研究

依据社会网络分析法对“消费升级100”企业与其投资方的关系网络进行梳理,从当前“消费升级100”企业的整体情况来看,由各家投资机构引领的不同企业形成了大大小小的子网络,尚不具有整体性,较为分离疏散的网络群表明目前的消费升级竞争市场仍处于相对分散的状态。但已经形成部分矩阵,资本方中IDG、红杉中国最为活跃,形成了较为庞大的体系,经纬中国、真格其次,腾讯作为产业资本也有很多布局;而以摩拜、ofo两大明星为中心,则聚拢了庞大的投资阵容。

需要特别注意的是,“消费升级100”新品牌榜单的分析视角、赋分标准,决定了这套

榜单重视品牌、产品和商业模式,充分阐述了消费升级为商业带来的新机会和企业成长可能

性。投资人和创业者参考该榜单时,应同时将“行业现状”、“市场盘子”、“创始团队背景”、“企业管理能力”等因素纳入考虑。



4、消费升级现状总结与建议

4.1线上和线下渠道融合,打造新零售

根据对消费升级企业的调研和分析结果,对未来消费升级企业的战略走向进行一定的预测和建议,以供相应企业和投资人参考:

线上和线下渠道融合,打造新零售

现阶段,很多消费升级企业仍处于创业初期阶段,借助淘宝、京东等成型线上销售渠道,项目可以以小成本、轻模式快速启动,因而受到众多企业青睐。然而,长线来看,消费升级企业必须在战略上融合线上线下渠道,才能更好的生存发展。

一方面,消费升级企业势必将消费者的消费体验作为最重要的因素进行考虑;线上轻模式由于场景的局限性、服务质量的不稳定性,在本质上并不符合消费升级的内在需要,需要各位企业警惕;另一方面,消费升级诞生于互联网经济鼎盛的时代,很可能使其过分沾染互联网模式思维。实际上,在线上流量红利远逝的今天,很多研究显示,线下综合获客成本已低于线上;亿欧研究发现,线下渠道在客单价、消费频次等等,都比二代店和三代店高很多,甚至是三到四倍的增长。

线上线下相结合具有“1+1>2”的效应。线上渠道的运营,在这个碎片化传播的时代或替代广告,成为线下销售最好的宣传,促进线下交易走量。

4.2家居与教育或迎来新机遇

目前的消费升级主战场仍在客单价较低的轻消费领域,而消费升级的路线,是沿由轻而重、由旧而新的路径进行的。在消费升级企业池中,包含着一定数量的家居家装类、教育类企业,然而,由于模式较重、客单价较高、市场的消费升级尚不够强等因素,均没有很好的表现。

分析认为,当前正处于消费升级期的领域,主要是零售、餐饮两个;美业因微整容核心技术的发展和对消费升级的先天适应性,也有较好的表现。下一阶段,消费升级将像更重的“家装家居”、“教育”等行业迁移,创业者和资本可以高度关注这两个领域。另外,传统巨头吸取当前教训后,是否可以自我颠覆进行产品与消费的升级,同样值得关注。

4.3垂直模式:商业拓展新逻辑

消费升级带来的一大巨变,是商业拓展的逻辑越来越垂直化发展。市场的细分化和碎片化、产品人群定位的精准化、品牌形象的细致化和场景化,越来越让企业难以跨品类经营;运营用户向产业链上下游拓展形成小型闭环的垂直商业模式,越来越替代广泛涉猎的平行模式。亿欧分析认为,广义而言,未来的商业有三个大的趋势:

1.越来越多的B端服务降低产品、消费品创新成本,相当于创业企业外设的孵化器。以食品和零售为例,高度发达的物流业、冷链与仓储基建、信息化管理系统,为这些企业搭建了上下游环境;京东、淘宝等线上平台是绝佳的简易流量渠道;微信微博为品牌营销和初期获客降低了难度。

2.消费品成功的关键在于占领场景,因此会选择纵向延伸策略。以盒马鲜生为例,当品牌占据“生鲜”这一消费场景后,业态延伸的形式更多考虑打通上下游产业链、增添线下直销业态、拓展生鲜主题超市、生鲜主题餐厅等,在一个场景下延伸产业链条。但与此同时,场景的局限也使得其很难横向抢夺传统超市、便利店、其他品类食品零售市场。

3.由于前两点,消费升级可能会颠覆现存超级商业巨头并在细分领域形成小巨头,而全方位布局的超大型巨头在未来将不复存在。

想要做好垂直商业模式,需要注意以下几点:一是,提供差异化的商品或者服务与消费者产生更多的交互,提高用户忠诚度和黏性;二是,整合产业链,转移渠道,通过整合社会资源取消二三级渠道,节约成本;三是,丰富消费场景,但是垂直不是追求大而全,而是要垂的有调性,做优先选择的垂直。

4.4避免投机,投资者应做好长线准备

消费升级代表的是消费者观念和习惯的变化,是一个渐变的过程,优秀的品牌需要时间去建立和打造。持续的消费升级,不是简简单单的一个投资主题,投的是未来消费的趋势。在过去中国二十几年的风险投资中,消费互联网这个领域是所有风险投资的必争之地,不管从投资人的密集程度,还是投资的数量和金额的情况,消费市场是主要的赛道之一。消费市场投资赛道长,竞争非常激烈,投资者要做好长线准备。

投资者投资消费升级的企业,需要注重企业的商业模式。分析认为,投资者需要关注以下几点:一是,关注企业是否将产品定位到垂直人群与垂直场景,是否注重产品的品质和颜值并照顾用户的懒惰和好奇的心理;二是,关注企业是否具有持续生存能力,重点关注“企业是否深度理解践行消费升级价值公式”,以及“企业是否参与产业升级、打造可以有效进行品控并降本增效的数字化系统”;三是,关注企业产品是否可以形成KOL(Key Opinion Leader,关键意见领袖),是否注重提高消费者的忠诚度;四是,关注企业模式的可持续性,以及所在行业市场的实时动态;五是,充分认识消费升级是一个长期缓慢的过程,在快速迭代的轻消费领域,任何产品形态和业态都有可能迅速被颠覆。只有充分关注以上几点,才能让消费升级免于成为一个“To VC”的投资风口。






金准数据APP开发流程报告 2017-06-30 15:26:15

1、前期工作

1.1什么叫APP

由于我们习惯以A-P-P三个单独英文字母,造成该词普遍被写成“APP”,事实上APP并非三个英文词的缩写,这样的说法是错误的。我们常指的APP是指移动应用程序(Mobile Application)简称也是Mobile AppApps。一般是指设计给智能手机、平板电脑或其他移动设备运行的一种应用程序。

 

1.2原型设计

绝大多数的企业主(客户)并不懂得设计,也不懂得编程。讲了很多需求,前期也开展了很多调研,并给出了很多回答和专业的报告。最终都不如一张原型图来的实际。原型为他们展示出了APP的基本的模型,让他们明白它们的基本外观和运作的机制。原型是让APP开发变的更加容易。当APP设计师搞定一个行得通的原型之后,开发人员能够在这基础上拿出更加完善的代码实现方案。原型让参与者能够看到APP发布之后会是怎么样运作的。当设计和开发流程中有了原型之后,将提高效率,节省时间,降低成本。

 

1.3交互设计

APP加入动态元素,可以让整个APP画面充满活力。UI设计加上动效配合图标,可以设计出一种用户在点击这个图标后,动态效果的引导,让这过程中的用户,知道点击后会得到一个怎样的结果。

增加用户使用app的逻辑性,增加内容的展示量,使用户有更高操作体验。

 

1.4产品经理

产品经理是做什么的?项目需要有人研究按钮放哪里比较好;项目需要有人背黑锅;项目需要有人统一思想。

 

网上有个段子是这样定义产品经理的。老大看的在云端程序员想的是地上美术画着画着就跑题运营只爱掰着指头算数据设计忙着在平行世界来回穿越这时候需要有个人把这些整合成一个面向用户的可用实体于是,产品经理PMProduct Manager)就此诞生。

 

产品经理首先要确定产品目标,其次将产品目标分解成为具体的产品特性,并且确定产品在使用过程中的产品体验(流程、交互、视觉效果、文案等)。然后产品经理要在产品实现过程中,确保规划的产品目标、特性和体验不走样。接下来,他要与市场和营销的团队合作,确保产品以合适的产品形象进入市场,并顺利到达产品目标用户。在产品发布以后,产品经理通过产品反馈、数据反馈等方式了解产品现状,通过市场分析、竞品分析等方式了解产品所处的环境,以此来制定产品改进计划,推动产品向前发展,从而达成业务目标。

 

 

 

 

1.5需求文档

重新编制代码的代价远远超过重写一份需求文档的代价,可见需求文档的重要性。需求文档包括以下几个步骤:

1、需求提出

2、需求描述

3、需求评审

 

最困难工作便是产品经理要编写出详细的技术需求,这包括所有面向用户、面向机器和其它软件系统的接口。如果做错,这将是会最终给项目带来极大损害,并且以后再对它进行修改也极为困难。

 

1.6章节小结

产品经理、需求文档、原型设计、交互设计。当以上工作都准备妥当,APP就可以进入下一个阶段了设计开发阶段。(sorry,准备工作没有提到启动资金筹备,软著申请,商标注册等等商务问题,这些是也很重要)

 

 

2、设计开发

2.1视觉设计

  提到视觉设计,常有的2类人就会出现。一类是高!大!上!科技感!炫酷!还有一类就是简约,干净,扁平化。个人意见视觉设计主要包括以下几点:

1、明确传达主意;(第一眼就能看出这是个干什么的APP)

2、有特色亮点;(不是博眼球)

3、有理念,可传承,风格统一,逻辑明确;

4、重价值,高转化。

  不管你的高大尚,还是扁平化,不符合产品理念都没用。

  视觉设计包括的范围很广:视觉传达设计、VI设计、Web设计等。这里的视觉设计主要指APP界面视觉设计,是产品原型视觉转化的过程。UX=交互设计师,GUI=视觉设计师,UE=用户体验。一般公司UI=GUI+UX+UE三合一标配,大公司有独立的岗位。

  个人认为那些受到束缚的设计师们还是要为产品价值和利益考虑,就会有更广阔得舞台施展你的才华。毕竟产品是服务大部分用户。

 

 

  

2.2程序开发

 

  一般项目都是原生开发。Android选用Java ,IOS选用Objective-C,Windows Mobile选用Visual C++。也有用H5开发的,现在流行混合开发效果更丝滑。

 

WebAPP与原生APP的的区别

1、WebAPP获取服务端数据频繁,页面跳转更加费力,不稳定感强;

2、WebAPP更小的页面空间,更大的信息记忆负担,有时候还被运营商的强行挂广告遮挡;

3、WebAPP交互动态效果受到限制,影响场景、逻辑;

4、WebAPP动画不流畅,css3动画消耗性能,影响体验;

5、WebAPP跨平台,一次成型多个APP成本低;

6、原生APP每种平台都独立开发稳定,成本高;

7、原生APP版本控制自由,维护麻烦;

8、原生APP响应速度快,交互好,画面流畅;

9、原生APP审核慢、要求多、流程复杂,影响你发布;

 

 

在你选择原生和H5的时候,提前考虑以下几个问题:

1. APP是否需要用到特殊功能,如摄像头,重力加速器等

2. 你预算是多少?

3. 数据刷新频繁度吗

4. 目标硬件设备是包含那几种。

这样能帮你选择到底是原生还是H5

 

2.3WebAPP 开发注意的几点

 

1、多浏览器的兼容性

2、底层服务的调取可能性

3、注意离线数据存储,减少数据请求频率。

4、考虑保存用户的哪些数据:设置、个人数据、阅读锚点、跳出页等。

5、避免动效与浏览器的交互冲突

6、按顺序异步加载

2.4前端工程师

  不管你用原生还是H5都需要个跨平台的管理后台。现在的前端工程师所涵盖的职责范围除了以前的HTML、JavaScript、CSS,还包含跨平台传值、nodejs、Hybrid App等多种职能

 

 

2.5章节小结

  大家都喜欢原生,常做的APP就是IOS和Android。首先你要有一批IOS开发,再加一批Android开发,然后分别配置一批QA工程师,即时你招的是全栈,时间成本和工资成本也不低。不谈成本和忽略开发过程的情况下,你以为1.0版本出来就完事了吗?没有明天继续!

 

3、运营推广

3.1上线前测试

  黑盒测试也称功能测试,黑盒测试就是程序外部结构,不考虑内部逻辑结构,主要针对软件界面和软件功能进行测试。如果从全面测试的角度来说分为:黑盒测试、兼容性测试、稳定性测试、安全性测试、耗电量测试、弱网络测试等。如果不具备这些条件,也可以用第三方免费平台来进行测试。

 

  分享几个免费测试平台,分别为:WeTest、testbird、Testin、BugTags等。

弱网络测试主要包含

1、2G3G弱网络信号场景;

2、市区低速郊区高速移动场景;

3、请求回应超时上行下行超时场景;

4、网络抖动场景;

测试出Bug ,需程序猿进行及时的Debug

 

3.2APP上线

  安卓应用市场比较多,不说国外的国内的就不少。但审核不严容易上架。

  如:360手机助手、腾讯应用宝、百度手机助手、91助手、安卓市场、豌豆荚、安智市场、锤子应用商店、小米应用商店、华为应用市场、OPPO软件商店、联想乐商店、魅族Flyme软件商店、应用汇、木蚂蚁、机锋网、N多网、优亿市场、UC+、移动MM商店、联通沃商店、天翼空间、新浪应用、搜狐应用、网易应用、淘宝助手等

 

建议:

1、统一注册账,不必都选,选几个必要的上;

2、准备APP的简介和不同像素软件截图(为适应不同手机型号320*480,480*800,720*1280,1080*1920、1536*2560等);

3、基本信息(软件语言,平台,授权,类型,开发者信息,联系方式等)。

苹果就App Store但审核你懂的(各种要求够你忙活好一阵的)。

 

2017年被拒原因前10名:

1、标题中出现了关键词或相似词语堆砌现象(约占29.4%)

2、因ipv6网络下无法加载问题而被拒(约占15.1%)

3、应用标题中包含明显的品牌词(约占8.6%)

4、没有提供有效的测试账户或演示视频、硬件等(约占8.5%)

5、没有按要求使用应用内购买,而使用了“支付宝”等第三方支付方式(约占7.4%)

6、和App Store中某款应用的内容以及功能重复(约占7.1%)

7、开发商名称和App内的金融机构名字不匹配(约占6.5%)

8、仅支持微信登录(约占3.1%)

9、包含敏感内容(约占2.2%)

10、应用内支持彩票购买(约占2.1%)

Windows Mobile一般上架到windows应用商店。

 

3.3APP推广运营

 

  任何运营都是围绕“用户”展开,包括“吸引用户”和“留住用户”,说白了就是:让用户过来,并留下。

  运营的三个阶段:吸引用户、把用户留住、让用户掏钱;

  运营三大核心目标:扩大用户群、寻找合适的盈利模式以增加收入、提高用户活跃度。

  推广首先考虑的是产品定位,其次是目标群体习惯和属性,也要考虑公司配给的相关资源,量力而行。

 

3.4竞品分析

1、选择竞品,做好定位

2、竞品分析,得出结论

3、根据结论,得出建议和可行性方案

  有了竞品分析就可以定位产品目标是什么?产品的目标用户在哪里?使用的场景,年龄段等

 

3.5APP推广的初期要做好数据的监测和分析工作

 

 

  一般的思路为:全方面渠道推广——推广效果数据采集——根据数据调整优先度再推广。

  一般的方法为:应用商店,关键词,专题活动,流量交互,活动合作,资源交换,积分墙,广告位,第三方公司,校园地推。

  自媒体推广方式为:软文内容策划,百科文库问答,贴吧论坛,博客订阅号,蹭热点事件等。

  盈利模式一般包含很多种选择适合你的。主要有:广告费,会员费,竞价搜索,关键词,产品销售,风投等

 

3.6章节小结

  三篇笼统的概述了APP的调研开发运营工作。有些步骤不是很重要就没提了,希望得到大家谅解。

金准数据粤港澳大湾区研究报告 2017-06-29 14:06:51

1、香港回归20周年,中央研究制定“粤港澳大湾区”发展规划

有关“粤港澳”合作很早已经开始,但作为国家级战略发展的提出,只是在近年。

2016年广东省政府工作报告曾提出,“开展珠三角城市升级行动,联手港澳打造粤港澳大湾区”。到2017年两会,已经进入总理政府工作报告,“研究制定粤港澳大湾区城市群发展规划”,此时的粤港澳区域发展已经上升为国家战略,媲美世界三大湾区纽约湾区、旧金山湾区以及东京湾区的第四大湾区——粤港澳大湾区作为中国经济新引擎受到世界瞩目

2017年4月7日,国家发改委制定印发《2017年国家级新区体制机制创新工作要点》;2017年4月11日,总理李克强回见港特首林郑月娥时谈到“今年,中央政府要研究制定粤港澳大湾区发展规划”。可见,未来粤港澳三地协同合作将达到新高度,成为提升珠三角区域整体国际竞争力的引擎,并有望成为世界一流城市群湾区。

“粤港澳大湾区” 世界级城市群由“9+2”城市组成,即“广州、佛山、肇庆、深圳、东莞、惠州、珠海、中山、江门”9市和香港、澳门特别行政区形成的城市群。

 

 

2、粤港澳大湾区,具备成为世界一流大湾区城市群的基础条件

2.1.世界级城市群竞争力与共性

世界顶级城市群大多分布在湾区,全球沿海地区的经济总量和人口主要集中在湾区。从城市竞争的角度,全球城市竞争力最强的一定是大城市群,大城市群的竞争力看湾区,尤其是各国沿海湾区。如美国旧金山湾区,由103个城市形成一个城市群,各个城市间是平等的,依托各城市自身优势,使整个湾区城市群成为科技经济的创新中心。

世界级城市群都有共同特点,即高聚集度,对内联系紧密,对外高度开放。世界著名三大湾区——东京湾区,纽约湾区、旧金山湾区,他们依靠极强的金融业和发达的科技业,GDP总量和人均GDP极高,加上粤港澳大湾区后,世界上将有四大湾区。

中国符合上述特征的是“两江一海”,即环渤海经济圈、长江三角洲城市群和粤港澳大湾区。粤港澳大湾区,是由一个海湾或相连的若干个海湾、港湾、邻近岛屿共同组成的区域,相比较而言,更具竞争力。

 

2.2 粤港澳大湾区经济实力突出

2016年,粤港澳大湾区经济总量近1.4万亿美元。2015年、2016年两年,广东的经济总量直逼西班牙,在全球约居第15位,在中国各省区市经济总量持续排名第1位。

2015年数据显示,从世界角度看广东各城市GDP发现:广州GDP追赶新加坡,深圳GDP赶超香港,佛山GDP直追欧洲名城阿姆斯特丹,东莞GDP超越“赌城”拉斯维加斯。经济总量方面,中山与日内瓦、江门与爱丁堡并驾齐驱,弯道超车的肇庆与“工业革命重镇”利物浦相当。

“广州-深圳-香港”是粤港澳大湾区世界级城市群的脊梁,而广佛同城、深莞惠一体化、深汕合作、港珠澳的联通,都是围绕这个湾区展开。广州是华南区中心拥有厚重的岭南文化;香港是世界金融中心之一,代表先进文明;深圳是中国金融科创中心,加之其民营、制造和高创能力突出,连接周边东莞、惠州、中山、江门湾区制造业等基地,将引领湾区硅谷起飞。

 

2.3 粤港澳大湾区交通网络日臻完备

截至2016年底,广东省公路通车总里程21.8万公里,高速通车里程7673公里,位居全国第一;港口码头泊位2811个,其中万吨级及以上泊位304个;全省港口货物年通过能力达到16.7亿吨,位居全国第二,其中集装箱年通过能力达到5948.1万标箱,位居全国第一。

“十三五”期间,广东省港口将集群化。将整合优化粤港澳大湾区内铁路、公路、水路、民航等基础设斲,形成粤港澳大湾区互联互通、辐射国内外的综合交通运输网,成为“21世纪海上丝绸之路”国家门户。

2030年,珠江口东西两岸将建设12条公路和铁路跨江通道。加快高速出省通道和粤东西北地区连通珠江三角洲的高速公路建设。规划33条出省高速公路,其中通香港4条、通澳门2条。

随着深中通道贯通、港珠澳大桥落成,深茂铁路和广佛江珠城际轨道通车,整个珠江三角洲将形成像旧金山湾大湾区一样的城市群,对周边城市区域的人流、物流、资金流辐射力大幅提升。

  

 

 

3、大湾区是港澳在内的珠三角城市融合发展的升级版

粤港澳区域的合作从过去几十年前店后厂的经贸格局,升级成为集金融中心、科创中心、先进制造业和现代服务业于一体的最重要的城市集群示范区;从区域经济合作,上升到全方位对外开放,引领“一路一带”发展国家战略。

 

3.1预计将从六大方向建设粤港澳大湾区

17年3月6日两会期间,广东省发改委主任何宁卡建议,未来将仍六个方面重点发展粤港澳大湾区。

加强基础设施互联互通。形成与区域经济社会发展相适应的基础设施体系,重点共建“一中心三网”,形成辐射国内外的综合交通体系;

打造全球创新高地。合作打造全球科技创新平台,构建开放型创新体系,完善创新合作体制机制,建设粤港澳大湾区创新共同体,逐步发展成为全球重要科技产业创新中心;

携手构建“一带一路”开放新格局。深化与沿线国家基础设施互联互通及经贸合作,深入推进粤港澳服务贸易自由化,打造CEPA升级版;

培育利益共享的产业价值链。加快向全球价值链高端迈进,打造具有国际竞争力的现代产业先导区。加快推动制造业转型升级,重点培育发展新一代信息技术、生物技术、高端装备、新材料、节能环保、新能源汽车等战略新兴产业集群;

共建金融核心圈。推动粤港澳金融竞合有序、协同发展,培育金融合作新平台,扩大内地与港澳金融市场要素双向开放与联通,打造引领泛珠、辐射东南亚、服务于“一带一路”的金融枢纽,形成以香港为龙头,以广州、深圳、澳门、珠海为依托,以南沙、前海和横琴为节点的大湾区金融核心圈;

共建大湾区优质生活圈。以改善社会民生为重点,打造国际化教育高地,完善就业创业服务体系,促进文化繁荣发展,共建健康湾区,推进社会协同治理,把粤港澳大湾区建成绿色、宜居、宜业、宜游的世界级城市群。

 

3.2粤港澳大湾区将聚焦“八大产业”

粤港澳大湾区的产业发展将紧紧围绕研发及科技成果转化、国际教育培训、金融服务、专业服务、商贸服务、休闲旅游及健康服务、航运物流服务、资讯科技等八大产业。

金准数据债券市场评级研究报告 2017-06-28 16:47:22

1、债券市场评级的意义

债券评级是将债券还本付息的可靠程度,用简单的符号展示给投资者的专门活动。债券评级的目的就是向投资者提供债券.我国债券评级业尚处在起步阶段。债券评级作为评级制度的起源,不仅是证券评级的核心业务,其做法也是其他评级的重要参考,债券的评级制度是债券市场重要的市场化机制之一,独立、公正、客观的债券评级制度对债券市场的发展、培育良好市场.

债券评级是按一定的评比标准来对侦券还本付息的可靠性作出公正客观的评价。债券评级的目的是把该侦券的信用程度以评定的信用等级形式告之于众,让投资者了解各种债券的风险程度,然后由投资者自己选择是否投资该债券。


第一、债券的信用评级对证券市场的健康发展有着积极的意义。

债券市场的顺利发展有赖于投资者的信心,如果没有信用评级,市场上债券的发行、流通将在投资者完全不了解该债券信用的情况下进行,发行者一旦到期违约,无能力还本付息,将严重挫伤投资者对整个证券市场的信心。对债券进行信用评级,让债券的信用捏度为市场所有参与者所了解,让市场来决定该债券的发行和交易条件,可有效地保证侦券市场的稳定,保护了债券市场的基石投资者。


第二、债券的信用评级沟通了筹资者和投资者信息交流的渠道,有利于整个社会投融资机制的顺利运转。

证券市场上,不同的市场参与者掌握的信息是不对称的。债券的发行者充分了解该俊券的有关情况,而投资者知之甚少。由于不了解债券的质地,投资者不敢贸然购买,这种情况对发行者相当不利,它会造成位券发行的困难,并提高了融资成本。对公开发行的债券由公认的资俏机构进行俏用评级,由于信息公开,投资者能了解其信用程度,有利于作出投资选择,裔级别的债券可以以较低的筹资成本(如降低票面利率),顺利地向社会发行,使整个社会的投融资渠道变得畅通。


第三、值券信用评级的制度有利于提高债券市场管理着的管理质量。

在债券市场发展初期,不少国家为了保证投资者的利益,常采用“额度限制”来控制发行数量,“有担保发行”来保障还本付息。但在证券市场迅速发展后,由于上市的债券越来越多,上述摘施都流于形式。为了加强对债券的管理,证券市场的管理者也需要有一种比较客观公正的评价指标来正确反映债券的质旦,便于管理者对证券进行审批和管理,同时,客观公正的评价标准有利于杜绝债券审批过程中的钱权交易、内幕交易,一些发达证券市场的债券在公开发行前要申报有权机构审批。上报的审批文件中,一家公认的资信机构的评级报告是必不可少的。

2、AAA级企业名单
金准数据注意到,一般意义而言,国内的债券市场评级是标准化业务。公司主体长期信用等级划分成 9 级,分别用 AAA、AA、A、BBB、BB、B、CCC、CC 和 C 表示,其中,除 AAA 级,CCC 级(含)以下等级外,每一个信用等级可用“+”、“-”符号进行微调,表示略高或略低于本等级。

评级越高,意味着该企业抗风险能力、盈利能力越强,发债融资成本越低。国内的评级业务发展时间不长,各家评级公司所持有的牌照也不一样,出现了不少评级虚高的问题。

除了万达,你该记住这些AAA评级企业,都是站在金字塔顶端的企业,往往也是债券狗争抢的肥肉,只不过因为竞争过于激烈,某券商开始赔本做买卖,40亿的债承销费只收1万。

以下是AAA级企业名单:

编号 企业名称 评级 评级机构
1 TCL集团股份有限公司 AAA 中诚信证券
2 安徽海螺集团有限责任公司 AAA 中诚信国际
3 安徽省交通控股集团有限公司 AAA 大公国际
4 安徽省能源集团有限公司 AAA 联合资信
5 安徽省投资集团控股有限公司 AAA 联合资信
6 安信证券股份有限公司 AAA 联合信用
7 鞍钢股份有限公司 AAA 中诚信国际
8 鞍钢集团公司 AAA 中诚信国际
9 鞍山钢铁集团有限公司 AAA 中诚信国际
10 百联集团有限公司 AAA 上海新世纪


11 邦银金融租赁股份有限公司 AAA 联合资信
12 保利南方集团有限公司 AAA 中诚信国际
13 北大方正集团有限公司 AAA 联合资信
14 北方联合电力有限责任公司 AAA 中诚信国际
15 北京城建集团有限责任公司 AAA 东方金诚
16 北京城市排水集团有限责任公司 AAA 中诚信国际
17 北京国有资本经营管理中心 AAA 大公国际
18 北京海国鑫泰投资控股中心 AAA 中诚信国际
19 北京金融街资本运营中心 AAA 联合资信


20 北京金隅股份有限公司 AAA 大公国际
21 北京京能电力股份有限公司 AAA 联合资信
22 北京京能国际能源股份有限公司 AAA 大公国际
23 北京京能清洁能源电力股份有限公司 AAA 联合资信
24 北京经济技术投资开发总公司 AAA 联合信用
25 北京控股集团有限公司 AAA 中诚信国际
26 北京能源集团有限责任公司 AAA 联合资信
27 北京农村商业银行股份有限公司 AAA 联合资信
28 北京汽车股份有限公司 AAA 大公国际
29 北京市保障性住房建设投资中心 AAA 大公国际


30 北京市朝阳区国有资本经营管理中心 AAA 大公国际
31 北京市国有资产经营有限责任公司 AAA 中诚信国际
32 北京市海淀区国有资本经营管理中心 AAA 大公国际
33 北京市基础设施投资有限公司 AAA 中诚信国际
34 北京市首都公路发展集团有限公司 AAA 中诚信国际
35 北京市文化投资发展集团有限责任公司 AAA 中诚信国际
36 北京首创股份有限公司 AAA 中诚信证券
37 北京首都创业集团有限公司 AAA 中诚信证券
38 北京首都旅游集团有限责任公司 AAA 联合资信
39 北京同仁堂股份有限公司 AAA 中诚信证券


40 北京银行股份有限公司 AAA 联合资信
41 北控水务集团有限公司 AAA 上海新世纪
42 本钢集团有限公司 AAA 中诚信证券
43 碧桂园控股有限公司 AAA 中诚信证券
44 波兰共和国国库 AAA 中诚信国际
45 渤海金控投资股份有限公司 AAA 联合资信
46 渤海银行股份有限公司 AAA 联合资信
47 成都轨道交通集团有限公司 AAA 联合资信
48 成都农村商业银行股份有限公司 AAA 大公国际
49 成都市兴蓉环境股份有限公司 AAA 中诚信证券


50 成都市兴蓉集团有限公司 AAA 上海新世纪
51 成都兴城投资集团有限公司 AAA 联合资信
52 创兴银行有限公司 AAA 联合资信
53 大连港集团有限公司 AAA 中诚信国际
54 大秦铁路股份有限公司 AAA 联合资信
55 大唐国际发电股份有限公司 AAA 大公国际
56 大同煤矿集团有限责任公司 AAA 联合资信
57 大同煤业股份有限公司 AAA 中诚信国际
58 大新华航空有限公司 AAA 上海新世纪
59 电信科学技术研究院 AAA 中诚信国际


60 东北证券股份有限公司 AAA 联合信用
61 东方证券股份有限公司 AAA 中诚信证券
62 东方资产管理(中国)有限公司 AAA 上海新世纪
63 东吴证券股份有限公司 AAA 上海新世纪
64 东兴证券股份有限公司 AAA 联合信用
65 东亚银行(中国)有限公司 AAA 中诚信国际
66 福建省高速公路有限责任公司 AAA 中诚信国际
67 福建省能源集团有限责任公司 AAA 中诚信证券
68 福建省投资开发集团有限责任公司 AAA 中诚信证券
69 福耀玻璃工业集团股份有限公司 AAA 中诚信证券


70 福州城市建设投资集团有限公司 AAA 联合资信
71 甘肃省公路航空旅游投资集团有限公司 AAA 上海新世纪
72 甘肃省国有资产投资集团有限公司 AAA 大公国际
73 光明食品(集团)有限公司 AAA 上海新世纪
74 广东电力发展股份有限公司 AAA 中诚信证券
75 广东恒健投资控股有限公司 AAA 中诚信国际
76 广东省广晟资产经营有限公司 AAA 联合信用
77 广东省机场管理集团有限公司 AAA 大公国际
78 广东省交通集团有限公司 AAA 联合资信
79 广东省铁路建设投资集团有限公司 AAA 中诚信国际


80 广东省粤电集团有限公司 AAA 中诚信国际
81 广东温氏食品集团股份有限公司 AAA 联合信用
82 广东粤海控股集团有限公司 AAA 中诚信国际
83 广发证券股份有限公司 AAA 中诚信证券
84 广西交通投资集团有限公司 AAA 联合信用
85 广西铁路投资集团有限公司 AAA 联合信用
86 广西投资集团有限公司 AAA 中诚信国际
87 广州白云国际机场股份有限公司 AAA 大公国际
88 广州地铁集团有限公司 AAA 中诚信证券
89 广州港股份有限公司 AAA 大公国际


90 广州国资发展控股有限公司 AAA 中诚信证券
91 广州交通投资集团有限公司 AAA 中诚信国际
92 广州农村商业银行股份有限公司 AAA 大公国际
93 广州汽车工业集团有限公司 AAA 联合资信
94 广州汽车集团股份有限公司 AAA 联合信用
95 广州市城市建设投资集团有限公司 AAA 联合信用
96 广州市水务投资集团有限公司 AAA 联合资信
97 广州无线电集团有限公司 AAA 中诚信证券
98 广州银行股份有限公司 AAA 上海新世纪
99 广州越秀集团有限公司 AAA 鹏元资信


100 贵州高速公路集团有限公司 AAA 上海新世纪
101 国电大渡河流域水电开发有限公司 AAA 中诚信国际
102 国电电力发展股份有限公司 AAA 东方金诚
103 国电华北电力有限公司 AAA 大公国际
104 国电江苏电力有限公司 AAA 联合资信
105 国电山东电力有限公司 AAA 中诚信国际
106 国电资本控股有限公司 AAA 大公国际
107 国家电网公司 AAA 大公国际
108 国家核电技术有限公司 AAA 中诚信国际
109 国家开发投资公司 AAA 联合信用


110 国金证券股份有限公司 AAA 上海新世纪
111 国泰君安证券股份有限公司 AAA 上海新世纪
112 国信证券股份有限公司 AAA 联合信用
113 国药控股股份有限公司 AAA 中诚信证券
114 国银金融租赁股份有限公司 AAA 中诚信国际
115 国元证券股份有限公司 AAA 上海新世纪
116 哈尔滨银行股份有限公司 AAA 联合资信
117 海尔集团财务有限责任公司 AAA 联合资信
118 海航集团有限公司 AAA 上海新世纪
119 海南航空控股股份有限公司 AAA 上海新世纪


120 海通恒信国际租赁股份有限公司 AAA 上海新世纪
121 海通证券股份有限公司 AAA 中诚信证券
122 杭州市城市建设投资集团有限公司 AAA 联合资信
123 杭州市地铁集团有限责任公司 AAA 联合资信
124 杭州市交通投资集团有限公司 AAA 上海新世纪
125 杭州银行股份有限公司 AAA 中诚信国际
126 合肥市建设投资控股(集团)有限公司 AAA 中诚信国际
127 合景泰富地产控股有限公司 AAA 中诚信证券
128 河北港口集团有限公司 AAA 大公国际
129 河北建设投资集团有限责任公司 AAA 中诚信国际


130 河北交通投资集团公司 AAA 上海新世纪
131 河钢股份有限公司 AAA 中诚信证券
132 河钢集团有限公司 AAA 中诚信国际
133 河南交通投资集团有限公司 AAA 大公国际
134 河南能源化工集团有限公司 AAA 中诚信国际
135 河南省漯河市双汇实业集团有限责任公司 AAA 中诚信国际
136 河南省收费还贷高速公路管理有限公司 AAA 联合资信
137 河南投资集团有限公司 AAA 联合信用
138 黑龙江北大荒农垦集团总公司 AAA 联合资信
139 恒安(中国)投资有限公司 AAA 中诚信证券


140 恒安国际集团有限公司 AAA 中诚信国际
141 恒大地产集团有限公司(广州) AAA 中诚信证券
142 恒丰银行股份有限公司 AAA 联合资信
143 红星美凯龙家居集团股份有限公司 AAA 中诚信证券
144 红星美凯龙控股集团有限公司 AAA 大公国际
145 湖北能源集团股份有限公司 AAA 中诚信证券
146 湖北省交通投资集团有限公司 AAA 大公国际
147 湖北省科技投资集团有限公司 AAA 中诚信国际
148 湖北省联合发展投资集团有限公司 AAA 中诚信国际
149 湖北省长江产业投资集团有限公司 AAA 鹏元资信


150 湖南省高速公路建设开发总公司 AAA 鹏元资信
151 华宝投资有限公司 AAA 上海新世纪
152 华晨汽车集团控股有限公司 AAA 大公国际
153 华电国际电力股份有限公司 AAA 中诚信国际
154 华电江苏能源有限公司 AAA 联合资信
155 华电煤业集团有限公司 AAA 联合资信
156 华能国际电力股份有限公司 AAA 中诚信国际
157 华能澜沧江水电股份有限公司 AAA 大公国际
158 华能新能源股份有限公司 AAA 联合信用
159 华能资本服务有限公司 AAA 中诚信证券


160 华侨城集团公司 AAA 联合资信
161 华侨永亨银行(中国)有限公司 AAA 中诚信国际
162 华融金融租赁股份有限公司 AAA 中诚信国际
163 华润电力投资有限公司 AAA 中诚信证券
164 华润股份有限公司 AAA 联合资信
165 华润水泥控股有限公司 AAA 联合资信
166 华润医药控股有限公司 AAA 中诚信国际
167 华润置地有限公司 AAA 中诚信国际
168 华泰证券股份有限公司 AAA 上海新世纪
169 华夏银行股份有限公司 AAA 联合资信


170 淮南矿业(集团)有限责任公司 AAA 联合资信
171 徽商银行股份有限公司 AAA 中诚信国际
172 汇丰银行(中国)有限公司 AAA 中诚信国际
173 际华集团股份有限公司 AAA 中诚信证券
174 济南西城投资开发集团有限公司 AAA 联合资信
175 冀中能源集团有限责任公司 AAA 大公国际
176 加拿大国民银行 AAA 中诚信国际
177 建信金融租赁有限公司 AAA 中诚信国际
178 江苏凤凰出版传媒集团有限公司 AAA 上海新世纪
179 江苏交通控股有限公司 AAA 联合资信


180 江苏金融租赁股份有限公司 AAA 中诚信国际
181 江苏宁沪高速公路股份有限公司 AAA 中诚信国际
182 江苏沙钢集团有限公司 AAA 联合资信
183 江苏省广播电视集团有限公司 AAA 上海新世纪
184 江苏省广电有线信息网络股份有限公司 AAA 中诚信国际
185 江苏省国信资产管理集团有限公司 AAA 中诚信国际
186 江苏洋河集团有限公司 AAA 联合信用
187 江苏银行股份有限公司 AAA 中诚信国际
188 江西赣粤高速公路股份有限公司 AAA 大公国际
189 江西省高速公路投资集团有限责任公司 AAA 联合资信


190 江西省水利投资集团有限公司 AAA 鹏元资信
191 江西省投资集团公司 AAA 中诚信国际
192 江西铜业集团公司 AAA 中诚信国际
193 交通银行股份有限公司 AAA 中诚信国际
194 金地(集团)股份有限公司 AAA 联合信用
195 金融街控股股份有限公司 AAA 中诚信国际
196 锦江国际(集团)有限公司 AAA 中诚信国际
197 晋能集团有限公司 AAA 联合资信
198 九龙仓集团有限公司 AAA 中诚信国际
199 联想控股股份有限公司 AAA 联合信用


200 联想控股股份有限公司 AAA 联合资信
201 龙源电力集团股份有限公司 AAA 大公国际
202 泸州老窖集团有限责任公司 AAA 中诚信国际
203 洛阳栾川钼业集团股份有限公司 AAA 中诚信国际
204 绿城房地产集团有限公司 AAA 中诚信证券
205 南方水泥有限公司 AAA 上海新世纪
206 南京安居建设集团有限责任公司 AAA 中诚信证券
207 南京地铁集团有限公司 AAA 联合资信
208 南京东南国资投资集团有限责任公司 AAA 联合资信
209 南京禄口国际机场有限公司 AAA 中诚信国际


210 南京市城市建设投资控股(集团)有限责任公司 AAA 中诚信国际
211 南京市国有资产投资管理控股(集团)有限责任公司 AAA 中诚信国际
212 南京市河西新城区国有资产经营控股(集团)有限责任公司 AAA 联合资信
213 南京市交通建设投资控股(集团)有限责任公司 AAA 上海新世纪
214 南京铁路建设投资有限责任公司 AAA 上海新世纪
215 南京新工投资集团有限责任公司 AAA 上海新世纪
216 南京银行股份有限公司 AAA 中诚信国际
217 南京紫金投资集团有限责任公司 AAA 中诚信证券
218 内蒙古蒙电华能热电股份有限公司 AAA 中诚信国际
219 宁波城建投资控股有限公司 AAA 中诚信国际


220 宁波开发投资集团有限公司 AAA 中诚信证券
221 宁波市轨道交通集团有限公司 AAA 上海新世纪
222 宁波银行股份有限公司 AAA 中诚信国际
223 宁波舟山港股份有限公司 AAA 中诚信国际
224 宁波舟山港集团有限公司 AAA 中诚信证券
225 攀钢集团钒钛资源股份有限公司 AAA 中诚信国际
226 平安不动产有限公司 AAA 上海新世纪
227 平安不动产有限公司 AAA 联合信用
228 平安国际融资租赁有限公司 AAA 中诚信国际
229 平安银行股份有限公司(原) AAA 中诚信国际


230 平安证券股份有限公司 AAA 联合信用
231 平顶山煤业(集团)有限责任公司 AAA 大公国际
232 平顶山天安煤业股份有限公司 AAA 中诚信证券
233 普洛斯洛华中国海外控股(香港)有限公司 AAA 上海新世纪
234 青岛城市建设投资(集团)有限责任公司 AAA 大公国际
235 青岛港(集团)有限公司 AAA 大公国际
236 青岛港国际股份有限公司 AAA 大公国际
237 青岛国信发展(集团)有限责任公司 AAA 联合信用
238 青岛啤酒集团有限公司 AAA 大公国际
239 青海省国有资产投资管理有限公司 AAA 大公国际


240 青海盐湖工业股份有限公司 AAA 大公国际
241 清华控股有限公司 AAA 中诚信证券
242 瑞穗银行(中国)有限公司 AAA 中诚信国际
243 三井住友银行(中国)有限公司 AAA 上海新世纪
244 厦门港务控股集团有限公司 AAA 上海新世纪
245 厦门国际港务股份有限公司 AAA 上海新世纪
246 厦门国际银行股份有限公司 AAA 联合资信
247 厦门国贸控股集团有限公司 AAA 中诚信国际
248 厦门航空有限公司 AAA 联合资信
249 厦门建发股份有限公司 AAA 联合资信


250 厦门建发集团有限公司 AAA 中诚信证券
251 厦门金圆投资集团有限公司 AAA 联合资信
252 厦门路桥建设集团有限公司 AAA 中诚信国际
253 厦门市政集团有限公司 AAA 联合资信
254 厦门翔业集团有限公司 AAA 联合资信
255 厦门象屿集团有限公司 AAA 联合资信
256 山东钢铁集团有限公司 AAA 大公国际
257 山东高速股份有限公司 AAA 中诚信证券
258 山东高速集团有限公司 AAA 鹏元资信
259 山东广电网络有限公司 AAA 大公国际


260 山东黄金集团有限公司 AAA 上海新世纪
261 山东黄金矿业股份有限公司 AAA 联合信用
262 山东能源集团有限公司 AAA 中诚信国际
263 山东省财金投资集团有限公司 AAA 上海新世纪
264 山东省国有资产投资控股有限公司 AAA 中诚信证券
265 山东招金集团有限公司 AAA 中诚信国际
266 山东重工集团有限公司 AAA 联合资信
267 山西焦煤集团有限责任公司 AAA 中诚信国际
268 山西晋城无烟煤矿业集团有限责任公司 AAA 联合资信
269 山西太钢不锈钢股份有限公司 AAA 大公国际


270 陕西煤业化工集团有限责任公司 AAA 联合资信
271 陕西能源集团有限公司 AAA 大公国际
272 陕西省投资集团有限公司 AAA 大公国际
273 陕西延长石油(集团)有限责任公司 AAA 联合资信
274 陕西有色金属控股集团有限责任公司 AAA 中诚信国际
275 上海百联集团股份有限公司 AAA 上海新世纪
276 上海城投(集团)有限公司 AAA 中诚信国际
277 上海城投控股股份有限公司 AAA 上海新世纪
278 上海地产(集团)有限公司 AAA 上海新世纪
279 上海电力股份有限公司 AAA 中诚信证券


280 上海电气(集团)总公司 AAA 上海新世纪
281 上海东方明珠(集团)股份有限公司 AAA 上海新世纪
282 上海东浩兰生国际服务贸易(集团)有限公司 AAA 上海新世纪
283 上海复星医药(集团)股份有限公司 AAA 上海新世纪
284 上海广播电影电视发展有限公司 AAA 上海新世纪
285 上海国际港务(集团)股份有限公司 AAA 上海新世纪
286 上海国际机场股份有限公司 AAA 中诚信国际
287 上海国际集团有限公司 AAA 上海新世纪
288 上海国际集团资产管理有限公司 AAA 上海新世纪
289 上海国盛(集团)有限公司 AAA 上海新世纪


290 上海国有资产经营有限公司 AAA 上海新世纪
291 上海华信国际集团有限公司 AAA 中诚信国际
292 上海华谊(集团)公司 AAA 上海新世纪
293 上海建工集团股份有限公司 AAA 上海新世纪
294 上海金桥(集团)有限公司 AAA 上海新世纪
295 上海金桥出口加工区开发股份有限公司 AAA 上海新世纪
296 上海陆家嘴(集团)有限公司 AAA 联合资信
297 上海陆家嘴金融贸易区开发股份有限公司 AAA 上海新世纪
298 上海南汇发展(集团)有限公司 AAA 上海新世纪
299 上海农村商业银行股份有限公司 AAA 联合资信


300 上海浦东发展(集团)有限公司 AAA 上海新世纪
301 上海浦东发展银行股份有限公司 AAA 联合资信
302 上海汽车集团股份有限公司 AAA 中诚信证券
303 上海上实(集团)有限公司 AAA 上海新世纪
304 上海申迪(集团)有限公司 AAA 上海新世纪
305 上海申通地铁集团有限公司 AAA 上海新世纪
306 上海世博发展(集团)有限公司 AAA 上海新世纪
307 上海世茂股份有限公司 AAA 联合信用
308 上海市信息投资股份有限公司 AAA 上海新世纪
309 上海松江城镇建设投资开发有限公司 AAA 中诚信国际


310 上海隧道工程股份有限公司 AAA 中诚信证券
311 上海同盛投资(集团)有限公司 AAA 上海新世纪
312 上海外高桥资产管理有限公司 AAA 上海新世纪
313 上海文化广播影视集团有限公司 AAA 上海新世纪
314 上海银行股份有限公司 AAA 上海新世纪
315 上海张江(集团)有限公司 AAA 大公国际
316 上海张江高科技园区开发股份有限公司 AAA 上海新世纪
317 上汽通用汽车金融有限责任公司 AAA 联合资信
318 申能(集团)有限公司 AAA 中诚信国际
319 申能股份有限公司 AAA 中诚信国际


320 申万宏源集团股份有限公司 AAA 中诚信证券
321 深业集团有限公司 AAA 联合资信
322 深圳高速公路股份有限公司 AAA 联合资信
323 深圳航空有限责任公司 AAA 中诚信国际
324 深圳能源集团股份有限公司 AAA 大公国际
325 深圳市地铁集团有限公司 AAA 大公国际
326 深圳市机场(集团)有限公司 AAA 联合资信
327 深圳市机场股份有限公司 AAA 中诚信证券
328 深圳市燃气集团股份有限公司 AAA 中诚信国际
329 深圳市水务(集团)有限公司 AAA 中诚信国际


330 深圳市特区建设发展集团有限公司 AAA 中诚信国际
331 深圳市投资控股有限公司 AAA 中诚信国际
332 深圳市盐田港集团有限公司 AAA 中诚信国际
333 神华集团有限责任公司 AAA 联合资信
334 神华宁夏煤业集团有限责任公司 AAA 中诚信国际
335 盛京银行股份有限公司 AAA 联合资信
336 世茂房地产控股有限公司 AAA 中诚信证券
337 首都机场集团公司 AAA 中诚信国际
338 首钢集团有限公司 AAA 大公国际
339 四川成渝高速公路股份有限公司 AAA 中诚信证券


340 四川川投能源股份有限公司 AAA 中诚信国际
341 四川发展(控股)有限责任公司 AAA 中诚信证券
342 四川高速公路建设开发总公司 AAA 中诚信国际
343 四川省交通投资集团有限责任公司 AAA 中诚信国际
344 四川省铁路产业投资集团有限责任公司 AAA 中诚信国际
345 四川省投资集团有限责任公司 AAA 中诚信证券
346 苏宁云商集团股份有限公司 AAA 中诚信证券
347 苏州城市建设投资发展有限责任公司 AAA 中诚信国际
348 苏州工业园区国有资产控股发展有限公司 AAA 中诚信国际
349 苏州工业园区兆润投资控股集团有限公司 AAA 大公国际


350 苏州市轨道交通集团有限公司 AAA 大公国际
351 太原钢铁(集团)有限公司 AAA 联合资信
352 泰康保险集团股份有限公司 AAA 中诚信国际
353 特变电工股份有限公司 AAA 联合资信
354 天津滨海新区建设投资集团有限公司 AAA 联合资信
355 天津渤海国有资产经营管理有限公司 AAA 联合资信
356 天津港(集团)有限公司 AAA 大公国际
357 天津港股份有限公司 AAA 中诚信国际
358 天津轨道交通集团有限公司 AAA 联合资信
359 天津市地下铁道集团有限公司 AAA 联合资信


360 天津泰达投资控股有限公司 AAA 中诚信国际
361 同方股份有限公司 AAA 联合资信
362 万华实业集团有限公司 AAA 中诚信国际
363 潍柴控股集团有限公司 AAA 联合资信
364 乌鲁木齐城市建设投资(集团)有限公司 AAA 中诚信证券
365 无锡产业发展集团有限公司 AAA 联合资信
366 无锡城市发展集团有限公司 AAA 大公国际
367 无锡市国联发展(集团)有限公司 AAA 中诚信国际
368 无锡市建设发展投资有限公司 AAA 上海新世纪
369 无锡市市政公用产业集团有限公司 AAA 上海新世纪


370 武汉地铁集团有限公司 AAA 中诚信国际
371 武汉钢铁(集团)公司 AAA 中诚信国际
372 武汉金融控股(集团)有限公司 AAA 联合资信
373 武汉市城市建设投资开发集团有限公司 AAA 联合资信
374 物产中大集团股份有限公司 AAA 中诚信国际
375 西安城市基础设施建设投资集团有限公司 AAA 中诚信国际
376 西安高新控股有限公司 AAA 中诚信国际
377 香港上海汇丰银行有限公司 AAA 中诚信国际
378 新开发银行 AAA 中诚信国际
379 新希望集团有限公司 AAA 中诚信国际


380 新希望六和股份有限公司 AAA 联合资信
381 新兴际华集团有限公司 AAA 联合资信
382 兴业金融租赁有限责任公司 AAA 中诚信国际
383 兴业银行股份有限公司 AAA 上海新世纪
384 兴业证券股份有限公司 AAA 联合信用
385 徐工集团工程机械股份有限公司 AAA 中诚信证券
386 徐工集团工程机械有限公司 AAA 中诚信国际
387 雅砻江流域水电开发有限公司 AAA 中诚信国际
388 兖矿集团有限公司 AAA 大公国际
389 兖州煤业股份有限公司 AAA 中诚信国际


390 阳泉煤业(集团)有限责任公司 AAA 大公国际
391 宜宾市国有资产经营有限公司 AAA 中诚信国际
392 永城煤电控股集团有限公司 AAA 中诚信国际
393 永隆银行有限公司 AAA 中诚信国际
394 远东国际租赁有限公司 AAA 中诚信证券
395 远东宏信(天津)融资租赁有限公司 AAA 上海新世纪
396 远洋地产有限公司 AAA 中诚信证券
397 远洋集团控股有限公司 AAA 中诚信国际
398 云南白药集团股份有限公司 AAA 鹏元资信
399 云南白药控股有限公司 AAA 上海新世纪


400 云南省城市建设投资集团有限公司 AAA 联合信用
401 云南省公路开发投资有限责任公司 AAA 大公国际
402 云南省建设投资控股集团有限公司 AAA 联合资信
403 云南省能源投资集团有限公司 AAA 中诚信证券
404 云南省投资控股集团有限公司 AAA 中诚信国际
405 渣打银行(中国)有限公司 AAA 上海新世纪
406 长城证券股份有限公司 AAA 联合信用
407 长沙市城市建设投资开发集团有限公司 AAA 大公国际
408 长沙市轨道交通集团有限公司 AAA 中诚信国际
409 招商局地产控股股份有限公司 AAA 中诚信国际


410 招商局港口控股有限公司 AAA 中诚信国际
411 招商局集团(香港)有限公司 AAA 中诚信国际
412 招商局集团有限公司 AAA 中诚信国际
413 招商局轮船股份有限公司 AAA 中诚信国际
414 招商局蛇口工业区控股股份有限公司 AAA 中诚信国际
415 招商银行股份有限公司 AAA 联合资信
416 招商证券股份有限公司 AAA 中诚信证券
417 浙江沪杭甬高速公路股份有限公司 AAA 联合资信
418 浙江吉利控股集团有限公司 AAA 东方金诚
419 浙江省国有资本运营有限公司 AAA 联合信用


420 浙江省交通投资集团有限公司 AAA 联合信用
421 浙江省能源集团有限公司 AAA 中诚信国际
422 浙江省铁路投资集团有限公司 AAA 联合资信
423 浙江省物产集团有限公司 AAA 中诚信国际
424 浙商银行股份有限公司 AAA 中诚信国际
425 振华石油控股有限公司 AAA 中诚信国际
426 郑州宇通集团有限公司 AAA 中诚信国际
427 中储粮油脂有限公司 AAA 中诚信国际
428 中广核风电有限公司 AAA 联合资信
429 中国宝武钢铁集团有限公司 AAA 中诚信证券


430 中国保利集团公司 AAA 中诚信国际
431 中国北车股份有限公司 AAA 中诚信国际
432 中国北方工业公司 AAA 中诚信国际
433 中国兵器工业集团公司 AAA 中诚信证券
434 中国诚通控股集团有限公司 AAA 联合资信
435 中国船舶工业集团公司 AAA 联合信用
436 中国船舶重工集团公司 AAA 大公国际
437 中国大唐集团新能源股份有限公司 AAA 东方金诚
438 中国第一汽车集团公司 AAA 中诚信国际
439 中国电力财务有限公司 AAA 联合资信


440 中国电力国际发展有限公司 AAA 中诚信国际
441 中国电力建设股份有限公司 AAA 大公国际
442 中国电力新能源发展有限公司 AAA 中诚信国际
443 中国电信股份有限公司 AAA 联合资信
444 中国电信集团公司 AAA 中诚信国际
445 中国电子科技集团公司 AAA 联合资信
446 中国电子信息产业集团有限公司 AAA 大公国际
447 中国东方电气集团有限公司 AAA 中诚信国际
448 中国东方航空股份有限公司 AAA 大公国际
449 中国东方航空集团公司 AAA 大公国际


450 中国葛洲坝集团股份有限公司 AAA 联合信用
451 中国葛洲坝集团股份有限公司 AAA 上海新世纪
452 中国葛洲坝集团有限公司 AAA 上海新世纪
453 中国供销集团有限公司 AAA 大公国际
454 中国光大集团股份公司 AAA 中诚信国际
455 中国光大控股有限公司 AAA 中诚信证券
456 中国光大银行股份有限公司 AAA 中诚信证券
457 中国国电集团公司 AAA 大公国际
458 中国国际海运集装箱(集团)股份有限公司 AAA 中诚信国际
459 中国国新控股有限责任公司 AAA 中诚信国际


460 中国海洋石油总公司 AAA 中诚信国际
461 中国海运(集团)总公司 AAA 联合资信
462 中国航空工业第一集团公司 AAA 中诚信国际
463 中国航空工业集团公司 AAA 中诚信国际
464 中国航空集团公司 AAA 中诚信国际
465 中国航空技术国际控股有限公司 AAA 大公国际
466 中国航空技术深圳有限公司 AAA 中诚信国际
467 中国航空油料集团公司 AAA 联合资信
468 中国航天科工集团公司 AAA 联合资信
469 中国航天科技集团公司 AAA 大公国际


470 中国核工业集团公司 AAA 联合信用
471 中国核工业建设股份有限公司 AAA 中诚信国际
472 中国核工业建设集团公司 AAA 联合资信
473 中国核能电力股份有限公司 AAA 中诚信国际
474 中国恒天集团有限公司 AAA 大公国际
475 中国华电集团财务有限公司 AAA 大公国际
476 中国华电集团公司 AAA 联合信用
477 中国华电集团资本控股有限公司 AAA 大公国际
478 中国华能集团公司 AAA 联合资信
479 中国华融资产管理股份有限公司 AAA 中诚信国际


480 中国华润总公司 AAA 联合资信
481 中国黄金集团公司 AAA 中诚信国际
482 中国机械工业集团有限公司 AAA 联合资信
483 中国建材股份有限公司 AAA 联合资信
484 中国建材集团有限公司 AAA 联合资信
485 中国建银投资有限责任公司 AAA 上海新世纪
486 中国建筑第八工程局有限公司 AAA 大公国际
487 中国建筑第二工程局有限公司 AAA 中诚信国际
488 中国建筑第七工程局有限公司 AAA 联合资信
489 中国建筑第三工程局有限公司 AAA 中诚信国际


490 中国建筑第五工程局有限公司 AAA 中诚信国际
491 中国交通建设股份有限公司 AAA 大公国际
492 中国节能环保集团公司 AAA 大公国际
493 中国金茂控股集团有限公司 AAA 中诚信国际
494 中国科学院控股有限公司 AAA 中诚信国际
495 中国蓝星(集团)股份有限公司 AAA 大公国际
496 中国联合网络通信有限公司 AAA 中诚信国际
497 中国旅游集团公司 AAA 联合资信
498 中国铝业公司 AAA 中诚信国际
499 中国铝业股份有限公司 AAA 中诚信国际


500 中国民生投资股份有限公司 AAA 上海新世纪
501 中国民生银行股份有限公司 AAA 大公国际
502 中国南车集团公司 AAA 中诚信国际
503 中国南方电网有限责任公司 AAA 大公国际
504 中国南方航空股份有限公司 AAA 联合信用
505 中国南方航空集团公司 AAA 联合资信
506 中国能源建设集团有限公司 AAA 上海新世纪
507 中国农业发展集团有限公司 AAA 上海新世纪
508 中国普天信息产业股份有限公司 AAA 中诚信证券
509 中国商用飞机有限责任公司 AAA 上海新世纪


510 中国神华能源股份有限公司 AAA 中诚信国际
511 中国生物技术股份有限公司 AAA 中诚信国际
512 中国石化财务有限责任公司 AAA 联合资信
513 中国石油化工集团公司 AAA 联合信用
514 中国石油天然气股份有限公司 AAA 联合信用
515 中国石油天然气集团公司 AAA 中诚信国际
516 中国水电工程顾问集团有限公司 AAA 中诚信国际
517 中国水利水电建设集团公司 AAA 大公国际
518 中国铁建股份有限公司 AAA 中诚信证券
519 中国铁路总公司 AAA 中诚信国际


520 中国铁塔股份有限公司 AAA 中诚信国际
521 中国通用技术(集团)控股有限责任公司 AAA 上海新世纪
522 中国投融资担保股份有限公司 AAA 联合资信
523 中国外运股份有限公司 AAA 上海新世纪
524 中国外运长航集团有限公司 AAA 大公国际
525 中国网络通信集团公司 AAA 中诚信国际
526 中国网通(集团)有限公司 AAA 中诚信国际
527 中国五矿股份有限公司 AAA 中诚信证券
528 中国西电集团公司 AAA 联合资信
529 中国信达资产管理股份有限公司 AAA 中诚信国际


530 中国医药集团总公司 AAA 联合资信
531 中国银行股份有限公司 AAA 大公国际
532 中国银河证券股份有限公司 AAA 大公国际
533 中国邮政储蓄银行股份有限公司 AAA 中诚信国际
534 中国邮政速递物流股份有限公司 AAA 中诚信国际
535 中国有色矿业集团有限公司 AAA 中诚信国际
536 中国长安汽车集团股份有限公司 AAA 大公国际
537 中国长江电力股份有限公司 AAA 中诚信证券
538 中国证券金融股份有限公司 AAA 中诚信国际
539 中国中材股份有限公司 AAA 中诚信国际


540 中国中材集团有限公司 AAA 中诚信国际
541 中国中车集团公司 AAA 中诚信国际
542 中国中化股份有限公司 AAA 中诚信证券
543 中国中化股份有限公司 AAA 中诚信国际
544 中国中化集团公司 AAA 中诚信国际
545 中国中煤能源股份有限公司 AAA 联合资信
546 中国中铁股份有限公司 AAA 联合资信
547 中国中信有限公司 AAA 中诚信国际
548 中国中药控股有限公司 AAA 联合资信
549 中海地产集团有限公司 AAA 联合信用
550 中航发动机控股有限公司 AAA 中诚信国际
551 中航高科技发展有限公司 AAA 中诚信国际
552 中航国际控股股份有限公司 AAA 中诚信国际
553 中航国际租赁有限公司 AAA 中诚信国际
554 中航航空电子系统有限责任公司 AAA 中诚信国际
555 中航机电系统有限公司 AAA 中诚信国际
556 中合中小企业融资担保股份有限公司 AAA 联合信用
557 中核财务有限责任公司 AAA 中诚信国际
558 中化化肥有限公司 AAA 中诚信国际
559 中交投资有限公司 AAA 中诚信国际


560 中金黄金股份有限公司 AAA 联合资信
561 中联重科股份有限公司 AAA 联合资信
562 中粮集团有限公司 AAA 联合资信
563 中燃投资有限公司 AAA 中诚信国际
564 中融新大集团有限公司 AAA 联合信用
565 中泰证券股份有限公司 AAA 中诚信证券
566 中文天地出版传媒股份有限公司 AAA 联合资信
567 中芯国际集成电路制造有限公司 AAA 中诚信国际
568 中信建投证券股份有限公司 AAA 中诚信证券
569 中信银行(国际)有限公司 AAA 中诚信国际


570 中信银行股份有限公司 AAA 大公国际
571 中兴通讯股份有限公司 AAA 中诚信国际
572 中银国际证券有限责任公司 AAA 联合信用
573 中银集团投资有限公司 AAA 联合资信
574 中银消费金融有限公司 AAA 联合资信
575 中远海运发展股份有限公司 AAA 联合资信
576 中远海运控股股份有限公司 AAA 联合资信
577 中远海运能源运输股份有限公司 AAA 中诚信证券
578 中证信用增进股份有限公司 AAA 联合资信
579 重庆两江新区开发投资集团有限公司 AAA 上海新世纪


580 重庆农村商业银行股份有限公司 AAA 中诚信国际
581 重庆市城市建设投资(集团)有限公司 AAA 上海新世纪
582 重庆市地产集团有限公司 AAA 中诚信国际
583 重庆市轨道交通(集团)有限公司 AAA 联合资信
584 重庆市水务资产经营有限公司 AAA 中诚信国际
585 重庆水务集团股份有限公司 AAA 中诚信证券
586 重庆长安汽车股份有限公司 AAA 联合信用
587 珠海格力集团有限公司 AAA 联合资信
588 珠海华发集团有限公司 AAA 联合资信
589 紫光集团有限公司 AAA 中诚信证券
590 紫金矿业集团股份有限公司 AAA 中诚信证券



3、AA级企业名单

AA+是仅次于AAA评级的,偿债能力较强,投资风险很小,据不完全统计,目前中国有841家,以政府融资平台公司和国有企业为主,民企能干到AA+,那是相当了不起。这些企业当然也算是金字塔顶端的企业,也是做债的承揽争抢的对象。

以下是AA+企业名单:




4、2017年我国债券市场信用风险发展趋势

1)我国宏观经济面将保持平稳增长

展望2017年,在英国脱欧、意大利修宪公投失败等风险事件的影响下,全球经济的缓慢复苏态势面临较大的不确定性。当然,同时存在一些积极因素,如美国经济持续复苏,特朗普政府计划通过减税、加大基础设施建设刺激经济增长,未来预期良好,日本2016年12月制造业PMI终值以全年最快速度扩张,经济复苏也有望向好发展。金准数据分析,对中国而言,虽然面临着复杂多变的国际政治经济环境,但近期已呈现企稳筑底态势,未来也将通过进一步的减税降费、加大基础设施建设投资以及刺激消费等措施维持经济的平稳增。

(2)行业继续分化,部分行业信用风险将进一步暴露

2017年,在宏观经济基本面保持相对稳定的背景下,产能过剩行业、房地产行业以及国企、城投企业的信用风险将进一步暴露和释放。2017年是我国供给侧结构性改革向纵深发展的关键之年,过剩行业“去产能”将继续推进,煤炭、钢铁行业企业的经营继续承压,信用风险较大;为了防范楼市风险以及进而引发的系统性风险,9月以来房企债券融资收紧政策陆续出台,在未来楼市周期性转冷和已发债券集中到期的情况下,房企尤其是中小房企的经营风险和违约风险加大;国企、城投企业与地方政府的信用关联性弱化,《地方政府性债务风险应急处置预案》的出台使得城投债的刚兑信仰进一步被打破,信用风险有所上升。


(3)我国债券市场将进一步发展和完善,风险管控继续加强

2016年以来,监管层继续鼓励债券市场的扩容和发行便利化,加大对绿色债券市场发展的支持和鼓励,进一步促进债券市场对外开放,2017年主要趋势将得以延续,我国债券市场发行量将继续稳步增长。其中值得关注的有PPP项目资产证券化的发展、高收益债能否推出、熊猫债扩容速度,以及提高类平台发行人以及房地产、过剩产能行业的债券发行门槛等的影响。

2016年以来,监管层陆续出台相关政策,强化信息披露,设计“交叉保护”等条款加强投资人保护,推出CDS、CLN信用风险对冲工具,预计在2017年将发生更大作用;评级行业监管预计会进一步加强;私募市场风险的暴露,地方私募市场面临整顿;债券市场交易对手风险暴露,需要加强监管;债转股将逐步实施,企业的财务杠杆将有所控制。这些措施都将对债券市场风险产生重要影响。


4)级别调整将更加频繁,风险识别向基本面分析回归

在供给侧结构性改革向纵深发展的背景下,不同行业以及企业之间的信用风险分化将进一步加剧,债券市场违约事件频发,投资者对违约事件反应强烈,监管层出台诸多举措管控风险,加强对评级行业的监管。在市场和监管的双重压力下,为更好控制风险,为投资者服务,评级机构应加大级别调整力度,及时调整级别以反映和揭示信用风险,债券市场信用等级调整趋势将继续。

在级别调整依据方面,风险识别将向宏观、行业和企业的基本面分析回归。行业景气下滑导致公司经营基本面恶化是发生信用风险事件的重要原因之一。这两年的经验已经表明,行业景气度下降的一些行业,或者强周期的企业,或者中小企业,违约风险高。评级机构应该对每个行业的风险等级做出一定的评判。另外,对行业风险的展望要加强研究,能够为市场提供更多这方面的产品。

企业经营不善等自身因素是信用风险发生的直接原因。流动性压力(现金流管理)、盈利能力、债务负担或杠杆、融资环境、突发事件都可能引发企业违约事件的发生。近年来,不少融资工具是加杠杆的,如明股实债、部分私募基金、信托产品等。

金准数据认为,在此背景下,违约率、级别调整与宏观经济、行业走势以及企业自身财务实力的联系日益紧密,外部支持因素的影响将弱化。


5)中国债券市场违约事件的发生趋于常态化,刚兑信仰将进一步打破

尽管信用风险的增加对企业通过债券市场进行直接融资产生不利影响,但是信用风险的存在是市场经济发展的客观规律,违约是信用债市场的重要组成部分,是宏观经济和行业周期性变化下的必然反应,出现违约事件也是成熟市场普遍具有的特征之一。从长远来讲,打破债券刚性兑付有利于市场参与者加强对信用风险的认识及重视程度,进而采取有效措施预防和管控风险。非系统性信用风险事件的发生对于建立市场化的定价估值体系、完善市场风险分散分担机制以及提高评级的实际价值有积极意义,监管、市场对违约的认识进一步加深。只要不发生系统性、区域性风险,违约就是可以容忍的,政府支持、救助、兜底的概率在下降,除非有恶意逃废债。投资者也开始真正关注违约,开始接受违约。因此,市场经济条件下必然存在的违约现象就会逐步常态化。


截至2016年底,我国债券市场将于2017年到期的主要信用债规模近4万亿元,这还不包括当年内新发且于当年内到期的短融和超短融。随着债券的到期,企业的风险会受到检验,违约风险就可能暴露。2016年以来债券市场违约事件明显增加,表明市场规律作用下的违约事件发生已经逐步成为常态,在未来债券市场发行量稳步增长和债券集中到期的情况下,违约将更加常态化。

在对违约债券的处置上,我国已经进行了各种探索,包括收购兼并、企业重组、债务重组、破产清算等。违约债券已经产生实质损失。投资者除了要关注违约风险外,对于损失风险会进一步关注。公募债券市场共有36只(310.20亿元)债券发生违约,约240亿元尚未完全兑付,回收率约为23%。刚性兑付的信仰进一步打破。