中国连续第三个月减持美债,持仓再创2010年6月以来新低******
澎湃新闻记者 陈佩珍
美东时间1月18日,美国财政部公布2022年11月的国际资本流动报告(TIC)。根据最新数据,2022年11月,日本和中国(大陆)为美国国债的前两大“债主”。2022年11月,日本结束自2022年7月开始的减持美国国债步伐,当月增持178亿美元至1.0822万亿美元。中国则连续第三个月减持美国国债,当月减持78亿美元至8700亿美元,持仓规模为2010年6月以来新低。
2022年,美联储的大幅度加息和日本的宽松货币政策形成鲜明对比。不过,在2022年底,日本央行突然的“鹰派”转向,让市场猜测其宽松货币政策是否会转向。
从对美债的持有量来看,日本在“奇袭”市场前的一个月,即2022年11月,对美债转为小幅增持,而在2022年10月,日本对美债的减持幅度环比收窄,在2022年9月,日本对美债一度大幅减持796亿美元。
一般来说,当美债收益率处于上行阶段,投资者会倾向于减持美债资产以降低资产损失,当美债收益率下行时再增持。在2022年11月10日,美国劳工统计局发布10月通胀数据超预期回落后,美国10年期国债收益率就进入总体下行趋势阶段,此前因为美联储较为“鹰派”加息曾一路高涨。
当时美国劳工统计局公布的数据显示,美国2022年10月CPI同比增长7.7%,低于市场预期,前值为8.2%。
从中国大陆来看,去年5月,中国所持美债环比减少226亿美元至9808亿美元,为2010年5月以来首次持仓不足1万亿美元。在2022年7月、8月小幅增持后,9月、10月、11月,中国均在减持美债。
从全年来看,2022年年初,日本和中国所持美债分别为1.3031万亿美元、1.0601万亿美元;截止到2022年11月,日本和中国所持美债分别较年初降低2209亿美元和1901亿美元。
美国财政部在官网披露的11月国际资本数据内容显示,11月份外国对美国长期、短期证券和银行流水的净买入额为2131亿美元。其中,外国私人净流入为2127亿美元,外国官方净流入为4亿美元。
11月,外国居民增持了长期美国证券,净买入1406亿美元。外国私人投资者净买入1528亿美元,而外国官方机构净卖出122亿美元。美国居民减少了长期外国证券的持有量,净抛售了309亿美元。
若将国际长期证券和美国长期证券均考虑在内,外国对长期证券的净买入为1715亿美元。在计入调整因素后,比如对未记录的美国资产支持证券向外国投资者支付的本金的估计,11月份外国净购买入估计为1652亿美元。
外国居民持有的美国国债增加了47亿美元。外国居民持有的所有以美元计价的短期美国证券和其他托管负债减少了10亿美元。银行对外国居民以美元计价的净负债增加了490亿美元。
美国财政部下一次将发布2022年12月的财政部国际资本(TIC)数据,定于2023年2月15日。
报告显示:超六成受访者认为应强制企业公开算法******
光明网讯(记者 李政葳)“当前,国内对于算法治理的基本思路和框架都是清晰的,而分级分类精准治理的模式应当可以解决如何落实的问题。”在日前举办的“2022啄木鸟数据治理论坛”上,谈及算法治理的现状,清华大学人工智能国际治理研究院副院长、人工智能治理研究中心主任梁正表示,算法分级分类本身不是目标,而是要针对不同风险场景配备不同监管规则。
论坛由南都个人信息保护研究中心联合清华大学人工智能国际治理研究院、人工智能治理研究中心(清华大学)主办。其间,南都个人信息保护研究中心发布《算法应用与治理观察报告》《个人信息安全年度报告》《平台经济反垄断观察报告》。
记者了解到,《算法应用与治理观察报告(2022)》,梳理了国内外的多项法规,结合热点事件及应用场景呈现了算法治理现状,并发布千份算法治理调查问卷了解公众对算法公开和算法治理的了解程度和基本态度,最后基于多方调查分析,给出了当前算法趋势观察以及未来治理方向建议。
报告发现,目前国内算法治理仍处于早期探索阶段,企业的算法公开主要依靠官方的互联网信息服务算法备案系统,或在舆情事件发生之后。调查问卷结果显示,近半受访者承认算法让自己的使用体验更好,但仅一成受访者认为企业算法公开做得很好,逾六成的受访者称曾遭遇“大数据杀熟”;超过六成的受访者认为应该强制企业公开算法。
“在数据、算法方面治理政策进展显著,在平台与应用方面的政策和落地尚需加紧。”中国科学院人工智能伦理与治理研究中心主任、国家新一代人工智能治理专委会委员曾毅认为,目前人工智能伦理有三个相当紧迫的问题需要被正视:首先,人工智能应当被适度使用;其次,目前人工智能服务知情同意落地艰难,被迫知情同意普遍存在;最后,目前用户数据的授权撤销在人工智能服务中存在巨大挑战,需要监管和更高层的网络服务提供方联合提出更合理的政策与解决方案。
针对日前发布的《互联网信息服务深度合成管理规定》,中国政法大学数据法治研究院教授张凌寒表示,从算法治理角度来说,深度合成管理规定与之前的算法推荐管理规定的思路有所不同,前者采用了一种“三位一体由的数据与技术规范。
具体来讲,由于深度合成技术的门槛较高,技术支持者也被纳入了监管范围内。比如,深度合成服务提供者提供智能对话、合成人声、人脸生成、沉浸式拟真场景等服务,应当进行显著标识,这就将更重的责任落在了服务提供者身上。
中国社科院科技和社会研究中心主任段伟文提到,算法治理需要构建可信任的算法认知,而这需要产业和消费者的共同努力:产业要努力提升算法精准性、透明度,减少偏见,减少歧视;消费者则需要提高数字素养,提升算法意识,加强在人机互动中自主性、控制感和协同意识。
(文图:赵筱尘 巫邓炎)