房地产并购重组需谨慎处理三大关键点******

　　王丽新

　　新年伊始，房企处置资产、启动并购重组计划不断出炉。据不完全统计，自2022年11月底“第三支箭”落地以来，涉房企业披露的收并购案总交易对价超过576亿元。

　　支持房企股权融资的“第三支箭”发出，正进一步有效化解房企风险，加快推动行业风险出清，对“稳预期、稳信心、稳投资”起到重要作用。但从实操层面来看，其中涉及并购重组的交易资金规模大、并购程序繁琐，方案是否成功也存在不确定性。在笔者看来，这期间，上市房企需谨慎处理三大关键点。

　　并购前期，需理性选择适合企业自身的并购标的。在当下的市场格局中，稳健型房企有发展优势、有扩表需求，可供其“挑选”的资产标的池子也很大。但不同企业业务布局、细分市场话语权、主力产品业态以及战略发展方向均各有特色，背后的大股东资源也不尽相同。并购重组是企业发展历程中的大事，需顺应市场需求，仔细甄别被并购标的资产质量、经营状况、企业文化与管理等方方面面是否与自身匹配，不能盲目选择标的，要“补短板优长处”，采用合理的估值方法进行评估，实现“1+1＞2”效应。

　　并购中期，需做好尽调以及匹配最优的并购方式。不同于其他行业，房地产行业并购重组涉及的资产标的多数都是正在开发或销售的项目，周期较长，少则一两年多则十年八年才能清盘交付，这其中参与方较多，夹杂“明股实债”等现象，背后的债权关系复杂，需充分尽调，确保风险指数处在可控范围内且有收益空间，谨慎对待再出手。

　　此外，涉及并购重组的双方都应跟随政策节点，谨慎考量支付以及融资方式，无论是向特定投资者非公开发行股份募资，还是现金支付等，都需最大可能地寻找长期且成本较低的资金。毕竟，合理的并购方式能确保企业在并购过程中及时避免和合理应对风险，进而保证现金流安全。

　　并购后期，需注重业务协同及资源整合，达到提升效益的目的。当闯过前面的重重难关，并购项目进入落地阶段时，往往是实现有质量的并购重组最重要的一环。若企业实施并购重组后能在业务、经营、财务以及人力等方面达到很好地融合，其成果将快速在财务报表及业务模式方面形成良性循环。反之，并购标的则会成为收购方业绩表现的“拖油瓶”。

　　更重要的是，要想实施好房地产行业并购重组，需强化对上市房企、涉房上市公司并购重组、再融资的监管力度。一方面，收购方收进来的须是优质资产，才能更好地发挥资本市场优化资源配置的作用；另一方面，上市房企、涉房上市公司的再融资，需市场主体有真正融资和业务需求才能启动，更要保证并购重组的配套融资真正用在方案提及的项目以及“保交付”的项目中，否则会与发出“第三支箭”的初衷背道而驰。

　　总体而言，在行业风险持续出清过程中，并购重组活动有望逐渐增加。企业整合资源后，经营状况有望改善，同时将淘汰落后企业，改善产业结构，优化行业资产负债表，推动房地产行业朝着更好的方向发展。

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