恒丰银行资产质量改善显著不良率下降2506个百分点

恒丰银行终于发布年报了。

时隔两年后,4月29日,恒丰银行公布2019年年报,数据显示去年资产质量明显好转,不良率由28.44%降至2019年末的3.38%。此前,因高管违法、股权混乱、资产质量差、流动性紧张等问题,2017年和2018年,恒丰银行曾连续两年未能披露年报。

资产质量明显改善。2019年,恒丰银行完成不良资产转让,加快自主清收,不良贷款总额149.66亿元,较上年末减少1485.95亿元;不良贷款率3.38%,较上年末下降25.06个百分点;不良贷款拨备覆盖率120.83%,较上年末提高66.13个百分点。

三年时间过去,国内已经出现联邦学习、共享智能、知识联邦、联邦智能和异步联邦学习等多个相关研究方向。

在白皮书中,联邦学习的最新定义是:在进行机器学习的过程中,各参与方可借助其他方数据进行联合建模。各方无需共享数据资源,即数据不出本地的情况下,进行数据联合训练,建立共享的机器学习模型。

2018年,在杨强教授的带领下,微众银行正式开展了联邦学习研究,内部投入百余人,打造了一个覆盖技术上下游的联邦学习团队,包含研究、学术、研发、商业、行业应用等多个细分队伍。

今天,研究院、中国信通院云大所、招商金融科技等多家企业和机构联合推出《联邦学习白皮书V2.0》。

资产结构有所优化。2019年,恒丰银行资产总额为10287.68亿元,较上年末降低1.69%。2019年,恒丰银行负债总额为9415.22亿元,较上年末降低11.19%;客户存款平均成本率为2.64%,较上年减少0.1个百分点。

扫码关注「 AI金融评论 」,进群收看课程直播,和往期课程全部回放。

资本实力大幅提升。2019末,新股东完成注资,恒丰银行核心一级资本充足率、一级资本充足率和资本充足率分别为9.68%、9.68%和12.26%,资本充足率明显改善。

花开五朵,各表一枝。

杨强教授也曾在CSIG、京东数科、百度、富数科技等企业的技术高管,进一步「拆解」联邦学习。

应用实例方面,披露了联邦学习在车险定价、信贷风控、销量预测、视觉安防、辅助诊断、隐私保护广告和自动驾驶方面的解决方案。

雷锋网原创文章,。详情见转载须知。

联邦学习也根据数据集用户特征和样本的不同重叠情况,分为了横向联邦学习(即特征重叠较多)、纵向联邦学习(即样本重叠较多)和联邦迁移学习(样本、特征都重叠较少)。

在过往发表的多篇论文中,微众AI团队介绍了联邦学习思路下针对有安全需求的有监督学习、强化学习、决策树的具体方法,包括安全的联邦迁移学习、联邦强化学习以及 SecureBoost 安全树模型。

盈利能力触底回升。2019年,恒丰银行实现净利润5.99亿元,同比增长4.36%,主要是所得税费用较同期下降较多所致。受不良资产转让影响,营业收入137.63亿元,同比减少22.72亿元。归属于本行股东的平均总资产收益率(ROA)和平均净资产收益率(ROE)分别为0.06%和1.83%。

2019年,恒丰银行大力引进战略投资者,通过非公开发行1000亿股普通股,引进投资者资金1000亿元,其中中央汇金投资有限责任公司600亿元、山东省金融资产管理股份有限公司360亿元,新加坡大华银行有限公司、南山集团有限公司、福信集团有限公司等40亿元。增资扩股后,总股本增至约1112亿元,资本实力大幅增强,股权结构显著优化。

Author: igirisukan.com