LPR传导路径分析:银行、地产与信托影响深度探讨

需积分: 0 0 下载量 158 浏览量 更新于2024-06-22 收藏 1.22MB PDF 举报
本篇综合行业研究由海通证券发布,标题聚焦于"综合行业研究:LPR对实体的传导路径有多长?",该报告深入探讨了利率市场化进程中贷款市场报价利率(LPR)对实体行业如银行、房地产和信托业的具体影响。报告的发布时间为2019年10月18日。 对于银行系统,LPR改革的关键在于推动利率下行,打破原有的隐性下限。优质企业因为其贷款议价能力增强,预期LPR将出现下降。然而,中小微企业和零售业务的定价受制于银行自身的加点成本,短期内可能不会快速跟进。根据静态测算,如果银行贷款利率跟随LPR下调10BP,预计2020年上市银行的归母净利润将下降约1.4%,受影响程度按农商行、股份制银行、城商行、国有银行的顺序递减。 在房地产领域,LPR对房贷利率的影响短期来看较为中性。由于此前实际房贷利率已经普遍高于基准利率,LPR实施后即使加点最低利率低于基准,也不会对整体市场房贷利率产生显著影响。长期而言,房贷利率市场化的趋势将逐步显现,预计房贷利率会呈现长期下行,从而有利于降低购房者的成本和提振房地产市场。 至于信托业,无论是直接还是间接影响,LPR改革对其产生的效果都相对有限。报告指出,过去贷款利率滞后于债券市场的现象更多是因为货币政策调整的滞后效应,而LPR改革可能会改变这一模式,促使贷款利率更及时地反映市场变化。 本研究报告提供了关于LPR改革如何影响银行业务、房地产市场以及信托业的详细分析,为投资者和政策制定者提供了有价值的参考,强调了利率市场化进程中的关键动态和预期影响。

请解释一下这段报错 Traceback (most recent call last): File "D:/yolov7-lpr/yolov7_plate-master/plate_recognition/lprnet_plate_recognition.py", line 41, in <module> result = lprnet_plate_recognition("D:\yolov7-lpr\yolov7_plate-master\imgs\police.jpg", "D:\yolov7-lpr\yolov7_plate-master\weights\Final_LPRNet_model.pth") File "D:/yolov7-lpr/yolov7_plate-master/plate_recognition/lprnet_plate_recognition.py", line 9, in lprnet_plate_recognition model = torch.load(model_path) File "D:\Anaconda\lib\site-packages\torch\serialization.py", line 608, in load return _legacy_load(opened_file, map_location, pickle_module, **pickle_load_args) File "D:\Anaconda\lib\site-packages\torch\serialization.py", line 787, in _legacy_load result = unpickler.load() File "D:\Anaconda\lib\site-packages\torch\serialization.py", line 743, in persistent_load deserialized_objects[root_key] = restore_location(obj, location) File "D:\Anaconda\lib\site-packages\torch\serialization.py", line 175, in default_restore_location result = fn(storage, location) File "D:\Anaconda\lib\site-packages\torch\serialization.py", line 151, in _cuda_deserialize device = validate_cuda_device(location) File "D:\Anaconda\lib\site-packages\torch\serialization.py", line 135, in validate_cuda_device raise RuntimeError('Attempting to deserialize object on a CUDA ' RuntimeError: Attempting to deserialize object on a CUDA device but torch.cuda.is_available() is False. If you are running on a CPU-only machine, please use torch.load with map_location=torch.device('cpu') to map your storages to the CPU.

2023-05-17 上传
2023-05-22 上传
2023-05-22 上传