伍峰诉徽银集团及股东出资纠纷案研究

来源 :湖南大学 | 被引量 : 0次 | 上传用户:otaku2456
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
公司良好的资本制度是公司健康发展的重要因素,公司股东认缴之注册资本是公司的信用基础。伍峰诉徽银集团及股东出资纠纷案是关于股份有限公司违反法律规定对外募集股份而引起的公司纠纷。该案的主要争议点有两个。一个是伍峰与徽银集团之间的《投资入股协议书》效力如何认定。另一个是徽银集团股东应否承担补充赔偿责任。该案中,徽银集团在发起人尚未缴足认购股份的情况下即对外募股,违反公司法之效力性强制规定。依《合同法》第52条之规定,案涉《投资入股协议书》应属无效。协议双方对协议无效均存在过错,所以应在各自过错范围内承担责任。徽银集团应返还伍峰出资。伍峰无权要求徽银集团赔偿资金利息损失。公司股东是否需要补充赔偿公司债权人,实际考量的是股东认缴出资在本案中有无加速到期的必要性和条件。目前我国法律中明确规定可以适用股东出资加速到期的仅限于《企业破产法》第35条。除此以外,在非破产程序中请求适用该制度难以找到直接的法律依据。因此,司法实践中关于该制度的适用问题法院裁判观点普遍偏保守。具体到伍峰诉徽银集团及股东出资纠纷案,审理过程中伍峰无法证明徽银集团无力清偿对外债务。徽银集团对伍峰没有恶意欺瞒和违反诚实信用原则的行为。徽银集团亦未恶意弱化公司资本损害伍峰利益。故此,结合具体案情和法律依据,不宜直接认定徽银集团的股东要进行赔偿。但是,如果在执行程序中发现公司无清偿债务之能力,伍峰可考虑依据现有司法解释的规定,申请追加公司股东为被执行人。
其他文献
体育竞赛中,持续竞争优势对参赛队的可持续性发展具有非常重要的作用。拥有持续竞争优势的参赛队可以获得更多的投入,能更好的进行梯队建设,往往在下次比赛中的夺牌呼声更高;失去持续竞争优势的参赛队或将面临更大的外部问责,直至破坏运动队的可持续发展。本文将持续竞争优势理论运用于全国大运会项目绩效研究之中,比较分析主观评分类和客观类项目竞争优势的持续性差异,初步探讨影响项目持续竞争优势的因素及原因。本文按照选
大数据时代,各行各业与互联网的紧密结合产生了海量的业务数据,通过分析这些业务数据可以为公司制定更好的运营策略,从而提升公司的盈利能力。Hadoop MapReduce系统的出现简
改革开放40年,我国经济高速发展,企业对资金需求量增大,在传统融资方式难以满足企业融资需求的背景下,利用资产支持证券进行融资不断被企业采用,被市场接受。信用增级作为资产证券化的重要一环,尤其对主体评级不高的企业融资有重要意义。在国内信用增级研究相对匮乏的背景下,对其进行研究不仅可以丰富研究内容,还能给实务操作提供参考。鉴于此,本文选择了“星美国际影院信托受益权资产支持专项计划”这一案例,借助现有相
多目标优化问题广泛存在于各种实际工程应用中,越来越多的研究人员将目光聚焦于与之对应的多目标优化算法领域。其中基于分解的多目标优化算法(MOEA/D)被视为非常有竞争力的算法,其在众多测试问题中都表现良好,但其性能对于分解的方法非常依赖,算法期望得到一个在PF面上均匀分布的权重向量,如果权重向量不均匀,则目标向量永远不会均匀。此外,大多数算法在处理低维问题时表现良好,但在高维空间会出现性能退化。本文
目的研究基于Leksell定向仪及三维影像系统的立体定向颅内电极植入方法安全性及可靠性。方法在自主研发的影像处理系统上三维呈现病人脑部影像,重建脑表面血管,设计合适的电
会议
机载雷达前视成像和目标检测在前视侦察、精确制导、物资空投和地形避让等军事和民用领域有着十分重要的应用。然而,常规的多普勒波束锐化或者合成孔径雷达存在前视成像盲区。基于波束扫描的雷达,能够获取前视区域的实波束图像,但是收到天线尺寸的限制,使得实波束图像方位向分辨率较低,通常无法实现前视区域中多个感兴趣目标的有效分辨与检测。因此,开展机载雷达前视成像检测一体化技术的相关研究,对提升机载雷达的性能有着重
自从2006年变换光学提出以来,人们按照自己的想法自由设计光的行走路径。变换光学通过推导坐标变换得到材料的电磁参数,超构材料逐渐成熟的发展更是促成了变换光学的繁荣。在过去的十几年里,人们依据变换光学在理论上设计出大量拥有强大功能的光学器件,如隐形器件、旋转器件和光学幻像装置等。在实际实验中,科研工作者们会引入简化的材料参数以便制造,例如在微波段实现的隐形器件和旋转器件等,但在材料参数简化后,隐形和
随着服务机器人在近年来的快速发展,机器人的相关应用算法也在不断的更新。目标识别作为其核心算法之一,在机器人应用中具有重要的作用。特别是其检测速度决定着机器人目标物抓取的效率。同时人工智能在近几年得到了快速的发展。尤其是以神经网络和机器学习为基础的深度学习方法正逐渐应用到各行各业中,在目标检测领域,深度学习相关算法的更新对检测精度的提升起到了重要的作用。近年来,目标检测的算法主要有两种:单阶段目标检
针尾部Aculeata是膜翅目Hymenoptera细腰亚目Apocrita中一个物种丰富的类群,常见的有蜜蜂、胡蜂和蚂蚁等昆虫,主要包含青蜂总科Chrysidoidea、蚁总科Formicoidea、蛛蜂总科Po
由于实际应用中数据集的标签标注不准确或不充分,弱监督的学习框架逐步被应用和发展,本文采用的多示例学习属于弱监督的学习框架。目前主要的多示例学习方法大体分为三类,包