1分快3论坛|1分快3骗局

中国楼市拥抱新周期 或以现房销售推动行业转型******

　　(经济观察)中国楼市拥抱新周期 或以现房销售推动行业转型

　　中新社北京1月19日电 题：中国楼市拥抱新周期 或以现房销售推动行业转型

　　中新社记者 庞无忌

　　2022年中国房地产业出现罕见的深度调整，全行业经历了一次出清周期。不过，从另一个角度来看，“去腐生肌”之后，随着供求重新平衡，房地产业也有望走向真正的良性循环。

　　楼市拥抱新周期

　　国家统计局近日发布的数据显示，2022年，中国商品房销售规模从2021年的近18亿平方米降至13.6亿平方米；商品房销售额从2021年的约18.2万亿元(人民币，下同)降至约13.3万亿元。商品房销售规模创下多年新低。同时，去年，房地产开发投资增速首次出现同比负增长。房屋新开工面积、土地购置面积、房企到位资金等指标均大幅下滑。

　　58安居客研究院院长张波指出，尽管支持房地产发展的几项重要维度(人口、城镇化速度等)在过去几年已经发生了一些变化，但市场面在2022年才真正显示楼市开始进入新周期。

　　中国社科院城市与竞争力研究中心主任倪鹏飞也认为，近年来，房地产高位运行是不合理、不可持续的。由于一些长期变量发生改变，如人均住房面积、人口老龄化等，房地产不可能像过去一样高位增长了，“我们预判未来十年房地产以及住房新增部分规模在10亿平方米至12亿平方米左右，匹配相应房地产投资规模”。

　　经过去年的深度调整，他指出，从总量上看，目前房地产市场正在接近合理区间。

　　经济学家任泽平也认为，房地产大开发时代落幕，进入存量时代。他指出，目前城镇住房套户比(住宅套数和家庭户数的比例)已达1.09，供求基本平衡，未来多数城市将面临住房过剩，再加上人口老龄化加速到来，未来住房需求将有所收缩。

　　现房销售推动转型

　　在供给与需求重新平衡的过程中，新周期或将拉开序幕。近期官方所提及的一项关键变化值得注意。

　　近日召开的全国住房和城乡建设工作会议，将当前和今后一段时期的房地产工作重点总结为“稳预期、防风险和促转型”。在促转型方面，会议明确指出，有条件的可以进行现房销售，继续实行预售的，必须把资金监管责任落到位，防止资金抽逃，不能出现新的交楼风险。

　　从“卖楼花”的预售制到现房销售，这一变化意味着什么？

　　中指研究院企业研究总监刘水在接受中新社记者采访时表示，现房销售有助于减少楼房烂尾及质量问题，对房企来说，也能引导其注重产品质量和高品质服务，引导房企稳健经营，降低杠杆和负债水平。他认为，未来现房销售可能在重点城市的部分地块进行试点，或明确为土地出让的条件。

　　不过，刘水提醒，从预售到现房销售，应该是缓慢的转换过程，不能“急转弯”或一蹴而就。预售制在国内已有近20年历史，如果骤然切换至现房销售，可能会加重房企资金困难。

　　广东省城规院住房政策研究中心首席研究员李宇嘉也对中新社记者表示，现房销售就不再有保交楼问题，这意味着未来的住房供应会更多强调民生保障。李宇嘉也提醒，现房销售应该因区施策，因时施策，匹配各城市的在售库存及未来几年的土地供应计划，不宜一步到位。

　　对于短期库存较少的区域，李宇嘉认为，更适宜提前加大供地，再采取“新老划断”的模式。对于短期库存较多的区域来说，逐步在土地出让条件中明确规定现房销售试点，或是可选择的过渡方案。

　　波动性弱复苏

　　近日，国务院副总理刘鹤在世界经济论坛2023年年会上发表致辞时表示，中国针对房地产领域风险，着力稳定预期，提供合理流动性，放松过热时期的调控措施，积极扩大有效需求。未来中国房地产业稳定发展仍有足够的需求支撑。

　　全国住房和城乡建设工作会议也提出，2023年将以更大力度精准支持刚性和改善性住房需求，提升市场信心，同时也明确将严控投机炒房。

　　倪鹏飞指出，2023年及未来一段时间，如果没有意外事件冲击，房地产总体走势将是波动性弱恢复。

　　张波则认为，房地产市场底部已逐步清晰，房价或在今年二季度企稳。(完)

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

　　（文图：赵筱尘 巫邓炎）