彩神apapp_彩神ap下载app

一线城市新房价格止跌 政策助力楼市或企稳******

　　证券时报记者 张达

　　1月15日，国家统计局发布2022年12月70个大中城市房价数据。数据显示，房价环比下降城市增加，其中，二手房价环比下降城市达到63个。从新房价格来看，一线城市在连跌3个月后出现止跌现象。

　　业内人士认为，一线城市率先出现止跌企稳态势，显示去年四季度以来在供需两端积极的政策产生一定效果。预计2023年需求端政策力度有望加码，热点城市交易量或在二季度开始企稳并慢慢回升，并在下半年带动都市圈周围城市转好。

　　一线城市新房价格止跌

　　国家统计局的数据显示，2022年12月，70个大中城市中房价下降城市有所增加，其中，新房价格环比下降城市有55个，比上月增加4个；二手房价格环比下降城市有63个，比上月增加1个。

　　分城市来看，一线城市新房和二手房价格环比一平一降，二三线城市环比下降。其中，一线城市新房价格环比由上月下降0.2%转为持平；二手房价格环比下降0.5%，降幅比上月扩大0.1个百分点。二线城市新房价格环比下降0.3%，降幅比上月扩大0.1个百分点；二手房价格环比下降0.4%，降幅与上月相同。三线城市新房价格环比下降0.3%，降幅与上月相同；二手房价格环比下降0.4%，降幅比上月收窄0.1个百分点。

　　上海易居房地产研究院研究总监严跃进认为，根据简单算术平均计算，2022年12月全国70个城市新房价格指数环比跌幅为0.2%，同比跌幅为2.3%。当前房价指数跌幅总体上没有扩大，说明去年四季度持续性的“三支箭”政策，减少了房企恐慌性降价的心理。最明显的变化是，一线城市连跌3个月后，当前已经有止跌现象。预计新房价格指数的积极变化后续也会逐渐传导到二手房市场中。

　　广东省城规院住房政策研究中心首席研究员李宇嘉也认为，一线城市新房价格基本止跌，显示去年四季度以来供需两端积极的政策产生一定效果。比如，供给端加快“三支箭”等资金投放、推进保交楼，改善房企资产负债表，推动收并购；需求端积极降低按揭利率，鼓励住房购置和改善等，政策叠加部分缓解了风险预期，购房需求释放也有所稳定。反映在房价上，一线城市率先出现止跌企稳态势。

　　不过，李宇嘉同时指出，2022年12月房价下跌城市增加，市场仍较为疲弱。

　　中原地产首席分析师张大伟则认为，二手房价格表现更值得关注，2022年12月二手房价环比下降城市有63个，说明当前市场全面低迷。

　　政策助力

　　年内楼市或企稳

　　今年以来，中央和地方楼市支持政策密集出台。

　　1月5日，央行、银保监会宣布对首套房贷利率政策实行动态调整，即新房价格环比和同比连续3个月均下降的城市，可阶段性维持、下调或取消当地首套房贷利率下限。住建部部长倪虹在接受媒体专访时也表示，对购买第一套住房的，要大力支持，首付比例、首套利率该降的，都要降下来；对于购买第二套住房的要合理支持，以旧换新、以小换大、生育多子女家庭都要给予政策支持。他还表示今年要因城施策、精准施策，提振市场信心。

　　与此同时，各地稳楼市步伐加快，新疆乌鲁木齐、安徽六安、河南荥阳等多地发布了刺激住房消费需求的政策举措，包括下调首套房贷利率下限、暂停限购政策、放宽首套房认定标准、降低首套房首付比例、换购住房个税减免、支持团购住房、发购房补贴、提高住房公积金贷款额度等。河南更是明确表示，要取消和调整妨碍消费需求释放的限制性政策。

　　李宇嘉认为，稳房价是稳预期、稳需求、纾困供给端的关键。近期央行下调首套房贷利率下限，目的也是为了稳房价，为稳楼市交易、开发创造条件。预计热点城市交易量或在二季度开始企稳并慢慢回升，并在下半年带动都市圈周围城市好转。

　　对于今年的政策预期，上海易居房地产研究院执行院长丁祖昱认为，2023年将继续因城施策用足用好政策工具箱，地方需求端政策力度有望加码，包括市场下行压力较大的远郊区域局部放松限购，定向优化二孩、三孩家庭以及各类人才购房资格等。重点市场倘若出现走弱迹象，不排除政策加码的可能性，以便给市场“保温”。

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）