大发平台下载_平台推荐官方版v2.9.1(2023已更新)

一线城市新房价格率先企稳 楼市“小阳春”会提前吗？******

　　(经济观察)一线城市新房价格率先企稳 楼市“小阳春”会提前吗？

　　中新社北京1月16日电 题：一线城市新房价格率先企稳 楼市“小阳春”会提前吗？

　　中新社记者 庞无忌

　　作为中国楼市的重要“风向标”，一线城市新房价格在2022年末出现企稳迹象。房地产市场是否迈入企稳回升通道？今年的楼市“小阳春”会提前到来吗？

　　房价连续16个月环比下跌

　　从2021年9月份以来，中国房地产市场持续探底，新房和二手房价持续处于下跌区间。

　　中国国家统计局1月16日发布的数据显示，2022年12月份，中国70个大中城市中，新建商品住宅销售价格和二手住宅销售价格环比下跌的城市分别较上月增加4个和1个；多数城市房价环比下跌。

　　当月，中国70个城市新建商品住宅价格指数平均环比下跌0.2%，同比下跌2.3%；二手住宅价格指数平均环比下跌0.4%，同比下跌3.8%。

　　广东省城规院住房政策研究中心首席研究员李宇嘉指出，新房和二手房价连续16个月环比下跌、同比调整也近一年，这带来了房地产市场预期的逆转。更多人对房价持下跌预期，导致市场持续疲软。

　　2022年12月份，多数城市房价下跌，特别是二手房市场跌幅较深。二手房价下跌城市数量上升至63个，且同比跌幅仍在扩大，显示供需两端都较弱。李宇嘉认为，稳房价成为今年稳预期、稳信心、纾困供给端的重要一环。

　　一线城市率先企稳

　　值得注意的是，2022年12月份，作为楼市“领头羊”的一线城市新房价格已率先止跌企稳。

　　官方数据显示，2022年12月份，一线城市新建商品住宅销售价格环比由上月下降0.2%转为持平。其中，北京、上海新房价格环比涨0.2%和0.4%，广州、深圳环比跌0.4%和0.3%。

　　上海易居房地产研究院研究总监严跃进表示，一线城市新房价格在连跌3个月后，已经有止跌迹象。过去几年来，房地产市场进入上行周期时，往往由一线城市房地产升温开启。严跃进表示，这类城市房价止跌，有助于修复市场预期。

　　诸葛找房数据研究中心也认为，2023年一线城市房地产市场将率先恢复，尤其是北京和上海。该机构认为，一线城市将凭借丰富的产业配套率先走出下行周期，进入上行周期。

　　楼市“小阳春”会提前吗？

　　过去每年三月至四月份，房地产市场会迎来一波“小阳春”行情。今年楼市的“小阳春”行情是否会提前至春节期间？

　　调研显示，过去由春节返乡带火的“返乡置业”在2023年春节，热度不及以往。根据58同城、安居客近日发布的一份调研报告，2023年春节期间，超八成意向购房者计划在工作城市及周边买房。而想回到家乡购房的人群占比仅17.1%，大幅低于2020年春节时的68.6%。作为返乡置业的主力，三、四线城市春节期间或难现楼市明显升温。

　　今年楼市“小阳春”料将从一、二线城市开始，整体楼市升温或要等到二季度。

　　目前一些积极因素已经显现。贝壳研究院发布的数据显示，今年1月上旬二手房市场的先行指标出现了明显的回升。代表需求的带看量和成交量出现明显回升。从带看量看，1月上旬50个重点城市日均带看量较12月增加22%；从成交量来看，1月上旬50城日均二手房成交量较去年12月增加39%。廊坊、北京等地日均成交较12月翻倍。

　　贝壳研究院预计，疫情期间被抑制的改善型需求会加快释放，2023年一季度核心城市房地产市场有望迎来开门红。58安居客研究院院长张波认为，市场底部已逐步清晰，预计房价稳定及上涨城市数量明显增长将出现在今年二季度。(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）