-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathfeed.xml
164 lines (157 loc) · 17.1 KB
/
feed.xml
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
<channel>
<title>杨豪-博客 </title>
<link>https://www.howellyang.com/</link>
<language>en-us</language>
<author>Howell Yang</author>
<rights>(C) 2022</rights>
<updated>2022-06-06 01:00:00 +0000 UTC</updated>
<item>
<title>2011-2022中国房价走势分析</title>
<link>https://www.howellyang.com/2022/06/06/house_price_analysis/</link>
<pubDate>Mon, 06 Jun 2022 01:00:00 UTC</pubDate>
<author>Howell Yang</author>
<guid>https://www.howellyang.com/2022/06/06/house_price_analysis/</guid>
<description><h2 id="摘要">摘要</h2>
<p>本文的主要结论如下:</p>
<ul>
<li>目前一线城市的房价仍在继续上涨，二三四线城市房价均略微下跌，跌幅并不大(~2%)。</li>
<li>2011-2022年间，房价的整体变化趋势是2011~2013年基本持平，2013-2014开始第一轮上涨；2014-2015迎来一波下跌，跌幅7%左右；2015-2017快速上涨，2017-2021缓慢上涨；2021-2022部分城市上涨，部分城市缓慢下跌，跌幅2%-3%;</li>
<li>2011-2022年间，中国的城市房价涨幅大约在50%~100%之间；涨幅最高的是深圳，涨幅最低的是温州。</li>
<li>一线、新一线、二线城市的房价涨幅依次递减，三四五线城市的房价涨幅大致相当。</li>
<li>不同面积的新房价格涨幅基本相当，不同面积的二手房价格涨跌幅差异较大: 面积大的房子涨的实收涨幅较大，跌的时候跌幅也更大；</li>
</ul>
<h2 id="问题背景">问题背景</h2>
<p>最近国家出台了一系列促进房地产销售的政策，比如放开限购、降低利率等。关于房价的变化也是众说纷纭，但是我没有看到有人放出房价变化的曲线图。各大房地产销售网站上的房价数据也是各不相同，而且一般只会给出1-2年内的数据。为了更好的分析房价的变化，准确判断房价的当前状态，特此整理一下当前的房价变化曲线，并据此进行一些简单的分析。</p>
<h2 id="分析方法">分析方法</h2>
<h3 id="数据采集">数据采集</h3>
<p>首先想到的办法是用爬虫来爬取各个房产销售网站的数据，但是不同网站的数据差异较大，而且网站放出的数据不全。</p>
<p>目前比较权威的数据来源是国家统计局每个月发布的《70个大中城市住宅销售价格指数》。数据包含2011年至今的70个城市的房价环比、同比变化数据。数据说明:</p>
<ol>
<li>调查范围：各城市的市辖区，不包括县。</li>
<li>调查方法：新建商品住宅销售价格调查为全面调查，基础数据直接采用当地房地产管理部门的网签数据；二手住宅销售价格调查为重点调查和典型调查相结合，基础数据来源于房地产经纪机构上报、相关部门提供和调查员实地采价。</li>
<li>价格指数的计算方法详见《房地产价格统计报表制度》。</li>
<li>如当月无成交，则视为价格总体水平无变动。</li>
</ol>
<h3 id="数据分析">数据分析</h3>
<p>从原始的70个城市的新房和二手房数据的环比数据，可以得到每个城市的房价变化曲线。从70城的销售价格分类指数，可以分别得到不同大小的房子的房价变化。</p>
<p>接下来我们将分别给出以下几个方面的信息，并分别进行大致的分析：</p>
<ol>
<li>70城的新房和二手房的价格曲线，对全国的价格变化有一个感性的认知。</li>
<li>对70城房价曲线分类，按照<a href="https://baike.baidu.com/item/%E4%B8%AD%E5%9B%BD%E5%9F%8E%E5%B8%82%E6%96%B0%E5%88%86%E7%BA%A7%E5%90%8D%E5%8D%95/12702007">中国城市新分级名单
</a>将城市分为一线、新一线、二线、三线、四线、五线城市分别进行统计。然后绘制新房和二手房的房价变化平均曲线图。</li>
<li>对不同城市的价格曲线进行聚类，分为5类分别绘制曲线。因为不同的城市对房价的控制力度不同，通过聚类来只看房价的变化结果。</li>
<li>选择一个城市&ndash;南京为例，分别分析新房和二手房的不同大小的房子的价格变化。</li>
</ol>
<h2 id="结果">结果</h2>
<h3 id="全国70城新房和二手房价格变化曲线图">全国70城新房和二手房价格变化曲线图</h3>
<div style="column-count:2;text-align: center; justify-content: center;">
<img src="https://www.howellyang.com/public/dl/房地产价格分析/全国新房房价变化曲线.png" width="100%">
<img src="https://www.howellyang.com/public/dl/房地产价格分析/全国二手房房价变化曲线.png" width="100%">
</div>
<p>小结:</p>
<ul>
<li>从2011年-2022年，整体上，大城市的房价涨幅在1.8左右，中等城市的房价涨幅在1.5左右，小城市的房价涨幅在1.2左右。</li>
<li>深圳的新房和二手房的涨幅 &gt; 2.5，大幅超过北上广这三个一线城市，领冠全国。</li>
<li>温州的房价经历了一个下降到温和上涨的过程，整体房价和十年前基本持平。在各个城市间，也是一个独特的现象。</li>
<li>房价在14年开始出现了一波下降，在15年左右因为货币化棚改政策开始起飞；17年中开始控房价后房价增幅放缓。</li>
<li>房价增幅上，新房和二手房整体差异不大，基本趋势保持一致。</li>
</ul>
<h3 id="一线城市新一线城市二线城市房价曲线">一线城市、新一线城市、二线城市房价曲线</h3>
<div style="column-count:2;text-align: center; justify-content: center;">
<img src="https://www.howellyang.com/public/dl/房地产价格分析/一二线新房房价变化曲线.png" width="100%">
<img src="https://www.howellyang.com/public/dl/房地产价格分析/一二线二手房房价变化曲线.png" width="100%">
</div>
<p>小结:</p>
<ul>
<li>一线城市4个，新一线城市12个，二线城市24个，三线城市22个，四线城市11个，五线城市6个</li>
<li>不同等级城市的房价分化明显；一线、新一线、二线城市的房价涨幅依次递减，三、四五线城市的房价涨幅差别不大(也存在整体城市很多，而样本数偏少的问题)。</li>
<li>一线城市的二手房房价在经历了21年下半年的回调后，在22年年初开始再次向上。</li>
<li>其它城市的二手房房价则在21年下半年回调后，持续下跌，但降幅并不大；新一线的降幅大约为2%(1.431&ndash;&gt;1.409)，二线城市降幅大约为3%(1.353&ndash;&gt;1.323),三、四、五线城市降幅在3%-4%之间。</li>
<li>新房价格表现出了不同的趋势：在21年回调阶段，新房价格的降幅明显小于二手房。而且新一线城市的房价在22年年初，也呈现出和一线城市类似的再次向上的迹象。</li>
</ul>
<h3 id="城市房价聚类">城市房价聚类</h3>
<div style="column-count:2;text-align: center; justify-content: center;">
<img src="https://www.howellyang.com/public/dl/房地产价格分析/新房价格变化聚类.png" width="100%">
<img src="https://www.howellyang.com/public/dl/房地产价格分析/二手房价格变化聚类.png" width="100%">
</div>
<p>价格变化聚类结果:</p>
<ul>
<li>[&lsquo;深圳&rsquo;]</li>
<li>[&lsquo;北京&rsquo;, &lsquo;上海&rsquo;, &lsquo;南京&rsquo;, &lsquo;合肥&rsquo;, &lsquo;厦门&rsquo;, &lsquo;广州&rsquo;]</li>
<li>[&lsquo;天津&rsquo;, &lsquo;石家庄&rsquo;, &lsquo;无锡&rsquo;, &lsquo;杭州&rsquo;, &lsquo;福州&rsquo;, &lsquo;南昌&rsquo;, &lsquo;赣州&rsquo;, &lsquo;济南&rsquo;, &lsquo;青岛&rsquo;, &lsquo;郑州&rsquo;, &lsquo;武汉&rsquo;, &lsquo;长沙&rsquo;, &lsquo;惠州&rsquo;]</li>
<li>[&lsquo;唐山&rsquo;, &lsquo;秦皇岛&rsquo;, &lsquo;包头&rsquo;, &lsquo;太原&rsquo;, &lsquo;丹东&rsquo;, &lsquo;呼和浩特&rsquo;, &lsquo;锦州&rsquo;, &lsquo;沈阳&rsquo;, &lsquo;吉林&rsquo;, &lsquo;大连&rsquo;, &lsquo;牡丹江&rsquo;, &lsquo;长春&rsquo;, &lsquo;哈尔滨&rsquo;, &lsquo;扬州&rsquo;, &lsquo;徐州&rsquo;, &lsquo;温州&rsquo;, &lsquo;金华&rsquo;, &lsquo;宁波&rsquo;, &lsquo;蚌埠&rsquo;, &lsquo;安庆&rsquo;, &lsquo;泉州&rsquo;, &lsquo;九江&rsquo;, &lsquo;烟台&rsquo;, &lsquo;济宁&rsquo;, &lsquo;洛阳&rsquo;, &lsquo;平顶山&rsquo;, &lsquo;宜昌&rsquo;, &lsquo;襄阳&rsquo;, &lsquo;岳阳&rsquo;, &lsquo;南宁&rsquo;, &lsquo;常德&rsquo;, &lsquo;海口&rsquo;, &lsquo;重庆&rsquo;, &lsquo;湛江&rsquo;, &lsquo;成都&rsquo;, &lsquo;韶关&rsquo;, &lsquo;贵阳&rsquo;, &lsquo;桂林&rsquo;, &lsquo;昆明&rsquo;, &lsquo;北海&rsquo;, &lsquo;西安&rsquo;, &lsquo;三亚&rsquo;, &lsquo;兰州&rsquo;, &lsquo;泸州&rsquo;, &lsquo;西宁&rsquo;, &lsquo;南充&rsquo;, &lsquo;银川
&lsquo;, &lsquo;遵义&rsquo;, &lsquo;乌鲁木齐&rsquo;, &lsquo;大理&rsquo;]</li>
</ul>
<p>小结：</p>
<ul>
<li>聚类之后城市间的分化更加明显，深圳的房价涨幅独树一帜；新房一路上涨，二手房回调后继续上涨。</li>
<li>北上广再加上一些新一线城市，构成第二梯队；新房和二手房在近期基本维持价格不变。</li>
<li>其余城市的新房和二手房价格均出现了小幅度下跌，但下跌幅度十分有限。</li>
</ul>
<h3 id="南京不同面积的房子房价分析">南京不同面积的房子房价分析</h3>
<div style="column-count:2;text-align: center; justify-content: center;">
<img src="https://www.howellyang.com/public/dl/房地产价格分析/南京不同面积新房房价曲线图.png" width="100%">
<img src="https://www.howellyang.com/public/dl/房地产价格分析/南京不同面积二手房房价曲线图.png" width="100%">
</div>
<p>小结:</p>
<ul>
<li>南京新房中，不同面积的新房价格的变化趋势基本一致，都呈现持续上涨的趋势，且大房子的涨幅略高于中小面积的房子;</li>
<li>南京的二手房中，不同面积的房子房价出现了比较大的分化: 面积大的房子在上涨时涨得多，在下跌时也跌得多;</li>
<li>南京的二手房中，&gt;144平米的房子近期的回调幅度达到9%(1.95&ndash;&gt;1.86),90-144平米的房子价格回调幅度约4%(1.709&ndash;&gt;1.668), 90平一下的房子价格跌幅约5%(1.57&ndash;&gt;1.52);</li>
</ul>
<h2 id="reference">Reference</h2>
<ul>
<li>原始数据源: <a href="http://www.gov.cn/xinwen/2022-05/19/content_5691115.htm">http://www.gov.cn/xinwen/2022-05/19/content_5691115.htm</a></li>
<li>数据下载源: <a href="http://www.cirea.org.cn/category/102">http://www.cirea.org.cn/category/102</a></li>
<li>代码下载: <a href="https://www.howellyang.com/public/dl/房地产价格分析/数据及代码.zip" download="数据及代码.zip">数据及代码.zip</a></li>
</ul>
</description>
</item>
<item>
<title>onnx2trt-基于onnx的模型量化精度优化工具</title>
<link>https://www.howellyang.com/2022/05/31/onnx-quantization-for-tensorRT/</link>
<pubDate>Tue, 31 May 2022 23:00:20 UTC</pubDate>
<author>Howell Yang</author>
<guid>https://www.howellyang.com/2022/05/31/onnx-quantization-for-tensorRT/</guid>
<description><h3 id="1-模型量化基本概念">1. 模型量化基本概念</h3>
<p>什么是量化？</p>
<pre tabindex="0"><code></code></pre><p>什么是校准？</p>
<pre tabindex="0"><code></code></pre><p>为什么需要开发这套工具？</p>
<pre tabindex="0"><code></code></pre><h3 id="2-整体代码架构">2. 整体代码架构</h3>
<p>代码的设计思路</p>
<pre tabindex="0"><code></code></pre><p>代码架构图</p>
<pre tabindex="0"><code></code></pre><h3 id="3-工具安装">3. 工具安装</h3>
<pre tabindex="0"><code></code></pre><h3 id="4-工具使用">4. 工具使用</h3>
<pre tabindex="0"><code></code></pre><h3 id="reference">Reference</h3>
<pre tabindex="0"><code>代码参考：韩国人的代码
资料参考：英伟达的文档
</code></pre></description>
</item>
<item>
<title>Welcome</title>
<link>https://www.howellyang.com/2022/05/29/welcome/</link>
<pubDate>Sun, 29 May 2022 22:53:20 UTC</pubDate>
<author>Howell Yang</author>
<guid>https://www.howellyang.com/2022/05/29/welcome/</guid>
<description><p>很高兴你来到了我的博客！这是我的博客的第一篇内容。我决定在之后的日子里，在这里记录和更新我的技术日志，技术分享，以及一些我觉得有意思的项目。</p>
<p>首先，我是一名算法工程师。目前就职于腾讯地图，主要负责模型的量化、部署、性能优化相关的工作。在此之前，我在北京航空航天大学获得了本科和硕士学位。毕业后，我进入了依图科技工作。在依图科技工作期间，我负责了机器翻译模型的训练，基于&quot;求索&quot;芯片的模型量化和部署，模型量化工具的开发等工作。进入腾讯后，主要参与了AR导航项目和GPU算力优化项目。其中我主要负责的内容是视觉定位系统的SDK开发以及模型的量化和部署。</p>
<p>其次，我还是一个热爱技术的人。我喜欢算法研究，算法在具体业务上的提升能给我带来很多成就感。面对我感兴趣的技术问题，我会沉浸其中，持续地研究和实验。目前我比较感兴趣的领域有模型量化和部署、计算机视觉在工作捕捉领域的应用、强化学习算法在量化投资领域的应用比较感兴趣。后续也会逐步发布一些相关的技术文章。</p>
<p>最后，我是一个儿子、男朋友。我是我父母的儿子，是我爱人的男朋友。我很爱我的父母，他们养育了我，在他们力所能及的范围内给了我最好的一切，我永远爱他们。我的女朋友倩倩是世界上最好最好最好的人，我们彼此欣赏，相互尊重。如果这个世界上只有一对真爱，那也一定是我们俩。我们目前正在期待着我们的婚姻，我们想要一辈子一起走。</p>
<p>希望你能在这个博客里，找到你所想要的内容：(1) 帮助你解决了一个技术问题。(2) 让你看到了一些有意思的东西，让你觉得不那么无聊。(3) 让你重拾对世界的信心。</p>
</description>
</item>
<item>
<title>如果构建一个个人博客</title>
<link>https://www.howellyang.com/2022/05/29/how_to_build_your_blog/</link>
<pubDate>Sun, 29 May 2022 22:53:20 UTC</pubDate>
<author>Howell Yang</author>
<guid>https://www.howellyang.com/2022/05/29/how_to_build_your_blog/</guid>
<description><p>说明：这个教程对应的不是我的这个博客，而是另一个我觉得做得很厉害的博客；</p>
<p>详见：https://blog.lindexi.com/</p>
<p>教程：https://blog.lindexi.com/post/%E5%A6%82%E4%BD%95%E4%BD%BF%E7%94%A8%E6%9C%AC%E6%A8%A1%E6%9D%BF%E6%90%AD%E5%BB%BA%E5%8D%9A%E5%AE%A2.html</p>
</description>
</item>
</channel>
</rss>