天下彩票官方|天下彩票下载

楼市出现积极信号！多地二手房市场率先回暖******

　　低迷许久的楼市出现积极信号——多地二手房市场逐步回暖了。

　　近日，多家机构发布1月楼市数据，均显示二手房先于新房明显回暖。比如贝壳研究院称，1月上旬50城日均带看量较12月增加22%，北京、石家庄、廊坊及天津等地增幅均在40%以上；日均成交量较去年12月日均增加39%，廊坊、北京等地日均成交较12月翻倍。

　　业内专家认为，此轮房价下跌已经到底，未来将从核心城市开始逐步企稳回升。二手房一旦活跃起来，就能对新房产生带动作用。一些城市出台了鼓励卖旧买新的政策，卖一买一按照首套房执行，对换房改善也采取了退税优惠，这些政策将在新年发挥更积极的作用。

　　二手房市场低谷回升

　　去年以来，楼市出台了千条调控政策，但新房市场反应平淡，至今都未见明显回温。与之不同的是，二手房市场自去年12月便有所回暖，进入2023年趋势更加明显。

　　贝壳研究院最新监测数据表明，去年12月疫情防控放开初期，二手房市场的交易量有明显反弹，重庆、西安、广州、武汉等城市二手房成交量均出现环比恢复。

　　房价持续下跌的势头也得到缓解。去年12月贝壳50城二手房价格指数环比下跌约1%，跌幅较上月缩小0.3个百分点，环比下跌城市个数较上月减少5个，沈阳、贵州、烟台等城市环比止跌转涨。

　　进入2023年1月上旬，二手房市场继续走暖，带看等多个先行指标明显回升，50城日均成交量较去年12月日均增加39%，廊坊、北京等地日均成交较12月翻倍。

　　同时，作为代表房价走势的先行指标，1月贝壳二手房景气指数结束了长达16个月的不景气，突破20，这表明后续二手房价格将止跌。珠三角、长三角城市群二手房景气度突破20，珠三角区域已经逼近30，预计后期价格止跌走稳动力更强。

　　贝壳研究院首席市场分析师许小乐认为，尽管房地产调控政策的底部早就出现，但“市场底”迟迟不肯出现，主要原因是三重压力：一是对未来收入预期的担忧，二是房企交付风险，三是对房价大幅下降的担忧。但如果把时间拉长到三年看，会有不一样的发现。

　　他表示，通过对2020～2022年重点城市二手住宅房价盘点发现，2019年12月起，重点50城房价上行周期共20个月，累计涨幅11.4%；下行周期17个月，累计降幅11.1%。重点50城房价指数目前已跌回三年前水平，疫情前期货币外溢带来的刺激效应基本出清完毕。

　　经过三年疫情考验，不同城市房价的涨跌不一，50城中房价上涨的城市有18个，最高涨幅41.1%，平均涨幅13.5%；房价下跌的城市有32个，最大跌幅16.4%，平均跌幅8.3%。尽管大多城市房价下跌，但一线城市、长三角、大湾区、成渝都市圈的房价依然比3年前有稳定上涨。

　　许小乐认为，这轮房价下跌已经到底，未来将从核心城市开始逐步企稳回升。四季度以来，购房者的心态已出现些许变化，计划在未来半年内购房的比例显著回升，其中二线城市半年内有购房计划的比例达到21%，置业需求更偏向离市中心近、房子大一些。

　　中银证券研报也显示，二手房市场正全线回暖，2022年12月31日~2023年1月6日，15 城二手房成交面积 98.4 万平方米，环比上升1.9%，同比上升 24.2%；今年1月7日～1月13日，15 城二手房成交面积 136.6 万平方米，环比上升19.9%，一、二、三线城市环比均上升。

　　不过将时间轴拉长，当下二手房市场仍处于低谷回升阶段。浙商证券数据显示，近一周(1.7～1.13)18城二手房成交面积352.1万平方米，处于2020、2021、2022年的下游水平。

　　楼市企稳具备有利条件

　　与二手房市场走势不同，当下新房市场仍寒意阵阵。

　　国家统计局最新发布数据显示，2022年，全国商品房销售面积、销售金额同比分别下降24.3%和26.7%，创历史同期最大跌幅，比2014～2015年库存高压期的跌幅都要大。

　　房价方面，2022年全年，商品房均价下跌了3.2%，已连续11个月下跌。70城数据显示，新房和二手住房价格指数已经连续16个月环比下跌，新房和二手住房同比分别连续9个月和11个月下跌。

　　2022年，房地产开发投资也下跌10%，创下年度最大跌幅。广东省城规院住房政策研究中心首席研究员李宇嘉表示，上一次楼市开发投资承压，还是2015年去库存时期，彼时开发投资仍旧增长1%，2022年楼市的压力是史无前例的。

　　在他看来，2022年，由于房价下跌、买房动力不足，资金链紧张等，金融机构纾困地产的意愿不足，因为资产价格没到底，也担心风险。于是，开发商不得不降价促销，而且力度越来越大。由此，形成了供需两端相互弱化的循环，导致行业全链条下滑。

　　不过，作为国民经济的支柱产业，房地产仍有望回温。国家统计局局长康义于17日表示，初步判断2023年房地产对整个经济的拖累不会比2022年大，房地产市场逐步企稳具有一些有利条件。

　　同日，全国住房和城乡建设工作会议在北京召开，会议强调，一要稳预期，坚持房子是用来住的、不是用来炒的定位，增强政策的精准性协调性，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，努力保持供需基本平衡、结构基本合理、价格基本稳定，同经济社会发展相协调、同住宅产业发展相协调，严控投机炒房。

　　二要防范风险。“一头”抓出险房企，帮助企业自救，同时依法依规处置，该破产的破产，该追责的追责，不让违法违规者“金蝉脱壳”，不让损害群众利益的行为蒙混过关。切实维护购房人合法权益，做好保交楼工作。“一头”抓优质房企，一视同仁支持优质国企、民企改善资产负债状况。

　　三要促进转型。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。要形成房屋安全长效机制，研究建立房屋体检、养老、保险等制度，让房屋全生命周期安全管理有依据、有保障等等。

　　李宇嘉表示，2023年，一边要稳定楼市，一边要纾困企业，一边要保交楼。这三项工作，目前都面临着巨大的挑战。保交楼进入攻坚阶段，剩下的都是难啃的骨头，都是存在资金硬缺口的。疫情后，民生、预期都要休养生息，怎么尽管稳定下来，2023年的工作仍旧艰巨。

　　不过，随着需求端政策加快落实，符合条件的城市首套房贷利率下调，一二线城市政策空间不断释放，更多核心城市的信心有望回升。中指研究院认为，若各地政策执行到位，房地产市场最早或在二季度企稳，乐观情形下，2023年全年商品房销售面积同比或小幅增长，价格逐渐趋稳。

　　许小乐认为，预计2023年越来越多的消费者开始入市，供求关系恢复平衡，市场交易量价迎来温和修复，上半年房价逐步企稳回升。不过，取消行政性干预，意在恢复市场调节机制，并不是鼓励加杠杆炒房。在“房住不炒”政策框架下，市场会向中枢水平靠拢，不会出现报复式大涨。

你的隐私，大数据怎知道？我们又该如何自我保护？******

　　在网络上，每个人都会或多或少，或主动或被动地泄露某些碎片信息。这些信息被大数据挖掘，就存在隐私泄露的风险，引发信息安全问题。面对汹涌而来的5G时代，大众对自己的隐私保护感到越来越迷茫，甚至有点不知所措。那么，你的隐私，大数据是怎么知道的呢？大家又该如何自我保护呢？

　　1.“已知、未知”大数据都知道

　　大数据时代，每个人都有可能成为安徒生童话中那个“穿新衣”的皇帝。在大数据面前，你说过什么话，它知道；你做过什么事，它知道；你有什么爱好，它知道；你生过什么病，它知道；你家住哪里，它知道；你的亲朋好友都有谁，它也知道……总之，你自己知道的，它几乎都知道，或者说它都能够知道，至少可以说，它迟早会知道！

　　甚至，连你自己都不知道的事情，大数据也可能知道。例如，它能够发现你的许多潜意识习惯：集体照相时你喜欢站哪里呀，跨门槛时喜欢先迈左脚还是右脚呀，你喜欢与什么样的人打交道呀，你的性格特点都有什么呀，哪位朋友与你的观点不相同呀……

　　再进一步说，今后将要发生的事情，大数据还是有可能知道。例如，根据你“饮食多、运动少”等信息，它就能够推测出，你可能会“三高”。当你与许多人都在独立地购买感冒药时，大数据就知道：流感即将暴发了！其实，大数据已经成功地预测了包括世界杯比赛结果、股票的波动、物价趋势、用户行为、交通情况等。

　　当然，这里的“你”并非仅仅指“你个人”，包括但不限于，你的家庭，你的单位，你的民族，甚至你的国家等。至于这些你知道的、不知道的或今后才知道的隐私信息，将会把你塑造成什么，是英雄还是狗熊？这却难以预知。

　　2.数据挖掘就像“垃圾处理”

　　什么是大数据？形象地说，所谓大数据，就是由许多千奇百怪的数据，杂乱无章地堆积在一起。例如，你在网上说的话、发的微信、收发的电子邮件等，都是大数据的组成部分。在不知道的情况下被采集的众多信息，例如被马路摄像头获取的视频、手机定位系统留下的路线图、驾车的导航信号等被动信息，也都是大数据的组成部分。还有，各种传感器设备自动采集的有关温度、湿度、速度等万物信息，仍然是大数据的组成部分。总之，每个人、每种通信和控制类设备，无论它是软件还是硬件，其实都是大数据之源。

　　大数据利用了一种名叫“大数据挖掘”的技术，采用诸如神经网络、遗传算法、决策树、粗糙集、覆盖正例排斥反例、统计分析、模糊集等方法挖掘信息。大数据挖掘的过程，可以分为数据收集、数据集成、数据规约、数据清理、数据变换、挖掘分析、模式评估、知识表示等八大步骤。

　　不过，这些听起来高大上的大数据产业，几乎等同于垃圾处理和废品回收。

　　这并不是在开玩笑。废品收购和垃圾收集，可算作“数据收集”；将废品和垃圾送往集中处理场所，可算作“数据集成”；将废品和垃圾初步分类，可算作“数据规约”；将废品和垃圾适当清洁和整理，可算作“数据清理”；将破沙发拆成木、铁、布等原料，可算作“数据变换”；认真分析如何将这些原料卖个好价钱，可算作“数据分析”；不断总结经验，选择并固定上下游卖家和买家，可算作“模式评估”；最后，把这些技巧整理成口诀，可算作“知识表示”。

　　再看原料结构。大数据具有异构特性，就像垃圾一样千奇百怪。如果非要在垃圾和大数据之间找出本质差别的话，那就在于垃圾是有实体的，再利用的次数有限；而大数据是虚拟的，可以反复处理，反复利用。例如，大数据专家能将数据(废品)中挖掘出的旅客出行规律交给航空公司，将某群体的消费习惯卖给百货商店等。总之，大数据专家完全可以“一菜多吃”，反复利用，而且时间越久，价值越大。换句话说，大数据是很值钱的“垃圾”。

　　3.大数据挖掘永远没有尽头

　　大数据挖掘，虽然能从正面创造价值，但是也有其负面影响，即存在泄露隐私的风险。隐私是如何被泄露的呢？这其实很简单，我们先来分解一下“人肉搜索”是如何侵犯隐私的吧！

　　一大群网友，出于某种目的，利用自己的一切资源渠道，尽可能多地收集当事人或物的所有信息；然后，将这些信息按照自己的目的提炼成新信息，反馈到网上与别人分享。这就完成了第一次“人肉迭代”。

　　接着，大家又在第一次人肉迭代的基础上，互相取经，再接再厉，交叉重复进行信息的收集、加工、整理等工作，于是，便诞生了第二次“人肉迭代”。如此循环往复，经过多次不懈迭代后，当事人或物的画像就跃然纸上了。如果构成“满意画像”的素材确实已经证实，至少主体是事实，“人肉搜索”就成功了。

　　几乎可以断定，只要参与“人肉搜索”的网友足够多，时间足够长，大家的毅力足够强，那么任何人都可能无处遁形。

　　其实，所谓的大数据挖掘，在某种意义上说，就是由机器自动完成的特殊“人肉搜索”而已。只不过，这种搜索的目的，不再限于抹黑或颂扬某人，而是有更加广泛的目的，例如，为商品销售者寻找最佳买家、为某类数据寻找规律、为某些事物之间寻找关联等。总之，只要目的明确，那么，大数据挖掘就会有用武之地。

　　如果将“人肉搜索”与大数据挖掘相比，网友被电脑所替代；网友们收集的信息，被数据库中的海量异构数据所替代；网友寻找各种人物关联的技巧，被相应的智能算法替代；网友们相互借鉴、彼此启发的做法，被各种同步运算所替代。

　　各次迭代过程仍然照例进行，只不过机器的迭代次数更多，速度更快，每次迭代其实就是机器的一次“学习”过程。网友们的最终“满意画像”，被暂时的挖掘结果所替代。之所以说是暂时，那是因为对大数据挖掘来说，永远没有尽头，结果会越来越精准，智慧程度会越来越高，用户只需根据自己的标准，随时选择满意的结果就行了。

　　当然，除了相似性外，“人肉搜索”与“大数据挖掘”肯定也有许多重大的区别。例如，机器不会累，它们收集的数据会更多、更快，数据的渠道来源会更广泛。总之，网友的“人肉搜索”，最终将输给机器的“大数据挖掘”。

　　4.隐私保护与数据挖掘“危”“机”并存

　　必须承认，就当前的现实情况来说，大数据隐私挖掘的“杀伤力”，已经远远超过了大数据隐私保护的能力；换句话说，在大数据挖掘面前，当前人类有点不知所措。这确实是一种意外。自互联网诞生以后，在过去几十年，人们都不遗余力地将碎片信息永远留在网上。其中的每个碎片虽然都完全无害，可谁也不曾意识到，至少没有刻意去关注，当众多无害碎片融合起来，竟然后患无穷！

　　不过，大家也没必要过于担心。在人类历史上，类似的被动局面已经出现过不止一次了。从以往的经验来看，隐私保护与数据挖掘之间总是像“走马灯”一样轮换的——人类通过对隐私的“挖掘”，获得空前好处，产生了更多需要保护的“隐私”，于是，不得不再回过头来，认真研究如何保护这些隐私。当隐私积累得越来越多时，“挖掘”它们就会变得越来越有利可图，于是，新一轮的“挖掘”又开始了。历史地来看，人类在自身隐私保护方面，整体处于优势地位，在网络大数据挖掘之前，“隐私泄露”并不是一个突出的问题。

　　但是，现在人类需要面对一个棘手的问题——对过去遗留在网上的海量碎片信息，如何进行隐私保护呢？单靠技术，显然不行，甚至还会越“保护”，就越“泄露隐私”。

　　因此，必须多管齐下。例如从法律上，禁止以“人肉搜索”为目的的大数据挖掘行为；从管理角度，发现恶意的大数据搜索行为，对其进行必要的监督和管控。另外，在必要的时候，还需要重塑“隐私”概念，毕竟“隐私”本身就是一个与时间、地点、民族、文化等有关的约定俗成的概念。

　　对于个人的网络行为而言，在大数据时代，应该如何保护隐私呢？或者说，至少不要把过多包含个人隐私的碎片信息遗留在网上呢？答案只有两个字：匿名！只要做好匿名工作，就能在一定程度上，保护好隐私了。也就是说，在大数据技术出现之前，隐私就是把“私”藏起来，个人身份可公开，而大数据时代，隐私保护则是把“私”公开(实际上是没法不公开)，而把个人身份隐藏起来，即匿名。

　　(作者：杨义先、钮心忻，均为北京邮电大学教授)

　　（文图：赵筱尘 巫邓炎）