kk彩票- -（中国）互动百科

2022年12月份70城中 近八成新房售价环比下降******

　　本报记者 孟 珂

　　1月16日，国家统计局发布数据显示，去年12月份，70个大中城市中商品住宅销售价格下降城市个数有所增加，各线城市商品住宅销售价格环比持平或下降，一线城市同比上涨、二三线城市同比下降。

　　从环比看，去年12月份，70个大中城市中，新建商品住宅销售价格环比下降城市有55个，比11月份增加4个；二手住宅销售价格环比下降城市有63个，比11月份增加1个。

　　广东省城规院住房政策研究中心首席研究员李宇嘉在接受《证券日报》记者采访时表示，房价下跌城市增加，当下楼市供给需求两端表现仍然偏弱。“三支箭”落地需要推进，特别是商品房销售还较为低迷，开发商资金链依旧紧张，降价促销是房企不得不为的选择。

　　具体来看，去年12月份，一线城市新建商品住宅销售价格环比由11月份下降0.2%转为持平。二手住宅销售价格环比下降0.5%，降幅比11月份扩大0.1个百分点。其中，北京、上海新房价格分别环比上涨0.2%、0.4%，广州、深圳新房价格分别环比下降0.4%、0.3%；二手房方面，北上广深价格均环比下降，降幅分别为0.4%、0.5%、0.6%、0.5%。

　　此外，二线城市新建商品住宅销售价格环比下降0.3%，降幅比11月份扩大0.1个百分点；二手住宅销售价格环比下降0.4%，降幅与11月份相同。三线城市新建商品住宅销售价格环比下降0.3%，降幅与11月份相同；二手住宅销售价格环比下降0.4%，降幅比11月份收窄0.1个百分点。

　　从同比看，去年12月份，70个大中城市中，新建商品住宅销售价格同比下降城市有53个，比11月份增加2个；二手住宅销售价格同比下降城市有64个，个数与11月份相同。

　　去年12月份，一线城市新建商品住宅销售价格同比上涨2.5%，涨幅与11月份相同；二手住宅销售价格同比上涨0.6%，涨幅比11月份回落0.6个百分点。二线城市新建商品住宅销售价格同比下降1.1%，降幅比11月份收窄0.1个百分点；二手住宅销售价格同比下降3.2%，降幅与11月份相同。三线城市新建商品住宅和二手住宅销售价格同比分别下降3.9%和4.8%，降幅均与11月份相同。

　　中原地产首席分析师张大伟对《证券日报》记者表示，在多重因素影响下，去年标杆房企销售萎缩，土地市场流标持续，购房者信心不足，整体楼市持续低迷。

　　值得关注的是，1月5日，中国人民银行网站发布消息称，近日，人民银行、银保监会发布《关于建立新发放首套住房个人住房贷款利率政策动态调整长效机制的通知》，决定建立首套住房贷款利率政策动态调整机制。

　　据中指研究院监测显示，截至1月11日，年内已有22个省市发布22条楼市宽松政策，主要涉及优化限购政策、降低首付比例、提高公积金额度、发放购房补贴、优化预售资金监管等方面。

　　例如：1月5日，据乌鲁木齐市房产局微信公众号消息，近日，新疆乌鲁木齐市人民政府发布《关于促进房地产业平稳发展的22条措施》中提到，2023年首次购买本市辖区范围内，面积130平方米(含)以内新建商品住房的，按税法规定缴纳契税并取得税务部门开具的契税完税凭证的纳税人，契税金额的50%由财政资金给予补贴。

　　1月9日，东莞市住建局更新“莞e认购”小程序中的温馨提示内容，并对“关于差别化住房信贷政策”进行了调整。其中，对首次购买住房且无房无贷的居民家庭，贷款最低首付款比例为20%，利率下限为LPR-20BP(即4.1%)。

　　展望后市，李宇嘉表示，近期政策全面发力，刚需不断释放，楼市预期向好。预计2023年二季度热点城市交易量将逐步企稳并缓慢回升，有望在下半年带动都市圈周围城市好转。(证券日报)

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）