<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>Yang Hao (杨豪) </title>
    <link>https://www.howellyang.com/</link>
    <language>en-us</language>
    <author>Yang Hao</author>
    <rights>(C) 2022</rights>
    <updated>2022-06-06 01:00:00 &#43;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>Yang Hao</author>
        <guid>https://www.howellyang.com/2022/06/06/house_price_analysis/</guid>
        <description>&lt;h2 id=&#34;摘要&#34;&gt;摘要&lt;/h2&gt;
&lt;p&gt;本文的主要结论如下:&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;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%)。&lt;/li&gt;
&lt;li&gt;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%;&lt;/li&gt;
&lt;li&gt;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。&lt;/li&gt;
&lt;li&gt;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。&lt;/li&gt;
&lt;li&gt;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；&lt;/li&gt;
&lt;/ul&gt;
&lt;h2 id=&#34;问题背景&#34;&gt;问题背景&lt;/h2&gt;
&lt;p&gt;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。&lt;/p&gt;
&lt;h2 id=&#34;分析方法&#34;&gt;分析方法&lt;/h2&gt;
&lt;h3 id=&#34;数据采集&#34;&gt;数据采集&lt;/h3&gt;
&lt;p&gt;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。&lt;/p&gt;
&lt;p&gt;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:&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;调查范围：各城市的市辖区，不包括县。&lt;/li&gt;
&lt;li&gt;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。&lt;/li&gt;
&lt;li&gt;价格指数的计算方法详见《房地产价格统计报表制度》。&lt;/li&gt;
&lt;li&gt;如当月无成交，则视为价格总体水平无变动。&lt;/li&gt;
&lt;/ol&gt;
&lt;h3 id=&#34;数据分析&#34;&gt;数据分析&lt;/h3&gt;
&lt;p&gt;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。&lt;/p&gt;
&lt;p&gt;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：&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;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。&lt;/li&gt;
&lt;li&gt;对70城房价曲线分类，按照&lt;a href=&#34;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&#34;&gt;中国城市新分级名单
&lt;/a&gt;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。&lt;/li&gt;
&lt;li&gt;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。&lt;/li&gt;
&lt;li&gt;选择一个城市--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。&lt;/li&gt;
&lt;/ol&gt;
&lt;h2 id=&#34;结果&#34;&gt;结果&lt;/h2&gt;
&lt;h3 id=&#34;全国70城新房和二手房价格变化曲线图&#34;&gt;全国70城新房和二手房价格变化曲线图&lt;/h3&gt;
&lt;div style=&#34;column-count:2;text-align: center; justify-content: center;&#34;&gt;
&lt;img src=&#34;https://www.howellyang.com/public/dl/房地产价格分析/全国新房房价变化曲线.png&#34; width=&#34;100%&#34;&gt;
&lt;img src=&#34;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&#34; width=&#34;100%&#34;&gt;
&lt;/div&gt; 
&lt;p&gt;小结:&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;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。&lt;/li&gt;
&lt;li&gt;深圳的新房和二手房的涨幅 &amp;gt; 2.5，大幅超过北上广这三个一线城市，领冠全国。&lt;/li&gt;
&lt;li&gt;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。&lt;/li&gt;
&lt;li&gt;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。&lt;/li&gt;
&lt;li&gt;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。&lt;/li&gt;
&lt;/ul&gt;
&lt;h3 id=&#34;一线城市新一线城市二线城市房价曲线&#34;&gt;一线城市、新一线城市、二线城市房价曲线&lt;/h3&gt;
&lt;div style=&#34;column-count:2;text-align: center; justify-content: center;&#34;&gt;
&lt;img src=&#34;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&#34; width=&#34;100%&#34;&gt;
&lt;img src=&#34;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&#34; width=&#34;100%&#34;&gt;
&lt;/div&gt; 
&lt;p&gt;小结:&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;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&lt;/li&gt;
&lt;li&gt;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)。&lt;/li&gt;
&lt;li&gt;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。&lt;/li&gt;
&lt;li&gt;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--&amp;gt;1.409)，二线城市降幅大约为3%(1.353--&amp;gt;1.323),三、四、五线城市降幅在3%-4%之间。&lt;/li&gt;
&lt;li&gt;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。&lt;/li&gt;
&lt;/ul&gt;
&lt;h3 id=&#34;城市房价聚类&#34;&gt;城市房价聚类&lt;/h3&gt;
&lt;div style=&#34;column-count:2;text-align: center; justify-content: center;&#34;&gt;
&lt;img src=&#34;https://www.howellyang.com/public/dl/房地产价格分析/新房价格变化聚类.png&#34; width=&#34;100%&#34;&gt;
&lt;img src=&#34;https://www.howellyang.com/public/dl/房地产价格分析/二手房价格变化聚类.png&#34; width=&#34;100%&#34;&gt;
&lt;/div&gt; 
&lt;p&gt;价格变化聚类结果:&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;[&#39;深圳&#39;]&lt;/li&gt;
&lt;li&gt;[&#39;北京&#39;, &#39;上海&#39;, &#39;南京&#39;, &#39;合肥&#39;, &#39;厦门&#39;, &#39;广州&#39;]&lt;/li&gt;
&lt;li&gt;[&#39;天津&#39;, &#39;石家庄&#39;, &#39;无锡&#39;, &#39;杭州&#39;, &#39;福州&#39;, &#39;南昌&#39;, &#39;赣州&#39;, &#39;济南&#39;, &#39;青岛&#39;, &#39;郑州&#39;, &#39;武汉&#39;, &#39;长沙&#39;, &#39;惠州&#39;]&lt;/li&gt;
&lt;li&gt;[&#39;唐山&#39;, &#39;秦皇岛&#39;, &#39;包头&#39;, &#39;太原&#39;, &#39;丹东&#39;, &#39;呼和浩特&#39;, &#39;锦州&#39;, &#39;沈阳&#39;, &#39;吉林&#39;, &#39;大连&#39;, &#39;牡丹江&#39;, &#39;长春&#39;, &#39;哈尔滨&#39;, &#39;扬州&#39;, &#39;徐州&#39;, &#39;温州&#39;, &#39;金华&#39;, &#39;宁波&#39;, &#39;蚌埠&#39;, &#39;安庆&#39;, &#39;泉州&#39;, &#39;九江&#39;, &#39;烟台&#39;, &#39;济宁&#39;, &#39;洛阳&#39;, &#39;平顶山&#39;, &#39;宜昌&#39;, &#39;襄阳&#39;, &#39;岳阳&#39;, &#39;南宁&#39;, &#39;常德&#39;, &#39;海口&#39;, &#39;重庆&#39;, &#39;湛江&#39;, &#39;成都&#39;, &#39;韶关&#39;, &#39;贵阳&#39;, &#39;桂林&#39;, &#39;昆明&#39;, &#39;北海&#39;, &#39;西安&#39;, &#39;三亚&#39;, &#39;兰州&#39;, &#39;泸州&#39;, &#39;西宁&#39;, &#39;南充&#39;, &#39;银川
&#39;, &#39;遵义&#39;, &#39;乌鲁木齐&#39;, &#39;大理&#39;]&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;小结：&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;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。&lt;/li&gt;
&lt;li&gt;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。&lt;/li&gt;
&lt;li&gt;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。&lt;/li&gt;
&lt;/ul&gt;
&lt;h3 id=&#34;南京不同面积的房子房价分析&#34;&gt;南京不同面积的房子房价分析&lt;/h3&gt;
&lt;div style=&#34;column-count:2;text-align: center; justify-content: center;&#34;&gt;
&lt;img src=&#34;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&#34; width=&#34;100%&#34;&gt;
&lt;img src=&#34;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&#34; width=&#34;100%&#34;&gt;
&lt;/div&gt; 
&lt;p&gt;小结:&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;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;&lt;/li&gt;
&lt;li&gt;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;&lt;/li&gt;
&lt;li&gt;南京的二手房中，&amp;gt;144平米的房子近期的回调幅度达到9%(1.95--&amp;gt;1.86),90-144平米的房子价格回调幅度约4%(1.709--&amp;gt;1.668), 90平一下的房子价格跌幅约5%(1.57--&amp;gt;1.52);&lt;/li&gt;
&lt;/ul&gt;
&lt;h2 id=&#34;reference&#34;&gt;Reference&lt;/h2&gt;
&lt;ul&gt;
&lt;li&gt;原始数据源: &lt;a href=&#34;http://www.gov.cn/xinwen/2022-05/19/content_5691115.htm&#34;&gt;http://www.gov.cn/xinwen/2022-05/19/content_5691115.htm&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;数据下载源: &lt;a href=&#34;http://www.cirea.org.cn/category/102&#34;&gt;http://www.cirea.org.cn/category/102&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;代码下载: &lt;a href=&#34;https://www.howellyang.com/public/dl/房地产价格分析/数据及代码.zip&#34; download=&#34;数据及代码.zip&#34;&gt;数据及代码.zip&lt;/a&gt;&lt;/li&gt;
&lt;/ul&gt;
</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>Yang Hao</author>
        <guid>https://www.howellyang.com/2022/05/31/onnx-quantization-for-tensorRT/</guid>
        <description>&lt;h3 id=&#34;1-模型量化基本概念&#34;&gt;1. 模型量化基本概念&lt;/h3&gt;
&lt;p&gt;什么是量化？&lt;/p&gt;
&lt;pre tabindex=&#34;0&#34;&gt;&lt;code&gt;&lt;/code&gt;&lt;/pre&gt;&lt;p&gt;什么是校准？&lt;/p&gt;
&lt;pre tabindex=&#34;0&#34;&gt;&lt;code&gt;&lt;/code&gt;&lt;/pre&gt;&lt;p&gt;为什么需要开发这套工具？&lt;/p&gt;
&lt;pre tabindex=&#34;0&#34;&gt;&lt;code&gt;&lt;/code&gt;&lt;/pre&gt;&lt;h3 id=&#34;2-整体代码架构&#34;&gt;2. 整体代码架构&lt;/h3&gt;
&lt;p&gt;代码的设计思路&lt;/p&gt;
&lt;pre tabindex=&#34;0&#34;&gt;&lt;code&gt;&lt;/code&gt;&lt;/pre&gt;&lt;p&gt;代码架构图&lt;/p&gt;
&lt;pre tabindex=&#34;0&#34;&gt;&lt;code&gt;&lt;/code&gt;&lt;/pre&gt;&lt;h3 id=&#34;3-工具安装&#34;&gt;3. 工具安装&lt;/h3&gt;
&lt;pre tabindex=&#34;0&#34;&gt;&lt;code&gt;&lt;/code&gt;&lt;/pre&gt;&lt;h3 id=&#34;4-工具使用&#34;&gt;4. 工具使用&lt;/h3&gt;
&lt;pre tabindex=&#34;0&#34;&gt;&lt;code&gt;&lt;/code&gt;&lt;/pre&gt;&lt;h3 id=&#34;reference&#34;&gt;Reference&lt;/h3&gt;
&lt;pre tabindex=&#34;0&#34;&gt;&lt;code&gt;代码参考：韩国人的代码

资料参考：英伟达的文档
&lt;/code&gt;&lt;/pre&gt;</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>Yang Hao</author>
        <guid>https://www.howellyang.com/2022/05/29/welcome/</guid>
        <description>&lt;p&gt;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。&lt;/p&gt;
&lt;p&gt;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&amp;quot;求索&amp;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。&lt;/p&gt;
&lt;p&gt;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。&lt;/p&gt;
&lt;p&gt;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。&lt;/p&gt;
&lt;p&gt;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。&lt;/p&gt;
</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>Yang Hao</author>
        <guid>https://www.howellyang.com/2022/05/29/how_to_build_your_blog/</guid>
        <description>&lt;p&gt;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；&lt;/p&gt;
&lt;p&gt;详见：https://blog.lindexi.com/&lt;/p&gt;
&lt;p&gt;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&lt;/p&gt;
</description>
      </item>
    
  </channel>
</rss>
