北大12人、清华6人!共128名外语类+11名竞赛类!上海2020年保送生名单出炉,

日前,教育部阳光高考信息公开平台对2020年保送生拟录取名单进行了公示,51所高校合计拟录取2068人。

 

其中,上海今年表现颇佳,共计139人被保送拟录取:

 

北大12人、清华6人!共128名外语类+11名竞赛类!上海2020年保送生名单出炉,今年亮点颇多!

接下来我们重点看看哪些高中学校今年表现亮眼吧!

 

北大12人、清华6人!共128名外语类+11名竞赛类!上海2020年保送生名单出炉,今年亮点颇多!

上海今年拟录取的保送生来自以上6所学校。由于保送生以语言类为主,所以上海的两所具有外语类专业保送资格的学校——上外附中和浦外历年都是最大的赢家,尤其是上外附中每年在保送生录取人数上都是遥遥领先。

 

每年的外国语中学保送名额两校合计基本都有130个左右,今年又是包揽上海的语言类保送生名额。

 

北大12人、清华6人!共128名外语类+11名竞赛类!上海2020年保送生名单出炉,今年亮点颇多!

北大12人、清华6人!共128名外语类+11名竞赛类!上海2020年保送生名单出炉,今年亮点颇多!

两校今年的保送生一共129人,其中语言类保送生合计128人,另外上外附中还有1人凭借奥赛的实力进入信息竞赛国家集训队,从而被保送清华大学计算机类专业。可见上外附中不但语言类强悍,在理工科人才的培养上也不落下风。

11名竞赛类保送生除了上外附中1人外,还有华二6人,上中2人,交附和松江二中各1人。

 

北大12人、清华6人!共128名外语类+11名竞赛类!上海2020年保送生名单出炉,今年亮点颇多!

可以发现奥赛类保送生的含金量极高,去向都是清华或北大,专业也是理工科为主,并且无一例外都是凭借五大学科竞赛之一的国集队成员身份得以被保送,且保送的专业也与获奖学科有关。

 

上海今年更是集齐了数学、物理、化学、生物、信息学五大学科竞赛的集训队成员,可见上海高中的竞赛实力之强!

四校凭借强悍的奥赛实力,几乎每年都会有学生进入国家集训队,从而获得保送资格。今年除复旦附中外,其他三校保送生合计9人。

今年更是杀出了“黑马”学校松江二中,崔同学凭借实力入选生物竞赛国家集训队,并保送至清华大学!其实松江二中这几年在竞赛上的表现十分出色,在各类学科竞赛上进入第一梯队已经不是第一次了,不过能有学生保送到清华大学还是值得我们竖起大拇指!

总体来看,上海今年的保送成绩亮点颇多,尤其是北大保送数量上相比去年大提高:

2019年,8人保送至清华大学,3人保送至北京大学。

2020年,6人保送至清华大学,12人保送至北京大学。

北大保送数猛增9个,是去年的4倍之多。清华北大合计增加了7个!

最后附上完整名单:

北大12人、清华6人!共128名外语类+11名竞赛类!上海2020年保送生名单出炉,今年亮点颇多!

北大12人、清华6人!共128名外语类+11名竞赛类!上海2020年保送生名单出炉,今年亮点颇多!

北大12人、清华6人!共128名外语类+11名竞赛类!上海2020年保送生名单出炉,今年亮点颇多!

读懂一个 Demo就能入门机器学习?

作者: 东泽 EuryChen 

来源: 东泽聊技术

读懂一个 Demo就能入门机器学习?我们总有一种感觉,机器学习门槛高、难入门。这是因为这里有太多晦涩的概念「神经网络」、「评估指标」、「优化算法」等让初学者老是有种盲人摸象的感觉。甚至连理解一个 Tensorflow 官方 Demo 都感觉吃力,因此不少开发者就有过「机器学习从入门到放弃」的经历。本文站在全局视角,通过分析一个 TensorFlow 官方的 Demo 来达到俯瞰一个「机器学习」系统的效果,从而让读者看清这个头大象的全貌,帮助初学者入门「机器学习」。

理解机器学习

「机器学习」的目的就是利用已有答案来寻找规则,从而做出预测。

  • 「传统系统」的目标是获得答案
  • 「机器学习」的目标是利用已有答案获得规则

读懂一个 Demo就能入门机器学习?

正是因为「机器学习」的目标是获得规则,人们便可以拿它来做各种预测:股票走势、彩票号码、服饰推荐、甚至预测员工何时离职。图片识别本质上也是找到规则。比如要识别一张图片物体是否有一只猫咪,那么胡须、耳朵、绒毛等都可以作为猫咪的特征值,而定义特征值就是在定义成为一只猫的组成规则。

详解一个机器学习 Demo

学习一项技能最好方法就是去使用它。这部分我们来看一个 TensorFlow Demo。TensorFlow 是 Google 推出的深度学习框架,基本信息我就不多做介绍了。我要介绍的是如何读懂这个 Demo。你可能会问,一个 Demo 有那么难懂么?对于「机器学习」的初学者来说,如若不懂「神经网络」、「损失函数」、「评估指标」等概念,还真是挺难读懂一个 Demo 的。

看下这个 Demo,代码不多,我全部贴出来了。读懂一个 Demo就能入门机器学习?看到这部分代码的全貌,什么感觉?我第一次读到的感觉是:「语法都能看懂,但就是不知道你这是要干啥!」如果你也有这样的感觉,那么我建议你认真把这篇文章读完。这个 Demo 实际上是要训练一个可以识别手写数字的模型(Model), 要识别的手写数字长这样:读懂一个 Demo就能入门机器学习?你也许一下子会有很多问号。手写数字?图片在哪?怎么识别?别急,下面我来为大家详解这个 Demo。

数据准备

人工智能领域中的数据是什么?我们从 TensorFlow 这个框架的名字中就能看出来 — Tensor(张量)形成的 Flow(流)。在「人工智能」领域,绝大部分数据都是以 Tensor 的形式存在,而 Tensor 可以直接理解成多维数组。读懂一个 Demo就能入门机器学习?

举个例子: 要把一张图片输入到人工智能模型中。我们第一反应是要先把图片数字化,用 Base64 来表示这张图、或者用二进制等等。但是对于人工智能系统,最佳方式是把图片转换成 Tensor。我们试试用 Tensor 来表示一张 像素 3*3 、背景为白色、对角线为黑色的图片:

读懂一个 Demo就能入门机器学习?读懂一个 Demo就能入门机器学习?运行代码之后,我们就得到了那张对角线是黑色的 3*3 图片。这就是用一个四阶 Tensor 表示一张图片,Tensor 形状为 (1, 3, 3) 。同理如果要表示 6000 张 28*28 的图片,那么 Tensor 的形状就是  (6000, 28, 28)

现在我们阅读第一部分的代码:读懂一个 Demo就能入门机器学习?「MNIST」(Mixed National Institute of Standards and Technology database) 是美国国家标准与技术研究院收集整理的大型手写数字数据库,包含 60,000 个示例的训练集以及 10,000 个示例的测试集,里面的图片长这样。读懂一个 Demo就能入门机器学习?这些图片都是通过空间的矩阵的方式存储的:读懂一个 Demo就能入门机器学习?

这样我们就明白这段代码的意思了,是从 mnist 中获取用于训练的的数据集集( x_trian,y_train ),以及用于测试的数据集( x_test,y_test )。

  • x_trian 形状为 (6000, 28, 28) ,表示 6000 张 28*28的图片。
  • y_trian 形状为 (6000,),表示 x_train 对应的数字答案。

模型(model)是什么

得到了数据集之后,是不是可以开始训模型了?别急,我们要搞清楚模型是什么,Tensorflow 文档是这样定义模型:

读懂一个 Demo就能入门机器学习?在机器学习中,模型( Model )是一个具有可学习参数的函数,它将输入映射到输出。最优参数是通过在数据上训练模型获得的。一个训练有素的模型将提供从输入到所需输出的精确映射。

我来帮你们翻译一下这个定义:模型是个函数,这里面内置了很多参数,这些参数的值会直接影响模型的输出结果。有意思的是这些参数都是可学习的,它们可以根据训练数据的来进行调整来达到一组最优值,使得模型的输出效果最理想。

  • 那么模型里参数又是什么?
  • Demo 当中模型传入的 4 个Layer 又是什么含义?

读懂一个 Demo就能入门机器学习?

  • 模型又是如何训练的?

想要知道这些问题答案,那么:「先生小姐,泳泳健身,呃不。神经网络,了解一下」

神经网络 ( Neural Network )

神经网络 ( Neural Network )顾名思义,就是用神经元 ( Neuron )连接而成的网络( Network )。那么什么是神经元?

读懂一个 Demo就能入门机器学习?机器学习中的神经元( Neuron ) 源于生物神经网络 — 通过电位变化表示“兴奋”的生物神经元。在机器学习领域,一个神经元其实是一个计算单元。它需要被输入N 个信号后开始计算(兴奋),这些信号通过带权重(weights)的连接传递给了神经元,神经元通过加权求和,计算出一个值。然后这个值会通过激活函数( activation function )的处理,产生输出,通常是被压缩在 0~1 之间的数字。

读懂一个 Demo就能入门机器学习?

Demo 当中,第一个 Layer 就是把就是把 28*28 的图片展开成一个包含 784 个神经元一维数组。

...
# 第一个 Layer
# 神经元展开成一维数组
tf.keras.layers
.Flatten(input_shape=(28, 28)),
...

读懂一个 Demo就能入门机器学习?

第二个 Layer:

...
tf.keras.layers
.Dense(128, activation='relu'),
...

Layer2 传入了参数 activation='relu',意思是用 relu 作为激活函数 。我们先来理解下什么是「激活函数」,

读懂一个 Demo就能入门机器学习?当我们的大脑同时接收到大量信息时,它会努力理解并将信息分为 「有用 」和 「不那么有用 」的信息。在神经网络的情况下,我们需要一个类似的机制来将输入的信息分为 「有用 」或 「不太有用」。这对机器学习很重要,因为不是所有的信息都是同样有用的,有些信息只是噪音。这就是激活函数的作用,激活函数帮助网络使用重要的信息,抑制不相关的数据点。

例如 Demo 中,Layer1 输出 784 个神经元,并不是全部激活的。而只有激活神经元才能对 Layer2 产生刺激,而 layer4 输出10个神经元,其中第 2 个神经元激活,表示识别结果为 1 的概率是 99%。读懂一个 Demo就能入门机器学习?

所以 relu 是激活函数的一种,用于神经元的激活 — 根据上一个 Layer 给予的刺激算出神经元最后输出(显示)的那个数字。Layer2 层有 128个神经元,这128个神经元会和 Layer1 中 728 个神经元相互连接,共将产生 728 * 128 =93184 权重(weights)各自不同的连接 。Layer1 中神经元的输出将与连接到 layer2 的权重值进行加权求和,得到的结果会被带入 relu 函数,最终输出一个新的值作为 Layer2 中神经元的输出。

读懂一个 Demo就能入门机器学习?

第三个 Layer

...
  tf.keras.layers.Dropout(0.2),

Dropout layer 的主要作用就是防止过度拟合。过渡拟合现象主要表现是:最终模型在训练集上效果好;在测试集上效果差。模型泛化能力弱。Dropout 解决过度拟合的办法之一,就是随机丢弃一部神经元。Demo 当中就是使用 Dropout 随机丢弃 20% 神经元。读懂一个 Demo就能入门机器学习?

第四个 Layer

...
tf.keras.layers
.Dense(10, activation='softmax')
...

Layer4 上有 10 个神经元,并使用 softmax作为激活函数,这 10个神经元的输出就是最终结的结果。下图为识别一个手写数字 1 的整个过程,各层神经元逐层激活,最终输出预测结果。读懂一个 Demo就能入门机器学习?

到这里,我们通过了解 4 个Layer之间的作用关系简单的了解了一个神经网络的运作方式。

模型训练补充

读懂一个 Demo就能入门机器学习?要读懂这段代码,我们要先通过一个类比来理解下什么是: 损失函数( Loss Function )优化算法( Optimization Algorithms )评价指标( Evaluation Metrics )假如一名男士要开始锻炼身体,目标是胸围达到 120cm,且身材看起来匀称(别太壮):

  • 经过反复训练,他的胸围达到了 110cm,那么我们可以把Loss = |目标(120cm)- 当前(110cm)|作为一个最简单的损失函数(Loss Function)。而 Demo 中的 Loss Function 用的是 – 稀疏类别交叉熵(sparse_categorical_crossentropy),这个算法的特点就是擅长分类。
  • 是否达成目标,不能仅仅使用损失函数来判断。身材匀称、美观也很重要,而评价指标(Evaluation Metrics )的作用就给我们提供了一个评判标准。
  • 接下来我们就要寻找产生 Loss 的规律,Loss 不仅仅是胸围小于 120cm 的损失,胸围大于 120cm 而导致美感损失也是 Loss 的一部分。因此想达到最佳效果,既不能运动量不足也不能用力过猛,要找到一个平衡力量和美感的中间值。我们给予训练要素不同的权重( Weights ),蛋白质补充权重为w0、胸肌上沿训练强度w1、胸肌中部训练强度w2、胸肌下沿训练强度w3、有氧运动训练强度w4 等等。最后得到一个权重的一维数组 [w1, w2…wn] 。像这样,通过不断调整 [w1, w2…wn] 得出最优输出的方法,就是优化算法( Optimization Algorithms )。

了神经网络的模型、层、权重、优化算法、损失函数以及评估指标等之后,我们就可以读懂 Demo 中那段代码了。现在尝试画一张神经网络的工作流程图,串一串一个神经网络的工作流程。读懂一个 Demo就能入门机器学习?

训练与测试

读懂一个 Demo就能入门机器学习?这部分很好理解,带入数据训练、测试就好。说一下 epochs 。在神经网络领域,一个 epoch 是指整个训练数据集的训练一个周期。1 epoch = 1正向传播( forward pass )+ 1 反向传播( backward pass )(我们可以简单的理解,正向传播目的是为了获得预测结果,反向传播目的是调整到最优的权重(weights),来让 Loss 最小化。)

Demo 中 epochs = 5 是因为 1次 epoch 很可能得不到最优的权重(weights)。既然 1 次不能满足,那就 5 次,5 次还不满足就 10 次,直到效果最小化 Loss 的效果不再变化。

读懂一个 Demo就能入门机器学习?


总结

如果认真阅读了本文,那么我相信你已经对人工智能已经有了一点整体的认识,本文给了你一个鸟瞰人工智能的视角,摆脱了盲人摸象的感觉。这虽然不是魔法,能立刻把你变成人工智能大神,但对基本架构的进一步理解会增强你对人工智能的自学能力。无论你是从事前端、后端、全栈等技术开发者,或者只是对人工智能感兴趣,我都希望本文可以带给你一个新的视角去理解人工智能,让你读有所思,思有所得,得有所想,想有所获,获有所益。
如果你在阅读之后认为本文对你有帮助,请点击右下角「在看」,不胜感谢。

·END·

转自:https://mp.weixin.qq.com/s/2ZTiEAunrYks5SlDm-o1NA

金凰珠宝黄金抵押

有种你报警抓我啊

最近,财新传媒报道了湖北金凰珠宝和多家金融机构的一起大案,故事蜿蜒曲折。

 

10年前,武汉金凰珠宝将一批黄金抵押给了一位小贷老板。信佛的老板去了趟西藏,向一座寺庙布施了两块金条。后来,老板接到了仁波切的电话:

 

你怎么能拿铜块来骗佛祖?

 

5年后,金凰珠宝故技重施,他们用黄金做抵押,向15家金融机构融资200亿,人保等保险公司还给这些融资提供了保险。

 

2019年下半年开始,金凰珠宝的项目陆续违约,但机构们并不捉急,因为金凰珠宝的黄金在大家手里。

 

今年2月,东莞信托对金凰珠宝质押的黄金进行检测时发现,所谓的金条就是铜棍。

 

佛祖远在天边,兑付近在眼前。今年10月,所有的信托都会到期,涉及资金160亿,对应黄金80吨。

 

惊慌失措的机构们陆续发现自己手里的抵押物都是铜棍。据财新报道,金凰珠宝董事长贾志宏强烈阻止机构们检测无果后,给民生信托发去的短信最后两个字是:

 

别了。

 

80吨重的锅不论是信托还是保险,谁也背不动,案子惊动了湖北省的方方面面。

 

乃悟查了一下,金凰珠宝是武汉当地的明星企业,创始人贾志宏早年投身军旅,退伍后曾在香港待了6年,97之后,贾志宏回到了内地。

 

铜锣湾罩得住的大哥都喜欢开金铺,贾志宏也一样。

 

2002年贾志宏成立了金凰珠宝,刚开始,公司就是个作坊,大家生产全靠一双手。

 

恰好,贾总发现一家叫厦门喜美的台商公司正要出售珠宝设备,贾总果断拿出1个亿,买下了台湾同胞的设备和原材料。

 

这些钱都是怎么来的?贾志宏后来说,是他炒股所得。

 

贾总可真厉害,几年前身穿白大褂在大桥上被带走的徐翔,2002年都没有1个亿。

 

不管怎么说,公司算是搞起来了。贾总不但炒股厉害,交朋友也很豪爽,金凰珠宝当时有44个股东,贾总说,这都是他的朋友。

 

2008年,金凰珠宝申请在A股上市,乃悟算了算,44个朋友每个都能成为千万富翁。郝大星说,我怎么就没有贾总这样的朋友?

 

金凰珠宝那次上市并不顺利,2008年一季度,前5大客户珠宝采购量从上一年的4吨暴涨到了一个季度的94吨。连瑞幸咖啡都做不到销售额暴涨100倍,请问你们凭什么?

 

还好,美国人认可了贾总。2010年,金凰珠宝成功登陆纳斯达克。

 

虽然在美国上市了,但贾总一直心心念念祖国的股市。

 

2016年,A股上市公司武昌鱼遭到两家公司联合举牌,背后就是贾志宏和金凰珠宝。由于动静太大,举牌遭到了证监会调查,贾总的A股梦暂时中止。

 

很快,湖北省国资委旗下的三环集团混改,贾总披荆斩棘击败所有对手,直接控股了这家上市公司。

 

但收购后没多久,三环的前领导被抓,湖北省巡视组发现,当初为三环做评估的中联资产评估师在三环总经理助理的指示下,蓄意压低了资产估价,造成了严重的国有资产流失。

 

2019年底,两位评估师被判刑。贾总控制一家A股上市公司的梦想又一次中止。

 

这些梦想太花钱了,所以才有了5年前贾总陆续向机构们抵押黄金融资200亿的故事。

 

6月初,财新传媒记者采访过贾志宏,问他黄金真假。声如洪钟,黑白通吃的贾总说:

 

如果有假,东莞信托为什么不报警?报警抓人不就完了吗?

 

对啊,东莞信托2月初就发现金条是假的,为什么不找警察叔叔也不找金凰珠宝,放任贾总在外面潇潇洒洒,却一直揪着保险公司不放?

 

乃悟想了想,可能是因为贾总的朋友太多了。比如金凰珠宝的股东里,有一位秦女士就很不简单,当年金凰珠宝招股书里写了她家在北京西城区后海的住址。

 

前段时间星球写过西城区教委学区派位的电脑出了问题,不知道秦女士家的孩子都顺利入学了吗?

有种你报警抓我啊

乃悟微信:yangnw0705

备注公司-职业更易通过

有种你报警抓我啊

给我一个在看,我能撬动整个星球有种你报警抓我啊

今天,这两件事刷爆朋友圈,关系到10亿人的钱包!

今天,两件事引起了头条君的注意。

一是租房行业迎来至暗时刻,行业老大“自如”因为缺钱(长期亏损)扛不住了,和房东闹起纠纷:要么降房租、要么解约

 

今天,这两件事刷爆朋友圈,关系到10亿人的钱包!

 

简单的来说,自如作为中介只是二房东,因为疫情,快要撑不下去了。听说年初就给租客涨了一波价,至今还没法儿渡过难关,现在又拿房东开刀,倒逼房东让利。

 

之前资本扩张时期,自如签下了大量的空置房,没想到步子迈大了,根本租不出去。

 

第二件事关于信用卡,银保监会专门发文,理性透支,不要以卡养卡,以贷养贷。

今天,这两件事刷爆朋友圈,关系到10亿人的钱包!

乍一看,这两件事没什么关联,但细思极恐。

 

为什么以卡养卡,因为还不起钱。为什么租房市场空置率高?因为租的人少了。

 

以前租房市场何等风光!去年头条君看中了稍微凑合一点的房子,说回去考虑一下,打算第二天签,结果当天就被别人租走了。

 

现在呢?无人问津。

 

什么人才会租房?穷人。租房市场萧条说明什么?

 

一句话总结:打工挣钱的人养不起租房中介了。

 

简单的衣食住行,出了问题。说明工薪阶层的口袋出问题了。

 

事物都有两面性,虽然穷人已经交不起房租,但富人的消费却越来越火爆

 

普通消费品和服务类价格低迷,高端消费品价格却在上涨:

 

奢侈品牌包括LV、香奈儿、普拉达等都有涨价行为,涨价幅度甚至超过往年正常水平。

 

今天,这两件事刷爆朋友圈,关系到10亿人的钱包!

有一天,头条君路过北京著名的奢侈品购物天堂SKP里面的人多得跟菜市场似的。不知道的人还以为不要钱。

 

一点儿不夸张。

 

里面随便一个包都是好几万,这一大帮子人听说奢侈品要涨价了,所以都来排队买。

 

当天北京香奈儿专柜全部卖光。

 

今天,这两件事刷爆朋友圈,关系到10亿人的钱包!

租房业的困难和奢侈品的风光形成了鲜明对比。

 

 

01 贫富分化的时代:资产通胀更严重。

 

 

就在半多年前,美国还处在一个泡沫的巅峰,投资圈的热钱在躁动,股市飙升到历史高点,失业率前所未有的低。

 

突如其来的新冠疫情戳破了这个泡沫。从蓝领工人到科技白领,裁员最终没有放过任何行业。

 

Uber宣布大裁员的那天,有房东收到房客退租的信息,房客说希望找一个安静的地方准备找工作,而一直坚挺的硅谷核心地区房租已经下跌15%

 

新冠是穷人的灾难,与之紧密相关的租房行业自然大受影响。

 

很多人不明白,美国疫情那么严重,为什么股市却能迅速V型反转?

 

因为金融界只有少数巨头就能够翻江倒海,多数人却连汤都喝不上。

 

如果把美国股市比成一张赌桌,那么桌子上的筹码以及玩家,和普通人早就没有任何关系了。

社会的萧条、民众的灾难已经被关在门外可以充耳不闻,贫困阶层正经历的悲剧反而被资本家视为收割韭菜、聚敛财富的又一次良机。

 

超发的纸币,总要有个流向,如果流向穷人,就会推升通胀水平;如果流向富人,就会推升资产价格。

 

当前又到了全球贫富分化的一个高点,货币越来越倾向于流向富人,所以未来可能很难看到消费类商品的通胀,而更多会体现为资产类商品的涨价。例如:房子。

02 房市

 

 

如同美国股市的表现,中国的楼市,率先中国经济,也走出V形反转的强劲曲线。

 

近期深圳杭州等核心城市房地产再度火热,房价正增长,但是房租却在下降。就是这个道理。

 

今天,这两件事刷爆朋友圈,关系到10亿人的钱包!


中国房价已越来越超出刚需一族的支付能力,日益成为有钱阶层的保值品。

 

过去那种动辄谈人均收入、人均住房面积的分析方法早已过时,只看人均,容易忽略支撑房价下一步继续上涨的真正的消费主力。

 

谁可能会是将来继续支撑中国楼市的主力?是那些依靠放开地摊经济才能苟活的人群吗?是那些靠《废止查禁卖淫嫖娼规定》才能有一线生机的站街女吗?

 

都不是。

 

也许是招行那些大客户,金葵花会员,是那些掌握着大多数社会财富的少数人,这才是支撑中国楼市的关键少数!

 

今天,这两件事刷爆朋友圈,关系到10亿人的钱包!

 

2020年春的这场公共卫生事件,让我们在有生之年,第一次见识到了经济下行的威力。

 

头条君经常站在空荡荡的街头,遥想着万家灯火下,因为失去了工作、收入下降的夫妻们,连房贷都还不起,心理的压力是什么味道。

 

富人拥有花样繁多的资产,而穷人拥有的只有债务。

穷人的一生就像一场还债之旅,穷人不敢休息,只有马不停蹄地工作才能换来不被社会淘汰。哪怕这样,抗风险能力也极低,一场疫情就能全部摧毁

 

为什么最近被顶替高考成绩的苟晶那么火热?因为大家都有共鸣,这个社会上升渠道太少了,阶层跃迁太难了,如果相对公平的高考都能暗箱操作,那么对穷人来说,还有什么路可以走?

 

穷人只有税后收入,而富人富国拥有睡后收入。哪怕子孙后代吃饱了什么事儿也不干,也败不干净,伤不了家族的筋骨。

用《二十一世纪资本论》作者托马斯·皮凯蒂的观点来解释就是,资本的收益率永远高于劳动力的收益率

 

凡有的,还要加倍给他叫他多余;没有的,连他所有的也要夺过来。这就是现实。

未来,资产类商品的价格会持续高涨,穷人的消费品继续低迷。资产泡沫仍会一个接着一个的演绎。

 

猪肉会更便宜,

 

而茅台还会更贵。疯狂暗示)

 

今天,这两件事刷爆朋友圈,关系到10亿人的钱包!

转自:https://mp.weixin.qq.com/s/VjuffFS2urD0k0gr6rxIUQ

垄断者自如公寓也扛不住了?要么降房租45%,要么解约赔装修费!业主遭二房东逼宫!

万事开头难,中间难,结尾更难,这句话用来形容问题频出的长租公寓再合适不过。

今年年初爆出蛋壳公寓特殊期间房租涨价的风波刚刚平息,近日便曝出长租公寓龙头自如“倒逼”房东,要么降房租、要么解约赔偿赔装修费…

疫情之下,整个行业都遭遇了历史上的至暗时刻。

但实际上,并不止今年,从2015年开始加速进场、积极扩张的几大长租公寓一直面临巨额亏损的尴尬境遇:赴美上市的蛋壳公寓连续亏损,2019年净亏损额高达34.37亿元,同上市的青客公寓也是连续三年亏损,2019年净亏损达4.98亿元。

到底是疫情拖垮了长租公寓?还是商业模式本就有问题?长租公寓到底还能坚持多久?

垄断者自如公寓也扛不住了?要么降房租45%,要么解约赔装修费!业主遭二房东逼宫!

 

01

先对租客涨价

再“强制”房东降租

一波未平一泼又起,今年对于长租公寓来说,很难。

今年2月,长租公寓龙头企业自如公寓被爆疫情期间涨房租,有租户表示:

“我是自如的租客,长租一年,2月底到期,现在疫情期间无法搬家,续租自如却要涨价,涨幅很大,接受不了!”

而这并非是孤例,节后随着大量外来务工人员返城,不少自如客忽然发现自己“被涨租”了。据部分自如客表示,续租涨价超过了20%,有的还达到了30%。而在一般情况下,自如续租的涨幅在3%~5%之间,从未有过上述那么高的涨幅。

特别是对于那些房租快到期的自如客来说,一方面是疫情之下不好找新房子,二来如果继续租自如的房子,换租比续租价格更高。

尽管自如CEO很快在其朋友圈中作出回应:称自如客户续约价格出现大的波动是极个例情况,一方面是客户从长租变更为月租或季租(包含了服务费),另一方面是房源价格显著低于同地段、同小区类似房源价格。但网友并不买账。

垄断者自如公寓也扛不住了?要么降房租45%,要么解约赔装修费!业主遭二房东逼宫!

那么自如给租客涨了这么多,房东收入会随相应的幅度调整增加吗?

并不会,据中新网此前报道,自如与房东一般都签5年合同,给房东的租金是每年递增3%,比如房东去年收到的租金为4000元/月,今年则为4120元/月。而且合同还签订了空置期条款。

“空置期每年都有,第一年空置期60天,之后每年的空置期是25天,这期间不给房东算收入,另外房东每年还需要缴纳管理费。”

垄断者自如公寓也扛不住了?要么降房租45%,要么解约赔装修费!业主遭二房东逼宫!

“自如”房东签署合同中有关“空置期”的条款。受访者供图

但距离上述涨租风波刚刚过去4个月时间,自如又“出事”了。据虎嗅爆料,疫情之下,自如开始对“房东”下手了:在一个300人的自如业主群内,很多人都在过去一个月或近几天接到了自如要求在合同期内降租的电话请求,他们面临着二选一:要么降租,要么解约。

02

要么降房租45%

要么解约赔装修费

“由于经济和疫情不确定因素,以及城市规划变更、商圈迁移、社区严格管控出入等因素影响,导致房屋租赁市场出现了显著的变化。特别是个别房屋出现委托价格与租赁价格严重倒挂的趋势,与我们跟业主委托协议里租金逐年上涨的约定背离。为了与业主和客户实现长期的合作共赢,我们与这部分业主展开了适当调整委托价格的友好协商。”

对于与业主协商降房租的原因,自如方如是说。

据虎嗅采访,北京像素小区的业主不少人接到了自如管家的电话,李女士就是其中一位:

“我2018年7月和自如签约,把房子代理给他们,签了三年。第一年租金7045元,每年递增3%,现在7256元,到今年8月就是第三年,租金应该是7474元。6月26号晚上8点,自如的人打电话,说市场不好,我有两个选择,第一选择是租金降到4000元,第二选择是解约,他们解约,赔我俩月房租,但是要交装修费管理费什么的,具体还没给我金额和明细。”

“大家虽然是业主,但是绝大部分都是房奴,也是要靠租金去还房贷的。”李女士说,降一定的金额是可以商讨的,她是理解的,但自如给她降租了45%,这让她无法接受,“他们有点太过分了。”

据她提供给虎嗅的另一位业主的电话录音中,一位自称是自如总部的自如管家开门见山地说:“最近形势不太好,北京这边(租赁市场)出现了大幅下滑,我们公司这边费用确实遇到了困难。想问一下,您的房子最近有没有(出租)需求,没有的话,可以按照我们公司违约,赔给您2个月的房租当违约金,你可以把房子提前收回。”

这位自如管家表示,像素小区这个月空了1000多间房子,仅自如就空了680多间,所以他们希望把一部分房子归还给业主,把另一部分房子回归到市场价,及时止损。

“那为什么不把空着的房子归还给业主,反而要把有租户的房子归还给业主呢?”

上述自如管家给出的逻辑是:他们把空置的房子归还给业主,业主肯定会把房子以更低的价格出租,这样有租客的房子的租金就没有竞争力了,里面的租客可能会选择搬出去租房租低的房子,这套房子空出来后他们就没法按照原来的价格继续出租,就会导致要么空置要么被迫降租,从而造成损失。

垄断者自如公寓也扛不住了?要么降房租45%,要么解约赔装修费!业主遭二房东逼宫!

自如与业主的沟通截图,截图由受访者提供

其实,在今年初,自如蛋壳青客等长租公寓已开始“集体逼房东降价”。今年1月,有自如房东表示,18年签约,签了4年,第一年以三个月房屋空置期作为装修费用补偿,约定后面每年有1个月空置期。但年初突然接到自如的电话,让降房租。如果不同意,自如会单方面解约,并赔偿房东2个月的违约金,但房东需要支付3万块的装修折旧费。算下来,房东还要赔偿自如近2万块。

另一位蛋壳公寓的房东表示,2019年11月,有自称蛋壳公寓管家的人联系自己,称由于北京的房子不能打隔断出租,房子挣不到钱,要与其签降价协议。

问题频出的长租公寓如此野蛮自救,还能坚持多久?

03

亏惨了的蛋壳公寓

泥潭中的青客公寓

目前,长租公寓行业除了自如外,还有两家赴美上市的蛋壳公寓及青壳公寓,尽管已经上市,但日子也都并不好过。

蛋壳公寓成立于2015年,曾属于链家旗下的自如(成立于2011年),在2016年开始独立运营。据蛋壳公寓的招股书披露,截至2019年9月30日,该公司运营的房源数量(40.6万间),比2015年底(2434间)暴涨了166倍。

据披露,蛋壳公寓2017年净亏损2.7亿元;2018年净亏损13.7亿元。今据2019年财报显示,蛋壳公寓净亏损又扩大两倍,净亏损额高达34.37亿元。与此同时,也有非常亮眼的数据:2019年财年,蛋壳公寓的收入同比增长166.5;今年一季度9.4亿元,同比增长62.5%。

垄断者自如公寓也扛不住了?要么降房租45%,要么解约赔装修费!业主遭二房东逼宫!

垄断者自如公寓也扛不住了?要么降房租45%,要么解约赔装修费!业主遭二房东逼宫!

今天2月初,蛋壳公寓敲响长租公寓资金警钟:据网络上流传的一份蛋壳内部文件《关于2月份要求业主增加免租期的工作方案》显示,蛋壳公寓要求在除武汉外的12个城市,所有房东增加30天免租期,涉及业主数量共72157户。

强制房东们免租,却不给租户免租,蛋壳公寓的此番骚操作引起舆论热议。

同为作为长租公寓的头部企业的青客公寓,自2012年成立以来一度受资本热捧,发展迅速。

截至2019年上半年其房源量达10万间,业务范围覆盖上海、苏州、杭州、南京、武汉、北京、嘉兴等城市,并于22019年11月在美国上市,成为国内首个上市的长租公寓企业。

快速谋求规模扩张的同时,青客公寓近几年财务状况堪忧。2017财年至2019财年,该公司连亏三年,分别亏损2.45亿元、4.99亿元、4.98亿元;负债率则不断攀升,2017财年至2019财年分别为137.17%、143.82%和145.02%。

垄断者自如公寓也扛不住了?要么降房租45%,要么解约赔装修费!业主遭二房东逼宫!

垄断者自如公寓也扛不住了?要么降房租45%,要么解约赔装修费!业主遭二房东逼宫!

5月29日下午,一则关于“青客公寓倒闭、售后安排退款”的消息在朋友圈广为传播。  

当日晚间,青客公寓官方微信号“青客租房”发布严正声明称:

今日,有网民在朋友圈发布、传播关于青客公司倒闭等不实谣言,我司在此严正声明,公司目前遇到了资金困难,但目前公司仍在正常运营中,一定会承担起应付款项的支付责任,不会逃避,对网络上恶意传播的不实谣言,青客保留依法追究的权利。

此外,青客的“租金贷”业务饱受外界诟病。截至2019年末,青客租户中使用“租金贷”支付的租金比例高达62.6%。今年疫情发生后,该公司困境加剧,一度陷入资金链危机。

为何长租公寓营业收入与净利润背道而驰?一方面,长租公寓本就是一个利润较少的行业,普遍利润仅有1%-4%;另一方面或与长租公寓的商业模式有关。

04

是疫情拖垮了长租公寓?

还是商业模式本就有问题?

长租公寓盈利难是一个老生常谈的话题。

长租公寓的诞生最早可追溯到2002年,不过彼时正值房地产黄金时代,住房租赁市场并未受到过多关注。直到2014年,大量资本涌入,才推动长租公寓站上风口。

2014年之后,随着住房租赁市场政策日益明朗,很多地产商将眼光聚焦于长租公寓这片看似肥沃的土地上,2015年、2016年扩张期以相对高点市场价格与业主大量的签订房源租赁合同、抢占市场,盈利问题还未解决,众多企业便开始了规模竞赛,短时间内都在积极扩张,出现“高进低出”的现象。

也正是因为步子迈得太大了,业务铺开太大,导致很多长租公寓企业资金链紧张。

对于市场来说,国家鼓励的长租公寓应该是业主改造,将过去限制的房源变成租赁市场的增量房源,而现在市场主流的长租公寓经营者,其实都只是吃差价的二房东模式。

传统意义上,二房东这种模式下,主要是利用市场信息不对称赚钱(低价揽房、高价出租)。然而,租赁市场早已经非常透明,并且充分竞争,因而这种模式是没有市场前途的。

二房东模式为什么又突然火了呢?在各路资本力量的推动下,二房东“进化”了。他们再次进入租赁市场,已经有了新的招式:一是通过高价从个人手中囤积大量房源,垄断区域市场,希望获得较高的估值,这套打法其实也就是大家熟悉的“烧钱”模式;二是所谓互联网思维,“羊毛出在猪身上”,利用各种金融模式玩杠杆,甚至和P2P结合在一起。

很明显,这两种套路都是短期投机者热衷的行为,风险极大。或者说,目前长租公寓市场主流的二房东模式,其本质就是“金融模式”“杠杆模式”。

上海中原地产市场分析师卢文曦在接受《华夏时报》记者采访时表示,长租公寓的角色就决定了它是靠利差来赚钱的,正常来说,慢慢做项目,一个一个来是没有问题的,尤其是现在许多政策都在扶持长租公寓,但现在这个行业陷入了非理性竞争,呈现野蛮式增长,为了扩张而扩张,甚至把它做成了一个金融产品,或者是为了融资,这样企业做很多事情就会不择手段了,恶性竞争,扰乱市场。

内容引用:

《自如和业主的“不降租就解约”之困》虎嗅

《自如疫情期间涨房租?这个“二房东”吃相真难看!》中国新闻网

《自如蛋壳青客集体逼房东降价,长租公寓怎么了?》三言财经

《长租公寓风波不断:蛋壳CEO被查,“租金贷”问题难解》中国新闻周刊

《疫情把长租公寓拖垮了?还是商业模式本身有问题?》理财周刊

《长租公寓资金压力巨大,今年大概率步入爆雷高峰》华夏时报

转自:https://mp.weixin.qq.com/s/45SGniOuuIR5gKf1QWh4mQ