2016年终总结

发表于 | 分类于

2016年对国家来说是不太好过的，但对于我来说是收获颇丰的。首先是收获了爱情，其次是收获了见识。在这一年里发生了很多事，有行业的变化，有工作的变动，也有学习方向的变化。以前的我是个 实践者，表现在实现有意思的、好玩的技术，这个说实话没有什么含量，基本就是模仿；现在的我想要努力的变成一个 思考者，希望自己对生活和工作都多一些思考，多一些自己的见解和想法。

2016年一直在房地产行业，那就谈谈房地产吧

房地产行业的分类

房地产行业分为 新房、二手房、租赁 三部分。

  1. 新房 是开发商主导的市场。由开发商拿地、开发、新房代理商销售。由于开发商的利润率基本是固定的，所以新房的价格基本上由土地的价格决定
  2. 二手房 是中介（二手房经纪公司）主导的市场。主要是中介获取房源和客源，然后进行房客的匹配，赚取中介费。二手房的价格是供需关系决定
  3. 租赁 和二手房类似，也是房客匹配的过程，租赁价格也是供需关系决定

房地产行业的市场

房地产行业市场很大。GMV达16万亿（新房:二手:租赁 = 10:5:1），占GDP的23%，是阿里巴巴GMV的5倍。下图有助于理解房地产市场有多大：

房地产交易总体上是低频、客单价高的市场。大多数人一辈子只买1～2套房，每一次几乎要花掉自己的大部分资产

房地产交易是非标准化的交易。每套房子都有每套房子自己的特点，和标准化的网上购物不一样，房地产不光商品不一样、而且交易的流程也有可能千差万别

房地产行业是服务有待改善的行业。大部分人在租房的时候或多或少都被坑过，对中介怨气连连，在线下的购房环节也有各种各样的不确定因素导致心理的落差，抱怨服务的不好

经纪人是流动性非常大的职位。这一点和其它的销售型岗位类似，离职率非常高，平均年龄都在20多岁

存量房市场以改善型需求为主。学区房、小户型换大户型、近换远

二手房交易

现在大家都在提 存量房时代，二手房交易量/新房交易量 > 1 即代表进入了以二手房为主导的存量市场。一线城市由于对人才的吸引力强导致房屋需求旺盛，土地供应不足导致新房紧张而且地段偏远等原因，已经提前进入了存量房时代。新一线城市也即将进入存量房时代。但是广大的二三四线城市还处于 去库存 的阶段

二手房交易流程

准备买房 -> 看房选房 -> 买卖双方资质审核 -> 签订合同 -> 房屋评估 -> 网签 -> 面签 -> 银行审批 -> 缴税过户 -> 下房本 -> 物业交割 -> 产权抵押银行放款

二手房市场的影响因素

  1. 整体而言，影响二手房交易量和交易价的主要因素是供需关系，以下因素都在影响供需关系：
    • M2：国家印钞多了，持有大量货币的人为了避免通货膨胀，会把钱投入到相对保值的房地产市场
    • 土地：地王会通过改变人们心理预期的方式来影响周围的房价
    • 政策：限购政策（外地5年社保一套、本地单身一套、家庭二套）、限贷政策（银行限制贷款给开发商、提高购房人的首付比例、首套二套的认定标准）
    • 利率：贷款利率的高低影响还贷额
    • 缴税：影响买方购房能力
    • 汇率：影响钱的流向
  2. 对单个房屋而言，影响价格的主要因素是房屋的位置，比如是不是学区房、位于哪个区域、周边配套怎么样。地铁主要影响的是租赁的价格

PS：供需关系还分结构，比如分面积段、居室段、价格段等。房地产市场的供需关系不太稳定，拿需求讲有强需求（现在必须买）、一般需求（什么时候买都行）、弱需求（买或不买都可以），导致预测房价困难很大

二手房市场周期

我的贡献

  1. 前期数据库的建设：主要有新增房、新增客、存量、带看、调价、成交、贷款、税费等数据，还包括一些wind的数据，取数用WindR包，详情参见R连接Wind数据库
  2. 报表的制作：主要由DT、shiny、RMySQL、dplyr实现，基本是数据处理的操作
  3. 换房轨迹和看房轨迹（以小区为单位）：主要由REmap、leaflet实现，主要是看用户为什么换房、用户去哪里；客户看房热点、路线及所看房屋的特征，详情参见REmap(0.3.2)有个bug～
  4. 词云：热点商圈、小区等：wordcloud2实现，参见附录
  5. 不同年代客户特征，参见附录
  6. 简单的爬虫实现，参见附录
  7. R语言入门beamer，参见R语言入门.pdf
  8. 年初的自动化报告，参见线下城市新增房源核实.pdf
  9. 年初的薪酬绩效测算回报，基本是照猫画虎的，参见《薪酬设计与绩效考核全案》，2013年赵国军版
  10. 30篇博客，参见http://www.xinyao.pub/archives/

附录

词云

比如北京2016年1～9月的热门楼盘：

mydata3数据有两列，一列是楼盘名称、一列是成交量

1
2
3
4
library(wordcloud2)
colorvec = rep(c("#d91e2e","#f84461","#fc9d9a","#f4bfc0","#8aabca","#5ba9d7","#558ed5","#345c93"),
length.out=nrow(mydata3))
wordcloud2(mydata3,fontWeight = "bold",color = colorvec,backgroundColor = "#444444")

不同年代客户特征

  1. 50、60、70后购房需求逐渐减弱
  2. 80后是现阶段购房的主力军
  3. 90后的接盘能力逐渐变强

80后主要从50、60后手里购入了学区房

客户年代为 80后 ：

年份 业主年代 活跃楼盘
2014 50 模式口西里;育新花园;芍药居北里
2015 50 芍药居北里;康静里;松榆西里
2016 50 模式口西里;芍药居北里;慧忠里
2014 60 育新花园;北京像素北区;车站北里
2015 60 芍药居北里;荣丰2008;育新花园
2016 60 北广家园;芍药居北里;海特花园小区
  • 模式口西里:学区房。石景山小学
  • 育新花园:学区房。首都师范大学附属育新学校小学部
  • 芍药居北里:学区房。中国人民大学附属中学朝阳学校小学部
  • 康静里:学区房。北京师范大学奥林匹克花园实验小学
  • 慧忠里:学区房。北京市朝阳外国语学校慧忠里校区
  • 车站北里:学区房。北京市大兴区第八小学
  • 荣丰2008:学区房。北京小学天宁寺分校
  • 北广家园:学区房。北京市西城区五路通小学
  • 松榆西里:学区房。垂杨柳中心小学
  • 海特花园小区:学区房。海特小学

70后主要从90后手里购入了高端房

客户年代为 70后 ：

年份 业主年代 活跃楼盘
2014 90 龙湖唐宁one;万年花城四期;新中关公寓
2015 90 万达大湖公馆;保利茉莉公馆;宝石花苑
2016 90 观湖国际;天创世缘;银河湾

上述小区都是偏豪宅化的

简单的爬虫实现

关于爬虫，以前写过一个关于rvest的博客：rvest爬取简单的网页信息

现在更新一个爬取 城市天气信息 的代码，网址是 http://lishi.tianqi.com/

1
2
3
4
5
6
7
library(RCurl)
library(XML)
library(stringr)
library(rvest)
library(dplyr)
base_url = "http://lishi.tianqi.com/" #基本网址
linklist = getHTMLLinks(base_url) #获取网址里全部链接

取出城市的链接地址，把所有的链接地址都处理成类似http://lishi.tianqi.com/beijing/的格式

1
2
linklist = linklist[str_detect(linklist,"/index.html")] #获取城市的链接
linklist = str_sub(linklist,1,-11) #去除index.html

生成类似201610.html的序列

1
2
3
4
5
6
7
datelist = seq.Date(as.Date("2011-01-01"),
                    as.Date("2016-11-30"),
                    by = "month") # 生成日期序列
datelist = datelist %>%
  str_sub(1,7) %>%
  str_replace_all("-","") %>%
  str_c(".html",sep = "") # 生成.html序列

生成类似http://lishi.tianqi.com/beijing/201610.html的序列，3000多个城市和地区的每月天气网址都大同小异

1
2
3
4
5
6
url_list = NULL
for(i in 1:length(linklist)){
  for(j in 1:length(datelist)){
      url_list[i*j] = str_c(linklist[i],datelist[j],sep = "")
  }
} # linklist和datelist拼接

解析网址

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
# 解析网址
page_list = lapply(url_list,function(url){
  tryCatch(
    url %>% read_html(),error = function(e){NA})
})
na.omit.list = function(y){return(y[!sapply(y,function(x) all(is.na(x)))])}
page_list = na.omit.list(page_list)
mydata = list(NULL)
mydata$data = lapply(page_list,function(x){
  tryCatch(
    matrix(x %>% html_nodes(".tqtongji2") %>% html_text() %>%
             str_replace_all("[\r\n\t]","") %>% str_trim() %>%
             str_split("\\s+") %>% unlist() %>%
             as.vector(),ncol = 6,byrow = T) %>% as.data.frame(),
    error = function(e){NA})})
mydata$city = lapply(page_list,function(x){
  x %>% html_nodes("#footer a:nth-child(1)") %>% html_text()
})
for(i in 1:length(page_list)){
  if(!is.na(mydata$data[[i]])) mydata$city[[i]] = mydata$city[[i]]
  else mydata$city[[i]] = NA
} #去除NA值
mydata$data = na.omit.list(mydata$data)
mydata$city = na.omit.list(mydata$city)

mydata即为生成的数据框，包括7列，日期、最高气温、最低气温、天气、风向、风力、城市。从2011年开始至2016年11月，一共200多万条数据

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
for(i in 1:length(mydata$data)){
  mydata$data[[i]]$V7 = rep(mydata$city[[i]],length(mydata$data[[i]]$V1))
} #添加城市名
mydata = mydata$data
mydata = do.call(rbind,mydata) # 合并数据
mydata$V7 = str_sub(mydata$V7,1,-5)
mydata = mydata %>%
  filter(V1 != "日期") %>%
  rename(
    日期=V1,
    最高气温=V2,
    最低气温=V3,
    天气=V4,
    风向=V5,
    风力=V6,
    城市=V7)

上述代码是我初学时写的，质量不高，以后有时间进行优化

17年计划简陋版

  1. 仔细研究周志华的《机器学习》，把每个算法都弄清楚，并且用R进行实现
  2. 了解市场和行业，用机器学习的方法得出有意思的结论
  3. 对博客进行进一步的整理完善
喂他一颗糖