知道的说说学习机好吗?3个回答盛盛诉诉
还是比较好的，磁贴纱窗具备良好的密封性，，灵活性，方便性，既安装精确，又美观大方。用户不需要任何工具，既可使纱网和纱窗外框轻松自由的分开，方便纱网清洗，延长纱网的使用寿命，提高纱网的透风性和使用性能，由于方便清洗，同时更提高了纱窗的整体美观，方便和提高了居民生活。B型磁贴纱窗：由4层边框叠加制作而成，4个接角稳定边框,促进4条边框的稳定性及其牢固性。窗纱采用铝合金制作：其热处理强化后具有中等强度，冲击韧性高，对缺口不敏感；有极好的热塑性，焊接性能和抗蚀性优良，AL-MG-SI系合金是唯一没有发现应力腐蚀开现象的合金；加工后表面十分光洁，且容易阳极氧化和着色。
3个回答bihv938
根据自己的使用经验，个人认为不需要
首先，kpw的屏幕有一种磨砂感，几乎不怎么粘指纹，所以说不用贴膜
第二，kpw虽说用手操作，但是真正用到的只是翻页什么的(用体验浏览器上网的奇葩不在考虑范围)，因此来说，不需要贴膜去保护手对屏幕损害
第三，kpw真正的核心是去看屏幕，一个差的膜会影响看书的感觉，好的膜也体现不出来优越性，裸奔才是真正其义
第四，处于对屏幕的保护，皮套保护远远比贴膜来的简单，而且皮套相比贴膜更来手感
所以，不用贴膜
3个回答xiyangmolei
iPad1采用的外壳比iPad后几代要厚实，意味着比较抗造，屏幕边缘有一圈胶皮防震圈，应该会起到少许防碎屏的作用吧。希望我的回答对你能够有所帮助。
3个回答双子love_26
海尔的还行
海尔燃气热水器的精确温控技术和高温保护很人性化，质.量没得说，
海尔电热水器拥有多.项.专.利技.术、八年质保，
在行业内是顶.尖的。
海尔热水器不错,我家用的也是海尔的热水器,用了
6年了,还很不错
3个回答超超2121921
你好。PC是一种综合性能优良的非晶型热塑性树脂，具有优异的电绝缘性、延伸性、尺寸稳定性及耐化学腐蚀性，较高的强度、耐热性和耐寒性；还具有自熄、阻燃、无毒、可着色等优点，在你生活的各个角落都能见到PC塑料的影子，大规模工业生产及容易加工的特性也使其价格极其低廉。它的强度可以满足从手机到防弹玻璃的各种需要，缺点是和金属相比硬度不足，这导致它的外观较容易刮花,但其强度和韧性很好，无论是重压还是一般的摔打，只要你不是试图用石头砸它，它就足够长寿。
3个回答_逆枫军团151
好。升级　iOS7.1正式版
　iOS7.1正式版增强了iPhone4的性能，这一条说明让很多iPhone4和4S用户都泪流满面。作为两款支持iOS7最老的设备，iPhone4和 iPhone 4s 一直以来都出现安装iOS7后系统不流畅的问题。然而今天发布的 iOS 7.1 终于可以让 iPhone 4 和 4s 体验“飞一般”的感觉。所以建议4S用户可以尽快升级全新的iOS7.1正式版操作系统，感受一下运行iOS7非一般的感觉。
3个回答恃宠而骄shishi
我现在用的就是华凌的，挺好的，用过几个牌子的冰箱，华凌冰箱应该是我用过最省心的一个牌子。还好买了个大容量的，而且保鲜效果不错，不用担心食物变质问题。
3个回答zimu641
【推荐农历5月份的结婚吉日】
日 农历五月(小)初二 星期一
日 农历五月(小)初三 星期二
日 农历五月(小)初四 星期三
日 农历五月(小)初五 星期四
日 农历五月(小)十一 星期三
日 农历五月(小)十二 星期四
日 农历五月(小)二十 星期五
日 农历五月(小)廿四 星期二
日 农历五月(小)廿六 星期四
3个回答小裙子1t
香港黄金比内地便宜，主要是没有增值税和关税，一般在香港和澳门买黄金，比在内地至少便宜10%。此外，内地黄金首饰价格一般由两部分组成，即挂牌价和工费，而香港、澳门地区则一分为三，首先是“纯金价格”，再是佣金(一般为纯金价格的2%-3%)，最后是工费(一般为纯金价格的0.5%-1%)，店家会把每一项费用打印在发票上。内地消费者在购买时，把所有的价格加起来，才能进行换算比较。一般香港和澳门的黄金首饰，工费比内地高，因为香港工资水平更高，而且当地黄金工艺也比内地的更好一些。
价格来源网络，仅供参考，希望我的回答可以帮到你，谢谢。
3个回答szhengkuib
您好，据了解，川田木门非常不错的，他的质量受到比较多客户的青睐，川田木门多是以杨木、松木、杉木等作为基料，外贴密度板和实木木皮，经高温热压后制成，并用实木单板封边，具有保温、耐冲击、阻燃等特性，而且质量也是蛮不错的，隔音效果同实木门基本相同。另外，造型多样，款式丰富，或精致的欧式雕花，或中式古典的各色拼花，或时尚现代，总体来说是不错的。
热门问答123456789101112131415161718192021222324252627282930室内装修学习3个回答han8008139
您好，先学手绘基础，还有软件基础，软件有3dmax,vray,cad,ps等，再学人体工程学，室内设计风格，室内设计风水，装饰材料与施工工艺，谈单，预算等，在我学的过程中感觉还是实践最重。
2个回答梦恋越女
首先要会一些设计软件，再找个老师带一下，当一年助理就行。
1个回答曹彬炳
你好，室内装修的课程相对于复杂，要有艺术功底，和电脑绘画软件，个人建议你可以多买一些教程看看，如果经济方面有能力的话，还是参加一个机构培训会比较专业一点。学习室内装修的人跟着人会经常跑工，没事的话可以多经常跑一下，多学习学习。
1个回答胖亦有道
1.懂制图(土建制图、机械制图)，能熟练地画出符合国家规范的设计图纸和施工图。2.能看懂各种土建施工图纸，除了结构施工图纸外，对给排水(上下水)工程图、采暖工程图、通风工程图、电气照明与消防工程图等，也都非常熟练。这对搞好室内装修设计十分重要：可以避免装修设计与土建设施发生冲突，能更周到的进行装修设计、恰当的进行装修设计。3.懂透视学，能快速地画出室内透视骨架线图，做到透视准确无误：会画轴测图(定轴测轴和轴间角度)。这是画好效果图的基础。4.会画彩色效果图，能把房间的空间感、质感、色彩变化、家具设备的主体感、光环境效果等正确地表现出来。5、熟悉各种土建材料和建筑装修材料(材料的PPP能、特点、尺寸规格、色泽、装饰效果和价格等)，才能正确地选用材料和恰当地搭配材料。6.懂得建筑的基本构造类型，特别是对每种构造的优缺点、常用的结构方式等要熟悉。7.具备建筑风格、室内和家具风格方面的知识与修养，能熟悉各种的基本特征与变体。还了解各种陈设品的历史发展。
1个回答ocokclks505414
室内装修是一门很广的学科，一般你需要掌握的技巧是绘图、预算、设计等， CAD,3DMAX,PHOTOSHOP是基本需要掌握的软件。
3个回答孟蝶梦
学习装修设计也要从很多个方面学习，你是在工作的人想自学装修设计还是准备报装修设计的学生呢？如果说是想自己自学的话就要从空间形象设计、室内装修设计、室内物理环境设计、室内陈设艺术设计等四方面进行学习。我这里详细地给你说一下吧！1．空间形象设计，就是对建筑所提供的内部空间进行处理，对建筑所界定的内部空间进行二次处理，并以现有空间尺度为基础重新进行划定。在不违反基本原则和人体工学原则之下，重新阐释尺度和比例关系，并更好地对改造后空间的统一、对比和面线体的衔接问题予以解决。2．室内装修设计，主要是对建筑内部空间的六大界面，按照一定的设计要求，进行二次处理，也就是对通常所说的天花、墙面、地面的处理，以及分割空间的实体、半实体等内部界面的处理。在条件允许的情况下也可以对建筑界面本身进行处理。3．室内物理环境设计，这部分内容主要是对室内空间环境的质量以及调节的设计，主要是室内体感气候：采暖、通风、温度调节等方面的设计处理，是现代设计中极为重要的方面，也是体现设计的“以人为本”思想的组成部分。4．室内陈设艺术设计，主要是对室内家具、设备、装饰织物、陈设艺术品、照明灯具、绿化等方面的设计处理。以上四部分阐明的是室内设计在设计过程中所应包括的内容，而室内设计的分类，可大体分为三大类：人居环境室内设计、限定性公共室内设计及非限定性公共室内设计。如果有条件的话最好是找一家装修公司上班，因为如果你只是看书上的理论知识的话也是没有用的，要理论结合实践才有用的。而且装修公司里有很多设计师，有懂的地方都可以向他们请教的。
1个回答hangaofeng1987
设计师是一个不错的职业。很多人都以为没有任何绘画基础，没有任何专业知识，要学习室内装修不是一件容易的事情。其实，关键是有兴趣，有理想。现时很多室内装修设计学校，为业余学者提供培训。只要通过系统的室内装修设计学习，也是可以成为一名设计师的。我们来看看，都要学习些什么呢？
室内设计是建立在四维空间基础上的艺术设计门类，包括空间环境，室内环境、陈设装饰。在学习室内装修的过程中，会涉及人体工程学、环境心理学、环境物理学、设计美学、环境美学、建筑学、社会学、文化学、民族学、宗教学等相关学科。如果报读室内装修设计学校，学校会有一系列的课程设置。然而学习室内装修有分基础入门和专业提升，最初的基础入门包括一些以下一些内容：1、室内设计理论：1.室内设计原理；2.室内设计风格与流派；3.室内空间组织与设计；4.室内设计流程； 2、室内装饰工程预算： （1）Excel软件：Excel软件的入门与提高 （2）室内装饰工程预算原理：室内装饰工程种造价含义、内容、分类及特点 （3）家装预算案例实现：模拟实际家装工程的预决算流程 3、装饰材料与施工工艺： 4、室内设计软件:包括PhotoShop 和AutoCAD。 而针对室内装修设计学习的专业提升，则有以下学习室内装修内容：色彩理论、美术色彩基本知识、色彩搭配在家装空间以及工装空间的搭配技巧 、家装空间的设计、家装空间的风格介绍、不同年龄职业空间的色彩搭配原则、人体工程学的具体运用 、家装空间效果图的绘制方法 、工装空间的设计、工装空间的色彩搭配 、餐饮空间、娱乐空间以及商业空间的色彩搭配原则 、工装空间效果图的绘制方法与技巧 、软件的学习应用：3DMax软件课程 和V-Ray软件课程。
以上就是关于室内装修设计学习方面的一些分享， 总之，对于室内装修设计学习有专业需求的朋友，建议报读一些专业的室内装修设计学校。而学习室内装修只是业余兴趣的，则可选择报读一些业余设计培训机构。根据自身需要，选择适合的学习机构。希望我的回答对你有帮助！亲的认可是我的最大动力哦！
1个回答王起立2
建议上百度搜索一下吧·！
4个回答微风微扬
1、选一个可心的装饰公司
进行家庭装修，挑选装饰公司是很重要的。装饰公司不仅要负责新居的设计、选材和施工，而且还要对工程做售后服务。但如何选择一家可心的装饰公司，不少消费者都感到头疼：是找熟人介绍，还是相信媒体上的广告；是进家装市场，还是找单独开业的装饰公司……
2确定设计方案、预算 根据客户选择的设计风格，设计师进行家装设计，并有客户反馈，最终确定设计方案、图纸及相关预算。包工包料是指将购买装饰材料的工作委托给装饰公司，由装饰公司统一报出材料费和工费。而包清洁工，是指用户自己来买材料，由工人来施工，工费付给装饰公司，许多用户担心采用包工包料这种形式，会给装饰公司提供以次充好、虚报冒领的机会，所以想采用“包清工”的形式，自己去购买装饰材料。
3个回答枫箍霞6
一：软件的学习 3DS MAX (建模),VRAY(渲染),AUTOCAD(施工图)
，EXCEL(预算),PS(图像后期处理).
二：工艺材料 想学好软件必须有工艺材料作为基石 就像盖楼一样 如果基础没打好 就算外在楼盖的再好 外表再华丽 也仅仅是空壳子 经不起真正的考验 因此 想要学好软件 必须有工艺材料方面知识的搭配 不然做的设计就是空壳子
三：材料价格 学好室内设计不仅仅是要学好软件和工艺 价格也是很重要的一点 做设计前必须要考虑客户的金钱承受范围 要做到自己心中有数 如果你不了解工费 材料价格 那也就没有办法控制预算因此做出来的设计在好看 在 华丽 客户承受不起这个价格 再好的设计也是白费 重新更改肯定是不可避免的
四：谈单技巧 在室内赛设计中 谈单这一项是很重要的 能够说服客户 取得客户对你的信任是很重要的 那么 如何能取得客户的信任 如何能拿下客户 这也是你要学习的一部分 并且跟上述的 工艺材料 价格等等都是息息相关的 因为你只有做到所有知识烂熟于心 能千变万化的随意提取这些知识 只有这样才能在客户提出一些疑问事才能做到对答如流 如果没有上述的知识储备 自己对这些都不懂 更别说说服客户了 因此谈单技巧不仅仅是技巧 很重要的一部分也是自己对知识的储备程度 外加一下技巧性的回答。
五：人体工学 设计概念 色彩搭配 透视学之类的 都是你做设计之前要学习的知识 因为这些知识对你做设计都是有很大帮助的
综上说述学习室内设计不仅仅是把软件学习好就够了 更重要的是辅助软件的这些知识 只有把所有知识融会贯通 才能做到 对客户的对答如流 才能成为行业里的佼佼者 。
热门问答123456789101112131415161718192021222324252627282930&a href=&//link.zhihu.com/?target=http%3A//bbs.tianya.cn/m/post-develop-5.shtml%2324885& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&bbs.tianya.cn/m/post-de&/span&&span class=&invisible&&velop-5.shtml#24885&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&br&继续370&br&&br&今天再从实践角度聊一下财政扩张&br&&br&中国的财政扩张用途与美国是不同的，&br&&br&美国主要是弥补财政开支的不足，仅仅在2008年曾经救济过美国各大企业，银行。。。平常主要是弥补支出大于收入的赤字1.&br&&br&中国不同，至少到目前为止，中国的国债主要是用于基本建设，重大国家项目等等，而不是弥补日常开支，事实上，多年来中国的财政收入一直高速增长，基本没有支出大于收入的问题，即使在财政收入都多得用不完的时候，中国还要安排一点赤字，发行一点国债，来加快基础建设。&br&&br&记得2000年初，前朱总理在答复记者追问发行国债的事，朱回答说，中国的国债主要是用于基本建设，所以有经济学者称中国的国债是黄金用途。。有资产在后面背书。。。&br&&br&俗话说，此一时，彼一时，随着固定资产投资投资效益不断下滑，亏损项目越来越多，中国的国债不能再说是黄金用途了，&br&&br&例如，收费公路，一年亏损4000多亿&br&&br&例如，高铁，大部分线路都是不盈利的。&br&&br&所以，如果在这种投资无效益情况下，2018年继续财政扩张，将发行国债换来的资金用于基本建设，会给可能到来的财政危机雪上加霜；&br&&br&例如，假设2018年投入财政投入3万亿基本建设，如果因为没有效益，在建项目追加投资等原因，2019年又需要补充3千亿，如果此时恰逢经济大调整，财政收不抵支，这时财政将面临双重压力，2019年新增的国债收入得首先弥补日常财政赤字，很可能就没钱继续投入3千亿了，那么就会造成2018年的3万亿基本建设投资停摆，或成为烂尾工。。程。。。届时，财政压力将会山大。。。&br&&br&还有一个重要原因，这就是从2014年开始的国开行投入的棚改资金，国开行是政策性银行，其资金来源是央行的PSL和向市场发行的国开债。&br&&br&由于国开行是政策性银行，其发行的债务是由财政部兜底的，可以称为准国债，所以也属于财政扩张的一大方面。&br&&br&这样就造成了事实上是用央行印钞机的钱（PSL）和国开债（准国债）来支持棚户改造，实际使用财政收入直接从消费端刺激经济，其弊病远大于利。&br&&br&例如，早2年新闻报道。某北京大妈拆迁一套约50平米的房子，买下一套80平米房子，还留下20万养老。。。&br&&br&按当时北京每平米5万房价算，国家给这位拆迁大妈直接就补助了170万元。。。&br&&br&请问，这位拆迁大妈凭什么从国家哪里获得170万，她劳动了吗，没有，那这170万是哪里来的，实际是其他劳动者买单，这就直接制造了严重的分配不公。。&br&&br&除了制造严重的分配不公外，还从消费端刺激了房价上涨，破坏了生产与消费的平衡。。。&br&&br&据任大炮提供数据，因棚户改造提升了20%的住房销售额，换句话说，如果没有棚户改造这块，房地产销售将是下降的，就不会有这2年的房价大幅上涨，可以说，棚户改造是推高房价的主要推手。。。直接制造了生产与消费的失衡。。。&br&&br&所以，仅仅从以上2点分析，2018年不但不应该实行财政扩张，反而应该收缩，应该压缩财政对基本建设的投入，大幅减少对棚户改造的支持。。。才能避免一旦经济出现调整，给财政度过难关预留余地。。。&br&&br&不过，我也只能是说说而已，。。&br&&br&记得1958年大跃进时，尽管成绩很大，但也同时制造了严重的生产与消费失衡，经济急需进行调整，当时有人建议调整，但最高决策者却掰着手指头算，成绩与问题是九个指头与一个指头的关系，最终错过1959年一年的宝贵时间，接着就不得不被迫进行三年经济大调整。。。。&br&&br&主动承认问题，主动调整，说说容易，做就难那。。。&br&&br&尽天事听天人命
04:16&br&房地产大跃进如果不进行调整，接下来会发生什么……迎接吧。&br&无心插柳oy
05:55&br&没钱会慢慢停下来&br&剩余7条&br&评论 看全部&br&x8596t&br& 12:25&br&25334楼&br&@陈治廷-11 11:11:39&br&&br&楼主怎么看经济学家时寒冷这篇文章。跟你的相反。说的感觉是要通胀。&br&&br&鸡蛋、原油与通胀信号&br&&br&时寒冰&br&&br&2017年年末，伊朗突发动荡，骚乱毫无征兆地从伊朗第二大城市马什哈德爆发，迅速蔓延到全国。骚乱的直接导火索，是鸡蛋、肉等与民众生活息息相关的物价的上涨。随着动荡的蔓延，民众的诉求也越来越复杂。但追根溯源，物价上涨是这场动荡的直接导火索。&br&&br&我此前在微课堂中讲过，伊朗是中东的产油大国，......&br&&br&-----------------------------&br&&br&继续371&br&&br&正好今天要聊聊，为什么发了那么多货币，还会通缩，物价还不怎么涨。。。&br&&br&时寒冰先生的文章原来我也爱看，但渐渐发现其水平也不比主流经济学者高，原因还是基础经济理论不扎实，范围太狭窄。。。&br&&br&时寒冰先生此文的一个明显逻辑问题就是；当年油价高达147美元的时候，并没有推动日本物价上涨，日本还是长期处于通货紧缩之中。。。&br&&br&这是为什么呢？原因就是日本经济已经处于流动性陷阱中，不是靠几个大宗商品涨价，就可以制造出通货膨胀，物价上涨的。&br&&br&网友们务必要纠正一个错误的概念，以为通货紧缩是指物价必须普遍下跌，这并不是判断通货紧缩周期是否来临的唯一标准，更为准确和现实的标准是；银行实际利率跑赢了物价涨幅。&br&&br&这与通货膨胀周期刚好相反，通货膨胀周期必定是银行利率跑不赢物价涨幅，钱存在银行越来越不值钱，所以，人们不得不被迫消费，被逼购买资产保值。。。&br&&br&刚刚过去的2017年，除了房价外，全年CPI增速1.4%，而同期银行实际利率（保本型理财产品）利率4%以上，高出CPI，2.6个百分点，银行实际利率利率已经大幅跑赢了物价，你的人民币实际是升值的。。。&br&&br&想想看，2017年年初，你有100万，如果你买房，房价虽然上涨了，但你卖的出去吗，3到5年的限售让你根本得不到实际回报，出租租金也同样低于现金理财，除非你赌博房价3到5年后大幅上涨，否则你的理财就是亏的。。。&br&&br&相反，如果你用100万买保本型理财产品，你年收入4万，扣除CPI，1.4%，你净收益2.6%，不要小看这2.6%的差距，这是30多年来从未有过的历史性转折；银行实际利率首次跑赢了物价涨幅。。。&br&&br&到了2018年，这个差距还将拉大，即使2018年CPI突破2%，但银行利率会上升得更快，现金理财收益只会更好。。。&br&&br&到时必定会惊醒中国大妈，现金为王的理财方式逐步成为主流，一个不可逆转的通货紧缩周期就将潮水般的开启了。。。&br&&br&为什么说，2018年银行实际利率会更快的跑赢物价涨幅，让我从经济原理和实践角度继续与网友交流。。。&br&&br&未完，待续&br&&br&小饭-11 12:45&br&评论 x8596t：楼主，现在的投资方式应该转向银行理财么？金融圈内的朋友说的2018股票会开启新一轮牛市！&br&让生活充满阳光T
13:16&br&美国加息期间不可能有牛市吧，除非中国不跟随大趋势收缩货币&br&剩余13条&br&评论 看全部&br&x8596t&br& 14:48&br&25369楼&br&继续372&br&&br&我前面预测，2018年将出现罕见经济现象；超级大钱荒，银行越来越不愿意发放长期住房贷款。&br&&br&下面列出一组数据，看看可能到来的钱荒的严重性；央行应对措施的有效性。&br&&br&这是日到日，市场资金面松紧情况，也就是央行重大解决钱荒措施，下降存款准备金率2个点的前后10天情况；&br&&br&2017年&br&&br&12月20日；今日资金面早紧晚松，7天回购利率3.50，较昨日上行8.15BP&br&&br&12月21日；今天资金面保持平衡，7天回购利率3.36&br&&br&12月22日；今日资金面保持平衡，7天回购利率3.17&br&&br&12月25日；今日资金面保持结构分化，7-14天跨年资金需求旺盛，市场价格高达8-10%&br&&br&12月26日；市场资金面紧平衡，7-14天资金需求旺盛，稍有供给，便迅速被消化。&br&&br&12月27日；市场资金面分化加深，跨年资金非常紧张，7-14天非金融机构资金价格最高可达20%。&br&&br&12月28日；跨年资金需求旺盛，14天资金基本在10%以上&br&&br&12月29日；跨年资金全面紧张，7天加权利率5.41%，较昨日下行152bp，也就是28日7天利率达到6.93%&br&&br&2018年，也就是央行存款准备金率下调2个点30天开始；&br&&br&1月2日；节日后首日，资金全面恢复宽松，7天回购利率3.11%&br&&br&1月3日；资金面继续宽松，7天期回购利率2.88&br&&br&1月4日；资金面继续宽松，&br&&br&1月5日；资金面继续宽松，7天回购利率2.81&br&&br&1月8日；资金面宽松&br&&br&1月9日；资金面比较宽松。&br&&br&1月10日；市场资金面比较平衡，午后，7-14天资金需求仍然较多，市场价格迅速上升。&br&&br&1月11日；市场资金面前紧后松，7-14天资金价格大幅上升，各期限资金加权价格进一步上涨。。。&br&&br&简要总结一下上面所列资金面松紧特征；&br&&br&1,2017年年尾，明显发生了钱荒，7-14天资金价格最高达20%，7天银行拆借利率暴涨到最高6.93，这无疑是2017年以来的高点。&br&&br&2,2018年，央行下降存款准备金率2个点30天缓解钱荒措施开始生效，但也仅仅保持市场资金宽松6到7天而已，1月10日，7到14天价格就开始迅速上升，11日价格就大幅上升，同时各期限资金价格进一步上涨。。。&br&&br&注意，7天期资金价格是迅速，大幅上升，同时各期限资金价格也进一步上涨，&br&&br&这个特点充分说明市场充满了资金面紧张的恐慌情绪，而且对后期的资金面也不乐观。。。&br&&br&要知道，这可是在央行强力货币放水后的情况哦，对比一下2017年应对钱荒力度就知道了。&br&&br&2017年年初仅仅针对五大银行降低存款准备金率1个百分点，大约释放资金约3000亿。&br&&br&而这次是降低2个百分点，而且几乎是针对整个银行系统，大约释放资金最少1万亿，是2017年的3倍还多。&br&&br&力度如此之大，维持时间如此之短，奇怪吗，一点都不奇怪，对比一下2013年首次钱荒应对措施就知道了；&br&&br&2015年，存款准备金率连续6次下降了3.5个百分点，与此同时还下降利率1.5个百分点。，如此强力货币放水，也仅仅维持了货币宽松1年左右，2017年就又面临钱荒了。。。&br&&br&2017年，央行为应对钱荒，频繁，大数量的操作逆回购，不断向市场释放资金，到年尾资金紧张局面反而更加严重。。。足以证明我的观点；钱越多越闹钱荒。&br&&br&如果说，2015年强力措施，缓解钱荒效果以年计，2017年以月计，那么2018年这么强的应对钱荒的措施只能以天计了。。。&br&&br&所以，2018年可能出现的超级钱荒，将让网友们大开眼界了。。。&br&&br&接着聊，为什么，2018年商业银行会越来越不愿意释放长期购房贷款了&br&继续373&br&&br&今天评一下最新M2数据；&br&&br&2017年12月M2再创历史新低，低至8.2%，&br&&br&盖棺论定，据此，我们可以明确宣布2017年是中国经济历史性的转折年，是从通货膨胀繁荣周期转向通货紧缩周期的里程碑年份。。。&br&&br&最为重要的是；按客观经济规律，2014年中国经济的通货膨胀周期已经结束，但依托强大的行政执行力量，试图延长通货膨胀繁荣周期的努力没有达到效果。。。&br&&br&经过长达3年的行政力量与客观经济规律的较量，M2增速降至8.2给出了明确答案；客观经济规律胜出。&br&&br&央行公布的数据中，还有2个非常非常重要的数据，值得我们关注和评一评；&br&&br&1,2017年人民币存款净增额；13.51万亿，人民币贷款净增额；13.53万亿&br&&br&就是说，13.51万亿-13.53万亿=-0.02万亿，存款净增额比贷款额还少200亿。&br&&br&这是什么含义，这表示，银行又没钱了，这与2014年年底的存款少于贷款0.53万亿如出一撤，表明银行又没钱了，又开始闹钱荒了。。。&br&&br&三年一个轮回，又回到了原点，充分表明，试图用行政力量抗衡客观经济规律是徒劳的。。。&br&&br&要特别提醒网友的是；与2014年情况大不相同的是，当年央行还保留着降息，降准的有力手段来对付钱荒，现在这些手段都不能用了，或者说都失效了。。。&br&&br&2，短期贷款总额；3.46万亿，中长期贷款总额；11.68万亿，中长期贷款占比77%&br&&br&这个数据表明，银行流动性大幅降低，高比例的中长期贷款锁住了银行资金的流动性。而这个占比在2013年才30%多一点。二者的资金流动性已经不可同日而语了。&br&&br&贷款净增额大于存款净增额。&br&&br&中长期贷款占比高达77%&br&&br&这2个经济数据表明，银行不但缺钱，而且银行的流动性紧张将不是短期的。&br&&br&依托这些最新的经济数据，我们就来聊聊网友们特别关心的；为什么2018年商业银行将越来越不愿意发放购房长期贷款了。。。&br&&br&未完，待续&br&&br&白金石
03:35&br&辛苦。。&br&尽天事听天人命
03:53&br&楼主大才。&br&剩余27条&br&评论 看全部&br&x8596t&br& 13:33&br&25423楼&br&继续374&br&&br&接着373聊，为什么2018年，银行将越来越不愿意发放购房长期贷款了。&br&&br&3个原因；&br&&br&1，银行没钱了，&br&&br&2017年数据显示；存款净增13.51万亿，贷款净增额；13.53万亿，也就是存进来的钱比借出去的钱还少200亿，银行当然没钱。也就是没钱放贷了。&br&&br&没钱了，怎么办，银行会采用以下办法；&br&&br&高息揽储，大家都缺钱，利息高的自然能抢到较多的钱，有了钱，就可以放贷，就可以赚利息了。&br&&br&2，中长期贷款占比上升，收缩银行资金的流动性。&br&&br&例如，100万半年期贷款，一年可周转2次，100万10年期贷款，10年才能周转一次，&br&&br&银行原本就缺钱，为了提高资金流行性，银行当然不会愿意发放长期贷款了，而购房贷款是典型的长期贷款，往往长达20-30年，大幅锁住了银行资金流动性。&br&&br&所以，在2018年资金严重短缺，可能出现超级钱荒的情况下，银行越来越不愿意发放购房贷款就是顺理成章的事了。&br&&br&如果银行越来越不愿意发放房贷，这房价还涨得起来吗，不用脑袋想，用骨头想都知道。&br&&br&3，越来越多的庞氏借债，中长期贷款占比不断攀升的主要原因就是借新债还旧债越来越多。。。为什么&br&&br&因为庞氏借债的一大特点就是，借钱越多越好，借债期限越长越好；&br&&br&举个极端的例子；假设某人欠银行100万1年期，他再借1个亿50年期，那么这个人这一辈子就不用干活了，每天吃香的喝辣的，还不用担心还本付息的问题。。。&br&&br&或许30年后，他就死了，还欠银行5千万，但这30年内，该人竟然还是银行最守信用的按期还本付息的优质客户。。。真是莫大的讽刺。。&br&&br&当然，这是不可能的，因为银行借给该人1个亿是要抵押品的，没有合格的抵押品，银行是不会借的。&br&&br&当今中国，大量的借债，至少60%以上其实都是庞氏借债了，。。或者说是没有合格抵押品的。。。&br&&br&有网友一定会说，住房贷款不是庞氏借债，是银行的优质贷款。。。&br&&br&但这只是几年前的事情了，经过这两年房价大幅上涨，房价已经远远高于其真实价值了。&br&&br&例如，北京房子建造成本才3000元平米，可卖价达到10万元平米了，价格高于价值30多倍。&br&&br&所以，今天银行给北京的购房者贷款，其实就是典型的庞氏借债，永远也别想收回贷款了。&br&&br&为什么？把上面举的那个极端的借一个亿的例子套进来想一下就明白，依托今天的高房价贷款其实已经是庞氏借债。。。&br&&br&想想看，那个借一个亿的人，如果空手去银行借，当然借不到，如果他拿自己的茅草房去借，是不是借得到呢，如果拿一支郁金香去银行借呢，别说，银行还真的可能会借给他了。&br&&br&这可是历史事实，当年荷兰的一支好郁金香，真的价值一套别墅呢，尽管今天的人觉得那时的人好像很愚蠢。。。&br&&br&可现实是，这种愚蠢的事可能正在中国发生，用10年前价值仅仅100万，今天涨到1000万的一套房到银行贷款700万，与当年一支郁金香可在银行借到购买一栋别墅的钱，其实一样愚蠢。&br&&br&凭一套茅草房借给那人1个亿&br&&br&凭北京一套1000万的房子借出700万。&br&&br&二者其实都是庞氏借债，都是愚蠢的，只不过愚蠢程度不同而已，。。。&br&&br&1，银行没钱了&br&&br&2，长期房贷锁住银行资金流动性&br&&br&3，远离实际价值的超高房价。&br&&br&这3点都已经在2018年出现，据此判断，2018年商业银行将越来越不愿意释放购房贷款，这个预测应该还是靠谱吧。。。&br&&br&ty玉龙qzz
13:39&br&经济小白试问客户贷出来的款给了开发商，难道开发商不把钱存银行吗？&br&king8-01-13 13:48&br&评论 x8596t：这不需要预测。流动性风险加资金成本上升。房贷做多了就是亏本的买卖。 楼主是理工科转的经济吧？&br&剩余17条&br&评论 看全部&br&x8596t&br& 16:29&br&25449楼&br&继续375&br&&br&今天聊聊央行2018年的主要目标任务，同时分析分析央行还有什么手段来完成这些任务，效果将会怎样。。。。&br&&br&调侃点说就是，央行有多少个桶，有多少个盖，盖不盖得住。。。&br&&br&2018年，央行至少有如下几大目标任务；&br&&br&1，确保银行实际利率不要跑赢物价涨幅&br&&br&2018年，此任务唯此唯大，因为如果让银行实际利率跑赢物价上涨，那就是典型通货紧缩了，&br&&br&想想看，如果银行利率跑赢物价涨幅，将惊醒普通百姓，从而改变已经延续了30多年的理财习惯，由买资产保值，借贷消费，变成紧缩消费，钱存银行增值。。。&br&&br&是不是经济繁荣就拜拜了。&br&&br&2，确保不要形成人民币贬值预期，&br&&br&具体说，一定不要让人民币贬值破7元，如果破7，必定形成人民币贬值预期，惊醒中国大妈也来兑换美元，加上富人为资本外逃兑换美元，。。。&br&&br&那将一发不可收拾，因为要锁住富人资本外逃相对容易，可你无法阻止全民兑换大潮。。。。到时，人民币将贬值无底线了。。。&br&&br&3，确保资金流动性，即，不要闹钱荒&br&&br&当今经济已经进入了高利率状态下的流动性黑洞，有多少货币就可以吞噬多少，因为当今中国，资金需求量已经是无限大，或者说，借新债还旧债需求无限大，或者说，庞氏借债量无限大。。。&br&&br&面对一个货币需求量无限大的黑洞，谁要能满足，不闹钱荒，可以送他一个绰号叫；赛神仙。。。哈哈。&br&&br&4，保证信贷资金合理增长。。。&br&&br&也就是要保证M2有一定的增速，至于多高增速算合理，据专家学者透露，恐怕增速得在10%左右才算合理吧。。。&br&&br&这个任务必定让央行头疼不已，一个头两个大，。。。&br&&br&想想看，2017年年初两会白纸黑字，M2增速控制在12%左右，结果2017年交出的答卷是8.2%。。。&br&&br&要知道，即使这个8.2%也是费了九牛二虎之力才做到的，千万别说是央行主动收紧货币所致，因为这远离事实，年初目标12%，年底来个8.2%，结果与目标差距如此之大，一点都不符合管理层言必信行必果的常态。。。。&br&&br&5，为GDP增速不低于6.5%保驾护航&br&&br&央行的货币政策必须为GDP增速服务，这个大家都知道，这是几十年的老常态了，不用我多说&br&&br&6，守住不发生系统性金融风险的底线&br&&br&俗话说，文官画一笔，武官跑死马。。。&br&&br&这守住不发生系统性金融风险底线，话说容易，做起来恐怕比登天还难，如果真能做到，完全可以当之无愧的得个绰号；活神仙。。。&br&&br&想想看，如果真能做到，世界经济历史上就没有经济危机了，至少就不会有日本经济泡沫破裂，美国次贷危机了。。。&br&&br&不过，以上6大任务再难，央行也得努力一试，那么央行具体会怎么做呢，有些什么具体手段呢？&br&&br&未完，待续
继续370 今天再从实践角度聊一下财政扩张 中国的财政扩张用途与美国是不同的， 美国主要是弥补财政开支的不足，仅仅在2008年曾经救济过美国各大企业，银行。。。平常主要是弥补支出大于收入的赤字1. 中国不同，至少到目前为止，中国的…
&p&谢邀。&/p&&p&针对这个问题，我们邀请了微软亚洲研究院&b&机器学习组&/b&的首席研究员刘铁岩博士，为大家带来他眼中人工智能现状，包括面临的挑战与机遇。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-00f0b01fc2d12fd12b1b0_b.png& data-rawwidth=&2048& data-rawheight=&1236& class=&origin_image zh-lightbox-thumb& width=&2048& data-original=&https://pic1.zhimg.com/v2-00f0b01fc2d12fd12b1b0_r.png&&&/figure&&p&微软亚洲研究院机器学习组包含机器学习的各个主要方向，在理论、算法、应用等不同层面推动机器学习领域的学术前沿。该组目前的研究重点为深度学习、增强学习、分布式机器学习和图学习。其研究课题还包括排序学习、计算广告和云定价。在过去的十几年间，该组在顶级国际会议和期刊上发表了大量高质量论文，帮助微软的产品部门解决了很多复杂问题，并向开源社区贡献了&a href=&//link.zhihu.com/?target=https%3A//mp.weixin.qq.com/s%3F__biz%3DMzAwMTA3MzM4Nw%3D%3D%26mid%3Didx%3D1%26sn%3Def1ba087cf42db81f0a0de%23rd& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&微软分布式机器学习工具包（DMTK）&i class=&icon-external&&&/i&&/a&和&a href=&//link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzAwMTA3MzM4Nw%3D%3D%26mid%3D%26idx%3D1%26sn%3Dee9d6ee5fabf1%26chksm%3D82c0a988b5bd86ca2b7ce2cb7c895dadd6173c7bdfffbb14f%23rd& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&微软图引擎（Graph Engine）&i class=&icon-external&&&/i&&/a&，LightLDA、&a href=&//link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzAwMTA3MzM4Nw%3D%3D%26mid%3D%26idx%3D1%26sn%3D615217bcdb0b642ebadc96%26chksm%3D82c0d6adb5b75fbbd8c4eef92aabd297f7d2f1e4b0dd86a65a3d8be6%23rd& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&LightGBM等&i class=&icon-external&&&/i&&/a&，并受到广泛关注。该组正在招贤纳士，诚邀各路英雄好汉加盟，共同逐鹿AI天下。&a href=&//link.zhihu.com/?target=https%3A//www.microsoft.com/en-us/research/people/tyliu/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&联系我们。&i class=&icon-external&&&/i&&/a&&/p&&br&&p&——这里是正式回答的分割线——&/p&&p&要说人工智能发展到了什么程度，我们先来看看&b&人工智能的历史进程&/b&。&/p&&p&人工智能从1956年的达特茅斯会议开始，到现在61年的历史，发展过程中风风雨雨，可以看到几起几落，至少我们经历过两个所谓人工智能的冬天。&/p&&p&每一次人工智能的崛起都是因为某种先进的技术发明，而每一次人工智能遇到了它的瓶颈，也都是因为人们对于人工智能技术的期望太高，超出了它技术能达到的水准。所以政府、基金会等撤资，导致了研究人员没有足够的资金去从事研究。&/p&&p&那么今天我们处在一个什么阶段呢？有人说现在是人工智能的春天，有人说是夏天，还有人悲观一点，说是秋天，秋天的意思就是冬天马上就来了。作为人工智能的学者，我们该怎么看待这件事情，我们能做些什么？不管大家怎么预测，至少今天还是一个人工智能的黄金时代。&/p&&p&为什么这么讲呢？接下来先给大家展示一些最近人工智能取得的成果，确实是之前十几年我们完全想不到的。&/p&&p&&b&首先，我们讲人工智能在语音方面的突破&/b&，人工智能在语音识别，语音合成上面最近都取得了非常瞩目的结果。2016年10月份由微软美国研究院发布的一个语音识别的最新结果实现了错误率为5.9%的新突破，这是第一次用人工智能技术取得了跟人类似的语音识别的错误率。&/p&&p&&b&其次，在图像方面，人工智能也有很多长足的进步&/b&，比如图像识别的ImageNet比赛，用计算机去识别数据集中1000个类别的图像。在2015年，来自微软亚洲研究院的技术——ResNet，获得了2015年ImageNet的冠军，错误率是3.5%，而人的错误率大概是5.1%。所以可看出在特定领域、特定类别下，其实计算机在图像识别上的能力已经超过了人的水平。2016年我们微软亚洲研究院再接再励，在比图像识别更难的一个任务——物体分割上面取得了冠军。&/p&&p&除了语音和图像以外，其实&b&人工智能在自然语言上面也取得了很大的进展&/b&。左边这张图描述了各大公司都在不断地提高各自语音机器翻译的水准和技术，右边这张图展示的是去年12月微软发布了Microsoft Translator的一个新功能，它支持50多种语言，可以实现多个人多种语言的实时翻译，比如大家每个人可能来自不同的国家，只要拿着手机用这个APP我们就可以互相交流。你说一句话或者输入文字，对方听到/看到的就是他的母语。
&/p&&br&&figure&&img src=&https://pic2.zhimg.com/v2-106f73904bcb13248dea7f10dc378e0d_b.png& data-rawwidth=&1172& data-rawheight=&622& class=&origin_image zh-lightbox-thumb& width=&1172& data-original=&https://pic2.zhimg.com/v2-106f73904bcb13248dea7f10dc378e0d_r.png&&&/figure&&p&前面说的这些语音、图像、语言，听起来还都是一些感知方面的东西。大家也知道，最近这段时间，人工智能在一些传统我们认为可能&b&很难由机器来取得成功的领域也获得了突破&/b&。比如左边这张图描述的是用人工智能技术来打游戏，大家可以看到这个敲砖块的游戏，在120分钟训练的时候，人工智能就找到了很有效的得分的途径。当我们继续去训练这个人工智能的机器人，到了240分钟以后，它又达到了那种所谓骨灰级玩家的水准，它发现了一些平时我们自己都玩不出来的窍门。 &/p&&br&&figure&&img src=&https://pic3.zhimg.com/v2-c585cc94d4a65eace5582_b.png& data-rawwidth=&1161& data-rawheight=&617& class=&origin_image zh-lightbox-thumb& width=&1161& data-original=&https://pic3.zhimg.com/v2-c585cc94d4a65eace5582_r.png&&&/figure&&p&右边展示的是围棋比赛，大家都知道AlphaGo非常火，使用了深度增强学习的技术，经过了非常长的训练时间，引用了大量数据做self-play，最终是以压倒性的优势，4：1战胜了当时的世界冠军李世石。在去年的IJCAI上面，AlphaGo主要的开发人员做了一个keynote，说自战胜了李世石之后，AlphaGo并没有停下脚步，因为它是一个self-play的process，可以继续训练，只要给他足够的运算时间和样例，它就可以不断地去训练。所以也能理解为什么今年年初Master重新回到大家视野里，可以对围棋高手60连胜，因为这个差距太大了。&/p&&p&这些事情都是以前人们觉得人工智能不可以去企及的领域。但正是因为这些计算机科学家、人工智能科学家不断地去模仿人的决策过程，比如他们训练了value network，训练了policy network，就是怎么样根据现在的棋局去评估胜率，去决定下一步该走什么子，而不是走简单的穷举，用这些value network来对搜索树进行有效的剪枝，从而在有限的时间内完成一个非常有意义的探索，所有这些都是人工智能技术取得的本质的进展，让我们看到了一些不一样的结果。&/p&&p&说了人工智能的这些辉煌之后，其实&b&有很多问题是需要我们去冷静思考和回答&/b&的。&/p&&br&&figure&&img src=&https://pic1.zhimg.com/v2-35fb4e11af937a4fa875830_b.png& data-rawwidth=&1214& data-rawheight=&618& class=&origin_image zh-lightbox-thumb& width=&1214& data-original=&https://pic1.zhimg.com/v2-35fb4e11af937a4fa875830_r.png&&&/figure&&p&我们的主题是开启智能计算的研究之门，我想从一个研究者的角度跟大家讨论一下我们还能做些什么，甚至是更有意义的是去做些什么。人工智能表面看起来很火，其实如果把这张魔术的台布展开，你就会发现它千疮百孔，各种各样非常基础的问题其实并没有解决，甚至有很多哲学的方法论的东西从我们的角度来看可能也不准确。&/p&&p&面对这样的情况，更有意义的事情可能是冷静下来，去从事一些能够改变人工智能现状以及未来的很本质的基础研究工作，甚至是去反思人工智能发展的路线图，看看我们是不是应该重启一条道路。这些事情才能使得我们不仅仅是随波逐流，不仅仅是变点现，骗点钱，而是在人工智能发展的真正道路上留下我们自己的足迹，过了几十年当大家回忆的时候，另外一个人站在台上讲述人工智能一百年的时候，他会在那个图上标着一个星星，那里面讲的是你的故事。&/p&&p&前面这些人工智能现象的背后是什么？说到技术层面，现在最火的两个词，一个叫Deep Learning（深度学习），一个叫Reinforcement Learning（增强学习）。&b&深度学习&/b&是什么？通俗地讲，它就是一个端到端的学习，我们不需要一些feature engineering，而是用一个非常复杂的、容量很大的模型去直接拟合输入输出，让模型自己探索有意义的中间表达。&/p&&p&什么是&b&增强学习&/b&？通俗地讲，就是学习机器不断地跟环境做自主的互动，在互动的过程中用长远的收益来指导当下该做什么决策，通过不断的跟环境互动去调整决策的最优性。&/p&&br&&br&&figure&&img src=&https://pic2.zhimg.com/v2-cdf40e087fefcf5be2da4d_b.png& data-rawwidth=&1600& data-rawheight=&832& class=&origin_image zh-lightbox-thumb& width=&1600& data-original=&https://pic2.zhimg.com/v2-cdf40e087fefcf5be2da4d_r.png&&&/figure&&p&之所以现在深度学习和增强学习能够取得很大的成功，背后有一个很大的原因，就是基于巨大的数据和巨大的运算量训练出的拥有巨大容量的模型，所以它们的成功离不开硬件系统，这也是为什么现在GPU这么火，包括云计算、多机协作已经成了我们必不可少的环节。&/p&&p&这是现在人工智能的现状。面对这样的现状，我们是按照大家指定的这条道路去走，多搞几个GPU去训练一些模型跟别人PK，还是反思一下这条路对不对，有没有什么问题，接下来我想跟大家讨论的就是人工智能的诸多问题。我只列了一些其中的代表，但其实问题远远不止这些。&/p&&p&第一件事，现今的人工智能技术，尤其是以深度学习为代表的，需要&b&大量的标注数据&/b&，来让我们能够训练一个有效的模型，它不太依赖于人的先验知识，要learning from scratch。如果想从零开始学习就需要有大量的样本提供规律。比如，图像分类，现在通常会用上千万张图像来训练；语音识别，成千上万小时的有标注的语音数据；机器翻译一般都是在千万量级的双语语对上去做训练，这样的数据之前是不可想象的，但是我们这个时代是大数据时代，所以有了这些数据，就使得深度学习训练成为了可能。但这是不是一剂万能的灵药呢？其实在很多领域里是不可能或者是很难获得类似的数据的。比如医疗上面，很多疑难杂症，全世界也没有几例，那怎么能够对这个类别搜集大数据。所以从这个意义上讲，如果我们能够找到一种方法克服对大的标注数据的需求，我们才能够使得现在的人工智能技术&b&突破&/b&目前&b&数据给它划定的边界&/b&，才能够深入到更多的领域里面去。&/p&&p&第二个挑战是关于&b&模型大小以及模型训练难度&/b&的问题，前面提到了深度神经网络有很多层，而且一般参数都很大，几十亿的参数是家常便饭。面对这样的网络，至少有两个困难，一个是我们经常提到的&b&梯度消减和梯度爆炸&/b&的问题，当深层网络有非常多层次的时候，输出层和标签之间运算出来的残差或者是损失函数，是很难有效地传递到底层去的。所以在用这种反向传播训练的时候，底层的网络参数通常不太容易被很有效的训练，表现不好。人们发明了各种各样的手段来解决它，比如加一些skip-level connection，像我们微软亚洲研究院发明的ResNet技术就是做这件事情的，还有很多各种各样的技巧。但这些其实都只是去解决问题的技巧，回过头来，原来的这个问题本身是不是必要的，是需要我们反思的。&/p&&p&再有就是&b&模型爆炸&/b&。前面说了几十亿的参数是家常便饭，几十亿甚至上百亿个参数意味着什么，意味着模型本身的存储量是非常大的。举一个简单的例子，如果我们用神经网络来做语言模型，给出的训练数据集是Clueweb整个网络上的网页，大概有十亿个网页的量级。 这样的一个数据，如果要去用循环神经网络去训练一个语言模型，简单计算一下就会知道，它需要用到的模型的大小大概是80G到100G的大小，听起来好像不太大，但是现在主流的GPU板上的存储24G已经算是高配，换句话说，80G到100G的大小已经远远超过一个GPU卡的容量，那么就一定要做分布式的运算，还要做模型并行，有很多技术难度在里面。即便有一个GPU卡，能够放下这80G或100G的模型，如此大的训练数据过一遍也可能要用上百年的时间，这听起来也相当不靠谱。到底需不需要这么大的模型，有没有必要我们非要把自己放在一个内存也不够用，计算时间也非常长，也不能忍受的境地呢，这个是值得思考的问题。&/p&&br&&figure&&img src=&https://pic1.zhimg.com/v2-6d6e276e14fd105f5df30bc_b.png& data-rawwidth=&1158& data-rawheight=&613& class=&origin_image zh-lightbox-thumb& width=&1158& data-original=&https://pic1.zhimg.com/v2-6d6e276e14fd105f5df30bc_r.png&&&/figure&&br&&p&说到大模型，标注数据很大，那必然要提到&b&分布式运算&/b&，分布式运算听起来是一个相对成熟的领域，因为系统领域已经对分布式计算研究了很多年。但是回到我们分布式机器学习这件事情上是有所不同的：这里我们做分布式运算的目的是为了让我们能够用更多的资源来容纳更大的模型，使得运算的时间缩短到能接受的程度，但是我们不想丢掉运算的精度。&/p&&p&举个例子，原来用上百年的时间可以得到一个非常精准的语言模型，现在有100台机器，虽然算的很快，但出来的语言模型不能用了，这件得不偿失。&/p&&p&说到分布式运算有两个主流的方式，一个是同步的并行方式，一个是异步的并行方式。&b&同步的并行方式&/b&是什么，就是很多机器都分了一个子任务，大家每计算一步之后要互相等待，交换一下计算的结果，然后再往前走。这个过程能够保证对整个分布式运算的流程是可控的，可以知道发生了什么，在数学上可以做建模，能够在理论上有所保证。但它的问题就是所谓的木桶原理，这个集群里面只要有一台机器很慢，分布式运算就会被这台机器拖垮，就不会得到好的加速比。&/p&&p&所以人们开始做&b&异步的并行方式&/b&，异步的意思就是每台机器各自做自己的事情，互相不等待，把当前按照各自的数据训练出来的模型更新推到某一个服务器上，再更新整体模型。但这时候又出现了一个新的问题，就是乱序更新的问题，这个过程是不能被我们原来的数学模型所描述的，违背了优化技术的一些基本假设。比如当我们使用随机梯度下降法的时候，可以证明当时用一个不断减小的学习率时，优化过程是有收敛性的。这是因为我们每一次增加的那个梯度是在上一次计算的模型基础上算出来的梯度。一旦加上去的梯度可能是旧的，不是依据前一个模型算出来的，到底优化过还能不能收敛，就不那么清楚了，所以虽然速度快，精度却可能没有保证。
&/p&&p&第四个，我把它叫做&b&调参黑科技，难言之隐&/b&。这件事情特别有趣，我前一段时间参加过一个论坛，一位嘉宾的一句话给我印象特别深，他说大家知道为什么现在很多公司都有深度学习实验室吗，以前没听说过有一个叫支持向量机实验室的，为什么？这是因为像SVM这样的技术训练过程非常简单，需要调节的超参数很少，基本上只要按部就班去做，得到的结果都差不多。&/p&&p&但深度学习这件事情，如果不来点调参黑科技，就得不到想要的结果。所谓深度学习实验室，就是一批会调参的人，没有他们深度学习就没那么好用。虽然是句玩笑，但是深度学习力要调的东西确实太多了，比如说训练数据怎么来，怎么选，如果是分布式运算怎么划分，神经网络结构怎么设计，10层、100层还是1000层，各层之间如何连接，模型更新的规则是什么，学习率怎么设，如果是分布式运算各个机器运算出来的结果怎么聚合，怎么得到统一的模型，等等，太多需要调的东西，一个地方调不好，结果可能就大相径庭。这就是为什么很多论文里的结果是不能重现的，不是说论文一定不对，但至少人家没有把怎么调参告诉你，他只告诉了你模型长什么样而已。
&/p&&p&下一个挑战，叫做&b&黑箱算法，不明就里&/b&。这不仅仅是神经网络的问题，更是统计机器学习多年来一直的顽疾，就是用一个表达能力很强的黑盒子来拟合想要研究的问题，里面参数很多。这样一个复杂的黑盒子去做拟合的时候，结果好，皆大欢喜。如果结果不好，出现了反例，该怎么解决呢，这里面几亿、几十亿个参数，是谁出了问题呢，其实是非常难排错的事情。相反，以前有很多基于逻辑推理的方法，虽然效果没有神经网络好，但是我们知道每一步是为什么做了决策，容易分析、排错。所以最近几年有一个趋势，就是把基于统计学习的方法和基于符号计算的方法进行结合，造出一个灰盒子，它既具备很强的学习能力，又能在很大程度上是可理解、可支配、可调整的。&/p&&br&&figure&&img src=&https://pic1.zhimg.com/v2-8a874b260aa6b_b.png& data-rawwidth=&1601& data-rawheight=&786& class=&origin_image zh-lightbox-thumb& width=&1601& data-original=&https://pic1.zhimg.com/v2-8a874b260aa6b_r.png&&&/figure&&p&到现在为止，这几件事都是现在人工智能技术层面的问题。接下来，谈的是更像方法论和哲学的问题，仅为个人的观点，跟大家一起分享。&/p&&p&其中一条，我叫做&b&蛮力解法，舍本逐末&/b&。这句话什么意思？刚才我提到过深度学习之所以这么成功，是因为它有一个特别强的表达能力，在历史上人们证明过深层神经网络有universal approximation theorem，只要隐结点的数目足够多，任意给一个连续函数，它都可以无限逼近这个函数，换言之，有了很强的表达能力，什么问题都可以学的很好。听起来好像是挺美好的事，但实际上它背后存在一个问题：它拟合的是数据的表象，数据表象可以非常复杂，但是数据背后驱动的规律是不是真的那么复杂呢，如果我们只看到表象不去研究数据产生的本质，很可能你花了很大的力气去拟合，但是浪费了很多时间，得到的结果也不鲁棒。&/p&&p&举个例子，我们发现大自然也好，人类社会也好，其实没有想象的那么复杂，虽然你看到的很多数据很复杂，它们背后的规律可能非常简单。像量子力学有薛定谔方程、量子化学、流体力学、生物遗传学、经济学、社会学也都有类似的简单方程，科学家发现那么纷繁复杂的现象都可以被一个动态系统所刻划，而动态系统背后的规律可能就是一个最高二阶的偏微分方程。大家可以想象，如果不知道这些机理，不对动态系统做建模，只对动态系统的产出数据做建模，就会觉得这个问题非常复杂，要有一个容量非常大的神经网络去逼近这个数据。但反过来，如果目光焦点在这个动态系统身上，可能就两三个参数的一个二阶微分方程就搞定了。&/p&&p&下面也是一个值得思考的问题——&b&动物智能，南辕北辙&/b&，虽然前面提到人工智能产生了很多的进步，但其实目前所做的还主要是认知的事情，做一个Pattern Recognition，听听声音，看看图像，这是动物也能做的事。今天的人工智能没有回答一个关键的问题，就是动物和人的区别。可能有人会讲，据说猴子的大脑比人的大脑小很多，有可能是体量的不同。但人的祖先跟大猩猩在包容量上应该没有本质的区别，那到底为什么经过漫长的进化，人能成为万物之灵主宰地球了呢？&/p&&p&我自己的观点是因为人类发明了很多动物界没有的机制和规律。比如我们有文字，我们可以把我们对世界的认知，总结出来的规律写下来，把它变成书，变成资料传给我们的下一代。当老一辈的人去世之后，孩子们读读书，就掌握了之前几百年几千年人们对世界的认识。但是老一代大猩猩死掉之后，它的孩子就要从头学起。另外，我们人类有强大的教育体系，人从幼儿园开始，小学，中学，一直进入大学，用了十几年的时间，就把几百年、几千年的知识都掌握在身上了，可以站在巨人的肩膀上继续往前走，这非常了不起。好的老师，会教出好的学生，教学相长，薪火相传。&/p&&p&这些人类的精髓在今天的人工智能技术里面是并没有充分体现，而没有它们我们怎么能指望深度神经网络达到人的智商呢？&/p&&p&前面列了很多方面，是我们对人工智能领域的一些看法，不管是从技术层面，还是方法论层面，都有很多值得进一步挖掘的点，&b&只有这些问题真正解决了，人工智能才可能稳稳妥妥的往前走&/b&，而不只是昙花一现。&/p&&p&&/p&&figure&&img src=&https://pic3.zhimg.com/v2-a0b536b084befef7abaa_b.png& data-rawwidth=&1257& data-rawheight=&673& class=&origin_image zh-lightbox-thumb& width=&1257& data-original=&https://pic3.zhimg.com/v2-a0b536b084befef7abaa_r.png&&&/figure&&br&&p&基于这些考虑，我所在的微软亚洲研究院机器学习组，对研究方向做了一个相应的布局，比如&a href=&//link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzAwMTA3MzM4Nw%3D%3D%26mid%3D%26idx%3D1%26sn%3Dd64fcedchksm%3D82c0d71db5b75e0ba29d675a61b12f669a6d9fdb15e97fscene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&对偶学习&i class=&icon-external&&&/i&&/a&，它解决的就是没有大规模标注数据的时候，该怎么训练一个神经网络、怎么训练一个增强学习模型。该论文发表在去年的NIPS大会上，获得了很大的反响。&/p&&p&还有，我们叫&b&精深学习（Light Learning）&/b&，为什么叫Light？前面提到很多模型太大，放不到GPU里，训练时间很长，我们这个研究就是去回答是否真的需要那么大的模型。我们展示了一个很有趣的深度学习算法，叫&a href=&//link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzAwMTA3MzM4Nw%3D%3D%26mid%3D%26idx%3D1%26sn%3D6e83874cfcf9f586b0ed5d5bb18df6e6%26chksm%3D82c0d731b5b75e27ad302e4cabce6e949fa73fe1b4de3ba99d97bf43bbfc46dc8d80f13ab1ce%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Light RNN&i class=&icon-external&&&/i&&/a&，用该技术，只需要用一个非常小的模型在几天之内就可以把整个Clueweb数据学完，而且它得到的结果要比用大模型训练很长时间得到的结果还要好。&/p&&p&&b&并行学习&/b&，之前提到并行学习有很多同步异步之间的权衡，我们发明了一个技术，它有异步并行的效率，但是能达到同步并行的精度，中间的技术解决方案其实很简单，在网上也有论文。我们用了泰勒展开，一个非常简单的数学工具，把这两者给结合在一起。&/p&&p&&b&符号学习&/b&，就是想去解决黑白之间的那个灰盒子问题。&/p&&p&&b&自主学习&/b&，是想去解决深度学习调参的黑科技，既然调参这么复杂，能不能用另外一个人工智能算法来调呢，能不能用增强学习的方法来调呢，所以我们做了一系列的工作来解决怎么去调各种各样的参数，怎么用另外一个机器学习来做这个机器学习。&/p&&p&最后一个方向，我们叫做&b&超人类学习&/b&，我们想受大自然的启发，受人类社会发展的启发，去使得我们的人工智能技术接近人类，甚至超过人类，这背后是整个人工智能方法论的变化。&/p&&br&&p&如果大家感兴趣，可以关注我们微软亚洲研究院机器学习组，跟我们共同从事机器学习的基础研究。&/p&&p&——这里是回答结束的分割线——&/p&&p&感谢大家的阅读。&/p&&p&本账号为微软亚洲研究院的官方知乎账号。本账号立足于计算机领域，特别是人工智能相关的前沿研究，旨在为人工智能的相关研究提供范例，从专业的角度促进公众对人工智能的理解，并为研究人员提供讨论和参与的开放平台，从而共建计算机领域的未来。&/p&&p&微软亚洲研究院的每一位专家都是我们的智囊团，你在这个账号可以阅读到来自计算机科学领域各个不同方向的专家们的见解。请大家不要吝惜手里的“邀请”，让我们在分享中共同进步。&/p&&p&也欢迎大家关注我们的微博和微信账号（搜索：微软亚洲研究院AI头条），了解更多我们研究。&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//weixin.qq.com/r/PUliejrEzWeyrX4Z9xwv& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&weixin.qq.com/r/PUliejr&/span&&span class=&invisible&&EzWeyrX4Z9xwv&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a& (二维码自动识别)&/p&
谢邀。针对这个问题，我们邀请了微软亚洲研究院机器学习组的首席研究员刘铁岩博士，为大家带来他眼中人工智能现状，包括面临的挑战与机遇。微软亚洲研究院机器学习组包含机器学习的各个主要方向，在理论、算法、应用等不同层面推动机器学习领域的学术前沿。…
&p&中国即将迎来一轮物价暴涨&/p&&p&本周五晚上，期货市场迎来一轮大暴跌，期货种类大面积从涨停板突然直线暴跌，部分品种甚至打到了跌停。这个事件震惊中国金融界，一时间纷纷讨论，关于这件事的纪实和报道，网上已经说的已经很充分了，我就不再赘述，我这里说一下我就这件事情所引申的个人看法。&/p&&p&首先我们知道，期货市场周五是突然暴跌，但是资本市场是动态平衡的，没有暴涨就没有暴跌，没有暴跌就没有暴涨。这一次的突然暴跌，所产生的背景是最近一段时间各大期货品种纷纷暴涨，黑色系品种较15年底部的价格，平均上涨了3倍有余，各类农产品的价格大概也都在上涨1.5-2倍左右，总之，只要是商品，从16年初到现在，就没有不涨的，区别只是涨多涨少而已。&/p&&p&商品的价格是由供求关系决定的，这是经济学基本原理，但是在货币严重超发的时候，还跟货币供应量有关。也就是说，供不应求的时候，商品会涨，但是供需平衡的时候，如果货币严重超发，他也会涨。所以这一轮的上涨，除了黑色系是由于供给侧改革引发可以用供需关系解释之外，其他的普通品种和货币供应量是有很大关系的。&/p&&p&我在10月份发表的那篇《中国房价什么时候会暴跌》一文中曾经说过，中国有二轮货币超发，08年底是一轮大的，15年中旬是一轮是小的。15年中旬之后频繁的降准降息所释放的大量货币，由于这一轮房价的上涨，所有货币被房地产吸纳了进去，物价像钉子一样被钉死在了地上，如果房地产被打压，货币溢出，那么各地生活用品的价格就纷纷暴涨。&/p&&p&这一轮房价上涨，深圳的见顶日期是16年3月份，而全国的见顶日期，是10月份。而这一轮物价，除了黑色系是供给侧改革提前3个月起步了之外，其他无论是棉花、菜粕还是其他，上涨的起步点都是三月份左右开始,炒作加速见于报端的大多是10月份，连续涨停导致一夜暴跌，则产生于11月份，其中各个品种因为各自的特性有各自的波动特征，但是大的方向，全部一致。&/p&&p&大家都知道，15年是一轮小型的经济危机，政府的应对措施是一轮小型的量化宽松，08年是一次大型的经济危机，政府的应对措施是一轮大型的量化宽松。所以，我们可以参考一下08年12月份之后的走势。&/p&&p&我们都知道，08年金融危机，不管是股票、房产，还是煤炭、棉花、黄铜，只要是具备商品属性，和金融挂钩的，没有不暴跌的。08年12月底，全球开始量化宽松，中国也推出了自己的四万亿计划，货币宽松，大水漫灌，带来了一轮普涨，谁不涨都不好意思。股市走出了翻倍行情，房价止跌开始大幅攀升，各种商品也纷纷沾光上升。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-aaaada6993_b.png& data-rawwidth=&1722& data-rawheight=&1014& class=&origin_image zh-lightbox-thumb& width=&1722& data-original=&https://pic4.zhimg.com/v2-aaaada6993_r.png&&&/figure&&br&&p&如图所示，09年中旬股市指数翻倍，反弹见顶，但是各地的物价没有太剧烈的波动，因为还有房地产负责吸金，但是10年的时候房地产开始全面调控，打压过快上涨的房价。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-9ba4ae7ac6bd_b.png& data-rawwidth=&623& data-rawheight=&155& class=&origin_image zh-lightbox-thumb& width=&623& data-original=&https://pic4.zhimg.com/v2-9ba4ae7ac6bd_r.png&&&/figure&&p&二套房5成首付，是不是很眼熟，和上个月颁布的政策一模一样。这个政策颁布之后发生了什么事情呢，看看下图&/p&&figure&&img src=&https://pic3.zhimg.com/v2-674de8fa5f230f7e4014e_b.png& data-rawwidth=&1752& data-rawheight=&999& class=&origin_image zh-lightbox-thumb& width=&1752& data-original=&https://pic3.zhimg.com/v2-674de8fa5f230f7e4014e_r.png&&&/figure&&figure&&img src=&https://pic3.zhimg.com/v2-50b78a01cb8df4bbd54685d6_b.png& data-rawwidth=&1920& data-rawheight=&1000& class=&origin_image zh-lightbox-thumb& width=&1920& data-original=&https://pic3.zhimg.com/v2-50b78a01cb8df4bbd54685d6_r.png&&&/figure&&br&&p&随便列举几个民生用品，棉花和白糖，那价格飞升的简直就是直线上窜，大概从2010年7月开始，价格一路飞升。&/p&&p&是不是只有期货商品才这么暴涨呢，和我们升斗小民关系不大，不是的，再来看看这个&/p&&figure&&img src=&https://pic1.zhimg.com/v2-65ce625e1dddea5a63f94a6c_b.png& data-rawwidth=&712& data-rawheight=&438& class=&origin_image zh-lightbox-thumb& width=&712& data-original=&https://pic1.zhimg.com/v2-65ce625e1dddea5a63f94a6c_r.png&&&/figure&&br&&p&这些词汇是不是很熟悉？2010年的物价，同比2009年，均出现了大幅度的上涨，从蒜你狠开始，蔓延到几乎所有民生领域，你自己回忆下你家门口那几年早餐的价格，也可以略窥一二。&/p&&p&股市没有赚钱效应，房地产不准涨，但是社会上到处都是央行发的海量资金，于是资金四散而逃，各地民生物价的涨幅图，如果编制成K线表，一点都不比上图的棉花白糖看起来逊色太多。&/p&&p&政府知道房价泡沫的危害，也不打算拉股市，但是又不想物价暴涨民怨沸腾，同时他又不想把这些货币收回去，于是宣布这些农作物全部是因为天灾减产外加商人囤积居奇导致的暴涨，谁涨打压谁，所以才导致物价暴涨此起彼伏，就好像葫芦瓢一样，摁下这头浮起那头。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-f7ef32f02df66a8108dfebc091a4cd78_b.png& data-rawwidth=&634& data-rawheight=&718& class=&origin_image zh-lightbox-thumb& width=&634& data-original=&https://pic1.zhimg.com/v2-f7ef32f02df66a8108dfebc091a4cd78_r.png&&&/figure&&br&&p&货币超发无处可去，政府硬是打压物价，那显然是必定失败的，只不过是做做样子给民众看，以安民心而已，所以2010年一直到2013年，各地的物价一直就像上图这样，此起彼伏，新名词层出不穷。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-a10ad898b4c835ae679f67ef_b.png& data-rawwidth=&554& data-rawheight=&458& class=&origin_image zh-lightbox-thumb& width=&554& data-original=&https://pic4.zhimg.com/v2-a10ad898b4c835ae679f67ef_r.png&&&/figure&&br&&p&图中我们可以看到一点，年物价飞涨，其他品种暴涨的时候老产品只是小幅回落，但是绿豆和大蒜在2013年出现了罕见的下跌，只有姜你军来撑门面，是不是政府打压物价的能力突然增强了呢？不是的，是因为2013年初，由于地方政府的推动，房价顶着调控出现了一波上涨，涨幅甚至大到了引来了中央政府的二次打击。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-db68e2de67d584ae532a_b.png& data-rawwidth=&752& data-rawheight=&687& class=&origin_image zh-lightbox-thumb& width=&752& data-original=&https://pic3.zhimg.com/v2-db68e2de67d584ae532a_r.png&&&/figure&&br&&p&买过房产的，或者关注过那几天房价的，应该都对13年的房价上涨有印象，&/p&&figure&&img src=&https://pic4.zhimg.com/v2-393bb71065c56fcb85d76b_b.png& data-rawwidth=&864& data-rawheight=&628& class=&origin_image zh-lightbox-thumb& width=&864& data-original=&https://pic4.zhimg.com/v2-393bb71065c56fcb85d76b_r.png&&&/figure&&p&国家的政策打压是有效的，房价再度下跌，当时政府的理念是持续打压地产泡沫，从事金融改革，以金融创新引导中国走出困境，所以那个时候中央政府对房地产的打击是真心实意的。打压之后，13年中下旬各地物价再次出现不稳的苗头，不过还没有大规模扩散，14年7月股市大牛市启动，吸走了巨量资金，所以14年的物价再次归于平静。15年中旬股市崩盘之后，15年底开始刺激房地产，接力市场游离资金，于是15年的物价，虽然再次频繁降准降息量化宽松了，但是也非常平静。&/p&&p&16年3月开始，深圳开始打击房地产投机资金，16年中下旬全国范围内开始大规模打击房地产，同时，股市依然缺乏赚钱效应吸引资金。&/p&&p&于是，16年物价暴涨再次开启苗头，蒜你狠重出江湖，期货市场各类商品价格重新开启一轮暴涨，这周五的暴跌，不过是因为个别品种连续多日涨停所导致的。我们可以认为，股市和房地产不雄起，超发货币不收回的话，这些仅仅只是开始，就算回调，那也只是回调几个月，还会再次上涨。&/p&&p&正好，今天晚上我又看到了一个新闻，今年自蒜你狠之后，第二个上涨的民生用品出现了，一个月翻二倍的姜你军，新闻时间是今晚5点半。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-637ad6366cbaf83fe1d6bf76f88d1c1a_b.png& data-rawwidth=&785& data-rawheight=&587& class=&origin_image zh-lightbox-thumb& width=&785& data-original=&https://pic3.zhimg.com/v2-637ad6366cbaf83fe1d6bf76f88d1c1a_r.png&&&/figure&&p&2010年的蒜你狠，政府的解释是大蒜产量减少外加商户囤货，16年的蒜你狠，政府的解释也是大蒜产量减少外加商户囤货，我去查了一下大蒜种植面积的确减少了，大概少了2.2%，至于天灾，15年好像没什么天灾，如果是天灾，那也不仅仅只是大蒜受灾吧？每次超发货币无处可去的时候大蒜就第一个跑出来受灾，然后每隔几个月就冒出一个农产品大家轮流受灾？&/p&&p&15年无论是金融危机还是货币放水，都和08年高度类似，只是规模较小而已，而其后的经济走势，也大致雷同。上文分析了08之后的股市、房价、商品期货、民生物资价格的关系，至少，大致的方向是勾勒出来了。&/p&&p&08年放出去的大量货币没有收回，15年又放了一批，A股没有大规模赚钱效应，房地产遭到打压，资金无处可去，物价不暴涨那是不可能的，前天是钢材，今天就是煤炭，明天是棉花，后天就是大蒜，大后天就是你家门口的早餐店。&/p&&p&要解决这个问题，有以下几个方案：&/p&&p&1、收回货币，开始量化紧缩，这一点估计不可能，外国人都在拼命印钞票，中国断然不可能自己先收回钞票，那样的话，你等同于一个人承受了全球国家的损失，其他国家脱离危机，因为你替别人抗完了全部损失，就算国家要量化紧缩收回货币，那也是等美国先加息之后。&/p&&p&2、重启房地产，这也不可能，10月份中央刚刚下令调控房地产，断然朝令夕改的道理，就算再度放开，那也是一二年之后，才一二个月就改方向，那以后中央的政策谁还会信。&/p&&p&3、大幅度供应产品，利用供需关系打压价格。煤炭涨了我大量供应煤炭，大蒜涨了我翻倍供应大蒜，直接用大量产品把价格打下去，这一点的难度比上述二个合起来还要大，如果政府能随心所欲的变出商品，那我们早就跑步进入共产主义社会了，如果产能想加就加，那干嘛还要量化宽松放水呢，放出大量货币的目的不就是为了刺激萎靡不振的实体经济嘛。&/p&&p&4、让工业品涨价，利用工业商品如钢铁、煤炭、铜、铝等工业产品或者原料的价格上涨，来吸引资金，使得和居民生活较接近的农产品价格少涨甚至不涨，这样的话，最终还是剥削居民，但是价格飞升的感受，没有那么直观强烈，比较隐形。这一点也很困难，因为工业品价格的上涨所滋生的泡沫，一旦爆炸更危险，政府宁可让农产品上涨，暴涨之后必有暴跌，工业品暴跌对工业体系的伤害之大足以动摇国本，你看最近，政府拼命打压煤炭和钢材的价格，而对蒜你狠置之不理，所以这条路行不通。&/p&&p&5、启动股市，利用A股的赚钱效应锁住并吸引资金，股市体量之大足以碾压工业品和农业品市场，股市启动之后完全有能力把他们的价格都钉在地上。这一点的难处主要就是股市的流动性太好，不像房地产那么好控制，股民想抛就抛了，股市永远涨那可以，一旦跌了，那资金也是迅速流出，启动股市来压制物价，对政府对股市的控制能力提出很大挑战。正常情况下不会采用这个方案，就好像09年政府并没有把股市作为候选方案一样，但是今年国家队套在里面，启动后可以让国家队逢高离场，即便启动股市只能压制几个月到半年的物价，也可以缓冲一下，这个方案有可能性，但是概率并不是必然。&/p&&p&6、牺牲居民的利益来成全大我，让居民忍受1~2年的物价飞涨，随后再次启动便于控制的房地产，然后又可以缓和1~2年，拖到中国经济好转，逐步收回多余的货币，胜利完成中国经济转型，让平民来承受改革转型的阵痛。&/p&&p&这里面，按效果好坏排序就是收回货币&启动房地产&启动股市&启动工业品，不得已的办法就是让居民忍受几年的物价飞涨。&/p&&p&这其中，最后可能执行的政策就是让居民忍受物价飞涨，其次，完全有可能在这1~2年，拉出一个股市小牛来缓和一下物价连续上涨的压力，使得物价回落一次，有涨有跌的生活品市场，看起来就比涨个不停的市场顺眼很多了。拖过这1~2年，启动房地产再缓和一下，经济好转之后，则收回货币，结束这个无休止的轮回。如果5年中国经济还没有好转，依旧不能收回货币，那就到时候再想办法，这种事情，中国难受，外国也难受，谁先死谁承受全部损失，所以大家都比谁活的久。&/p&&p&但是无论是哪种可能，二年之内收回货币或者启动房地产，都几乎没有可能性，而股市启动只能稳定半年之内的物价，所以可以认为，中国即将迎来一轮物价暴涨，蒜你狠之后，姜你军，向钱葱等等都会出现，明年的夏天很可能会再次出现豆你玩等等。&/p&&p&全球其他国家没有通货紧缩之前，中国绝对不可能收回货币，否则改革开放30年的成果会被掠夺一空，中国经济的好转暂时也看不到希望，所以，以目前的眼光来看，物价飞涨是不可避免的，同时，1年之内股市很可能出现一波小牛吸引资金来使物价回落一次，2年左右很可能启动一次房地产来再次让物价回落一次，这样可以在中国目前货币政策和经济现状没有改变的前提下，让中国撑得更久。&/p&&p&以上预测不成立的唯一前提条件就是全球开始同步收回货币，收回货币的前提是全球经济都开始好转，从历史经验来看，这种事情的产生必须有一个大经济体倒下来承受全球金融危机的全部后果，80年代是日本，90年代是亚洲四小龙，这一次如果中国或者日本以及欧洲强国倒下一个，都可以完成任务开启新一轮的上升周期。&/p&&p&我们当然不希望是中国倒下了，所以在有其他强国倒下之前，我们只能接受物价飞涨的现实，中国即将迎来新一轮的物价暴涨，如果你不想让自己被剥削的太厉害，做好1年之内参与股市赚一笔，2年左右参与房市再赚一笔的准备吧。&/p&&p&（关注我的微信公众平台：紫色的股（ID:Linda)。回复“目录”关键字查看往期原创文章。）&/p&
中国即将迎来一轮物价暴涨本周五晚上，期货市场迎来一轮大暴跌，期货种类大面积从涨停板突然直线暴跌，部分品种甚至打到了跌停。这个事件震惊中国金融界，一时间纷纷讨论，关于这件事的纪实和报道，网上已经说的已经很充分了，我就不再赘述，我这里说一下我…
&p&&b&从1942大饥荒的视角剖析今天的北京房价限购政策&/b&&/p&&p&&br&&/p&&p&北京房价再度上涨，政府出台严厉政策限购限贷进行打压房价，这一幕和抗日时期1942年河南大饥荒的一幕颇为相似，今天我谈古论今，剖析一下今天的房价问题。&/p&&p&1942年，河南遭遇天灾，粮食大幅度减产，同时遭到了日军的入侵，当时的国民政府不仅不救灾，反而大量的搜刮粮食充当军粮导致河南千里赤地饿殍满地，河南一省饿死数百万人，最后导致大批河南灾民为了活命，只因日军愿意放粮，自愿跟随日军充当民夫追击政府军，日军轻易占领河南而且获得当地百姓的感恩戴德，国民党功不可没，这一幕在电影《1942》里得到高度还原，有兴趣的可以看一下这个电影。&/p&&p&时间拉回到1942年，这一年河南遭遇饥荒，河南粮价开始腾飞，已经零星出现饿死人的情况，这个时候政府应该怎么做？我想答案很简单，小学生都知道，第一政府应该救灾，调拨政府存粮进入河南救济灾民；第二应该减税，减免河南农民当年的税收；第三应该用各种政策引导商人运粮进河南。&/p&&p&这里面，减税是为了避免农民破产从而导致土地兼并和贫富分化更加严重，是为后世着想。但是最迫切的援助，是运粮，不管是政府的救济粮还是商人运来的市场粮，只要粮食进了河南，即便权贵多吃一点灾民少吃一点，也至少有的吃，确保灾民不饿死。&/p&&p&但是当时国民政府是怎么做的呢，恰逢日军进攻河南，国军几十万大军在河南和日军激战，中央政府财力不足没有条件从外地运送军粮，电令河南政府配合中央军就地筹措军粮。粮食本来就不够吃，还要供应军粮，政府这条路是没指望了，别说调粮食救灾，百姓的活命粮还要拿去充当军粮呢。那第二条路呢，鼓励商人运粮呢？&/p&&p&当时电令河南政府就地筹措军粮的消息一出，河南粮价应声暴涨，短期之内粮价腾飞十几倍，一石粮，在河北安徽江苏等地买来，只要运到河南，转手就是十几倍的利润，当时大批的商人摩拳擦掌准备运粮，即便河南兵荒马乱也值得冒险一搏。&/p&&p&但是当&b&时的河南政府出了一个什么政策呢？出了限价令，&/b&因为粮价沸腾，广大平民买不起粮，为了平息民愤，强制商人平价售粮，价格不允许超过周边省份，敢于违反者，无论背后有什么背景，一律按奸商论处，抄没所有家产。&/p&&p&广大平民拍手称快，粮价终于下来了，这下买得起粮食了，度过饥荒应该没什么问题，但是这一政策的直接后果，是外地所有的运粮商队，直接调转方向回家了，没有巨额的利润，谁愿意甘冒奇险运粮进兵荒马乱的河南。&/p&&p&粮食总量的不足，最后一定会有人饿死，这个是不可避免的，当大面积饿死人的情况出现的时候，河南许昌县为了面子和政绩悍然推出了加强版限价令，要求粮食售价要低于周边省份，理由是让本县百姓买得起粮。许昌县的这一政策导致了什么后果大家可能想不到，许昌县的粮商源源不断的把粮食运出许昌县到周边城市销售，这一政策导致了许昌县直接成为了河南省粮价最低的城市，和饿死人最多的城市，粮价虽低，但是无粮可买，粮铺全部关门。&/p&&p&&b&河南1942年的天灾，不算严重，在灾荒的贡献表里最多占据3成功劳，&/b&其余7成，全部是人祸，中国历史上受灾区的粮价低于周边城市，粮食源源不断从受灾区域运出而不是运进受灾区的奇观，在1942年发生了。&/p&&p&&b&1942年的悲惨历史告诉我们，政府出台某一个政策，他的真实目的和他的表面口号，未必是一致的。&/b&这个政策出台后的效果，和他的表面目标，也可能是背道而驰的。河南的政府官员肯定知道当地缺粮，也知道限价令一定会导致外地粮食不愿意运进河南，但是推出限价令，一方面可以粉饰太平保护自己的政绩，一方面可以取悦平民百姓平息民愤将矛盾引导到粮商那里，这种好事为什么不做。从平民百姓的角度，粮价暴涨十几倍导致自己生活困难，这个时候政府推出限价令强迫粮价回归原价，一定拍手称快强烈支持，他不会去管这样做的宏观效果导致外地粮食不愿进入河南，只知道按照目前的粮价，自己买的起粮了不用变卖房屋田地了。从粮商的角度，他也不是活雷锋，冒那么大风险从外地购粮只能平价出售，这明显是亏本买卖，他自然不愿意做。这一切导致了，运粮进河南救灾的黄金时间被错过了，当河南的总存粮见底的时候，大面积饿死人是必然会出现的，粮价虽然依旧很低，但是无粮可买，在黑市里，房屋田地老婆孩子全卖了也只能换来几天的粮食，易子而食饿殍满地，这就是河南当时末日般的景象。&/p&&p&所以，在任何时代，如果政府实施市场管制，其真实目的和喊的口号一定是不一样的，但是一定是符合政府自己利益的。&/p&&p&&b&时间拉回到今天，北京房价暴涨，政府在去年10月推出了限购限贷政策压制房价，&/b&今年过年后再度上涨引来了政府更严厉的调控政策，目前房价暂时被压住了，限购限贷和限价令不一样，但是目的也是限价。从历史我们可以看出限价令从来都不可能是表面目的，既然政府宣称限购限贷是为了打压房价，那么真正的目的就一定不是打压房价，那么我们需要分析一下，政府的真实目的是什么。这里，我认为政府的真实目的，是不让房价崩盘，维护房价。&/p&&p&&br&&/p&&p&&br&&/p&&p&房价在2016年一年时间直接翻倍，北京的房价直接从5万到了10万，按春节前后的上涨趋势，17年从10万到20万是非常有可能的，但是然后呢。&/p&&p&2年时间从5万涨到了20万，一定会有回落，这个是很正常的，回撤20~30%很合理，现在有二种选择，第一种选择是死命压制房价，从16年开始，北京房价3年维持不动，一直是10万；另一种选择是任由房价自由波动，从10万涨到20万，再回落30%到14万。你认为这两种方案，哪一种更符合房地产多头的利益。&/p&&p&很明显，是第一种，房价维持不动但是永不回落，第二种虽然最终价格从10万到了14万，但是巨大的回撤会打碎房地产泡沫的基石，那就是除非天崩地裂否则中国房价永不下跌的这种信仰。&/p&&p&中国房地产存在巨大的泡沫这个是不可否认的，10万一平米的北京房价远远超过了他本身的价值，这一点大家都承认，我也承认，但是相当一大批中国人，自从出生以来，就没见过中国房价下跌过，只有上涨和横盘二种方式，唯有08年小幅回撤，那也是全球金融危机引起的，很快就恢复原有的上涨轨迹了。&/p&&p&这批人，坚信中国房价永不下跌，他们信仰很大部分，就来自于他们从没见过中国房价下跌过，一旦房价出现下跌，无论是多高的价位产生的下跌，无论是多么合理的下跌，都会击碎他们的信仰，这批人一旦恐慌，那中国房地产很快会崩盘，远远不是从20万跌30%这么简单。&/p&&p&房产的任意价格，只要达到，那么这个区域一定会有成交，假设单价20万是北京房价最高价，那么一旦下跌30%，就会有一部分人的首付已经被耗尽，他们会被银行催缴保证金，别忘了你是带杠杆买房子的，如果你没有资金补充保证金，你的房子会被强平，也就是被银行收回拍卖以保证银行资金安全，这个人数很可能不多，只是极少一部分而已，但是很可能引起多米诺骨牌反应，连锁下跌，没办法增加保证金的而被迫拍卖房产的人会越来越多，迅速引发崩盘。&/p&&p&崩盘之后，所有人都会巨亏，房价上涨以来所有人都盈利，谁买房谁发财的假象会崩溃，要知道，一套房产只要卖出，其中40%是属于房地产税收，外加你交易的税费，50%已经被国家拿走了，所有人的平均亏损，一定是50%以上。但是有一小部分人先知先觉逃顶了，他们保存了盈利，那么注定有一大批人的亏损会远远超过50%，正如同5000点股灾以来极少部分人逃顶保留了盈利，但是大多数人吐出了大牛市的全部盈利，还有部分高位接盘者收获了70~80%的巨额亏损。&/p&&p&对于政府而言，房地产牛市一旦崩溃，靠卖地收税的好日子就过去了，政府的财力立刻会捉襟见肘，在没有新税源的前提下，现有的财政收支立刻会失衡，如果向实体行业增税，那么中国经济立刻会完蛋，同时无论能否搞定财政和经济，愤怒的购房者都会引发巨大的社会骚乱，说亡党亡国，也并非没有可能性。&/p&&p&地产已经绑架了经济，也绑架了政府，中国当前的卖地收入已经足够恐怖了，再多一点也没太大意义，政府的目标，第一是稳定度过中等收入陷阱，第二是尽可能的多维持几年房地产泡沫，第三就是逐渐的解除房地产绑架。&/p&&p&要达成以上的目的，最佳的手段，就是限购限贷，限购限贷之后压制了投机需求，等同于储备了大量的多头子弹，让政府有足够多的缓冲空间去应对房地产危机，以不让房价过快上涨来达到房地产永不下跌的目的，只要不崩盘，什么都好说。如果限购限贷抑制了3年房价之后，中国经济出现了新的增长点，中国的经济增长有了新的支柱，那么政府很可能顺势永远持续限购限贷，如果房价10年不涨，那么在通货膨胀下，所谓的泡沫，也就没有了，如果中国经济三四年后持续恶化，那么就打开限购限贷，再拉升一波，又能多拖几年时间。&/p&&p&限购限贷的确可以让房价立刻停止上涨，等同于1942年河南粮价暴涨的时候政府出台的限价令，买不起房的人为限购限贷欢呼，依稀仿佛当年的河南灾民为粮食限价令欢呼。&/p&&p&政府想让房地产崩盘很容易，立刻开征房地产税，立刻取消银行贷款买房制度去杠杆，立刻取消房地产预售制度，立刻取消向房地产商发放贷款。每一条都能让房地产行业资金链立刻崩溃从而导致房灾，但是这符合政府的利益吗？不符合，所以他不可能推行。&/p&&p&解除河南饥荒的唯一手段，是运送粮食进入灾区，解决中国房价暴涨的唯一手段，是增加房地产的供给从而引发供需失衡。但是目前中国的国策，是去库存，注意是去库存不是增库存，等同于从灾区源源不断的运粮食出去，去库存引发房价暴涨，丝毫不奇怪。&/p&&p&顺便说一下限购限贷后北京周边地区房价暴涨的事情，限购限贷之后，好多人丧失了在北京买房的资格和能力，在踏空房市的恐慌作用下，疯狂的涌入北京周边暂时还没有限购限贷的地区进行买房。这种事情，等同于股市里的一个板块里龙一封涨停买不进之后，游资疯狂的进入龙二龙三甚至龙四龙五的票进行买入从而拉高他们股价的行为，但是实际上大家都知道股市里强者恒强，最安全的买入标的，一定是龙一，再贵都是买龙一划算，龙一涨，龙2~5才会涨，只要龙一稍露疲态，龙2~