资料图:银行点钞员在工作。艾庆龙 摄
事实上,2023年初的这波“提前还贷潮”并非新事,从2022年起热度便逐渐走高。
“2022年之前没有过这么多人提前还贷,2021年下半年银行的贷款额度甚至还不够用呢。”一位商业银行贷款部门人士对记者说,这两年“房住不炒”的属性愈发明显,房子增值慢了、少了,提前还贷成为了一种减少利息的理财办法。
据其介绍,特别是在2022年之前的高利率时期申请了房贷,现在手头不紧张,短期内或可见的中长期没有大额资金需求的客户,基本都在操作提前还贷。
近期房贷利率的调整也是重要触发因素。自年初首套房贷利率动态调整机制建立以来,截至1月31日,贝壳研究院监测的103个城市中,首套利率低于4.1%的城市共30个,部分城市房贷利率已迈入“3时代”。
“一方面由于此前贷款的利息较高,购房者希望通过提前还贷来降低成本;另一方面则是2022年投资理财收益波动较大且远不及预期,房贷和投资理财之间收益倒挂,让一些购房者产生了提前还贷的愿望。”上海易居房地产研究院研究总监严跃进认为。
提前还贷,利弊几何?
提前还贷热度不减,但这一行为是否划算也一直受到争议。
95后女生小夏在2021年底贷款买了自己的房子。“我选择了高首付,所以只贷了40多万元。不过当时还在放贷难的时候,银行有额度就赶紧申请了,利率加点80个基点达到5.45%,属于比较高的。”
正是因为支付了比较高的首付,小夏目前手里并没有多余的资金可以提前还贷。“最近都说提前还贷很实惠,我爸妈就想再省一省、借点钱把房贷提前还上。但我很不喜欢手里没钱、没有抵御风险能力的感觉,所以目前还没有决定。”
虽说“无贷一身轻”可以说是大多数买房人的终极梦想,但正如小夏所顾虑的,业内人士同样提醒,面对扎堆提前还贷的热潮,还是要结合自身情况选择。
“对个人来说,判断是否需要提前偿还个人贷款,最直接的方式是看投资收益是否可以覆盖贷款利息。如果投资收益率高于贷款利率,则考虑将资金更多用于投资;反之则可以考虑部分或全部偿还贷款。当然,还需要为日常生活支出与未来养老、医疗等留足资金。”招联金融首席研究员董希淼说。
中原地产也指出,不适合提前还款的情况包括房贷利率低、等额本息还款已到还款中期、等额本金还款期已过1/3等。
资料图:购房者在查看了解楼盘。中新社记者 刘忠俊 摄但对于银行来说,大量的提前还贷则会造成不小的业务压力。
博通分析金融行业资深分析师王蓬博表示:个人按揭贷款是银行核心优质资产,大量提前还房贷会直接影响到银行的营收和利润,因此不少银行选择提高还款门槛。
“但银行也应该理解客户的金融需求,主动改善服务,而不是对提前还款设置障碍。毕竟相对于短时利润,长期的信用更有价值。如果购房者提前还贷存在违规恶意阻拦的情况,消费者可以向银保监会进行申诉,维护自身合法权益。”王蓬博说。
矛盾如何解决?
但相对于买房人和银行的“纠葛”,不少分析指出,“提前还贷潮”最终的矛盾还是在存量房贷客户还款压力上。
“只要房贷利率高于理财利率,且居民预期房价下跌,提前还贷的动机就一直会存在。”广东省城规院住房政策研究中心首席研究员李宇嘉认为,当前存量房贷的压力仍然较大,希望能降低存量房贷利率,既能降低月供压力,还能释放内需和消费。
董希淼也提出,当前部分存量房贷与新增房贷之间的利差过大问题需要引起重视。建议相关部门加快出台相关举措,引导银行适度降低存量房贷利率,进一步降低住房消费者的负担,有效解决居民扎堆提前还款及违规“转贷”等问题。
“考虑到2023年宏观经济企稳回升和房地产市场回暖,下一阶段提前还贷热潮或将趋于平缓。当然,稳定居民信心和预期、减缓提前还贷还有更重要和深远的意义。”董希淼认为,可加快引导5年期以上LPR(贷款市场报价利率)下降,继续降低新增和存量住房贷款利率。(完)
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) [责编:天天中] 阅读剩余全文() |