房东经济学

  我之前看到一个统计，过去一年代码产出相关的多个指标都出现了明显加速的同比增长，而且增速还在不断加快，推动这一爆发的核心动力就是AI。 所以我也很好奇到底AI对于编程这类工程落地到底有多大帮助，抱着好奇心玩了玩...不玩不知道，一玩就上瘾了。 在农历新年的第一周，我每天都非常忙，因为沉迷于vibe coding，感觉真的进入了一个新世界。 先说工具，我用的是gpt-5.3-codex，一开始只是抱着试一下的心态，但它的能力让我感到惊叹，然后根据自己想要的东西，一口气搞了几个小工具出来。 后来，我也试用了最新的claude模型sonnet 4.6和Opus 4.6，他们也非常不错，但相对而言性价比低（相同的工作量和完成质量，Codex的token成本大概是Claude的十分之一），所以后来还是一直用OpenAI的5.3-codex来完成， 我到目前为止消耗token的总实际成本大概就是一份快餐的价格。 今天这则主题，我就重点分享我一行代码都不写，仅通过gpt-5.3-codex做的东西以及感想体会。 一、房价可视化平台 过去我每个月会在星球分享一次的房价可视化视图，有时候也会在之后一些对口的公众号主题里使用，如下图所示，我相信屏幕前的你应该是有印象的↓ 这个图每一次都是我手动制作的，具体来说我是 先从数据源查询数据，然后手动填入Excel表格、用表格生成图表，再通过图片编辑工具加入华文楷体的表格和标注，全流程大概要20-30分钟。 我一开始没觉得这种可视化很好看或者很受欢迎，直到我一而再再而三地看到很多其他账号（包括某些影响力很大的大V和机构）侵权使用我的图，甚至抹去我的制作来源之后加上自己的水印后，我才发现我这个风格的可视化可能是市场可能好的这口。 现在，有了AI的协助， 我想做的不再是一张可视化的数据图，而是一个可以一键绘制数据图的工具 ，而且它的效果要比我人工做的更好、数据更全、标注更详细。于是我着手开始干了，零零散散加起来大约半天时间，这个平台就建好了，除了少数付费数据需要喂一下外，像国家统计局的官方数据都能被它快速获取整理，并自动更新。 效果就是下面这样： 与此同时，相比之前少数几个数据源，这次把国家统计局的公开数据也进行了整理，可以看到全国70个大中城市各自的房价趋势了（虽然统计局数据准确性不是那么高，但趋势性与市场是同步的，是有参考价值的），此...

  2019年时，全国房价热度很高，以至于厦门的房价一度快要赶上伦敦。在当时那个全民狂欢的背景下泼冷水是一件非常费力不讨好的事， 但该说的还是要说。 这是一则往期主题，首发于2019年9月，由于原账号消失的原因，文章也一并消失不见了。好在有其他账号转载过，多少也算是让有缘人得到一些参考不同意见的机会、多少也在互联网上留下了点记忆。这里一字不改发布出来，温故知新。 分割线下为当时（2019年9月）的主题内容↓ 近期彭博社（Bloomberg）发布了一篇以中国房价为主题的文章，内容符合实际情况，但看了一遍后还是让人感到吃惊。文中提到中国二线城市也存在高房价现象，而厦门房价也已经逼近伦敦。 一、疯狂的二线城市 这次的报道指出，中国二线城市的房价并不便宜，以彭博社引用的数据为参考，厦门平均房价达到52.8万美元/套，已经逼近平均总价56.6万美元的伦敦。要知道，伦敦是全球三大金融中心之一（与纽约和香港并列），伦敦的人口规模、经济总量、人均收入等指标全都比厦门高出不止一个档次。 而杭州、南京、苏州、合肥、无锡、天津、济南的房价如果放在英国，全都可以排在第二名（仅次于伦敦）。 这次的报道指出，中国二线城市的房价并不便宜，以彭博社引用的数据为参考，厦门平均房价达到52.8万美元/套，已经逼近平均总价56.6万美元的伦敦。 要知道，伦敦是全球三大金融中心之一（与纽约和香港并列），伦敦的人口规模、经济总量、人均收入等指标全都比厦门高出不止一个档次。而杭州、南京、苏州、合肥、无锡、天津、济南的房价如果放在英国，全都可以排在第二名（仅次于伦敦）。 厦门楼市的确是中国的一朵奇葩，房价看齐北上广深（甚至超过广州），但城市经济水平和高薪就业岗位无法与一线城市相提并论。 正是因为厦门房价高企而消费能力没有跟上，导致厦门的房价收入比和租售比极度扭曲。以厦门的高档小区国贸天琴湾为例，该小区一期的157平米的三室两厅户型在二手房市场的放盘价在1500万以上，而市场租金只有9000/月上下。 厦门国贸天琴湾二手房源价格参考↑ 厦门国贸天琴湾租金参考↑ 假设这套1588万的房子以9000元/月的价格出租，即使全年无空置，租金回报率也只有0.68%。如果计算估值，这套房的市盈率高达147倍，租金回报率只有普通定期理财利率的六分之一甚至更少。 而被指责房价泡沫严重的香港，同样总价的住宅，租金是厦门的4...