居屋2020

Date: 12/06/2021 香港的居屋,無論是一手市場還是二手市場,都是供不應求,如果你有幸抽到就好像中了六合彩頭獎一樣。最近,有家人抽到了,所以就分析一下,居屋2020的樓盤。 居屋2020總共有4個新的樓盤,分別是鑽石山(啟翔苑)、火炭(彩禾苑)、馬鞍山(錦駿苑),和粉嶺(山麗苑),在收到通知時,鑽石山的樓盤已經賣得八八九九,所以就不花時間分析,但這個樓盤的確是坐落市區中心,非常不錯,這次主要想看看粉嶺的山麗苑,一個大家都覺得很遠很不方便的地方。 為什麼不看火炭(彩禾苑)和馬鞍山(錦駿苑)呢?是因為火炭(彩禾苑)是單橦大廈,而且走上去要一段長斜路,離地鐵站遠,所以不考慮;而馬鞍山(錦駿苑)的確是可以考慮,但看完粉嶺(山麗苑)就覺得馬鞍山(錦駿苑)很一般。 粉嶺(山麗苑)現時周邊的確是什麼也沒有,離最近的大型商場,聯湖墟,大概有5分鐘的車程,如果要到市區上班的話,就要每天長征。這些不好,大家都知到,而且常常看評論不停的說,如果你問抽居屋的人,十之八九可能都會排粉嶺(山麗苑)到最後,但分析下來,它其實沒有那麼差。 一個發展區的發展是要很長時間的規劃,由2013年政府的文件可以看到粉嶺北是一個十分大的發展區,古洞北「發展大綱圖」涵蓋的規劃區佔地約447公頃,在全面發展後,該區可容納人約114,300新增人口;粉嶺北新發展區涵蓋的規劃區佔地約165公頃。全面發展後,該區可容納約73,800新增人口。雖然粉嶺(山麗苑)[紅色星星]並不在發展區內,但距離最近的發展區,只有5分鐘車程。未來10到20年,這里將會發展成有20萬人口的新市鎮。 由於是用新市鎮的模式出規劃和發展,基建配套和整體的佈局都會有詳細的考慮,比如有新的北環線連接東鐵線和西鐵線,有新的口岸往反內地,新的公路連接各發展區,單車徑(最近不是大家都去嗎?)。所以現在沒有的配套會慢慢的好起來,而且時間不用等太久,第一階段大概在2026年完成,第二階段大概在2031年,5到10年這粉嶺北會有很大的變化。 而且,另外一個有趣的現像是,一河之隔的深圳是萬家燈火,但在河的另一邊就是一片荒蕪,形成強烈的對比,隨這內地經濟發展的厲害,鄰近深圳的地方反而有優勢,口岸不再單單是往反的關口,更可以發展成一個經濟區,當然從規劃上看還是以住宅為主。 看到這里,我就覺得粉嶺(山麗苑),如果你是可以等個5到10年的話,是一個不錯的選擇,而且它價錢便宜5700/ft2,有一個比較大的折扣。

Can Invest Your Paycheck Make You Rich?

Date: 20 December 2020 Short answer: No, but better. To answer a question, we always start by making some assumptions, including Starting Salary, Inflation Rate, Salary Growth Rate, Salary Growth Rate, Expense Ratio, and Return on Investment. I am putting this calculation in the Hong Kong context and a typical university graduate salary: Starting Salary …

Intel Became My Lastest Holding after TSM

Date: 10/08/2020 How Intel Comes to My Radar? Following the news of TSM, the largest holding in my portfolio, I saw several articles on Intel announces delay in its 7nm CPUs, and AMD CPUs outperform Intel ones benefiting from the use of TSM’s most advance process node technology (5nm). After the announcement, Intel stock price …

Predicting House Price in Hong Kong #2

In part 1, we have talked about scraping transactional data of apartments. In part 2, let’s talk about splitting data into a training set and testing set. Why we need to split? The short answer is we want to prevent overfitting/memorizing and hope that the model trained can generalize into unknown cases. For example, if …

Hey, wait!

Before you go, let us offer you a 10% discount coupon for your next purchase.