上海往事之看房子

简介: 上海往事之看房子 2015年夏天,老婆趁孩子放暑假的机会,带孩子一起来上海我所入住的酒店和我一起生活。那段时间,我所参与的AKM项目已经于7月1日上线了,加上项目上线后运行比较稳定,所以事情不算太多,比较清闲。

上海往事之看房子


2015年夏天,老婆趁孩子放暑假的机会,带孩子一起来上海我所入住的酒店和我一起生活。那段时间,我所参与的AKM项目已经于7月1日上线了,加上项目上线后运行比较稳定,所以事情不算太多,比较清闲。加上当时我们手上有点积蓄,所以我们利用周末的时间去上海及其周边看了看房子,如果遇到合适的,打算就买了。


第一次出去看房子是乘坐开发商售楼部的看房大巴,从人民广场附近的博物馆上车,一个小时车程,到了上海市青浦区一个叫做‘万达茂’的商业地产项目看了看。这个项目是个商业地产,40年产权,是那种挑高的SOHO房型,开发商说是买一层送一层,单价13800每平米,都是小户型,45-55平米的,总价能接受。去之前我们有参加他们弄的一个众筹,微信付款10元得到一个抽奖机会,特等奖是可以半价购买指定的房型,这个对于我们诱惑很大。如果能有这个机会,肯定出手买!我们这么计划着。中午时分到了售楼部,人山人海,到处排队。首先是排队签到,出示微信支付凭证或者记录,扫描指定二维码签到,获取到了抽奖券;然后拿着身份证和抽奖券去另一个地方填写身份证号码手机号和抽奖券上的号码 ,然后把抽奖券放入指定的抽奖箱里面。然后就是观看表演的时间,开发商请了一些舞蹈培训班或者学校里的舞蹈演员,表演节目,这个倒是很吸引我家宝宝。那些演员有些跟她年纪相似,所以她看的津津有味,我也鼓励她多看看别人的表演,学习学习人家的表演技巧等等 。下午2点半,等了很久的抽奖开始了。从三等奖开始,依次抽二等奖,一等奖,特等奖。让我扫兴的是,我们啥奖都没有抽到,只能去领取一份人人有份的安慰奖---一个小风扇。关注了下青浦区的住宅房价,二手房子在15000左右,来之前就看了上海的地图,青浦区在上海外环西,距离市区比较远。加上此次乘车走高速,整整一个小时从市区才到青浦区这个楼盘,确实感觉位置不是太好。所以领取了安慰奖之后我们就直接乘坐看楼巴士回人民广场然后回酒店了。


第二次看房是乘坐开发商的楼巴去了上海周边属于昆山的古镇周庄的一个叫做‘水月周庄’的别墅项目,该项目单价1万每平米,总价150万左右。老婆说周末没啥事去周庄瞅瞅也好啊,所以我们应约到指定地点上车去周庄,同样从上海市人民广场到该项目也是整整一个小时的车程。到了该楼盘的售楼部,开发商安排售楼小伙子接待我们,给我们介绍楼盘的情况,带我们参观样板房,看着装修精致的样板别墅,我们大呼好房子,好漂亮,真是让人怦然心动!随后被带着去参观小区里面的环境,有湖有小桥流水,哎呀,环境真是无敌!然后我们坐下来,售楼小伙子开始帮忙计算首付需要多少,贷款后月付多少等,开始了耐心的劝说和游说。我们 考虑到周庄距离上海较远,加上该项目附近的楼盘房子在过去十年居然房价没怎么涨的残酷现实,决定不出手!一直折腾到下午四点多,我还是以周庄房产投资价值不大为 理由,表示要考虑考虑。最后开发商放弃了劝说,我们乘车回上海!


第三次看房是去上海浦东张江科技园附件的中环位置的一个商业地产项目,该项目位置还算不错,广告上说总价98万左右,并且首付款可以灵活支付比如可以申请短期小额贷款,可以用房子头5年租金的支付部分首付等等,对于我们来说很有吸引力。但是等我们过去售楼部,广告上的不到100万总价的小户型已经没有了,只有至少总价158万的户型了。我们依照程序先被介绍楼盘整体情况以及附近发展情况;然后被带着参观了样板间;随后坐下来和售楼员一起谈了很久。我们一起计算了首付要付多少,可以帮忙申请房价一半的商业贷款,以及30万左右的小额贷款,并且项目交楼后包租,用头5年租金来充抵部分首付款。我们如果买,需要申请小额贷款30万,最迟2年内还清,同时月供8千多。算算我们现在的收入以及目前还在支付的几个房子的按揭月供,买了这个房子,我们压力会很大很大!根本顶不住这么大的压力,只能再次决定放弃。


看了三次房子,对比手上的存款,我们决定不再看了,看到了好的也买不起啊!还是老老实实的过目前的小日子,同时继续积累存款,等待时机再出手在上海买房子吧。在上海拥有一套房子,是未来5年内要实现的目标,只能长远打算了,急不得的。


2015-08-13   写于上海市闸北区





目录
相关文章
|
编解码 人工智能
全球二氧化碳排放数据1deg产品(ODIAC)数据
全球二氧化碳排放数据1deg产品(ODIAC)数据
410 0
|
10月前
|
机器学习/深度学习 数据采集 DataWorks
数据分析经典案例重现:使用DataWorks Notebook 实现Kaggle竞赛之房价预测,成为数据分析大神!
Python是目前当之无愧的数据分析第一语言,大量的数据科学家使用Python来完成各种各样的数据科学任务。本文以Kaggle竞赛中的房价预测为例,结合DataWorks Notebook,完成数据加载、数据探索、数据可视化、数据清洗、特征分析、特征处理、机器学习、回归预测等步骤,主要Python工具是Pandas和SKLearn。本文中仅仅使用了线性回归这一最基本的机器学习模型,读者可以自行尝试其他更加复杂模型,比如随机森林、支持向量机、XGBoost等。
|
机器学习/深度学习 数据采集 算法
基于机器学习预测未来的二氧化碳排放量(随机森林和XGBoost)
基于机器学习预测未来的二氧化碳排放量(随机森林和XGBoost)
742 2
|
机器学习/深度学习 数据采集 测试技术
Kaggle实战之 房价预测案例
Kaggle实战之 房价预测案例
|
存储 传感器 人工智能
AI将通过智能家居技术接管你的房子?
支持人工智能的智能家居设备可能会相互交流,并收集新数据以帮助理解人类行为。这些数据用于预测用户行为和建立情境感知,或理解用户偏好并根据需要修改参数的能力。
AI将通过智能家居技术接管你的房子?
|
数据安全/隐私保护
如何破解Excel VBA密码
首先,如果文件格式是(.xslm),需要先打开Excel文件,另存为2003版格式(.xls)。 然后用普通的文本编辑器(我用的是NotePad++)打开这个文件,注意文件类型选“所有文件”。 然后在文件里查找“DPB",把它改成“DPx”。
6726 0
|
Oracle 关系型数据库 测试技术
SAP LSMW Error - You have not fully maintained the descriptions - 之分析
SAP LSMW 导入物料主数据报错 - You have not fully maintained the descriptions - 之分析 近日,笔者忙于在D项目上的主数据导入。
2265 0