当前位置:首页 > 人员 > 研究人员 > 邹琳华 > 邹琳华研究成果 > 文章详情

中国住房大数据分析报告(2020年2月)

发表于

中国住房大数据分析报告

中国社科院财经战略研究院住房大数据项目组

202002月(总第38期)      20200227日(星期五)

 

 


  [导读:纬房指数显示核心城市房价略有回升,租金走出季节性低谷;一二线城市房价稳中趋升,三四线城市稳中趋降;长三角及东北核心城市房价趋涨,京津冀核心城市房价趋降。疫情对房地产市场的影响主要体现在对中小城市、中小企业的短期影响。建议在坚持房住不炒的基础上,给予困难房地产企业适度救济;有针对性降低房贷还款困难家庭的短期还贷压力;严控购房加杠杆及其它各类刺激购房行为;因地制宜采取租金及续约管控等措施;在科学防疫的基础上,坚持租购房同权。]

 

 

为有效降低疫情对中国房地产业及宏观经济的影响,中国社科院财经战略研究院邹琳华住房大数据研究团队在大数据监测分析的基础上,结合项目组对中国住房市场的长期跟踪研究,完成了20202月《中国住房大数据分析报告(抗疫专题)》,提出了有针对性建议。本期报告同时也是中国社科院国情调研重大项目房地产调控政策及其效果及国家自然科学基金面上项目(批准号:71774169)“基于互联网大数据和重复交易法的中国城市住房价格指数编制研究”阶段性成果。

一、20201月市场态势回顾

1.核心城市房价略有回升,租金走出季节性低谷

近半年核心城市房价由稳中缓降到略有回升。纬房核心指数显示,20201月,全国24核心城市综合房价环比上涨0.28%。这是核心城市房价经历了连续5个月的稳中缓降以来,首次出现小幅回升。

但从近两年的市场走势看,核心城市房价仍保持稳中略涨的趋势。纬房核心指数显示,与20181月相比,全国24个核心城市综合房价上涨了5.07%;与20191月相比,核心城市综合房价上涨了3.17%。房价综合上涨幅度在相对合理的范围区间内。

租金走出季节性低谷。纬房租金核心指数显示,20201月,全国22个核心城市住房租金环比上涨1.79%,同比下跌0.24%。这表明核心城市住房租金在经历了连续5个月的季节性下跌之后,开始从季节性低谷中走出。

尽管核心城市租金从20198月以来连续5个月下跌,但从近两年的市场走势看,缓慢向上趋势变没有改变。纬房租金核心指数显示,与20181月相比,核心城市租金上涨了3.68%

 

 

二手房成交量出现季节性萎缩。20201月,10大重点城市二手住房成交量指数为91.29,比上月下降了43%,但与20192月相比略有增长。由于受传统春节假期的影响,二手住房成交量变动并不能真实反映市场量能的变化,市场交易走势还有待进一步观察。

 

2一二线城市稳中趋升,三四线城市稳中趋降

2018年以来的市场走势看,一二三四线城市房价上涨格局与城市等级完全倒置。四线城市房价上涨最大,三线城市次之,二线城市再次之,一线城市房价总体下降。纬房城市分级指数显示,与20181月相比,20201月四线城市房价上涨15.82%三线城市房价上涨12.93%,二线城市房价上涨7.55%,一线城市房价下跌0.29%。一二线城市中,近2年房价上涨态势较为明显的有深圳、苏州、无锡、宁波、南通、东莞、昆明等城市,多数城市以平稳为主。

但从最近的房价走势看,一二线城市稳中趋升,三四线城市稳中趋降,一二线城市房价涨幅要显著高于三四线城市。纬房城市分级指数显示,与上月相比,20201一二三四线城市房价环比分别上涨0.61%0.18%0.05% 0.1%。这也预示三四线城市的景气周期可能已经阶段性见顶。

 

 

 

 

 

 

3.长三角及东北核心城市房价趋涨,京津冀核心城市房价趋降,其它区域房价平稳

分区域看,近2年来长三角及东北核心城市房价呈上涨态势。纬房长三角核心指数显示,与20181月相比,长三角核心城市房价上涨了14.29%;纬房东北核心指数显示,与20181月相比,东北核心城市房价上涨了25.89%

2年来京津冀核心城市房价趋降。纬房京津冀核心指数显示,与20181月相比,京津冀核心城市房价下跌了3.05%。在各城市群中,房价走势相对低迷。

2年来粤港澳大湾区与海峡西岸核心城市房价以平稳为主。纬房粤港澳大湾区指数显示,与20181月相比,20201月粤港澳大湾区核心城市房价上涨了2.73%;纬房海峡西岸核心指数显示,与20181月相比,海峡西岸核心城市房价上涨了0.15%。除了深圳、东莞等少数城市,多数相对稳定。

 

 

 

 

二、市场形势分析与预测

疫情对住房市场的影响可分为直接影响与间接影响两个方面。

从直接影响方面看,疫情对住房市场有多维度的直接影响。首先对于房地产企业来说,因为售楼处暂时关闭和推迟复工,企业的项目交付进度、短期销售额都将受到直接影响,并进而可能会影响企业资金周转;对于购房者来说,看房、贷款等活动都难以正常进行,筹款也可能受到影响,短期购房活跃度直线下降;对于还贷家庭来说,由于收入受到疫情影响,部分家庭可能会出现还贷困难;对于租房者来说,找房、搬家等活动也会存在现实困难,租房行为受限。

从间接影响看,疫情对中国乃至世界经济可能会构成一定的冲击。疫情冲击将直接影响对未来的经济预期,进而间接引发部分群体的购房观望。疫情带来的收入降低或财富损失,也可能间接降低购房支付能力,造成购房需求下降。

但总体而言,房地产业属于强周期性、波动性行业,长期的政策调控与频繁的市场波动,使得房地产业对市场波动具有一定缓冲能力。疫情对中低中入阶层的收入影响要大于其它阶层,对中小房地产企业的冲击要强于大型房地产企业,对中小城市住房市场的影响要高于大城市住房市场,对短期市场的影响要大于中长期。因而,只要疫情能够在合理的时期内得到有效控制,那么疫情对住房市场的影响将主要体现在对中小城市住房市场、中小房地产企业的短期影响。房价长期预期不会发生大的转变,大城市市场和中长期市场不会因此而发生重大波动。

据此预测,短期内一二线城市房价相对稳定或略有回升,三四线城市总体稳中趋降,少部分城市可能较快下降。

 

三、对策建议

根据住房市场的发展特点,基于统筹疫情防控及经济社会发展需要,提出以下建议:

在坚持房住不炒的基础上,给予受疫情影响的困难房地产企业适度救济。疫情对房地产企业的主要影响包括:项目开工推迟、按期交房受到影响;售楼处关闭,短期销售额下降,部分企业资金链受到影响;居民短期购房意愿及活跃度降低,市场需求低迷等。对于自持租赁型企业来说,出租率和租金也受到影响。但总体来说,由于房地产销售本身具有较强的季节波动性及政策波动性,且房价主要受长期经济预期的影响,因而疫情对房地产市场的影响相对其它产业较低。但也不排除部分中小企业、高负债运行企业因疫情而造成短期资金周转困难或甚至资金链断裂。对于这部分企业,可采取的救济措施包括缓交部分税费及政府性基金、支持网络销售、简化开工及销售审批手续、到期还款适度延期、在风险可控的前提下优化预售资金提取程序等。

有针对性降低房贷还款困难家庭的短期还贷压力。从20151024日最后一次调整基准利率以来,我国已经有四年多没调整过贷款基准利率。存量房贷利率的定价基准将由贷款基准利率转换为LPR市场浮动利率,也最早需要到2021年才能产生实际效果。受本次疫情冲击,部分购房家庭因收入下降、经营损失或财富损失可能会出现还贷困难现象。为此,可以有针对性采取暂缓还款、临时性降低存量房贷利率及还款额等措施,帮助还贷困难家庭渡过难关。

严控购房加杠杆及其它各类刺激购房行为。当前疫情对房地产业的影响主要集中于部分企业的临时性资金困难。疫情对住房需求的影响,主要体现在受影响家庭临时推迟购房计划,但并非永久取消购房计划。应有针对性地对相关困难企业采取合理的救济措施,尽量避免通过购房加杠杆或其它各类剌激购房行为来帮助房地产企业脱困。住房需求剌激政策虽然较易实施,但容易引发未来房价大起大落,加大宏观金融风险,需要加以严格控制。

因地制宜采取租金及续约管控等措施,促进房主及租房家庭共克时艰。受疫情的冲击,作为租房市场主要群体的中低收入阶层短期收入受到较大影响。为缓解因疫情造成的短期困难,多地出台了针对国有房产租赁的租金减免措施。但对于广大私有房产的租赁者来说,不仅难以通过租金减免政策获得救济,特殊情况下还可能被趁疫情涨租。为有效降低疫情对租房家庭的影响,在原有救济政策的基础上,有必要因地制宜对房产出租行为采取一定的租金及续约管控措施,如:疫期内租约到期,可根据租赁者要求对原租约进行短期延展,并禁止涨租或提高租赁条件;疫期禁止暴力驱赶租客;充许疫期部分困难家庭缓交租金;减免住房租赁相关税收等。

在科学防疫的基础上,坚持租购房同权。租购房同权既是构建租购并举住房市场体系的基础,也是建立完善住房市场长效机制的基石之一。科学防疫与租购房同权本质上并无矛盾与冲突。如果在实际工作中,简单地将租房家庭贴上“较高风险”的标签并给予区别对待,在一定程度上有悖科学防疫规律。因为疫情防控需要以深入细致的行程及接触排查为基础,单纯对租房家庭贴上特定风险标签以简化工作,反而容易造成排查疏漏。由于病毒的高传染性,特殊情形下,1%排查疏漏将可能会使99%的努力失效。此外,对租房家庭的区别对待也可能会影响企业的有序复工,不利于统筹推进疫情防控和经济社会发展工作。为促进科学防疫,建议以个人如实申报及大数据排查等手段为风控基础,纠正少数地方简单地对租购房家庭差别对待的不合理行为。

 

 

 

报告撰写人:

邹琳华中国社科院财经战略研究院住房大数据项目组组长,中国社科院竞争力模拟实验室副主任,《中国住房大数据分析报告》主编

王业强 中国社科院城市发展与环境研究所土地经济与不动产研究室主任,《房地产蓝皮书》主编

吕风勇  中国社科院财经战略研究院《中国县域经济发展报告》主编

 

附录1:纬房综合指数(定基,以20181月为100

时期

纬房核心指数

纬房海峡西岸核心指数

纬房京津冀核心指数

纬房长三角核心指数

纬房粤港澳大湾区指数

纬房东北核心指数

纬房一线城市指数

纬房二线城市指数

纬房三线城市指数

纬房四线城市指数

纬房租金核心指数

201801

100

100

100

100

100

100

100

100

100

100

100

201802

100.91

100.43

100.95

101.04

100.4

101.26

100.26

101.12

101.5

101.76

102.55

201803

103.14

100.67

101.38

102.74

101.56

104.56

101.48

103.66

103.65

103.75

101.27

201804

104.24

100.94

100.98

103.95

102.07

106.45

101.61

105.05

105.91

105.74

101.07

201805

106.5

100.87

102.15

105.51

102.96

109.02

101.96

107.91

108.28

107.62

102.5

201806

108.31

101.01

103.19

107.26

103.54

111.26

102.18

110.2

109.79

109.34

103.45

201807

109.09

100.95

103.34

108.56

104.67

113.09

102.44

111.15

111.17

110.81

105.51

201808

108.86

100.93

102.2

109.02

105.04

114.58

102.33

110.88

111.86

111.84

105.27

201809

107.84

100.8

101.15

108.89

104.66

116.06

101.77

109.72

112.17

112.07

105.04

201810

105.75

101.56

99.31

108.01

103.15

117.21

99.58

107.66

112.16

112.23

103.86

201811

103.54

99.31

98.14

106.78

101.59

117.88

97.78

105.33

111.23

111.41

102.77

201812

102.58

99.08

98.09

105.87

100.85

118.04

97.28

104.22

110.67

111.03

102.44

201901

102.45

99.33

98.93

106.02

100.63

118.47

97.33

104.03

110.93

110.96

103.93

201902

103.22

99.2

100.63

106.77

101.1

119.71

98.28

104.74

111.64

111.25

104.64

201903

104.56

100.05

102.16

108.29

101.92

121.09

99.44

106.14

112.16

112.07

104.07

201904

105.28

100.2

102.58

109.47

102.01

121.99

99.97

106.92

112.4

112.74

104.06

201905

105.72

100.39

102.1

110.51

102.23

122.67

100.19

107.43

112.25

113.34

104.31

201906

105.9

100.72

101.42

111.64

102.03

123.26

99.73

107.81

112.76

114

104.82

201907

106.11

101.59

101.69

112.93

102.34

123.59

99.69

108.09

114.15

116.15

104.97

201908

106.05

101.02

100.43

113.28

102.19

124.15

99.56

108.05

113.63

115.65

104.9

201909

105.92

100.51

99.29

113.71

102.19

124.73

99.56

107.89

113.33

115.85

104.04

201910

105.79

100.73

98.45

113.77

102.3

124.92

99.3

107.8

113.39

116.17

103.19

201911

105.4

100.29

97.39

113.61

102.35

125.34

99.13

107.34

112.96

116.03

102.05

201912

105.41

100.4

96.82

113.81

102.5

125.89

99.11

107.36

112.87

115.71

101.86

202001

105.7

100.15

96.95

114.29

102.73

125.65

99.71

107.55

112.93

115.82

103.68

 

附录2:报告指标说明

纬房指数纬房指数(原大数据房价指数BHPI的升级版本)为首个基于住房大数据和重复交易法的新型房价指数。通过新技术的应用,纬房指数有效规避了阴阳合同价、非理性报价、网签时间滞后、加总失真等技术难题,从而更为贴近居民家庭对房价涨跌的真实感受。纬房指数为公益性月度房价指数,目前包含纬房核心指数和纬房租金核心指数2个全国性综合指数、4个城市分级指数、5个区域核心指数、142个主要城市房价指数、约30个重点城市的住房租金指数及数十个重点城市的区县房价指数,每月中下旬完成上月指数。纬房指数现有定基、环比、同比3个维度,同时提供大数据房价中位数作为参考。纬房指数主要监测存量住房价格变动,新建商品住房价格变动暂不计入纬房指数。作为基于大数据的开放式房价指数,纬房指数的监测深度与广度将不断递进。纬房指数为大数据挖掘研究前沿成果,数据仅作为市场研究参考,住房市场评价以政府统计部门数据为准。

纬房核心指数纬房核心指数综合了全国24个核心城市住房价格的变化,可作为中国房地产市场的重要晴雨表。24个核心城市分别为上海、北京、深圳、广州、天津、重庆、苏州、杭州、武汉、成都、南京、宁波、青岛、郑州、无锡、长沙、厦门、济南、西安、沈阳、大连、福州、南通、东莞,基本覆盖了中国最具经济竞争力的城市群体。其中包含一线城市4个,二线城市20个。纬房核心指数以20181月为房价基期,以各城市2017年商品住房销售额为指数权重进行综合计算。

纬房区域核心指数纬房区域核心指数包括京津冀核心指数长三角核心指数、粤港澳大湾区指数、海峡西岸核心指数、东北核心指数5个综合指数,用以反映中国主要城市群带具有竞争力的核心城市房价综合变动状况。其中京津冀核心指数样本包括沧州、保定、北京、天津、廊坊、石家庄、唐山;长三角核心指数样本包括常州、杭州、南京、宁波、苏州、无锡、嘉兴、南通、合肥、上海、绍兴、泰州、芜湖、盐城、扬州;粤港澳大湾区指数样本包括广州、东莞、惠州、江门、深圳、佛山、肇庆、中山、珠海;海峡西岸核心指数样本包括厦门、福州、赣州、泉州、温州、漳州;东北核心指数样本包括大连、长春、沈阳、哈尔滨。以各城市2017年商品住房销售额为指数权重进行综合计算。

纬房城市分级指数纬房城市分级指数包括一、二、三、四线城市4个综合指数,分别反映一、二、三、四线城市房价综合变动状况。为提高均衡度和代表性,除一线城市房价指数外,二、三、四线城市房价指数均选取多数代表性城市而非全样本,以各样本城市2017年商品住房销售额为指数权重进行综合计算。

成交量指数成交量指数以十大城市二手房成交量为基础。十大城市的样本为北京、上海、成都、大连、武汉、苏州、深圳、南京、杭州、重庆,以20171月为100

纬房租金核心指数纬房租金核心指数综合了全国22个核心城市住房租金的变化,可作为分析中国住房市场变化的重要参照系。22个核心城市分别为北京、成都、大连、东莞、广州、杭州、济南、南京、青岛、厦门、上海、深圳、沈阳、苏州、天津、武汉、长沙、重庆、福州、南通、宁波、无锡,基本覆盖了中国最具经济竞争力的城市群体。其中包含一线城市4个,二线城市18个。纬房核心租金指数以20181月为租金基期,以各城市2016年在岗职工工资总额为指数权重进行综合计算。

样本城市分级规则根据经济规模、财政收入、房价水平、行政等级、发展潜力、市场认可度等因素对142个样本城市进行分类。一线城市(4个):北京、上海、广州、深圳;二线城市(27个):苏州、重庆、天津、杭州、武汉、成都、南京、宁波、青岛、郑州、无锡、长沙、厦门、济南、西安、沈阳、大连、福州、南通、东莞、哈尔滨、长春、石家庄、佛山、南昌、昆明、合肥;三线城市(36个):沧州、常德、西宁、包头、保定、常州、赣州、贵阳、海口、呼和浩特、惠州、嘉兴、兰州、廊坊、柳州、洛阳、南宁、泉州、三亚、绍兴、太原、泰州、唐山、温州、乌鲁木齐、芜湖、襄阳、徐州、烟台、盐城、扬州、宜昌、银川、漳州、中山、珠海;四线城市(74个):安庆、安阳、鞍山、蚌埠、威海、承德、绵阳、大庆、阜阳、黄石、吉安、荆州、开封、南充、日照、六安、汕头、湛江、宁德、衢州、临沂、商丘、遂宁、太仓、湘潭、信阳、张家口、驻马店、达州、北海、滁州、鄂州、防城港、桂林、邯郸、衡水、衡阳、湖州、淮安、吉林、聊城、江门、金华、九江、昆山、连云港、泰安、眉山、马鞍山、泸州、自贡、乐山、南阳、秦皇岛、清远、茂名、上饶、梅州、淄博、济宁、潍坊、西双版纳、咸阳、新乡、邢台、宿迁、韶关、阳江、张家港、肇庆、镇江、株洲、滨州、遵义;五线城市1个。本城市分类仅为房地产市场分类需要,不作为城市评价之依据。

 

 

 

 

 

本期抗疫专题报告公开发布,转载完整无须授权,报告预测仅供参考

 


地址:北京市朝阳区曙光西里28号中冶大厦9-12层邮编:100028

电话:17190301535E-mailzfdsj2@163.com

微信公众号:住房大数据项目组微信号:11192160

住房大数据研究网:www.zfdsj.org主编信箱:zoulh@cass.org.cn