达达兔午夜起神影院在线观看麻烦/免费大片黄手机在线观看/日韩美女视频一区/久久er这里只有精品 - 欧美精品福利视频

[易居研究院]11月70城二手住宅價格環比漲幅在“過冷區”繼續探底,地方救市效果甚微

潘竑羽2021-12-17 10:00:25來源:易居研究院

掃描二維碼分享
  • 城市:全國
  • 發布時間:2021-12-17
  • 報告類型:市場報告
  • 發布機構:易居研究院

以下內容節選自

易居月報之

【70城房價指數報告】

??核心觀點

??11月85%城市新房價格下跌,90%城市二手房價格下跌。2021年11月,70個大中城市新建商品住宅和二手住宅價格持續下跌,同比漲幅連續6個月收窄。預計未來幾個月新建商品住宅和二手住宅價格下跌城市數量大概率都將超過90%,甚至明年年初70城住宅價格可能全部下跌。

??一線城市新建商品住宅價格自2018年4月以來首次由漲轉跌。參考2014年下半年的二手房下跌情形推斷,未來幾個月一二三線城市二手住宅價格同比漲幅將持續收窄。其中,三線城市二手住宅價格同比漲幅12月大概率將轉負,一二線城市則可能在明年上半年轉負。

??地方救市效果甚微,哈爾濱、石家莊11月表現凄慘。11月黑龍江、遼寧、四川、廣西、河北等省份,多個城市新房和二手房價格跌幅皆較大。甚至這些地區省會的房價漲幅在全國排名連續數月倒數,哈爾濱和石家莊是典型代表。而11月三亞的新房價格和海南的二手房價格依然堅挺,領漲全國。其中,三亞已于11月26日出臺二手房指導價,未來幾個月二手房價格大概率將轉跌。

??11月70城二手住宅價格環比漲幅在“過冷區”繼續探底。依照歷史規律和市場慣性,我們預計70城二手住宅價格環比漲幅可能還將在“過冷區”停留數月。

??房價的總漲幅走勢在很大程度上能夠反映樓市的發展程度。自2015年4月開始的本輪周期中,全國商品房市場發展速度較二手房更快。具體來看,一二三線城市的房價總漲幅和其經濟發展狀況、城市化水平、人口增速等基本面相匹配;一線城市目前存量房市場占主體地位,而二三線城市新房市場熱度仍高于二手房。

??本輪上漲周期中深圳二手房價格泡沫嚴重,強二線城市迅速崛起。本輪周期中北上廣二手房價格總漲幅均未超過80%,而深圳的二手房價格總漲幅高達116.7%,可能存在泡沫。西安和武漢的新房價格漲幅遠高于二手房,主要原因是新房限價嚴格,可能存在市場炒作,而二手房市場發育不太成熟,可能被低估。作為近幾年迅速崛起的強二線城市代表,合肥和杭州的新房和二手房房價漲幅已逼近一線城市,可能存在一定高估。

??11月85%城市新房價格下跌,

??90%城市二手房價格下跌

??1、新建商品住宅和二手住宅價格持續下跌

??易居研究院根據國家統計局2021年12月15日公布的《2021年11月70個大中城市住宅銷售價格變動情況》,對70個大中城市新建商品住宅、二手住宅銷售價格數據進行算術平均。計算得知,2021年11月,70個大中城市新建商品住宅價格環比漲幅為-0.3%,跌幅較上月擴大0.08個百分點。自9月新建商品住宅價格轉跌后,已連續3個月下跌,從目前的跌幅趨勢看,預計未來三個月新建商品住宅價格大概率繼續維持下跌。

??11月70城二手住宅價格環比漲幅為-0.4%,自8月二手住宅價格轉跌后,已連續4個月下跌,且11月跌幅較上月擴大0.05個百分點。需要注意的是,雖然目前二手房價格環比跌幅更大,但從歷史規律來看,新房價格的波動一般略大于二手房,而近3個月新房價格降溫速度更快。因此未來幾個月新建商品住宅價格環比跌幅有一定概率超過二手住宅。

1

??2、新建商品住宅和二手住宅價格同比漲幅連續6個月收窄

??對70個大中城市新建商品住宅、二手住宅銷售價格數據進行算術平均,計算得知,2021年11月,70城新建商品住宅、二手住宅價格同比漲幅分別為2.4%和1.5%,相比2021年10月分別回落0.45和0.52個百分點。11月70城新建商品住宅和二手住宅價格同比漲幅已連續6個月收窄。結合環比數據來看,預計新建商品住宅和二手住宅價格的同比漲幅都將繼續回落,明年一季度由正轉負。

2

??3、85%城市新房價格下跌,90%城市二手房價格下跌

??11月70個大中城市中,新建商品住宅價格上漲、持平、下跌的城市數量分別為9個、2個和59個。其中,相比10月,上漲城市數量減少4個,持平城市數量減少3個,下跌城市數量增加7個。

??與此同時,二手住宅價格上漲的城市僅3個,持平的城市有4個,下跌的城市數量高達63個。相比10月,11月房價上漲的城市數量減少1個,房價持平的城市數量增加2個,房價下跌的城市數量減少1個。

??目前,新建商品住宅價格下跌的城市數量已接近樣本總量的85%,而二手住宅價格下跌的城市數量高達樣本總量的90%。此外,可以明顯看出,近幾個月70城住宅價格下跌情形十分類似2014年的降溫周期。我們認為,未來幾個月新建商品住宅和二手住宅價格下跌城市數量大概率都將超過90%,甚至明年年初70城住宅價格可能全部下跌。

3

??一線城市新建商品住宅價格自2018年4月以來首次由漲轉跌

??本報告對一二三線70個大中城市新建商品住宅銷售價格和二手住宅銷售價格數據進行算數平均,計算得知:11月一二三線城市新建商品住宅價格分別較上月下跌0.02%、0.37%、0.34%。其中,一線城市新建商品住宅價格自2018年4月以來首次由漲轉跌;二線城市新建商品住宅價格自10月轉跌后,本月跌幅繼續擴大;三線城市新建商品住宅價格環比跌幅總體變化不大。11月一二三線城市二手住宅價格環比分別下跌0.25%、0.37%、0.39%。其中,一線城市二手住宅價格環比跌幅較上月收窄0.18個百分點,二三線城市二手住宅價格同比跌幅皆略有擴大。

??同比來看,11月一二三線城市新建商品住宅價格分別上漲4.8%、3.3%、1.4%;二手住宅價格分別上漲5.9%、2.0%、0.6%,無論城市分類和房屋類型,11月房價同比漲幅均繼續收窄。從變化程度來看,11月一線城市二手住宅價格同比漲幅收窄幅度最為顯著,而二線和三線城市新建商品住宅和二手住宅價格的降溫速度基本持平。

??房價的同比漲幅走勢在很大程度上能夠反映樓市的周期波動規律。觀察2013年1月至2021年11月一二三線城市二手住宅價格漲幅的周期波動,可以發現,整體上看,房價波動上一線城市最大,二線城市其次,三線城市最小。具體來看,又可以總結出以下三個特點:

??第一,一線城市一般會最先出現短周期房價漲幅的階段拐點。主要原因是一線城市房價對政策的敏感程度更高,市場反應最快。其中,高點往往預示著上漲階段漲幅見頂后回落的開始,低點則預示著下跌階段跌幅筑底后回升的開始。2013年1月至今一線城市二手住宅價格同比漲幅一共有三個階段高點,分別出現在2013年11月、2016年4月、2021年3月;兩個階段低點則分別出現在2015年3月、2018年4月。而二三線城市的階段拐點出現均晚于一線城市。

??第二,一線城市最早進入房價上漲周期,而二線城市其次,三線城市則最晚。主要原因是市場需求的不同。如2015年全國住宅庫存壓力較大,中央提出了去庫存導向。在各類政策寬松與購房需求釋放的背景下,一線城市二手住宅價格同比漲幅于2015年5月率先由負轉正,而二線城市漲幅則于2015年10月轉正,三線城市漲幅則于2016年4月才轉正。

??第三,三線城市房價最先開始下跌,而二線城市其次,一線城市則最晚。主要原因是三線城市在房價上漲階段,同比漲幅沖高幅度最小,因此降溫狀態下從漲幅高點運行到0軸所需的時間最短;一線城市在房價上漲階段,同比漲幅沖高幅度最大,因此降溫狀態下雖然回落速度最快,但所需時間仍最長;而二線城市則介于兩者之間。在上一輪下跌周期中,三線城市二手住宅價格于2014年8月率先轉跌,二線和一線城市則分別在之后的1個月、2個月由漲轉跌。

??在本輪周期中,一二三線城市二手住宅價格同比漲幅分別于2021年3月、6月、5月見頂,此后相繼回落,目前分別已連續回落8個月、5個月和6個月。環比來看,三線城市二手住宅價格已在今年7月率先轉負,一二線城市也均在9月轉負。由此,我們可以參考2014年下半年的二手房下跌情形推斷,未來幾個月一二三線城市二手住宅價格同比漲幅將持續收窄。其中,三線城市二手住宅價格同比漲幅12月大概率將轉負,一二線城市則可能在明年上半年轉負。

4

??地方救市效果甚微,哈爾濱、石家莊11月表現凄慘

??11月新建商品住宅價格環比漲幅排名前十的城市依次為三亞、杭州、北京、銀川、岳陽、上海、長沙、西安、韶關、深圳;環比跌幅較大的城市則有廣州、哈爾濱、武漢、徐州、貴陽、石家莊等。二手住宅方面,環比漲幅排名前十的城市依次為贛州、海口、唐山、長沙、重慶、濟寧、三亞、大連、上海、杭州。其中,二手住宅價格排名前10的城市中僅3城價格上漲,其余均持平或下跌。二手住宅價格環比跌幅較大的城市有泉州、桂林、石家莊、太原、哈爾濱等。

??分地域來看,11月黑龍江、遼寧、四川、廣西、河北等省份,多個城市新房和二手房價格跌幅皆較大。這些省份多位于東北、西南、華北地區,經濟發展水平相對落后,近幾年人口流出嚴重,房地產市場本就偏弱。因此在全國房價進入下跌周期初期時,下跌行情較突出。甚至這些地區省會的房價漲幅在全國排名連續數月倒數,哈爾濱和石家莊是典型代表。此外,這些省份的監管部門近期紛紛松綁調控或出臺救市政策,但是目前效果甚微:

??9月28日沈陽提高人才首次購房補貼;10月1日哈爾濱出臺包括人才購房補貼、放寬公積金貸款等多條政策,打響了全國地方政府救市的第一槍;10月11日甘肅全面放開落戶;11月8日石家莊響應中央“維護消費者權益”號召,出臺加強項目進度監管和爛尾樓處理新政。但哈爾濱新建商品住宅價格和二手住宅價格已連跌4個月,11月環比分別下跌0.7%和1%。石家莊11月新建商品住宅價格環比下跌1.2%,二手住宅環比下跌0.8%。

??與之形成鮮明對比的是海南地區。11月三亞的新建商品住宅價格和海南的二手住宅價格依然堅挺,分別上漲0.7%和0.3%,領漲全國。主要原因有兩方面:一方面,近幾年海南宅地供應較少,導致新房供不應求;另一方面,目前海南自貿港的利好還在釋放,幾年后封關的消息使部分投資客仍有興趣。需要注意的是,11月三亞的二手住宅價格環比持平,較上月收窄了0.4個百分點。考慮到11月22日三亞住建局出臺了二手房參考價機制,未來幾個月三亞二手住宅價格轉跌的可能性較高。

5

??11月70城二手住宅價格環比漲幅在“過冷區”繼續探底

??70城二手住宅房價指數環比漲幅從2019年8月至2020年12月期間,幾乎均停留在“偏冷區”。疫情結束,經濟復蘇后,今年年初二手住宅價格在“合理區”小幅盤整了3個月。但在嚴厲調控下,今年4月起房價漲幅持續回落,7月年內首次由“合理區”跌入“偏冷區”。

??10月70城二手住宅價格環比漲幅曲線自2015年3月以來首次跌入“過冷區”。11月跌幅擴大至0.4%,繼續在“過冷區”向下探底。綜合一二三線城市環比和同比漲幅、70城上漲下跌城市數量等數據,以及當前的調控政策和金融環境來看,此次全國房價下跌情形與2014年下半年的下跌周期有諸多類似之處。依照歷史規律和市場慣性,我們預計70城二手住宅價格環比漲幅可能還將在“過冷區”停留數月。

??基于此,建議部分樓市低迷時間較長、房價下跌幅度較大的城市,按一城一策的方針,適度出臺支持自住需求的政策,以防房價下跌過猛,不利于行業平穩健康發展。

6

??本輪上漲周期中深圳二手房價格泡沫嚴重,

??強二線城市迅速崛起

??今年下半年,房價終結六年連漲勢頭。整體來看,房價下行經歷了一個由二手房市場向新房市場的傳導過程。2021年8月,國家統計局公布的70城二手住宅價格自2015年4月以來首次轉跌;9月,70城新建商品住宅價格自2015年5月以來也首次轉跌,標志著70城房價正式進入下跌周期。截至11月,全國已有85%城市新房價格下跌,90%城市二手房價格下跌。而上一次出現如此大范圍的房價下跌還是2014年下半年。

??根據本輪房價上漲周期開始的時間,本報告選取了70個大中城市2015年5月至今的新建商品住宅價格環比漲幅、2015年4月至今的二手住宅價格環比漲幅數據。考慮到國家統計局公布的數據僅保留一位小數,為了更準確的反映市場長期真實情況,我們結合統計局公布的各市場的同比漲幅數據進行一定的誤差修正。計算可得本輪周期新房和二手房價格的階段總漲幅。

??房價的總漲幅走勢在很大程度上能夠反映樓市的發展程度。截至11月,本輪周期內70城新房價格總體上漲49.3%,二手房價格總體上漲35.0%,說明全國商品房市場發展速度較二手房更快。一二三線城市新房價格總體分別上漲71.8%、55.3%、40.5%,而二手房價格分別上漲85.1%、38.3%、25.4%,說明兩點:其一,一二三線城市的房價總漲幅和其經濟發展狀況、城市化水平、人口規模與增速等基本面相匹配;其二,一線城市的新房規模基本見頂,目前存量房市場占主體地位,而二三線城市新房市場熱度仍高于二手房。

??同能級城市比較,又可以總結出以下三個特點:

??首先,深圳的二手房價格總漲幅高達116.7%,在一線城市中大幅領先。而同能級的北京、上海、廣州二手房價格總漲幅分別為72.0%、70.8%、78.2%,均未超過80%。今年年初深圳二手房價格還一度領漲全國,但隨著二手房指導價、嚴查購房資金等一系列調控措施的出臺,深圳二手房成交規模多月斷崖式下滑,連創近十年新低,同時價格自5月轉跌以來,已連跌7個月。我們認為當前深圳二手房價格可能仍存在泡沫,預計未來幾個月價格還將持續下跌。

??其次,西安和武漢的新房價格漲幅遠高于二手房,在二線城市中尤為突出。主要原因是因為新房限價嚴格,可能存在市場炒作,而二手房市場發育不太成熟,可能被低估。特別是西安,一二手房價嚴重倒掛。其新房價格,截至11月已經連漲69個月,總漲幅高達94.5%,而二手房價格總漲幅僅32.1%,甚至跑輸全國大勢。

??最后,杭州和合肥在強二線城市中的表現也十分搶眼。其中,杭州新房和二手房價格總體分別上漲66.4%和68.1%,合肥新房和二手房價格則分別上漲72.5%和78.1%。這兩個城市近幾年經濟發展迅速,且人口流入量較大,推動了當地房地產市場的快速發展。但需要注意的是,兩城房價漲幅已逼近一線城市,可能存在一定高估。

7

??備注:顏色僅代表市場總體的相對熱度,不代表房價上漲或下跌趨勢。

??點擊下載完整報告:2021年11月70城房價指數報告(20211215)

專 題
返回頂部
掃描二維碼分享
返回頂部
{"code": 200, "msg": "u5df2u7ecfu4e0au4f20u8fc7uff0cu4e0du8981u91cdu590du53d1u9001"}