住房大数据网

2017年12月中国城市房价排名
网站首页 > 数据与报告 > 住房市场发展月度分析报告

中国住房市场发展月度分析报告 (2018年05月)

2018-05-25 17:19:57 住房大数据网 阅读

中国社科院财经战略研究院

中国社科院城市与竞争力研究中心

中国住房市场发展月度分析报告

(2018年05月)

 

十九大报告指出要“坚持房子是用来住的、不是用来炒的定位,加快建立多主体供给、多渠道保障、租购并举的住房制度,让全体人民住有所居”。2018年04月23日中共中央政治局会议提出要“推动信贷、股市、债市、汇市、楼市健康发展,及时跟进监督,消除隐患”。为促进房地产市场平稳健康发展,以及为降低宏观经济风险提供参考,中国社科院财经战略研究院、中国社科院城市与竞争力研究中心项目组在2018年4月大数据房价指数(BHPI)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2018年5月《中国住房市场发展月度分析报告》。

一、市场概述

大数据房价指数环比显示,141个样本城市中,2018年4月环比涨速在1%以下的达109个,其中32个城市环比略降。房价环比下降的城市中,又以京津冀板块城市居多。这表明本轮房价回升周期已经趋于尾声。

除部分热点区域外,多数城市房价环比涨速回落。与上月相比,2018年4月海南板块房价涨速居全国前列。其中三亚环比上涨9.59%居样本城市首位,海口环比上涨3.41%居样本城市第4位。西安、重庆分别以4.33%和3.47%的环比涨速,居样本城市第2和第3位。成都及西安周边的一些三四线城市也仍保持了较高的房价涨速,如咸阳、南充、乐山均进入样本城市环比涨速前10名。北京、上海房价相对平稳。其中上海房价环比下跌0.4%,北京房价稳中略升0.43%,环比涨速比上月降低0.87个百分点。二线城市中除西安、重庆外,还有青岛涨速较快为2%,居第9位。前期热点城市成都与长沙,房价环比涨速分别回落至0.27%与0.18%。

大数据房价指数同比显示,一、二线城市中多数城市房价年度涨幅相对较小,只有少部分城市仍有很高的年度涨幅,表明近一年来针对一、二线城市的房价密集调控已经取得了成效。在监测的一、二线城市中,与上年同月相比,2018年4月只有西安、成都、杭州、青岛、济南房价年度同比涨幅在30%以上。其中西安、成都分别同比上涨73.89%、56.4%,居一、二线城市房价涨幅前两位。天津、北京、上海、厦门同比分别下跌了15.94%、14.48%、6.26%和2.44%,居一、二线城市房价跌幅前列。此外,作为环京楼市代表的廊坊(燕郊),2018年4月房价同比下降33.71%。

大数据房价指数中位数显示,城市房价前十位的排序变动较大,除北京稳居第一外,深圳超越上海,厦门杭州超过广州,表明一、二线城市间存在激烈的人才和资金竞争。北京、深圳、上海、厦门、杭州分别以55589、51902、50986、37070和30547元每建筑平方米的单价,居全国城市房价前五位。而传统一线城市中的广州,则以29962元每建筑平方米的单价居第6位。福州、南京、天津、青岛分别以28777、28312、24109、23951元每建筑平方米的单价,居全国城市房价水平第7-10位。鞍山以3506元每建筑平方米的单价,居142个样本城市最末位。

大数据住房租金定基指数显示,西安、北京、青岛等部分城市住房租金上涨较快。与2017年12月相比,2018年1-4月西安、北京、青岛住房租金分别上涨3.56%、3.1%和2.9%,居样本城市前三位。其中,西安、青岛的房价也上涨较快,而北京房价波动较小。租金的显著上涨,除了季节性因素外,还与供给相对不足有关。但也有一些城市房租明显下跌,2018年1-4月郑州住房租金下跌了5.15%,居样本城市跌幅之首。此外,石家庄、珠海等城市租金跌幅也相对靠前。这些城市年后租金的下跌,既有季节性因素,也有供给充分的因素。

多数重点城市租金相对稳定。与2017年12月相比,2018年1-4月天津、无锡、济南、成都、上海、长沙、合肥、武汉、厦门、广州、南京、苏州、重庆、东莞、惠州、杭州16个样本城市租金涨跌幅在1%以内。

从租金绝对水平看,北京房租中位数高达6930元/套/月,居全国第一。深圳、上海、杭州、广州分别以6000、5500、4700及3500元/套/月,居样本城市租金水平第2至5名。而石家庄仅为1800元/套/月,居29个样本城市最后一位。

二、形势分析与预测

从外部环境看,国际经济形势复杂多变,市场不确定性显著增加。中美贸易摩擦将迫使政府采取稳健中性的房地产政策,限制房价的大起大落以避免可能发生的房地产市场风险。

从金融条件看,住房信贷市场持续趋紧,但房贷利率仍处于历史相对低点。全球金融去杠杆进程仍在继续推进,美元进入加息周期,货币实际利率上升。虽然国家政策层面对首次购房的支持态度没有发生变化,但融资成本的提升仍导致商业银行自主调高了首套房贷利率。尽管房贷利率有所攀升,但目前的房贷利率仍处于近10年来的相对低点,市场对房贷利率的上升仍有一定的承受力。

在商品房市场融资困难加大的同时,国家对租房市场金融支持力度不断加大。证监会和住房城乡建设部2018年4月24日发布《关于推进住房租赁资产证券化相关工作的通知》,提出加快培育和发展住房租赁市场特别是长期租赁,支持专业化、机构化住房租赁企业发展,鼓励发行住房租赁资产证券化产品。随着金融支持力度的加大,束缚长租公寓发展的不利因素逐步得到破解,住房租赁资产证券化产品这一中国金融市场的新型航母或将启航。

从政策面看,针对局部房地产热,政府采取“主动出击、露头就打”的调控策略。海南省在已出台限购政策的基础上,实施全域限购。辽宁丹东也出台了针对住房投机的提高首付比例、限售等措施。2018年5月,住建部负责人就房地产市场调控问题,约谈了成都、太原两市政府相关负责人。住建部在约谈中指出,要全面贯彻落实党中央、国务院决策部署,切实采取有力措施,认真落实稳房价、稳租金的调控目标。这是中国政府首次对租房市场也提出了调控目标。

从城市政策看,二线城市人才争夺力度加大,门籍门槛降低。继西安之后,南昌、沈阳、天津等城市均加入了人才争夺大战,户籍门槛迅速降低或取消。二线城市人才争夺顺应了中国城市化的新形势,但也可能会给住房投机资金的进入以可乘之机。

基于以上因素综合推测,随着融资杠杆和政策支持的消长,商品住房市场将逐步退热,房价下降或稳定的城市个数增多。资金将逐步转移到租房市场,租房市场将迎来大发展。

三、政策建议

一是要坚持“房住不炒”和“因城施策”方略,保持调控政策定力。在当前复杂的内外部经济形势下,房地产市场是最大的潜在风险源。这要求继续抑制投资投机,维持现有的限购、限贷等房地产调控政策力度不放松。部分快速上涨的三四线城市,还需要督促其出台或加码购房需求控制政策。坚持“因城施策”,避免系统性风险。

二是加大对市场游资的监测预警。随着三四线城市房价上涨和住房投资需求的溢出,针对热点消息的大规模跨区域炒作将成为市场的一大新动向。这需要增强市场和信息透明度,加强监测及时督促各地市场采取措施加以防范。

三是二线城市在加入人才争夺战的同时,应事先采取预案应对可能随之而来的住房投机炒作。二线城市的人才争夺战虽然顺应了我国城市化发展的新形势,但如果应对不当,也可能会造成限购名存实亡、房地产投机再度兴起的后果。这需要事先准备应对预案,在大规模引入人才的同时,加大住房供给,对住房投机进行监控和抑制,避免房价大起大落。


image001.png

image003.png

image005.png

image007.png

image009.png

image011.png

注:城市数据一般不包括下辖县级市及县;由于每月都将根据最新数据对所有指数进行重算与修订,不同版本的指数可能会有细微差异,以最新版本为准;廊坊房价主要根据廊坊市燕郊板块数据编制。

大数据房价指数(BHPI)由住房大数据联合实验室、中国社科院财经战略研究院住房大数据项目组根据千万级的存量住房价格数据,利用最新大数据分析技术和国际通行的重复交易指数模型计算。通过新技术的应用,BHPI力求更为贴近居民家庭对房价涨跌的真实感受。BHPI为月度存量房价格指数,指数样本目前覆盖了约142个主要城市和数十个重点城市的主要城区。根据重复交易指数模型的技术特性,BHPI仅监测存量住房价格变动,新建商品住房价格变动不计入BHPI。BHPI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。

 

报告执笔人:

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,住房大数据联合实验室发起人

吕风勇  中国社科院城市与竞争力研究中心研究员,《中国县域经济发展报告》主编,住房大数据联合实验室发起人

 

本研究得到国家自然科学基金面上项目“多中心群网化中国城市新体系的决定机制研究”(批准号:71774170)及“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”(批准号:71774169)支持。

 

《中国住房市场发展月度分析报告》可于每月中下旬登录中国社科院财经战略研究院网站(www.naes.org.cn)查询。更多详细指数及数据请登录住房大数据研究网www.zfdsj.org查询,或关注微信公众号“住房大数据”订阅。如有问题与建议请与住房大数据项目组联系,项目组邮箱:zfdsj2@163.com,微信号:11192160,电话:17190301535。未经项目组许可,不得将本报告及数据用于商业用途,转载请注明出处。

1524749474489714.jpg

微信扫描二维码或搜索公众号“住房大数据”关注,获取最新住房大数据研究报告。


Powered by MetInfo 5.3.19 ©2008-2019 www.metinfo.cn