京公网安备 11010802034615号
经营许可证编号:京B2-20210330
现在好多人都在讨论房地产的泡沫是不是已经吹得很大了,泡沫随时都会破裂,最近和几个数据分析的朋友做了一些调查,得到一些房产方面的相关数据,结合这些数据,去分析下危机是怎样的,而不去做拍脑袋的判断。

今天,咱们先来说说百说不厌的地产行业。
会不会大跌?
答案是,会,但不是今日,也不是现在。
有人会说你卖哪门子关子,那宏图可以把房市和房价比喻成股市和股价么?因为共同点太多,都有过疯狂与杠杆,都有太多参与者(楼市参与者更多),涉及的因素不简单是自身行业,几乎是全行业全国性连锁互为影响,都是牵一发而动全身,且对国民经济都有重大影响。
为何做这个比较?
① 因为很多人对楼市的不解是因为对价格产生本身不懂,看到楼市长达18年的大牛市,中间虽然有过几次20%以上等我回撤,但每次持房超过五年盈利概率为100%,对于投资来讲确实不错,但问题是对于建设房子,购买房子以及购房还款周期整体平均不低于五年的投资方式相比18年大牛市算不算长呢?假设我以成熟美股换手率来说,年化11.3次换手,这是三十年的数据,此间美股经历了四个周期,六次大牛市,有就是五十次以上的交易所对应的牛市,试想我国房屋三手交易的多么,有人说这个类比不恰当,那好接下来。
② 价格,比如从前的妖股特力A和中毅达,从一块钱涨到五块你买不买?你怕,涨了五倍。后来跌了你很开心,你为你的决策称赞,结果跌倒三元又涨,经过几波同样的上涨,特力A来到80元并开始大跌,此时每次入手成功的人都欲加仓甚至杠杆加仓,外面踏空多次的也是,拼了老命把辛辛苦苦一辈子赌在高价特力A里,结果还是创了新高100元。后来横盘下跌,我不敢言底或者顶,毕竟太过于拍脑袋,购买房子的刚需你有,就该适时买房。若是投资就要弄懂供需关系,即使现在不是顶部,也绝对不是底部,至于位置的详细描述,数据分析师没做了过多的研究不敢妄加评论。
供需关系又是怎样的?
有人跟宏图争执说一二线城市供需关系良好,这点表面来看肯定没错,仅北上广深四城市就有2920万居民无自有住房,其中外省农民工人员有410万,共930万人在其他城市有房屋,但是我们知道几个数据,第一,现在测算四城非自住居民人均居住面积10.7平方和舒适度住房面积人均18.5平方相比较,其实也就是目前这些无房人员消耗掉这些房子再有80%左右的房屋增加即可以满足全部居民所需。
那接下来看四城市空住加库存面积,有101万间空住和库存房屋共计7580万平方米,什么概念,也就是刚才有说缺口面积其实16000万平方米,大概还有8420万平方米缺口,这是什么概念,很多大地产公司一个远郊楼盘大概就有50万平-200万平,大概就需要50-100个大型小区就足以解决,那看起来离天花板还算远么?也就是四城再开发100-200个大型小区就可以满足全部人舒适住房的需求,此时的租赁与购置对库存以及空住率影响已经不大。
其次就是所谓的城市化进度减缓所导致的发展和人才引进的降预期,那剩下的二三线城市真的不用多说,城里居民分分钟两三套闲房,还有大量未解决库存, 所以从供需关系上简单来讲,一二线城市好地段确实具有竞争力和抗跌能力,就好比钢铁石油都跌太多,但是特种油和特钢依旧很好卖,所以投资意义不一定大,但 是崩盘的暴跌确实难。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在实验检测、质量控制、科研验证等场景中,“方法验证”是确保检测/分析结果可靠、可复用的核心环节——无论是新开发的检测方法 ...
2026-03-04在数据分析、科研实验、办公统计等场景中,我们常常需要对比两组数据的整体差异——比如两种营销策略的销售额差异、两种实验方案 ...
2026-03-04在数字化转型进入深水区的今天,企业对数据的依赖程度日益加深,而数据治理体系则是企业实现数据规范化、高质量化、价值化的核心 ...
2026-03-04在深度学习,尤其是卷积神经网络(CNN)的实操中,转置卷积(Transposed Convolution)是一个高频应用的操作——它核心用于实现 ...
2026-03-03在日常办公、数据分析、金融理财、科研统计等场景中,我们经常需要计算“平均值”来概括一组数据的整体水平——比如计算月度平均 ...
2026-03-03在数字化转型的浪潮中,数据已成为企业最核心的战略资产,而数据治理则是激活这份资产价值的前提——没有规范、高质量的数据治理 ...
2026-03-03在Excel办公中,数据透视表是汇总、分析繁杂数据的核心工具,我们常常通过它快速得到销售额汇总、人员统计、业绩分析等关键结果 ...
2026-03-02在日常办公和数据分析中,我们常常需要探究两个或多个数据之间的关联关系——比如销售额与广告投入是否正相关、员工出勤率与绩效 ...
2026-03-02在数字化运营中,时间序列数据是CDA(Certified Data Analyst)数据分析师最常接触的数据类型之一——每日的营收、每小时的用户 ...
2026-03-02在日常办公中,数据透视表是Excel、WPS等表格工具中最常用的数据分析利器——它能快速汇总繁杂数据、挖掘数据关联、生成直观报表 ...
2026-02-28有限元法(Finite Element Method, FEM)作为工程数值模拟的核心工具,已广泛应用于机械制造、航空航天、土木工程、生物医学等多 ...
2026-02-28在数字化时代,“以用户为中心”已成为企业运营的核心逻辑,而用户画像则是企业读懂用户、精准服务用户的关键载体。CDA(Certifi ...
2026-02-28在Python面向对象编程(OOP)中,类方法是构建模块化、可复用代码的核心载体,也是实现封装、继承、多态特性的关键工具。无论是 ...
2026-02-27在MySQL数据库优化中,索引是提升查询效率的核心手段—— 面对千万级、亿级数据量,合理创建索引能将查询时间从秒级压缩到毫秒级 ...
2026-02-27在数字化时代,企业积累的海量数据如同散落的珍珠,若缺乏有效的梳理与分类,终将难以发挥实际价值。CDA(Certified Data Analys ...
2026-02-27在问卷调研中,我们常遇到这样的场景:针对同一批调查对象,在不同时间点(如干预前、干预后、随访期)发放相同或相似的问卷,收 ...
2026-02-26在销售管理的实操场景中,“销售机会”是核心抓手—— 从潜在客户接触到最终成交,每一个环节都藏着业绩增长的关键,也暗藏着客 ...
2026-02-26在CDA数据分析师的日常工作中,数据提取、整理、加工是所有分析工作的起点,而“创建表”与“创建视图”,则是数据库操作中最基 ...
2026-02-26在机器学习分析、数据决策的全流程中,“数据质量决定分析价值”早已成为行业共识—— 正如我们此前在运用机器学习进行分析时强 ...
2026-02-25在数字化时代,数据已成为企业决策、行业升级的核心资产,但海量杂乱的原始数据本身不具备价值—— 只有通过科学的分析方法,挖 ...
2026-02-25