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
逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25