京公网安备 11010802034615号
经营许可证编号:京B2-20210330
昨日立春,推送了“数据分析师眼里的是地产业”上篇,之后宏图也在继续查找一系列跟地产行业危险有关系的数据。那接下来我就继续跟大家说下总结后的心得。

3 钱去赚钱的地方
这句话好像又是一句废话,但是我马上要讲几个数据,您就明白了,全国2005年以来历史地产成交营业额味194万亿元人民币,这些钱广义上来自 百姓手里,其中待还银行住房贷款为85.4万亿,已结清住房贷款91.1万亿,那这些钱从两方面看,第一方面他基本来自于居民收入,因为是居民还贷,用之 前的存储以及未来的收入去偿还;另一方面这些钱通过土地转让金、税金、建材成本、装修建设人工成本等,最终通过各种方式支付给了国家、企业主、员工。
这个比例,曾经有一位人给出的数据是59.3%、29.1%、11.6%,而国家的钱有部分又二次使用于政府基础建设,一部分用于支付公务员薪 酬,还有一大部分主要用于养老金的转移支付,通过几次转移其实最后又变成了居民储蓄,目前各大银行汇总的数据是截止2015年12月31日,全国居民储蓄 时点为124.5万亿元人民币,企业户储蓄时点为101.3万亿元人民币。
钱在过去的十几年里,基本都是通过各种方式流入地产行业,自从2013年起,第一批08年7年债券到期开始,很多地产公司已经感受到了银行收紧行业上下游贷款的寒意,各类敏感的热钱也开始积极抽身离开地产行业。
据不完全统计,2005年-2012年,地产行业开发实际融资比例占比91.7%,表内融资占比73.5%,平均年化融资成本在9.18%,但 是从2012年-2015年,这个数据就分别变成了92.93%、49.5%、14.91%,三个数据两次比较后不难发现两个现象,第一银行撤贷明显,第 二成本增高很多,而且这个成本是单次平均融资成本,我们是知道的,在行业良性发展的时候,行业单流程内融资次数比较低。
例如地产高速发展期,因为地产企业从拿地、分期建设、装修整个全流程都可以分期抵押低成本融资,所以在银行不撤贷的情况下,之前地产行业属于上 下游回款速度完全不需要再融资,目前因为贷款收紧,上下游应收账款质押的频率急剧增多,一个楼盘建设完,大概内部全流程融资次数不低于7,3次,这种成本 高抬再加上一般都是社会高成本资金,导致这个行业已经被压缩到没有盈利空间,显而易见,热钱也会怕,聪明的热钱已经慢慢离开了中国的地产行业。
4 国家的态度
① 去库存
其实就是国家告诉地产行业,现在需要减缓建设,先将已经建设完毕以及已经开工建设在建工程完工并销售掉,因为这个问题不解决,先会带来大规模信贷危机,如果控制不好,转嫁给的其实寻常百姓的居民储蓄,这是可怕的,所以库存问题是亟需解决的,里面银行待收贷款太多。
② 不经意的供给侧改革
实际上看下供给侧改革的行业,实质上都是定准了建设和地产的上下游企业,因为前几年地产行业高速发展给上下游提供了扩大产能的动力,然后这个对需求端的反应太过迟缓,导致现在整体相关行业产能过剩严重。
③ 转型大消费
国家从2013年出台的各种支持扶持政策其实目的已经明显,是希望居民将更多的存款用于消费行业,这样才能产生更多的第三产业就业和机会,为供给侧改革所担心的硬着陆铺垫海绵。
其实行业风险早已凸显,因为最大体量的钱背后的智囊团对于政策以及趋势的敏感度是非常高的,然而早在2012年年末,这些逐利的热钱流向了股市、汇市和大消费市场,也间接导致地产行业风险愈来愈大。cda数据分析师官网
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