
作者 | 挖数
香港位于广东深圳的南边,面积是1106平方公里,比中国的四大一线城市都小。
不仅面积小,其人口密度也大,香港每平方公里的人口数比四大一线城市都多。
看起来好像跟深圳差不多,实际大不相同。
香港境内山多平地少,是一座受到海水淹没的多山地体,如果计算建设用地面积的话,香港仅有19%的面积可以开发,而这个比例深圳是50%。
因此换算成实际可建设面积的话,香港是35595人/平方公里,深圳是13046人/平方公里,这个差距就拉开了。
香港分3个区,分别是香港岛、九龙和新界。
再拆分成小的区域:
香港岛:中西区、东区、南区、湾仔区;
九龙:九龙城区、深水埗区、油尖旺区、黄大仙区、观塘区;
新界:北区、西贡区、沙田区、大埔区、离岛区、葵青区、荃湾区、屯门区、元朗区。
其中香港岛的中西区是整个香港的中央商务区(CBD),是最多商业办公楼和娱乐场所聚集的地方,中环就位于该区。
查询地产公司的数据,以中西区的 上环/中环/金钟 这一带为例,在售的二手房中最贵的一套是——
总价2.2亿港币,香港的房子是以尺为单位,1尺大约等于0.093平方米,这里的1702尺换算成平方米的话是158平方米,一平方米是139万港币,也就是122万人民币。
这套是可以望见维多利亚港的,是真正港人口中的“千尺豪宅”。
当然这种上亿的房子属于稀缺物种,该区域更多的房子总价在500-2500万港币之间。
看了一下500-600万港币这一区间房子的实用面积,都在30平方米以下。
在该区域随机选取5套房子,取他们的均价,大概在21万人民币/平方米左右。(这里取的建筑面积)
用以上方式计算整个香港岛的房子均价:
九龙的均价是:
新界的均价是:
以上数据可以看出,香港的房子真的很贵,最贵的尖沙咀一平方米要22万人民币,最便宜的离岛区也要9.4万人民币。
贵不贵跟深圳对比一下就知道,深圳福田和南山的房子大概在6-15万/平方米,比较远的宝安区的沙井在4-6万/平方米,这样看香港房价大约是深圳的2倍。
按照香港2018年17500元港币的月工资中位数,普通人要不吃不喝29年才能买得起一套总价600万港币,实用面积在30平方米以下的房子。
通过地产公司的城市指数可以看到,香港的房价从2004年开始一路飙涨
众观历史,整个香港的楼市大概经历了 7轮 上涨。
第1轮上涨:1945-1950年
战争期间,国内很多中产阶级、资产家带着家属纷纷涌入香港,短短三四年间,香港的人口从50万暴涨到200万。
很多房屋在战争中受损,香港住房问题出现从未有过的紧张,稀缺的住房带动了房价的急剧上涨。
第2轮上涨:1953-1958年
1953年,香港得益于港口的地域优势,经济开始复苏,一些企业家比如霍英东等创造了“分层出售”和“分期付款”这一史无前例的销售模式,将房屋买卖的主体由之前大公司整栋购买,变成个人分层分户购买。
从此房屋交易量暴增,“炒楼花”一词第一次出现在香港人的视线。
第3轮上涨:1960-1965年
这一时期,亚洲地区快速发展,香港作为“四小龙”之首,工业化快速推进,国际资本纷纷涌入香港,香港进入制造业的黄金时期。
随之而来的是楼市再次繁荣,地价房价齐上涨。
第4轮上涨:1968-1973年
1968年,在政府主导下,香港产业结构开始转型,由制造业转向金融和商贸业,GDP快速增长,每年都超过10%,被称为香港奇迹。
以李嘉诚为代表的制造业巨头纷纷转型房地产,长江实业、新鸿基、新世界等地产公司开始跑马圈地,大量热钱快速流入香港,不仅楼市狂飙,股市也从200多点一路上涨到最高的1774点。
第5轮上涨:1976-1981年
这一时期,香港实行了一系列优惠政策,比如资金自由往来、税费减免等,一大批国际金融机构和世界500强公司纷纷进驻,现代金融中心的定位也被首次提出,同时期香港的人口也突破了500万。
长江实业、新鸿基、新世界地产等巨头纷纷上市,李嘉诚、郑裕彤等成为了身家上百亿的富豪,楼市也在各种造富神话中进一步上升。
第6轮上涨:1985-1997年
这个时期,港币随着美元贬值,银行利率大幅降低,楼市被极大地刺激起来,加上很多香港人预期回归后大陆的富人会涌入香港,到时房价会被托上天,不买房就是傻子。
于是10年间香港房价涨幅超过6倍,基本每个月都涨10%,大家都无心工作,心思都在房子上,每天见面聊的最多的是谁家物业这个月又涨多少,谁谁通过炒楼赚了千万身家。
第7轮上涨:2004年至今
这段时期,香港停止了廉价房屋计划,并逐年压缩商品房的土地供应,与稀少的供应端相比,香港本地居民突破750万,需求端越来越旺盛。
随着2006年香港推出优才入境计划,吸引外地人来港定居,大陆的各路科技新贵、私企老板、体育明星、演员艺人等纷纷涌入香港购置物业,推动了楼市的新一轮上涨。
香港楼市的每一次上涨都伴随着下跌,但大趋势还是一直往上的,房价如此高企,出现劏房、棺材房、笼屋之类的也就见怪不怪了。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15