
北京二手房交易“大数据”:北京人平均33年换一次房
如果不是将所有数据都摆在您面前,您对北京的二手房涨幅,可能还只是“感觉”。昨日,伟业我爱我家公布了他们攒了15年的北京二手房交易“大数据”,从中我们可以发现一些有意思的现象:从上世纪末北京出现二手房开始到现在,购房人多掏了10倍的钱买房;北京奥运会结束后,一线城市的新房和二手房市场突然出现了变化——二手房交易量超过了新房;2009年,北京二手房成交量攀上了近15年以来的最高峰,达到25万套。
二手房比重不断增大
很多新来的北京人可能对房价的感觉,还只是近几年的事儿。而我爱我家的数据显示,当年望京的部分房源每平方米只要3000元,买一套100平方米的房子,只需要二三十万元就能全拿下。
“我入行的时候,还没人把房地产经纪或者中介这个行业当一回事儿。”伟业我爱我家集团副总裁胡景晖说,1999年全市的二手房交易加起来,还没有目前我爱我家单月的交易量多。而1999年的数据由于太低,都无法在柱状图上显示。
连续15年的调查数据显示,2000年到2003年期间,大部分人买房子愿意出20万元到30万元;2004年时,就已经涨到40万元到60万元;2007年以后,购房人买房子愿意拿出的钱是100万元;2009年时就跳到了150万元;到现在,平均一单二手房的成交价,已经到了250万元到300万元之间。
“这是一个社会财富积累和交易标的物价格和中介承担的责任不断增加的过程。”胡景晖说。
奥运会结束后,一线城市的新房和二手房市场突然出现了变化——二手房交易量超过了新房,而这种情况不仅出现在北京,上海、广州、深圳也在同一年出现了这样的状态。
2009年,北京二手房成交量攀上了近15年以来的最高峰,达到25万套。同时,2009年成为新房和二手房交易比重的分水岭。
数据显示,自2009年北京二手房交易量首超新房开始迄今已领先7个年头,且量差越来越大,已达到1∶2.2。这也就意味着,市场上每成交2.2套二手房,才会成交一套新房。成交价、成交量二者呈现出滚雪球式的增长。
年交易量上升到15万套
据我爱我家市场研究中心统计,15年来北京二手房年交易量,已从最初的年均几千套跃升到现在的年均15万套左右,单价、总价也在2005至2007年、2009年两个特殊历史时段呈过山车式增长,当前主城区均价已达到36000元/平方米、300万/套左右的水平。通过经纪公司成交的二手房市场份额也从最初的不足20%到现在的80%,承载的交易量与交易金额预计超过3600亿。
但这个看似庞大的数据还传达出另外一个信号——北京每年交易的二手房占可交易的房子的比例,只有2到4个百分点。
“这意味着什么?平均我们算3%,意味着每个北京人33年才换一次房。”胡景晖解释说,因为每年市场上只有2%、3%的房子在流通,所有的房子流通一遍需要30年。
这样的结果,和一部分发达国家有着巨大差距。美国目前的二手房换手率平均8%左右,意味着一个美国家庭平均12年换一次房。
如果北京的二手房换手率达到8%,那又是怎样一番场景呢?“那一年就应该是60多万套的交易量,相当于现在的3到4倍。”胡景晖分析,由于目前的二胎政策和贷款、纳税政策走向宽松,对很多北京人来说,每10年换一次家,或许会变得“很正常”。
购房主力军年龄不断攀升
“跟你说吧,我这房子最主要的还是看学区;孩子从上幼儿园到高中只要都方便,这套房我现在就签了。”昨天中午,站在东直门内的一家中介门店里,30多岁的北京市民刘先生,将自己的购房要求全盘向中介业务员托出。
这是刘先生购买的第一套房子,此前的30多年,他一直蹭住在父母家,直到孩子出生才计划添置房产。按照我爱我家的大数据计算,10年前他如果买了房,将会出现在当时22岁以下的购房人群体中;而今,能够在22岁以下购房的人,变得寥寥无几了。
我爱我家的统计数据显示,2006年,还有一些22岁以下的购房人出现,而到了2015年,柱状图上几乎已经没了标志着22岁以下年轻人的蓝色。原本26岁到30岁的人是购房主力军,而随着房价的增高,这部分“主力军”力量被逐渐压缩,31岁到35岁的人群逐渐增加。
“现在的购房人都已经成长,购房人群已经迭换一代人。”胡景晖说,据我爱我家市场研究中心统计,2006年二手房购买人群中,70后、80后占比分别为52.4%、27.2%,经过十年的变迁,当前70后、80后占比分别为29.2%、54.4%。如今的二手房市场中,80后成为购房主体,相对的是,70后已经退出了主力购房人群。
“看到这张图我发现确实我老了。”胡景晖感叹。10年内,90后的购买者占比从原来的0.4%变成了4.1%,增长了10倍有余。而41岁到50岁以及50岁以上人群,在这10年中几乎没有变化。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
如何考取数据分析师证书:以 CDA 为例 在数字化浪潮席卷各行各业的当下,数据分析师已然成为企业挖掘数据价值、驱动决策的 ...
2025-07-15CDA 精益业务数据分析:驱动企业高效决策的核心引擎 在数字经济时代,企业面临着前所未有的数据洪流,如何从海量数据中提取有 ...
2025-07-15MySQL 无外键关联表的 JOIN 实战:数据整合的灵活之道 在 MySQL 数据库的日常操作中,我们经常会遇到需要整合多张表数据的场景 ...
2025-07-15Python Pandas:数据科学的瑞士军刀 在数据驱动的时代,面对海量、复杂的数据,如何高效地进行处理、分析和挖掘成为关键。 ...
2025-07-15用 SQL 生成逆向回滚 SQL:数据操作的 “后悔药” 指南 在数据库操作中,误删数据、错改字段或误执行批量更新等问题时有发生。 ...
2025-07-14t检验与Wilcoxon检验的选择:何时用t.test,何时用wilcox.test? t 检验与 Wilcoxon 检验的选择:何时用 t.test,何时用 wilcox. ...
2025-07-14AI 浪潮下的生存与进阶: CDA数据分析师—开启新时代职业生涯的钥匙(深度研究报告、发展指导白皮书) 发布机构:CDA数据科 ...
2025-07-13LSTM 模型输入长度选择技巧:提升序列建模效能的关键 在循环神经网络(RNN)家族中,长短期记忆网络(LSTM)凭借其解决长序列 ...
2025-07-11CDA 数据分析师报考条件详解与准备指南 在数据驱动决策的时代浪潮下,CDA 数据分析师认证愈发受到瞩目,成为众多有志投身数 ...
2025-07-11数据透视表中两列相乘合计的实用指南 在数据分析的日常工作中,数据透视表凭借其强大的数据汇总和分析功能,成为了 Excel 用户 ...
2025-07-11尊敬的考生: 您好! 我们诚挚通知您,CDA Level I和 Level II考试大纲将于 2025年7月25日 实施重大更新。 此次更新旨在确保认 ...
2025-07-10BI 大数据分析师:连接数据与业务的价值转化者 在大数据与商业智能(Business Intelligence,简称 BI)深度融合的时代,BI ...
2025-07-10SQL 在预测分析中的应用:从数据查询到趋势预判 在数据驱动决策的时代,预测分析作为挖掘数据潜在价值的核心手段,正被广泛 ...
2025-07-10数据查询结束后:分析师的收尾工作与价值深化 在数据分析的全流程中,“query end”(查询结束)并非工作的终点,而是将数 ...
2025-07-10CDA 数据分析师考试:从报考到取证的全攻略 在数字经济蓬勃发展的今天,数据分析师已成为各行业争抢的核心人才,而 CDA(Certi ...
2025-07-09【CDA干货】单样本趋势性检验:捕捉数据背后的时间轨迹 在数据分析的版图中,单样本趋势性检验如同一位耐心的侦探,专注于从单 ...
2025-07-09year_month数据类型:时间维度的精准切片 在数据的世界里,时间是最不可或缺的维度之一,而year_month数据类型就像一把精准 ...
2025-07-09CDA 备考干货:Python 在数据分析中的核心应用与实战技巧 在 CDA 数据分析师认证考试中,Python 作为数据处理与分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 检验:数据趋势与突变分析的有力工具 在数据分析的广袤领域中,准确捕捉数据的趋势变化以及识别 ...
2025-07-08备战 CDA 数据分析师考试:需要多久?如何规划? CDA(Certified Data Analyst)数据分析师认证作为国内权威的数据分析能力认证 ...
2025-07-08