2011-2022中国房价走势分析

摘要

本文的主要结论如下:

  • 目前一线城市的房价仍在继续上涨,二三四线城市房价均略微下跌,跌幅并不大(~2%)。
  • 2011-2022年间,房价的整体变化趋势是2011~2013年基本持平,2013-2014开始第一轮上涨;2014-2015迎来一波下跌,跌幅7%左右;2015-2017快速上涨,2017-2021缓慢上涨;2021-2022部分城市上涨,部分城市缓慢下跌,跌幅2%-3%;
  • 2011-2022年间,中国的城市房价涨幅大约在50%~100%之间;涨幅最高的是深圳,涨幅最低的是温州。
  • 一线、新一线、二线城市的房价涨幅依次递减,三四五线城市的房价涨幅大致相当。
  • 不同面积的新房价格涨幅基本相当,不同面积的二手房价格涨跌幅差异较大: 面积大的房子涨的实收涨幅较大,跌的时候跌幅也更大;

问题背景

最近国家出台了一系列促进房地产销售的政策,比如放开限购、降低利率等。关于房价的变化也是众说纷纭,但是我没有看到有人放出房价变化的曲线图。各大房地产销售网站上的房价数据也是各不相同,而且一般只会给出1-2年内的数据。为了更好的分析房价的变化,准确判断房价的当前状态,特此整理一下当前的房价变化曲线,并据此进行一些简单的分析。

分析方法

数据采集

首先想到的办法是用爬虫来爬取各个房产销售网站的数据,但是不同网站的数据差异较大,而且网站放出的数据不全。

目前比较权威的数据来源是国家统计局每个月发布的《70个大中城市住宅销售价格指数》。数据包含2011年至今的70个城市的房价环比、同比变化数据。数据说明:

  1. 调查范围:各城市的市辖区,不包括县。
  2. 调查方法:新建商品住宅销售价格调查为全面调查,基础数据直接采用当地房地产管理部门的网签数据;二手住宅销售价格调查为重点调查和典型调查相结合,基础数据来源于房地产经纪机构上报、相关部门提供和调查员实地采价。
  3. 价格指数的计算方法详见《房地产价格统计报表制度》。
  4. 如当月无成交,则视为价格总体水平无变动。

数据分析

从原始的70个城市的新房和二手房数据的环比数据,可以得到每个城市的房价变化曲线。从70城的销售价格分类指数,可以分别得到不同大小的房子的房价变化。

接下来我们将分别给出以下几个方面的信息,并分别进行大致的分析:

  1. 70城的新房和二手房的价格曲线,对全国的价格变化有一个感性的认知。
  2. 对70城房价曲线分类,按照中国城市新分级名单 将城市分为一线、新一线、二线、三线、四线、五线城市分别进行统计。然后绘制新房和二手房的房价变化平均曲线图。
  3. 对不同城市的价格曲线进行聚类,分为5类分别绘制曲线。因为不同的城市对房价的控制力度不同,通过聚类来只看房价的变化结果。
  4. 选择一个城市–南京为例,分别分析新房和二手房的不同大小的房子的价格变化。

结果

全国70城新房和二手房价格变化曲线图

小结:

  • 从2011年-2022年,整体上,大城市的房价涨幅在1.8左右,中等城市的房价涨幅在1.5左右,小城市的房价涨幅在1.2左右。
  • 深圳的新房和二手房的涨幅 > 2.5,大幅超过北上广这三个一线城市,领冠全国。
  • 温州的房价经历了一个下降到温和上涨的过程,整体房价和十年前基本持平。在各个城市间,也是一个独特的现象。
  • 房价在14年开始出现了一波下降,在15年左右因为货币化棚改政策开始起飞;17年中开始控房价后房价增幅放缓。
  • 房价增幅上,新房和二手房整体差异不大,基本趋势保持一致。

一线城市、新一线城市、二线城市房价曲线

小结:

  • 一线城市4个,新一线城市12个,二线城市24个,三线城市22个,四线城市11个,五线城市6个
  • 不同等级城市的房价分化明显;一线、新一线、二线城市的房价涨幅依次递减,三、四五线城市的房价涨幅差别不大(也存在整体城市很多,而样本数偏少的问题)。
  • 一线城市的二手房房价在经历了21年下半年的回调后,在22年年初开始再次向上。
  • 其它城市的二手房房价则在21年下半年回调后,持续下跌,但降幅并不大;新一线的降幅大约为2%(1.431–>1.409),二线城市降幅大约为3%(1.353–>1.323),三、四、五线城市降幅在3%-4%之间。
  • 新房价格表现出了不同的趋势:在21年回调阶段,新房价格的降幅明显小于二手房。而且新一线城市的房价在22年年初,也呈现出和一线城市类似的再次向上的迹象。

城市房价聚类

价格变化聚类结果:

  • [‘深圳’]
  • [‘北京’, ‘上海’, ‘南京’, ‘合肥’, ‘厦门’, ‘广州’]
  • [‘天津’, ‘石家庄’, ‘无锡’, ‘杭州’, ‘福州’, ‘南昌’, ‘赣州’, ‘济南’, ‘青岛’, ‘郑州’, ‘武汉’, ‘长沙’, ‘惠州’]
  • [‘唐山’, ‘秦皇岛’, ‘包头’, ‘太原’, ‘丹东’, ‘呼和浩特’, ‘锦州’, ‘沈阳’, ‘吉林’, ‘大连’, ‘牡丹江’, ‘长春’, ‘哈尔滨’, ‘扬州’, ‘徐州’, ‘温州’, ‘金华’, ‘宁波’, ‘蚌埠’, ‘安庆’, ‘泉州’, ‘九江’, ‘烟台’, ‘济宁’, ‘洛阳’, ‘平顶山’, ‘宜昌’, ‘襄阳’, ‘岳阳’, ‘南宁’, ‘常德’, ‘海口’, ‘重庆’, ‘湛江’, ‘成都’, ‘韶关’, ‘贵阳’, ‘桂林’, ‘昆明’, ‘北海’, ‘西安’, ‘三亚’, ‘兰州’, ‘泸州’, ‘西宁’, ‘南充’, ‘银川 ‘, ‘遵义’, ‘乌鲁木齐’, ‘大理’]

小结:

  • 聚类之后城市间的分化更加明显,深圳的房价涨幅独树一帜;新房一路上涨,二手房回调后继续上涨。
  • 北上广再加上一些新一线城市,构成第二梯队;新房和二手房在近期基本维持价格不变。
  • 其余城市的新房和二手房价格均出现了小幅度下跌,但下跌幅度十分有限。

南京不同面积的房子房价分析

小结:

  • 南京新房中,不同面积的新房价格的变化趋势基本一致,都呈现持续上涨的趋势,且大房子的涨幅略高于中小面积的房子;
  • 南京的二手房中,不同面积的房子房价出现了比较大的分化: 面积大的房子在上涨时涨得多,在下跌时也跌得多;
  • 南京的二手房中,>144平米的房子近期的回调幅度达到9%(1.95–>1.86),90-144平米的房子价格回调幅度约4%(1.709–>1.668), 90平一下的房子价格跌幅约5%(1.57–>1.52);

Reference

Recent Posts

onnx2trt-基于onnx的模型量化精度优化工具

1. 模型量化基本概念 什么是量化? 什么是校准? 为什么需要开发这套工具? 2. 整体代码架构 代码的设计思路 代码架构图 3. 工具安装 4. 工具使用 Reference 代码参考:韩国人的代码 资料参考:英伟达的文档 Read more...

Welcome

很高兴你来到了我的博客!这是我的博客的第一篇内容。我决定在之后的日子里,在这里记录和更新我的技术日志,技术分享,以及一些我觉得有意思的项目。 首先,我是一名算法工程师。目前就职于腾讯地图,主要负责模型的量化、部署、性能优化相关的工作。在此之前,我在北京航空航天大学获得了本科和硕士学位。毕业后,我进入了依图科技工作。在依图科技工作期间,我负责了机器翻译模型的训练,基于"求索"芯片的模型量化和部署,模型量化工具的开发等工作。进入腾讯后,主要参与了AR导航项目和GPU算力优化项目。其中我主要负责的内容是视觉定位系统的SDK开发以及模型的量化和部署。 其次,我还是一个热爱技术的人。我喜欢算法研究,算法在具体业务上的提升能给我带来很多成就感。面对我感兴趣的技术问题,我会沉浸其中,持续地研究和实验。目前我比较感兴趣的领域有模型量化和部署、计算机视觉在工作捕捉领域的应用、强化学习算法在量化投资领域的应用比较感兴趣。后续也会逐步发布一些相关的技术文章。 最后,我是一个儿子、男朋友。我是我父母的儿子,是我爱人的男朋友。我很爱我的父母,他们养育了我,在他们力所能及的范围内给了我最好的一切,我永远爱他们。我的女朋友倩倩是世界上最好最好最好的人,我们彼此欣赏,相互尊重。如果这个世界上只有一对真爱,那也一定是我们俩。我们目前正在期待着我们的婚姻,我们想要一辈子一起走。 希望你能在这个博客里,找到你所想要的内容:(1) 帮助你解决了一个技术问题。(2) 让你看到了一些有意思的东西,让你觉得不那么无聊。(3) 让你重拾对世界的信心。Read more...

如果构建一个个人博客

说明:这个教程对应的不是我的这个博客,而是另一个我觉得做得很厉害的博客; 详见:https://blog.lindexi.com/ 教程:https://blog.lindexi.com/post/%E5%A6%82%E4%BD%95%E4%BD%BF%E7%94%A8%E6%9C%AC%E6%A8%A1%E6%9D%BF%E6%90%AD%E5%BB%BA%E5%8D%9A%E5%AE%A2.htmlRead more...

Older Posts

Find more posts by browsing the post categories, content tags, or site archives pages. Thanks for visiting!