热门搜索:信托产品 报告
当前位置:首页 专题 地产金融

中国住宅刚需趋势


时间:2012-10-22 打印 文字大小: | |
  一、前言

(一)问题的提出和研究意义

今年以来,为抑制过热的房地产投资,宏观经济政策正逐步“去房地产化”,房地产投资和投机性活动空间越来越小。随着调控政策的持续深入,房地产行业的风险加速集聚,而这必将传导到房地产金融资产中,即以银行信贷为主,同时包括信托、私募股权、债券等在内的房地产相关金融产品。此风险表象为当前市场上谈论最多的流动性风险,其本质还应归结为住房的供给与需求矛盾。当供给保持总体稳定时,影响房地产发展的关键就是房地产的需求因素。如果以购房者的真实居住作为划分的界线,房地产的需求可以被划分为原生性的居住需求和引致性的投资投机性需求,前者也就是一般意义上所说的“刚性需求”。随着房地产政策的逐步收紧,投资和投机性需求越来越受限制,在这样一个背景下,房地产的原生性需求即刚性需求,成为住宅需求分析中的一个基础性因素,这一因素将通过供需关系影响房价,并进而对房地产及其相关金融产品的风险水平产生影响。本文做为房地产行业系列研究的首篇报告,将着眼点放在人口因素决定的住房刚性需求,试图对其进行一个整体把握和衡量,以期对房地产信托业务实践提供理论和数据支持,并为后续的研究奠定坚实基础。

(二)国内外相关研究综述

1、国外住宅市场需求影响因素的理论概述

在西方,由于欧美国家房地产业较早的走上了市场化、商品化的道路,在房地产需求分析的理论和实践方面的研究也比较早,研究方法也多种多样。美国的Mankiw及Well则提出了著名的住宅需求总量模型,该模型为:

D=h(R)*N

其中:D为住宅需求总量;h(R)为平均每人的住宅需求量函数(居住水平数);R为租金;N为人口数量。

而在研究香港房地产市场中的住宅需求中,香港的谢贤程博士又添加了一个重要变量,因此将公式改为:D=h(R*Y)*N,其中,Y为国内生产总值(GDP)。

Raudall、Johnston及Pozdena在其著作《现代住宅经济学》中指出,住宅需求的影响因素主要包括销售价格、居民家庭收入、储蓄、金融、人口和家庭户数以及政府的住房政策等等。其中除了住房政策和金融对住房需求的影响无法定量分析外,销售价格与住房需求量呈反向变动关系,其余几个因素与住房需求量呈正向关系。

2国内住房需求影响因素的研究现状

与国外的房地产业研究相比,我国的研究还处于起步阶段,存在着理论基础弱、研究条件差、主要指标数据不完备、工具手段落后等问题。完善我国房地产业的理论体系和统计数据,借鉴国外房地产业研究的先进方法,对照分析国内外房地产业发展状况,是我国今后房地产业研究的重点。

张泓铭(1998)在其著作《住宅经济学》中指出,住房需求是由人口和国民经济的发展状况决定的。经济发展水平对住房的影响是通过住宅的价格水平和居民的可支配收入等因素体现出来的。住房需求的影响因素概括起来可以分为六类,具体包括:住宅价格、家庭收入和财富、利率、人口和家庭户数、经济运行机制以及政府的住房政策。

曹光辉(2001),杜建国(2002)在预测住宅需求总量时,根据住宅需求的影响因素都将总需求分割为新增人口需求、改善性需求和拆迁需求三个部分,并利用人均居住面积、人口等指标来预测新增人口需求和居民改善性需求,拆迁需求则根据政府的拆迁政策予以估计,从而预测需求。

宋喜民、周书敬(2004)利用灰色理论对房地产市场有效需求影响因素进行了量化,他们选择的指标有当地城镇居民人口、人均国民生产总值、城市居民人均可支配收入、房地产的销售价格、人均居住面积、房地产竣工面积。

3国内城市住房需求量预测方法发展综述

到目前为止,房地产行业中用于预测住房需求量的方法有很多。主流的住房需求预测方法主要有以下几种:多元回归分析法、逆推法—将需求类型细分后汇总、修正法、灰色系统分析方法、房价收入比和恩格尔系数法、时间序列法等。其中,多元回归分析方法是国内学者普遍采用的预测方法,该方法可以用于多种领域,在房地产价格、需求量的预测尤为普遍。逆推法、修正法、灰色系统分析法等虽各有其不足之处,但也有不同程度的运用。而房价收入比和恩格尔系数法以及时间序列法,更适用于时间序列模数固定的经济发达国家。对于目前经济体制不断改革且处于温饱型发展水平的中国来说,不宜用作住宅的需求预测。

以上分析表明,虽然起步较晚,但近年来国内学者仍对房地产市场进行了较深入的研究,对房地产市场需求的影响因素和房地产需求的预测方法方面也总结出了一些理论。但是由于国内房地产市场仍待进一步规范,各地区统计数据不完善并难以获取,因此对国内住房需求的研究仍有待提高,特别是在定量分析和实证分析方面。

二、中国住宅需求分析及“刚性需求”模型

(一)需求类型总体分析

住宅市场需求是指,在住宅市场上,消费者在特定的时期内,愿意且能够购买的住宅的数量。根据住宅需求的目的,可将住宅需求分为自住性需求(原生性需求)、投资和投机性需求(引致性需求)。自住性需求是指以自身居住为目的的住宅需求,其中主要包括基本性需求及改善性需求。而投资和投机性需求则是指借助住宅的保值增值特性,通过持有并经营、出租或转售住宅等形式,以经济利益为追求的住宅需求。而我们经常说的刚性需求是指需求的价格弹性为0的需求,这种需求更多的存在于理论中,现实生活中真正的刚性需求是很少见的。住房的“刚性需求”实质上是指人们由于生活等各方面的原因,以自住为目的所必需购买的住房,这一需求的价格弹性极低。在下面的章节中,我们将对其进行分类,做重点讨论。

(二)刚性需求分析及模型建立

如果将城市住房的刚性需求按来源分类,主要可以分为一下几个方面:拆迁安置引起的住房需求、新婚家庭住房需求、高校毕业生定居所产生的住房需求、农村转移人口(农民工)进城务工产生的住房需求。

1、拆迁安置引起的住房需求:引起该类需求的直接原因是被拆迁居民由于自身的居住需要,不得不在房屋拆迁后通过购买新的住宅以达到居住的目的。一般来说,被拆迁居民通过拆迁或将实际获得实物住宅补偿,或将获得政府的货币补偿以购买新的住房。在住房缺失的情况下,加上购房政策上的优惠性,被拆迁居民对住宅的需求弹性非常之低。并且,由于其自住的需要,其短期内也不可能更换或交易。因此,拆迁安置引起的住房需求是市场上非常典型的刚性需求之一。

2、新婚家庭住房需求:这类需求是房地产需求中非常重要的部分。我国人民受到社会文化、家庭观念及实际需求等各方面的影响,人们在新成立家庭时,一般都会购买婚房作为夫妻两人的自住用房,而房屋对中国人来说也具有许多特殊的意义,被视为是“美好”生活的象征和开始,因此也被广泛视同为生活改善、得到社会认可的条件之一。一般来说,婚房具有极高的自用率,短期内也不会出现换房或者交易的情形。因此,在不考虑购买能力的情况下,新婚家庭住宅也属于住宅市场刚需的主要组成部分。

3、高校毕业生定居所产生的住房需求:1978年,高校毕业生16.8万,到了2011年,高校毕业生人数达到了660万。每年随着毕业学生进入社会,房地产住房需求会相应产生一个短期的变动。大部分学生毕业后会在大中城市找工作及定居,在不考虑其消费能力的前提下,其对房地产需求一定存在拉动作用。但由于其毕业时经济能力的限制,租房应该是其首选,所以其需求弹性要强于上述拆迁安置需求及新婚住房需求。

4、农村转移人口(农民工)务工住房需求:改革开放以来,农村人口的流动性迁移深刻的影响和改变着我国城乡人口的结构,特别是近几十年来工业、服务业在大中城市的飞速发展创造了非常多的就业机会,80后、90后的农民工这一些年轻的群体,其在大中城市定居的意愿也越来越强烈。国家人口计生委发布的《中国流动人口发展报告2012》指出,2011年,中国流动人口总量已接近2.3亿,未来10年全国城镇人口年均增加1300万-1600万,其中,农村转移人口1000万-1300万。而我们认为,在这1000-1300万的农村人口中,多数最终会选择在三四线城市购房,特别是选择其来源省份的省会或其它中小城市。主要原因如下:首先,农民工的实际收入水平并不能承受一二线城市的房价水平,无法形成有效的需求。另一方面,从配偶的选择、父母家庭的考虑方面,在其来源省份的中小城市购房都是其比较合适的选择。

我们以上的分析是希望能够拆分传统意义上的“刚性需求”,通过逐一分析其组成成分,加总获得地产市场整体的刚性需求。行文至此我们总共将房地产的需求拆分成了以下四类并且对于每个指标作了详细的介绍,但是这四个指标彼此之间存在着重叠的刚需部分,因此需要我们在仔细分析其刚需属性的基础上,合并掉其重叠的部分,之后综合推导出房地产刚需模型:

  •   拆迁安置引起的住房需求:属于需求刚性最强的部分之一,由于拆迁补贴,被拆迁者具有实际的购买能力,是四部分中最明确的刚性需求,但分析误差可能来源于对未来的旧城改造速度的难以预测。
  •   新婚家庭住房需求:是最重要的组成部分,也是刚性最强的部分之一。对于婚姻人数的预测最重要的变量是人口的年龄结构组成。
  •   高校毕业生定居住房产生的需求:高校毕业生形成的刚需通常也会在其结婚的时候释放出来,因此这部分的刚需也会存在着重复计算的情形。
  •   农村转移人口(农民工)务工住房需求:由于收入与城镇居民相去甚远,对住房需求的刚性相对较弱,另外农民工在买房刚需的释放往往也是其结婚成家的时候,因此这部分的刚需和婚姻的刚需会形成重合。

综上分析,我们在建立房地产刚需预测模型时主要以前两类的刚需来形成模型,即拆迁形成的刚性需求和婚姻形成的刚性需求。由此形成房地产刚需模型。

Sd=(Ds*Ph+M)*Ar

其中:1)Sd代表的是特定的时期与区域内,通过计算得出的刚需面积,单位:平方米。

2)Ds代表的是特定的时期与区域内城市房屋拆迁的户数,单位:户

3)Ph代表的是特定的时期与区域内户均人数,单位:人/户

4)M代表的是特定的时期与区域内城镇的新婚人数,单位:人

5)Ar代表的是特定的时期与区域内人均居住面积,单位:平方米

通过这个模型,可以对特定区域和时期内,住宅市场中的典型刚性需求总量进行计算。

以上公式是计算刚性需求的比较合理的公式,但是我们在实际研究过程中发现,由于中国特殊的国情,统计局通常不会公布每年全国拆迁的总户数,并且自从2005年之后住房与建设保障部也不再公布全国住宅总面积,导致我们也无法通过每年的新建住宅面积数据来推断出住房损失的面积(可以近似看成拆迁的面积),因此我们只能另辟蹊径来估算每年房屋拆迁面积,我们将公式做如下变换:

Sd=Ds*Ph*Ar+M*Ar;

令Fr=Ds*Ph*Ar;Fr代表当年拆迁户需要的刚需面积;因此公式变为以下形式:

Sd=Fr+M*Ar.

三、住宅房地产“刚性需求”预测

下面部分我们将对上述公式中所涉及的两个要素,房屋拆迁面积及城镇适婚人口数量进行预测。

(一)房屋拆迁面积预测

对于Fr的预测,我们采用计算“房屋自然损失”的方法,即设房屋的寿命为N年,则今年应拆除的房屋等于N年前新建的房屋的面积,而人均的居住面积是不断上升的,因此只需换算为今年人均居住标准下的总面积即为拆迁户需要去购买新房屋的刚需面积。当然这种方法没有考虑到事件驱动的拆迁,如奥运会拆迁、基础工程建设拆迁等,这将导致拆迁面积的低估;另外,一部分拆迁户会直接得到房屋形式的补偿而不是获得现金补偿再购买,这将导致拆迁面积的高估;另外,如果随着人口的减少形成的空置的房屋,拆迁户会购买这些空置的房屋而不是新房,这也会导致高估拆迁面积。但由于上述几种因素并无实际数据可以引用,因此我们忽略掉上述几种因素的影响,仍然选取“房屋自然损失”面积来用于计算拆迁引起的刚性需求面积。

(二)人均住宅面积预测

我国的人均住宅面积数据是由抽样统计调查而来,和实际数据存在着一定的偏差,另外,我国房地产市场受到多种因素(人口、住房政策、城市化等)的影响,演化规律比较复杂,在这种数据不准确、信息不完全的情况下追求精细化模型的道路往往是走不通的。互克性原理揭示了片面追求精细化将导致认识结果的可行性和有意义性的降低,精细化模型不是处理复杂事物的有效手段。因此我们在计算人均住宅面积时需要解决这种不确定性问题。

基于上述认知,即人均住宅面积受到多种复杂因素影响,属于不确定性问题,我们决定引入灰色系统理论来解决问题。灰色系统理论中的灰色预测模型通过灰色生成或者序列算子的作用弱化随机性,挖掘潜在的规律,经过差分方程与微分方程之间的互换实现了利用离散的数据序列建立连续的动态微分方程的新飞跃,其中,GM(1,1)模型是得到最普遍应用的核心模型。

GM(1,1)是最常用、最简单的一种灰色模型,它是由一个只包含单变量的微分方程构成的模型,是GM(1,N)的一个特例。在目前只具有历史人均住宅面积数据的情况下,使用GM(1,1)是一个比较好的选择。

在正式处理运算之前我们还需要引入一个“缓冲算子”的概念,现实生活中的各种系统的特征数据往往因受外界诸多冲击因素的干扰而变得失真。为了能够正确把握事物的本质规律,必须排除扰动因素的作用,缓冲算子便是为解决这一问题而产生的。它通过灰色序列生成,弱化数据的随机性,还数据以本来面目,使其呈现应有的规律性,从而把握事物的本质规律,进而能够进行合理的预测。通常,冲击扰动因素对数据序列的干扰可分为两类:第一类是加快数据的发展趋势或使数据序列的振荡幅度变大,称为强化缓冲算子;第二类是减缓数据的发展趋势或使数据序列的振荡变幅度变小,称为弱化缓冲算子。

我们仔细考量这个序列的数据,1978年到2010年间我国推出了多次的房改政策以及对于房地产市场的调控政策,这些政策都会对于人均居住面积数据造成冲击,参见以下图表1,根据灰色系统理论我们需要减弱数据所受到的冲击干扰,找到系统的真实变化规律。考虑到我国房地产在经历了前些年的高速发展之后,目前发展速度已经逐渐放缓,因此未来人均居住面积增长的速度应该是趋于放慢的,因此在对原始序列排除冲击干扰的时候需要采用弱化缓冲算子方法来弱化序列增长趋势,如下图表中所示在我们进行了[2]阶弱化缓冲算子进行处理之后,数据趋势平滑许多,更好的展现了真实的变化规律。

图1:人均居住面积趋势

由于我们的数据序列不包含权重因素,因此我们缓冲算子策略采用的是[1]、[2]阶平均弱化缓冲算子。通过使用南京航空航天大学刘思峰教授编写的灰色系统理论软件V3.0版软件中[1]、[2]阶平均弱化缓冲算子功能,我们对于我国未来到2020年的人均居住面积预测结果如下:

表1:我国未来人均居住面积预测(单位:平方米)

2011

2012

2013

2014

2015

2016

2017

2018

2019

2020

32.37

32.67

32.98

33.28

33.60

33.91

34.23

34.55

34.87

35.19

  基于以上人均居住面积的预测结果,我们可以完成拆迁面积预测工作,预测计算表格如下:

表2:我国未来拆迁形成的刚需面积预测

年份

新增房屋面积

(亿平方米)

人均居住面积

(平方米)

年份

人均居住面积

(平方米)

拆迁刚需面积

(亿平方米)

1978

0.38

6.70

2008

30.60

1.74

1979

1.06

6.90

2009

31.30

4.81

1980

0.92

7.18

2010

31.60

4.05

1981

1.02

7.70

2011

32.37

4.30

1982

1.32

8.20

2012

32.67

5.27

1983

0.97

8.70

2013

32.98

3.66

1984

1.88

9.10

2014

33.28

6.86

1985

1.88

10.02

2015

33.60

6.30

1986

2.22

12.44

2016

33.91

6.05

1987

2.23

12.74

2017

34.23

5.99

1988

2.40

13.00

2018

34.55

6.38

1989

1.97

13.45

2019

34.87

5.11

1990

1.73

13.65

2020

35.19

4.46

  (三)城镇适婚人口数量预测

  本部分我们将预测城镇适婚人口数量,之所以先预测适婚人口数量而非新婚人数,是因为通过观察我们发现新婚人数通常和适婚人数保持一定的比例,因此在这里我们选择预测适婚人口数量。

  人是房地产市场的主体,房地产的发展以解决人的居住问题的根本目的。同时,房地产的发展总是以需求的变化为导向,而需求的变化总是以人为依据。以人为着眼点,对于规划未来房地产产业发展,具有极其重要的作用和意义。由于支付能力、生理、心理等不同特征,不同年龄段人群对于住宅需求呈现不同的特点,因此人口年龄结构变化,尤其是适婚人口(岁)数量的变化,会对住宅需求产生重要影响。由于本报告主要围绕刚性需求展开,而刚需的重要组成因素为适龄结婚的人数,这一部分我们将围绕适婚人数展开预测。

  本报告中,我们需要对2008-2020年间年龄在25-35岁之间的城镇适龄人口数量进行估计,我们通过查阅2010年相关人口普查数据,并依托《中国人口统计年鉴》及《2010年第六次全国人口普查报告》的信息进行预测。具体方法如下:首先,提取2010年15-37岁相关人口数据(由于2010年15-24岁人口中,随着年龄的增长,每年都会有一定的人口进入25-35岁这个区间内,而2008年的25-35岁的适龄人群进入2010年时,其年龄将为27-37岁,我们可以通过这些普查数据,及其相关死亡率对这几年适婚人数进行预测);其次,通过Lee-Carter模型预测2008年-2020年间分年龄阶段的死亡率;第三,通过已经查阅2010年的不同年龄段人口数量及预测的死亡率,得出每年进入适婚阶段(25-35岁)人口的数量;最后,根据城镇化率的定义(非农业人口/总人口),并通过预测2012-2020年间的城镇化率数据,我们得出2008-2020年间城镇适龄结婚人口的数量。在城镇化率的估计方面,我们参照国家人口计生委发布的《中国流动人口发展报告2012》的相关数据(报告预测2020年,我国城镇化率将达到60%左右),以及岳国强等(2009)通过人均GDP同城市化率关系的模型(预测2020年中国城市化率水平在58-65%之间),同时结合了2001-2010年间中国城镇化率的历史增长速度,最终我们以60%作为2020年中国城镇化率水平,并假定2012年至2020年城镇化率水平以均匀速度增长。

表3:2008年至2020年城镇化率及城镇适婚人口数量预测

年份

全国适婚人口数量(人)

城镇化率(%)

城镇适婚人口数量(人)

2008

227,317,040

45.68

103,838,424

2009

222,790,569

46.59

103,798,126

2010

219,601,777

47.5

104,310,844

2011

220,886,849

50.5

111,547,859

2012

225,717,407

51.62

116,515,325

2013

231,839,570

52.67

122,109,902

2014

238,754,577

53.72

128,258,959

2015

246,750,874

54.78

135,170,129

2016

249,224,895

55.81

139,092,414

2017

250,286,663

56.85

142,287,968

2018

248,638,311

57.88

143,911,854

2019

247,849,960

58.95

146,107,551

2020

246,083,060

60

147,649,836

  (四)住宅刚性需求预测

  通过计算,我们分别得到了拆迁形成的刚需面积、适婚人口数量、人均居住面积的预测值(2008年-2020年),其中由于适婚人口只有结婚才能产生有效的刚需,我们根据《中国2010年人口普查》数据计算出当年结婚人数占25-35岁城镇人口的比例为19.76%2,假定接下来每年的结婚人数占25-35岁人口的比例保持这个数值。

表4:我国未来房地产刚需面积预测


年份

拆迁刚需面积

(亿平方米)

人均居住面积

(平方米)

城镇适婚人数

(亿人)

新婚刚需面积(亿平方米)

总刚需面积

(亿平方米)

2008

1.74

30.60

0.20518473

6.2787

8.0142

2009

4.81

31.30

0.20510510

6.4198

11.2303

2010

4.05

31.60

0.20611823

6.5133

10.5624

2011

4.30

32.37

0.22041857

7.1346

11.4379

2012

5.27

32.67

0.23023428

7.5219

12.7961

2013

3.66

32.98

0.24128917

7.9567

11.6174

2014

6.86

33.28

0.25343970

8.4355

15.2990

2015

6.30

33.60

0.26709617

8.9731

15.2763

2016

6.05

33.91

0.27484661

9.3197

15.3710

2017

5.99

34.23

0.28116102

9.6230

15.6138

2018

6.38

34.55

0.28436982

9.8237

16.2014

2019

5.11

34.87

0.28870852