未來中國房地產(chǎn)和經(jīng)濟(jì)向何處去：日本化還是韓國化

一、被忽視的韓國經(jīng)驗(yàn)2，對(duì)但是我們是否忽視了另外一個(gè)東亞鄰國——韓國在產(chǎn)大跌中的經(jīng)驗(yàn)？相比1991的日本，可能更多程度上，1998年亞洲金融危機(jī)前的韓國和當(dāng)下的中國具有更多的相似性。1（美元達(dá)到年人均萬美元2美聯(lián)儲(chǔ)經(jīng)濟(jì)學(xué)家在2002年的論文的背景之一是當(dāng)時(shí)美國認(rèn)為他們可能在經(jīng)歷日本90年代.Ahearne,AlanG.,etal."PreventingDeflation:LessonsfromJapan'sExperienceinthe1990s."JosephGagnon(2002)圖1：韓國城鎮(zhèn)化率和非農(nóng)人口就業(yè)比重，%城鎮(zhèn)人口:城鎮(zhèn)人口:占總?cè)丝诘谋戎?韓國非農(nóng)就業(yè)人口占勞齡人口比重2020/122018/122020/122018/122016/122014/122012/122010/122008/122006/122004/122002/122000/121998/121996/121994/121992/121990/121988/121986/121984/121982/121980/12數(shù)據(jù)來源：，國投證券研究中心其次看出生人口，韓國出生人口在1960-1970年維持在年均100萬左右，隨萬量級(jí)，持續(xù)近二十年。。圖2：韓國出生人口韓國:韓國:出生人口9000008000007000006000005000004000003000002020/122017/122020/122017/122014/122011/122008/122005/122002/121999/121996/121993/121990/121987/121984/121981/121978/121975/121972/121969/121966/121963/121960/12數(shù)據(jù)來源：，CEIC，國投證券研究中心但更重要的是，韓國在在。圖3：韓國名義房價(jià)指數(shù)房屋價(jià)格指數(shù)：名義：SA房屋價(jià)格指數(shù)：名義：SA2015/032014/032015/032014/032013/032012/032011/032010/032009/032008/032007/032006/032005/032004/032003/032002/032001/032000/031999/031998/031997/031996/031995/031994/031993/031992/031991/031990/03數(shù)據(jù)來源：CEIC，國投證券研究中心年前后44圖4：韓國住宅投資占GDP比重，%住宅資本形成占比9住宅資本形成占比87654數(shù)據(jù)來源：CEIC，國投證券研究中心而站在圖5：韓國非金融企業(yè)杠桿率和銀行貸款不良率，%杠桿率:杠桿率:非金融企業(yè)部門:韓國韓國:銀行不良貸款率(右軸)81207110 6510043280120222020201820162014201220102008200620042002200019981996199419921990020222020201820162014201220102008200620042002200019981996199419921990數(shù)據(jù)來源：，國投證券研究中心萬圖6：韓國實(shí)際GDP同比和人均GDP人均國內(nèi)生產(chǎn)總值：美元GDP同比人均國內(nèi)生產(chǎn)總值：美元GDP同比(右軸）86420-2-4201220122009200819991998199519941993199219911990數(shù)據(jù)來源：CEIC，國投證券研究中心關(guān)鍵？二、決定性判據(jù)——需求透支與否為美國和日本長期5不能說是偏高的。觀察發(fā)生典型房地產(chǎn)泡沫國家的共同特征或許可以給我們帶來一些啟發(fā)。和的國家。9表1發(fā)生不同危機(jī)的國家僅有房地產(chǎn)危機(jī)僅有銀行危機(jī)雙危機(jī)比利時(shí)1979比利時(shí)2008丹麥2008芬蘭1974意大利2008芬蘭1991意大利1981韓國1997西班牙2008日本1973荷蘭2008瑞典1991韓國1979英國2007美國2008荷蘭1978美國1988西班牙1978英國1973瑞典2008資料來源：Qust(2017),Laeven(2018)國投證券研究中心僅有房地產(chǎn)危機(jī)而沒有發(fā)生銀行危機(jī)多數(shù)發(fā)生在70-80年代，可能的背景是當(dāng)時(shí)全球通脹較高，各國利率處于較高水平，導(dǎo)致杠桿的使用較為困難，房地產(chǎn)5房地產(chǎn)投資中分為住宅投資和商業(yè)、寫字樓等，住宅投資占比和房屋類型很大相關(guān)性，高層建筑的建設(shè)成本要系統(tǒng)性地高，住宅中高層建筑的占比對(duì)長期住宅投資有決定性影響，美國和日本以平房別墅為主，因此投資占比偏低，詳見附錄。6王曲石、于飛、朱鶴、鐘益（2022），“長尾?一個(gè)關(guān)于地產(chǎn)泡沫破裂的跨國觀察”，新金融評(píng)論工作論文，2022年第12期，中國金融四十人論壇。7OustA,HrafnkelssonK.Whatisahousingbubble?[J].EconomicsBulletin,2017,37(2):806-8368LaevenML,ValenciaMF.Systemicbankingcrisesrevisited[M].InternationalMonetaryFund,20189詳細(xì)標(biāo)準(zhǔn)見附錄本文的重點(diǎn)。我們重點(diǎn)觀察雙危機(jī)國家和僅有銀行危機(jī)國家的對(duì)比。如圖7所示，如果將危機(jī)發(fā)生的年份定義為10圖7：實(shí)際GDP增速分不同危機(jī)類型國家，%實(shí)際gdp實(shí)際gdp增速_雙危機(jī)國家僅有銀行危機(jī)國家543210-1-2-10-9-8-7-6-5-4-3-2-10 1 2 3 4 5 6 7 8 9數(shù)據(jù)來源：CEIC，國投證券研究中心注：危機(jī)發(fā)生年為0，橫軸是距離危機(jī)發(fā)生的年份產(chǎn)投資占810由于雙危機(jī)國家的銀行和地產(chǎn)危機(jī)爆發(fā)時(shí)間點(diǎn)間隔不等，零點(diǎn)的選擇以靠后的銀行危機(jī)為準(zhǔn)，可能導(dǎo)致經(jīng)濟(jì)減速的時(shí)間范圍更寬，深度被低估。圖8：房地產(chǎn)投資占GDP比例分不同危機(jī)類型國家，%房地產(chǎn)投資占GDP房地產(chǎn)投資占GDP比重_雙危機(jī)國家僅有銀行危機(jī)國家7.57.06.56.05.55.04.54.03.59876543210-1-2-3-4-5-6-7-8-9-10-11-12數(shù)據(jù)來源：CEIC，OECD，國投證券研究中心注：危機(jī)發(fā)生年為0，橫軸是距離危機(jī)發(fā)生的年份圖9：失業(yè)率分不同危機(jī)類型國家，%失業(yè)率_失業(yè)率_雙危機(jī)國家僅有銀行危機(jī)國家9.08.07.06.05.09876543210-1-2-3-4-5-6-7-8-9數(shù)據(jù)來源：CEIC，國投證券研究中心注：危機(jī)發(fā)生年為0，橫軸是距離危機(jī)發(fā)生的年份而觀察核心策略。圖10：核心CPI分不同危機(jī)類型國家，%核心CPI_核心CPI_雙危機(jī)國家僅有銀行危機(jī)國家5.04.03.02.01.00.0-72-60-48-36-24-12 0 108數(shù)據(jù)來源：CEIC，國投證券研究中心注：危機(jī)發(fā)生年為0，橫軸是距離危機(jī)發(fā)生的月份圖11：政策利率不同危機(jī)類型國家，%僅有銀行危機(jī)國家雙危機(jī)僅有銀行危機(jī)國家雙危機(jī)7.06.05.04.03.02.01.00.0-4 -3 -2 -1 0 1 2 3 4 5 6 7 8數(shù)據(jù)來源：CEIC，國投證券研究中心注：由于西班牙1978年前后政策利率波動(dòng)極其劇烈，剔除該樣本圖12：不同危機(jī)類型國家的OECD實(shí)際房價(jià)指數(shù)房價(jià)指數(shù)_房價(jià)指數(shù)_雙危機(jī)國家僅有銀行危機(jī)國家110100-10-9-8-7-6-5-4-3-2-10 1 2 3 4 5 6 7 8 9數(shù)據(jù)來源：CEIC，國投證券研究中心注：危機(jī)發(fā)生時(shí)實(shí)際房價(jià)指數(shù)為100歐盟國家在平也較為接近。的理解。圖13：西班牙住宅投資占GDP比重，%西班牙西班牙987654數(shù)據(jù)來源：，國投證券研究中心圖14：德國住宅投資占比重，%德國7.5德國7.06.56.05.55.0數(shù)據(jù)來源：CEIC，國投證券研究中心如下圖年后最大的年地產(chǎn)投資占（）大。回歸方程系數(shù)顯著的意義是：超額投資代表需求的透支幅度更大，那么需要價(jià)格有更大幅度的修正。著的下跌壓力。11圖15：房價(jià)最大跌幅和超額投資比例，%0(5)0(5)y=-0.57x-R2=0.87-20 -10 0 超額投資比例數(shù)據(jù)來源：CEIC，國投證券研究中心P值為。剔除西班牙后，t值為，斜率為截距為-7.2t值為站在11使用2000-2022這二十多年房地產(chǎn)投資占GDP比重均值作為基準(zhǔn)，剔除了基數(shù)波動(dòng)的影響。但在右側(cè)，當(dāng)歐洲國家普遍從金融危機(jī)中走出后，觀察這些國家在2016年底和圖16：房價(jià)2010-2016漲跌幅和超額投資比例，%0y=-0.67x+17.57R2=0.402016-2010-20 -10 0 超額投資比例數(shù)據(jù)來源：CEIC，國投證券研究中心注：回歸系數(shù)P值為tt值為，不再統(tǒng)計(jì)顯著，截距為2.7，仍然統(tǒng)計(jì)顯著。同樣，如果我們觀察這些國家的房地產(chǎn)投資情況，如下圖17所示，橫軸定義與圖年地產(chǎn)投資占占比重的均值除以年地產(chǎn)投資占圖17：危機(jī)前后超額投資情況對(duì)比，%00y=-0.77x-R2=0.83(50)2013-2017-20 -10 0 2003-2007超額投資比例數(shù)據(jù)來源：CEIC，國投證券研究中心P值為。剔除西班牙后，t值為-3.4，p，截距統(tǒng)計(jì)不顯著。而觀察經(jīng)濟(jì)增長，此前存在更多超額地產(chǎn)投資的國家在危機(jī)后五年產(chǎn)出顯著下降。圖18：2008-2012產(chǎn)出缺口均值和超額投資比例，%0.0(0.5)0.0(0.5)(1.0)(1.5)(2.0)(2.5)(3.0)y=-0.03x-R2=0.62(3.5)-20 -10 0 超額投資比例數(shù)據(jù)來源：CEIC，國投證券研究中心t值為-3.1，p；剔除西班牙后t值為-3.0，p，斜率為，截距為t值為。此處的超額投資比例使用均值。1212將2008-2012視為金融危機(jī)期間，其房地產(chǎn)投資偏弱還有修復(fù)過去透支的原因，而這也對(duì)經(jīng)濟(jì)產(chǎn)生向下的壓力。圖19：2013-2017產(chǎn)出缺口均值和超額投資比例，%0-1-2-3-4

y=-0.02x-0.80R2=0.73-50 0 100 150 200數(shù)據(jù)來源：CEIC，國投證券研究中心t值為；剔除西班牙后t值為斜率為，截距為t值為.此處的超額投資比例使用均值除以均值參照遍接近懷疑。13Baron,Matthew,EmilVerner,andWeiXiong,2018,“IdentifyingBankingCrises,”PrincetonUniversitymanuscript.終結(jié)果又會(huì)如何？間?？紤]中國特色。三、獨(dú)特土地制度下的漲價(jià)不漲量由于數(shù)據(jù)的可得性，我們使用美國分州的營建許可作為房地產(chǎn)供應(yīng)的代理指標(biāo)。圖20：美國獲得營建許可住宅和新開工住宅數(shù)量，千套美國:美國:已獲得批準(zhǔn)的新建私人住宅美國:已開工的新建私人住宅21001700150013009007002023/122021/122023/122021/122019/122017/122015/122013/122011/122009/122007/122005/122003/122001/121999/121997/121995/121993/121991/121989/121987/121985/12數(shù)據(jù)來源：CEIC，國投證券研究中心市場機(jī)制運(yùn)行的一個(gè)自然結(jié)果是價(jià)格的上漲能導(dǎo)致供應(yīng)的增加。如圖21所示，盡管美國在圖21：美國分州泡沫前房價(jià)漲幅和超額新開工比例，%yy=0.45x+5.56R2=0.20超額新開工比例0(20)0 100泡沫期間房價(jià)最大漲幅數(shù)據(jù)來源：CEIC，國投證券研究中心注：回歸系數(shù)t，超額新開工比例使用年均獲得營建許可套數(shù)除以均值。而觀察中國的情況，則大相庭徑。如下圖22所示，如果認(rèn)為2017-2021年之距在統(tǒng)計(jì)上p推廣性。y=x+R2=0.000圖22：中國y=x+R2=0.0006040超額20新開0工例(20)例(40)0 10 20 30 40 502017年以來房價(jià)最大漲幅數(shù)據(jù)來源：CEIC，國投證券研究中心注t值為p。超額新開工比例新開工面積除以均值。新開工數(shù)據(jù)可得的有城，房價(jià)使用統(tǒng)計(jì)局個(gè)城市。年是上一輪房地產(chǎn)相對(duì)的低點(diǎn)，在此期間新開工處于偏低水平。圖束。加。如下圖圖23：中國67城房價(jià)漲幅和超額宅地供應(yīng)比例，%yy=0.31x+26.96R2=0.002001501000(100)0 數(shù)據(jù)來源：CEIC，國投證券研究中心注tp。超額新開工比例使土地出讓中的住宅規(guī)劃建筑面積除以均值。宅地供應(yīng)有100城數(shù)據(jù)，房價(jià)使用統(tǒng)計(jì)局70城數(shù)據(jù)，兩者重合有67個(gè)城市。如下圖圖24：二手房和同期新房銷量變化情況，%高點(diǎn)高點(diǎn)年后二房銷量 高點(diǎn)年后新銷量100西班牙英國美國法國中國0西班牙英國美國法國中國數(shù)據(jù)來源：Bloomberg，CRIC，，國投證券研究中心注:美國和西班牙是08年銷量/06年；荷蘭、法國和英國是09年/07年，中國是23年/21年，以被比較年份為100。6圖25：商品房現(xiàn)房和期房銷售面積當(dāng)月同比，%商品房銷售同比期房商品房銷售同比期房現(xiàn)房02023/122023/092023/122023/092023/062023/032022/122022/092022/062022/032021/122021/092021/062021/032020/122020/092020/062020/032019/122019/092019/062019/032018/122018/092018/06數(shù)據(jù)來源：，國投證券研究中心根據(jù)年14圖26：住宅新房和二手房合計(jì)銷售面積，億平克爾瑞30克爾瑞30城口徑Wind24城口徑數(shù)據(jù)來源：，CRIC，國投證券研究中心14參考/s/4Rt_OwwY11I4EZTRaFiNUg量”？圖27：美國泡沫期間分州房價(jià)漲跌幅，%yy=-0.29x+0.66R2=0.420泡后兩年(20)房價(jià)幅0 100房價(jià)最大漲幅數(shù)據(jù)來源：，國投證券研究中心t值為4個(gè)樣本后，t值為值而類似典型泡沫破滅的場景在中國并不存在，如下圖28所示，即使我們使用圖28：中國2018年后貝殼25城房價(jià)漲跌幅，%0(5)0(5)y=0.035x-R2=0.005-5 0 5 疫情以來最高價(jià)漲幅數(shù)據(jù)來源：，國投證券研究中心注：T值為0.34，p值為0.73，剔除最右側(cè)的合肥和西安后，t值為-0.16，p值為0.87，以2018年11月為100年下半年到2021年下半年受到恒大違約和各地房地產(chǎn)需求政策收緊的影響，二手房價(jià)格但2022年疫情爆發(fā)超出了所有人的預(yù)期，預(yù)期的人口流入消失，租金價(jià)格進(jìn)圖29：貝殼25城二手房價(jià)格和租金價(jià)格指數(shù)25城租金價(jià)格指數(shù)25城租金價(jià)格指數(shù)25城房價(jià)指數(shù)1081032023/082023/052023/082023/052023/022022/112022/082022/052022/022021/112021/082021/052021/022020/112020/082020/052020/022019/112019/082019/052019/022018/11數(shù)據(jù)來源：，國投證券研究中心注：2018年11月為100和釋了圖圖30：2022年房價(jià)和租金價(jià)格變化0y=0.58x-4.810y=0.58x-4.81R2=0.32(2)(4)(6)(8)(14)-12 -10 -8 -6 -4 -2 0 2 4租金漲跌幅數(shù)據(jù)來源：，國投證券研究中心注：T值為3.35，p值為0.0032130125120115130125120115110105100美國:多戶型公寓投資市場:租賃指數(shù)美國:多戶型公寓投資市場:價(jià)值指數(shù)數(shù)據(jù)來源：，國投證券研究中心2010/092010/062010/032009/122009/092009/062009/032008/122010/092010/062010/032009/122009/092009/062009/032008/122008/092008/062008/032007/122007/092007/062007/032006/122006/092006/062006/032005/122005/092005/062005/032004/12但是另一方面是收入增速的預(yù)期可能不斷下降，如下圖34所示，在2023年之前，使用過去4圖32：收入預(yù)期和房貸利率，%城鎮(zhèn):城鎮(zhèn):人均可支配收入預(yù)期房貸利率9876542024202320222021202020192018201720162015201420133202420232022202120202019201820172016201520142013數(shù)據(jù)來源：，國投證券研究中心也下降8圖33：實(shí)際購房難度估計(jì)大中城市房價(jià)收入比收入預(yù)期和利率修正大中城市房價(jià)收入比收入預(yù)期和利率修正98720242023202220212020201920182017201620152014620242023202220212020201920182017201620152014數(shù)據(jù)來源：，國投證券研究中心五、庫存壓力知多少屋面積接近的時(shí)間。圖34：施工房屋面積，億平米中國:中國:施工房屋面積數(shù)據(jù)來源：，國投證券研究中心成預(yù)售的商品房。40中國40中國:房屋新開工面積:同比中國:商品房銷售面積:同比新開工-銷售0圖35：新開工和銷售面積同比，%數(shù)據(jù)來源：，國投證券研究中心此外，和施工面積大幅增長相對(duì)應(yīng)的是竣工面積增速始終偏低，如果觀察竣圖36：商品房銷售減竣工面積同比，%銷售-銷售-竣工銷售-竣工（5MMA）02023/122022/122023/122022/122021/122020/122019/122018/122017/122016/122015/122014/122013/122012/122011/122010/122009/122008/122007/122006/122005/122004/122003/122002/122001/122000/12數(shù)據(jù)來源：，國投證券研究中心首先從竣工面積開始。盡管統(tǒng)計(jì)局指出，新開工、竣工和施工面積三個(gè)指標(biāo)15第一年竣工面積（?；诘仁接洖榉椒ㄈ缦聢D37所示，在2007年前，推算的竣工面積和公布值的基本一致，在2007-15參考https:///zt_18555/zthd/lhfw/2022/rdwt/202302/t20230214_1903597.html2013年間，每年誤差范圍在20%以內(nèi)，方向一致，而此后的誤差則較大。16圖37：住宅竣工面積和推算竣工面積，萬平中國:中國:房屋竣工面積:住宅推算竣工面積(方法1)數(shù)據(jù)來源：，國投證券研究中心+竣工中的不可銷售面積+房企自持面積。（記為等式2）3一設(shè)置為316參考/shiwu/634415.html17參考https:///zs/tjws/tjzb/202301/t20230101_1903764.html產(chǎn)企業(yè)總體上還是以開發(fā)業(yè)務(wù)為主，持有住宅項(xiàng)目的相較銷售規(guī)模而言較少，予以忽略。其余數(shù)據(jù)均可以在以及房地產(chǎn)統(tǒng)計(jì)年鑒中獲得。我們可以推算出住宅的竣工面積（記為方法2）。在的情況。而圖38：住宅竣工面積和推算竣工面積，萬平全部交付的竣工面積(全部交付的竣工面積(方法2)推算住宅竣工面積(方法1)5%未交付(方法2)1600001400001200001000002023/122022/122021/122020/122019/122018/122017/122016/122015/122014/122013/122012/122011/122010/122009/122008/122023/122022/122021/122020/122019/122018/122017/122016/122015/122014/122013/122012/122011/122010/122009/122008/12數(shù)據(jù)來源：，國投證券研究中心在我們將方法2年及之前，兩者相對(duì)吻合的較好。而2022年后，停工和未能準(zhǔn)時(shí)交付的情況較多，前者壓低了實(shí)際值，后者壓低了估算值，使得估計(jì)值和實(shí)際值差別也有限。圖39：住宅施工面積和推算施工面積，萬平中國:中國:房屋施工面積:住宅推算施工面積70000060000050000040000030000020232022202120202019201820172016201520142013201220112010200920082000002023202220212020201920182017201620152014201320122011201020092008數(shù)據(jù)來源：，國投證券研究中心但是實(shí)際的情況并沒有那么悲觀。宅面積4如下圖40所示，推算的施工面積假設(shè)是不存在停工現(xiàn)象，由于交付的推遲，億平圖40：施工中但未售出住宅面積，萬平推算施工面積-推算施工面積-已預(yù)售面積實(shí)際施工面積-已預(yù)售面積1900001700001500001300001100002023202220212020201920182017201620152014201320122011201020232022202120202019201820172016201520142013201220112010數(shù)據(jù)來源：，國投證券研究中心觀察未售出住宅占住宅施工面積的比重，可以同樣確認(rèn)這一點(diǎn)。圖41：住宅未預(yù)售面積占施工面積比重，%未預(yù)售占比（推算）未預(yù)售占比（實(shí)際）未預(yù)售占比（推算）未預(yù)售占比（實(shí)際）2023202220212020201920182017201620152014201320122011201020232022202120202019201820172016201520142013201220112010數(shù)據(jù)來源：，國投證券研究中心A1818可能更嚴(yán)格的做法是使用合同負(fù)債乘以（1-平均毛利率）作為以預(yù)售房屋價(jià)值的估計(jì)，使其和存貨統(tǒng)一口徑。利率下降的共同影響。圖42：A股上市房企未預(yù)售金額占存貨比重，%未預(yù)售占總存貨比重考慮存貨減值未預(yù)售占總存貨比重考慮存貨減值考慮銷售毛利率2023/062022/122023/062022/122022/062021/122021/062020/122020/062019/122019/062018/122018/062017/122017/062016/122016/062015/122015/062014/122014/06數(shù)據(jù)來源：，國投證券研究中心除了房地產(chǎn)企業(yè)所擁有的庫存之外，居民住房是否過剩也在房價(jià)調(diào)整的背景下成為很多人的擔(dān)憂。平米，1919參考貝殼研究院假定/s/fAr5mOmCu686mW30XX-gYw部分海外國家。圖43：七普和六普分類型人均居住面積，%城市 鎮(zhèn) 農(nóng)村46.8城市 鎮(zhèn) 農(nóng)村46.842.2936.5232.0331.7329.1521.8123.322.99五普 六普 七普數(shù)據(jù)來源：統(tǒng)計(jì)局，國投證券研究中心六、總結(jié)了