自2021年起，中国的房地产市场出现了一系列重大的变革与调整。在供给侧，一系列房地产巨头接连资金链断裂，甚至“爆雷”无法交房；在需求侧，三线及以下城市首当其冲，房价出现腰斩，到2023年这波浪潮甚至波及一线城市，一度导致“断贷潮”“提前还贷潮”。似乎，中国房地产长达二十年的大周期就此终结。

房地产对于中国经济的重要性无需多言。房地产市场链条长、幅射广，有观点认为地产行业巅峰时曾占据了三成左右的国民经济总量。同时，从变化与短期的眼光看，房地产市场的稳定，对我国金融体系以及居民部门资产价值的稳定也都有重要意义。

综上，各界对于房地产市场的关注度极高，目前集中的疑问包括：本轮房地产价格究竟下跌了多少？这次危机是技术性的还是永久性的？中国是否会就此走上90年代日本的老路？宏观调控层面中国还有多少牌可打？因此，本文将通过回答三个问题，即房价跌了多少、何时才能止跌、如何缓解危机——来对上述困惑进行阐释，并对地产行业的现状及未来加以论述。

1、房价跌了多少？——通过不同口径数据度量本轮房地产价格跌幅

目前中国房价数据不准确、底数不清楚，犹如黑箱。这是由两个原因造成的：一是难以建立统一的房屋定价体系，中国房地产市场纷繁复杂，不仅包含新房市场与二手房市场，甚至包含部分不合法交易的、由宅基地衍生而来的可交易性住房市场，难以建立一个独立的、反应迅速的定价机构或一套统一的定价体系，现行的定价方式纷繁复杂、投机性极强，因此定价结果也并不可靠；二是抽样调研的口径过多，不同抽样结果会产生差异极大甚至相反的数据，国家统计局会定期披露新房、二手房交易价格指数，各大中介机构也会披露自己平台上的房屋成交数据，同时还有一些商业机构自行采样调研相关情况，但这些采样的样本各不相同，很难形成统一度量。

如果仅考虑总量，即中国全部房产的平均水平，2022年被普遍视为房价顶点。为方便后文将中国房地产市场与其他国家比较，采用OECD（经合组织）发布的各国房价指数为研究依据。可以看出，中国本轮房价的上涨基本始于2015年，而终于2022年。

（1）一线城市房价韧性相对略强但也明显下跌；新房与二手房之间有明显价差

第一组可以关注的数据来自国家统计局。国家统计局编制住宅销售价格指数（HPI）的数据主要来源于70个城市房地产管理部门的网签数据，以及房地产经纪机构的上报信息。统计局会根据不同住宅类型和大小进行分类，并运用链式拉氏公式计算出各城市房价环比和同比价格指数。此外，统计局还会确定权数，即某类住宅销售面积在总销售面积中的比重，以确保数据的准确性，最终发布[1]。该数据源自官方，参考意义较强，能够作为一个可靠的观测基准。

从时间上看，国家统计局取样的70个大中城市的新房始跌于2022年3月、二手房始跌于2022年6月。其实近二十年来，统计局口径下的房价指数同比变化并未出现过较长一段时间的连续下跌，首次出现连续下跌正是在2022年。从新房角度看，70个大中城市新建住宅价格指数首次转负出现在2022年6月，同比-1.29%；而二手房由于交易定价更为活跃，房价指数首次同比转负出现在2022年3月，同比-0.9%。

从品类上看，各类住宅（刚需、刚改、豪宅）普跌，二手房跌幅大于新房，我们猜测是开发商调价机制较慢导致的。从房屋品类上看，一方面，我们认为统计局口径下90平米以下、90到144平米、144平米以上这三个类别的住宅市场可以分别对应刚需、刚需改善和豪宅市场，这三大市场出现了几乎同频、同度的跌幅，和我们印象中的“一线城市豪宅抗跌”有些出入。对此，我们结合猜测与调研认为，可能是由于豪宅流动性较低、不常成交，跌幅没法显化导致的。另一方面，我们发现二手房的跌幅明显早于且大于新房，可能是因为开发商的调价响应机制比较慢，导致一、二手房出现价格差。同时我们判断，如果市场没有明显回暖，开发商也必须尽快做出响应。

从城市上看，一线城市韧性整体较强，二三线城市的跌幅明显大于一线城市。从城市口径看，二、三线城市跌幅明显早于、大于一线城市，比如今年2月三线城市二手房同比跌幅达到了5.1%，这甚至是在跌幅已经持续一年的基础上实现的；而一线城市下跌主要起始于去年下半年，但今年2月的同比跌幅也达到了6.3%。

（2）4个一线城市基本跌回2016-2018年水平

第二个可以关注的指标是中原指数。中原指数是由中原地产所编制的二手房成交指数，优点在于高频、真实，数据精确到具体城市。其中四个一线城市北京、上海、深圳、广州的高频数据反映出了很多中观信息。

4大一线城市的房价高点基本都在2021年到2023年之间。中原房价指数是将2004年5月的北上广深房价设为基点100来定价的。从2004年5月至今的中原二手房价指数看，北京、上海、广州、深圳四大一线城市中，房价高点分别出现在2023年5月（北京）、2021年7月（上海）、2023年6月（广州），以及2022年5月（深圳）。

从涨幅来看，四大城市中深圳（约13倍）>北京（约10倍） >广州（约10倍） >上海（约7倍）。北上广深自2004年来的最高涨幅在6倍到13倍之间：北京的房价指数高点达到了1063，由于2004年5月的房价指数是100，我们可以认为在这期间北京房价增长了约10.63倍；上海的房价指数高点是2021年7月达到的683，相当于约6.83倍的增长；广州房价指数高点在1027，相当于上涨10.27倍；深圳高点则在1315，相当于上涨13.15倍。

而从回调进度看，上海（2016年水平）>北京（2017年水平） >广州（2018年水平） >深圳（2019年水平）。参考中原房价指数3月的表现，我们发现上海基本回调到2016年末的房价水平，北京回调到2017年初的房价水平，广州和深圳则回调较慢，到了2018-2019的水平。

（3）以北京市为例看全国，学区和刚需目前抛压很大

第三个可以参考的是一些第三方研究机构的数据。比如我们参考公众号“蝴蝶指数搜哥”的文章《整理了17万套在售房源数据，看到几个不可逆趋势》[2]中提及的北京房屋挂牌的两大特征，现复述如下（非原创）：

第一个特征是学区逻辑的瓦解，学区房挂牌较多。文中作者通过对链家挂牌的17万个北京市房源的统计看，具有强学区属性的东城、西城、海淀以及其他区域具有学区属性的板块挂牌数量激增。我们认为这可能和教改后间接导致的学区逻辑瓦解、学区性价比直线下降相关。

第二个特征是“刚需”出手较多。文中作者发现“作为置换的出发点，小户型比如1居室挂牌量增多，22年约占19.80%，而近期这个比例上升到20.81%”。结合调研，我们认为这可能是一种变相的做空。具体说来，可能是因为房产持有者对未来房价悲观，所以可能战略上考虑暂时卖出刚需房，房价继续下跌一段时间后再以同样或相近价位买入面积更大的刚需改善性住房。

2、何时才能止跌？——关于本轮危机的长短变量分析

想要粗略判断房价下跌的基准，就需要理解导致本轮地产危机的原因。我们可以将成因分为短期的技术性原因和长期的基本面原因。

 （1）短期——目前房地产是买方市场，价格歧视加大了房产抛压

首先，目前房产市场的交易量并不低。一线城市和非一线城市的房价下跌并不同步，非一线城市下跌始于2021年，而一线城市下跌始于2023年，但二者下跌的过程、成因相似，为方便研究，我们主要观察一线城市。从北京的情况看，目前北京的二手房交易量已经出现比较明显的回升。为平滑数据的季节性，我们取北京二手房销售指数的12月移动平均作为研究对象，该数据已经企稳回升，间接证明市场交易量恢复明显。我们对这一现象的解释是，房地产市场和股市一样很难避免“追涨杀跌”，房价下跌趋势一出现，房产持有者便难以自遏地集中卖出住房试图止损。因此我们可以认为，目前的卖房需求并不低。

目前房地产市场整体是“买方市场”。从另一个侧面看，根据中国城市二手房指数网数据，今年年初无论是一线、二线、三线或是其他城市，二手房挂牌数量均出现激增。以四线城市为例，挂牌量指数一度从2月的111.76陡然升至210.03。挂牌数量反映的是二手房市场的供给，综合前文分析及实地调研情况来看，目前各地房地产市场抛压普遍较大，属于买方市场，买方的定价能力较强，因此存在着一定的价格歧视。

从调研情况看，中介机构倾向于压低价格促成交，加剧了房价跌幅。这是由于二手房中介机构的佣金收入主要取决于成交量而非成交价。如一套价值500万的房产1%的佣金是5万元，如果将房产价格压价到450万促使成交，中介便能够以仅仅5000元的收入损失，换来成交难度与周期的大幅降低。这一过程实际上技术性加剧了本轮房产价格的下跌。

 （2）长期——当前国内人口与经济情况难以支撑高点房价水平

从目前国内的情况看，本轮房地产泡沫起始于2015年，与此同时，中国的人口增速拐点与城镇化速度拐点也都位于2015年前后。这导致一些研究认为2015之后的中国房价其实严重偏离了基本面。事实是否如此？我们对中、美、日、韩四个代表性国家进行了一些比较：

日、韩的房价顶点出现在1990年，美国出现在2006年，中国在2022年。从OECD披露的国家房价指数看，以2015年作为基准值100，中、美、日、韩的房价顶点分别出现在2022年、2006年与2024年、1990年、1990年，由于美国目前情况较特殊，我们选取2006年作为美国的房价顶点。因此，我们可以将四个国家各自达到房价顶点的年份视作“0时点”，分别观察四国跨过“0”时点时的相关数据表现。

一是从人口角度看，房价顶点往往对应着人口增长率的拐点。从另外三个国家的经验看，在跨过房价顶峰时，国内人口增速往往已经在当年前后出现下滑，比如房价顶峰时美国、日本、韩国的人口出生率分别是0.96%、0.33%、0.99%，而中国已经出现了负增长，下探到了-0.01%。中国的人口增速拐点出现在2015年，按照三国经验，房价拐点应在2015年前后，但中国事实上2015年后出现了上涨，所以有理由认为2015年之前的价格才是中国房价的合理支撑位。与此相互佐证的是65岁人口占比，购房的助力人群多是中青年人群，因此老龄化程度越大宏观购房需求理应越小，在这一方面中国的表现也不尽人意。

二是从人均购买力角度看，中国的“未富先老”可能会加剧这轮下跌。四国的情况是：美国房价顶峰对应人均GDP约为46,000美元；日本房价顶峰对应人均GDP约为25,000美元；韩国房价顶峰对应人均GDP约为6,600美元；中国房价顶峰对应人均GDP约为12,000美元。从这个角度看，各国在跨过房价顶峰时一般已经处于较为富裕阶段，完成了居民部门“住有所居”的目标（韩国人均GDP仅有的6,600美元在1990年并不算低）。因此对中国来说，目前居民部门的宏观购买力也并不强。

三是从加杠杆能力上看，中国的宏观杠杆率已经接近当年日本水平。根据国际清算银行数据，1968-1993年日本的居民部门、非金融企业部门和1998-2023年中国的居民部门、非金融企业部门的债务杠杆扩张情况十分相似[3]，并且，目前中国居民部门杠杆率已经和1990年日本的情形十分接近，因此我们并不认为中国居民部门有继续加杠杆的能力。

3、如何缓解危机？——对本次危机的判断与政策展望

（1）判断：本轮房价下跌的基准区间可能在2015年上半年，甚至之前

综合前文分析，目前中国房地产呈现了5大特征：

第一，目前来看各类房产（刚需、刚改、豪宅）出现普跌，上涨项目极其稀少，其中豪宅成交量极少，数据无法反映具体下跌情况；

第二，三线及以下城市跌幅明显大于一、二线城市，说腰斩都并不为过，即使是一、二线也出现了基本二到三成的回调，个案下跌幅度可能更大；

第三，目前多数城市，尤其是一、二线新房价格还没有普遍调降，可能是因为开发商的调价响应机制比较慢，导致一、二手出现价格差，但我们判断，如果市场没有明显回暖，开发商也必须做出响应；

第四，从中观数据看，四大一线城市房价指数普遍回到了2016—2018水平，回调程度分别是：上海（2016年水平）>北京（2017年水平） >广州（2018年水平） >深圳（2019年水平）；

第五，其实成交情况目前相对活跃，主要是由于抛压较大，房子成了半消费品，房产品质更被看重。以北京为例，抛压比较重的是学区房和一居，这可能是由学区逻辑的瓦解以及较大的刚需改善需求导致：二者合力成为一种变相做空的力量。

根据人口增长变化和上一轮政策逻辑，2015年上半年行情可能是一个基准区间。从目前情况看，经过国际比较，我们倾向于认为2015年理应是一个中国宏观房价有支撑的年份，一线城市回调的基准大约是2015年水平，非一线有可能回调至2015年之前。综合看来，2015年上半年行情可能是一个基准区间。

 （2）建议：及时救一线城市，长期要重视经济增长动能转换

第一，调控要缓，救市要急。房地产是国民经济的重要组成部门，虽然高房价对民生造成了极大的负面影响，但也不应对房地产市场迅速、一刀切式收紧，这必将导致诸多产业链受到巨大影响，进而导致大规模失业与居民资产负债表受损。调控要缓，但救市要急，应迅速、继续采取一系列政策支持刚需、改善，放松调控，稳住房价，防止房价过快下跌，为经济转型留有时间与空间。

第二，及时救一、二线城市。从目前情况看，除一线城市外，中国几乎所有城市都放开了房地产限购，以对冲房价下行趋势。一些观点认为：如果全面放开一线城市限购，或许可能成功救起一线城市房价，但也会对周边城市产生极强的虹吸效应。而我们认为，此轮多数非一线城市房价已经经历了较为深度的调整，价格回归基本面，虹吸效应影响有限。但若一线城市不救，后果可能更为严重。

第三，根源是重视经济增长动能转换。

过去很多年中，房地产都是中国经济的最重要组成部分，甚至一度没有“之一”。因此房地产业萧条后，为稳定就业、保障民生，国内需要一系列新产业取代房地产的位置，提供就业岗位、为居民部门造富，因此问题根源是经济增长动能转换。我们有国际案例可以参考：新加坡和香港是亚洲乃至全球两大重要的相对独立的小型经济体，二者的房地产调控方式各不相同。 1997年香港曾经历过一轮房地产泡沫破裂，核心原因在于香港经济对地产的依赖性过强，并未及时进行产业转轨；而新加坡的组屋制度保证了“保障性”住房和“商业性”住房二者价格之间的平衡，且新加坡的产业对房地产依赖一直不大，因此并未出现典型意义上的泡沫破裂。所以对目前中国来说，必须重视经济增长动能转换，以时间换空间，对冲地产下行影响。

参考资料：

[1] https://www.stats.gov.cn/zs/tjws/tjzb/202301/t20230101_1903623.html

[2] https://mp.weixin.qq.com/s/NUnlaBqIfuYtyy6MxybauQ

[3] https://mp.weixin.qq.com/s/45uDHwEzI9HB6Sg-PixKGg