研報評論區話題：關于房地產市場估值、該買還是賣、質疑數據的問題

在解釋過房價收入比和租售比問題之后又炸出來不少屁股決定腦袋的，其中有幾個說出來的話屬實讓我瞠目結舌，這里整理出第二波評論區問的多的問題進行分析。還是那句話，你不懂好好問我會盡力解釋，你不懂還賣弄無知的話我頂多不來理你，但如果你既無知又出言不遜，那就別指望我會慣著，我沒這義務對任何人都保持耐心。

房地產市場估值

前面的文章詳細說明了租售比和房價收入比這兩個指標在中國市場應用時的局限性，評論區有不少人問是否有其他的指標可以參考，其實現在機構在宏觀分析報告里用的比較多的是 地產行業增加值占GDP比重這個指標。因為這個指標可以繞開收入結構，從總體角度上對房地產行業進行估值，而之前也解釋過房產的 受眾基本為中產及以上群體，簡單使用平均收入自然會使分母變小，從而拉高房價收入比讓其看起來不合理 。為了防止杠精先說明一下， 地產行業增加值占GDP比重這個指標當然也有不足之處，它只是在目前無法得到修正后的 租售比和房價收入比前提下的替代指標。

目前我國的 地產行業增加值占GDP比重已經連年下降至2024年的6.3%，而美國目前是12.6%，兩者差距巨大是因為統計口徑不同，美國采用虛擬租金法而我國采取成本法，目前尚且缺乏兩者統一口徑后的精確測算。參考前央行統計司在2017年做的測算，按照美國的統計口徑我國在2017年的該指標 為12.84%（對應2017年我國統計口徑為6.5%）， 而發達國家基本都保持在12%左右，所以橫向對比2 024年我國的該指標已經回到正常水平，縱向對比目前也處于歷史低點。

要知道房產作為商品來說沒有任何特殊性，房價的漲跌不以個體意志為轉移，商品價格取決于該商品受眾的收入和喜好，并不取決于非受眾的收入。這就像我要賣100一杯的咖啡只會去調研月薪20000以上受眾的喜好，而不會去調研月薪3000群體的喜好是同一個道理。所以大多數屁股決定腦袋的人在評論區的發言毫無意義，自己沒買就一直喊跌，自己上午買完還沒開始吃中飯就轉為喊漲。

該買還是賣

評論區每天都碰到問我手里有房該不該賣，或者手里沒房該不該買。其實這類問題根本無法直接回答，因為買還是賣取決于很多因素，下面列舉一些供大家參考：

你是剛需還是投資？如果是剛需的話能等就等，不能等就買，特別是高線城市目前已經是相對低點了，長線看即使考慮保值因素也是適合買入自住的。投資的話就不適合了，明明可以再等等為啥要現在就買呢。

你的財務狀況如何？對于賣方來說如果財務狀況不好，那顯然是要賣掉的，因為經濟下行周期收入本身就不穩，疊加房價短期還無法止跌，不割肉出貨的話你可能會面臨還不出貸款的窘境。財務狀況好的話高線城市核心區的資產還是可以拿一下，因為房產這種低流動性資產交易成本太高，交易周期又太長，目前低位情況下割肉后面可能會拍大腿。

你是否有更好的投資渠道？這點對買方和賣方都是一樣的，如果有確定性比較高的且更好的投資渠道，建議立即切換到該渠道去，如果沒有的話那就參考上面兩個條件進行綜合判斷。

以上僅僅是舉例，根據每個人的實際情況不同還有很多問題可以問出來，所以當大家考慮該買還是該賣這個問題時要試著先想想要問自己哪些問題。這里想起一個比爾蓋茨的案例，這個案例可以很好的說明投資并不是簡單的買還是賣，而是資產合理配置的問題。

比爾蓋茨在90年代初微軟剛上市時 聽從了家族投資辦公室的建議 拋售了微軟股票而分散投資到其他行業，最后這種分散投資組合雖然實現了3倍的增值，但卻嚴重跑輸微軟股價增值24倍的表現，這導致很多事后諸葛亮都覺得比爾蓋茨家族辦公室的華爾街精英都是酒囊飯袋。我想說這是對投資的誤解，當年家族辦公室拋售微軟股票分散的是風險，這是站在當年時間點上的正確配置策略，而微軟股價上漲24倍是額外收益，事實上站在當年的情況看微軟股價也可能下跌90%，所以投資并不能唯結果論，也不是簡單的買與賣，在當下做出合理的配置是需要遵循的關鍵準則。

質疑數據問題

最后就是碰到最多的質疑數據的問題，我這里發的基本都是頂級投行的研報，數據正確是最基本的要求，而且數據來源都有標注在圖上，研報發出前至少內審三遍以上，從概率上說數據出問題的可能性非常小。所以每當有人留言質疑數據，我確實會先入為主的認為投行的數據沒問題，然后在這個基礎上去找答案。這并不是什么盲從權威，只是基于概率做出的合理決策，因為相比于包括我在內的網友，頂級投行在數據上出錯的概率微乎其微（我看過幾千份研報，記得發現錯誤的數量在5份以下，而且都是文字錯誤，比如上海寫成北京）。要說明的是 我自己偶爾也會不同意投行觀點，但理由都是基于數據比較片面這個邏輯，而并非數據本身出錯。

我大概統計了一下這些質疑數據的人大基本都是做空陰謀論和直接扣帽子，還有少部分其他問題，下面對進行逐一列舉：

屁股決定腦袋：這是遇到最多的也是最典型的，自己沒買就唱空，買完就唱多的品種。比如前不久遇到一個先問我高線城市缺房子的數據哪里來的，我想說你逗我嗎？整篇文章寫的不就是這個數據哪里來的？然后這貨居然直接給我吟詩作對了起來，和我說坐高鐵時候看見一二線城市樓房都是綿延上百里空置率奇高，由此得出結論一二線房子嚴重過剩，人口會往農村跑。首先綿延上百里你拿尺子量來的嗎？你吟詩作對可以飛流直下三千尺，我問你上海未來住房供求如何你告訴我綿延數百里？而且你坐個高鐵還能給我看出空置率來？還張口就來人往農村跑，如果大城市都找不到工作還指望回農村有工作？難道是去村口開個小賣部曬太陽的工作？

前提條件：這一類問題屬于文章看的不仔細或者不明白什么時候用動態分析什么時候用靜態分析，之前在解釋租售比和收入比時已經說過對于簡單的經濟指標一般都會采用動態分析，對分子分母上的每一個因子都進行相關性分析，因為分子變化的同時很可能導致分母同步變化。相反的，由于經濟學本身十分繁雜而目前技術難以做到大一統的完全預測，所以每份研報都會給出分析的前提條件，一切分析都會在這些前提條件里進行（靜態分析）。簡單說有條件的盡量動態分析，如果分析框架過于龐雜，那就只能把某些條件設定為恒量，然后在這個大的框架下進行靜態分析。

就比如在之前測算高線城市潛力的文章里就一直被追問，說銀行一年的新增貸款總額是xxx，要達到高盛測算的潛力根本不可能。我提醒了兩次注意時間這個前提條件卻一直被無視，人家算的是未來總潛力，而你拿來比的是一年的貸款，這本來就沒有可比性。而且以動態的眼光長期來看，隨著人口不斷向高線城市集結（城市的杠桿能力和杠桿率遠超農村），增量杠桿能力和總體杠桿率都會上升，兩者一起上升時類似于戴維斯雙擊，以后高線城市的杠桿率對標美日韓這是可以預期的經濟規律。

統計口徑：評論區還經常有拿兩個不同口徑的數據比來比去的，這種我都懶得說了。這里說一下稍微有點技術含量的，就是數據里的灰色地帶。所謂灰色地帶就是由于實際操作時的變通做法造成的統計數據失真。

舉個例子，比如2021年住戶部門的經營貸是2.6萬億，房貸是6.1萬億，消費貸是5.3萬億，有個哥們就一直抓著這個來和我爭論未來的房貸增長空間并不大，理由是2021年頂峰時期房貸也就6萬億出點頭。對于這類評論我只能采取不理的態度，因為誰都知道2021年時候大量經營貸和消費貸的實際去向是房地產，但具體數據誰都說不準，即使我知道數據也不方便講，所以這種爭論只會浪費大家時間，這是我不理會的原因。