本篇報告中，以35個大中城市為重點分析物件，從供給需求、金融信貸、調控政策等方面，解析驅動和影響房價的多方面因素；並通過不同城市各因素的量化和排名，判斷重點城市的房價走勢，探析目前房價仍具有上漲潛力的城市。
從需求、供給以及金融三個角度分析了本輪房地產走勢分化的結構性因素。需求因素中，常住人口/戶籍人口，工作人口/常住人口以及小學生在校人數增速代表著對房地產以及學區房的存量剛需，優質的公共資源數量代表著未來可能潛在的人口流入以及剛需，與房價漲幅成正相關；供給因素中，人均廣義庫存，人均土地購置面積代表著房地產當前以及未來的供給，與房價漲幅成負相關關係；金融因素中，房價/收入比代表著購房的風險偏好，其越高意味著投機需求越大，在利好的刺激下，購房的熱情越高，越容易推動房地產價格的上漲。實證檢驗，這七項指標與本次的房價漲幅具有顯著的統計相關性，可以較好的解釋不同城市本輪房地產價格的分化。
通過房價累計漲幅排名，以篩選出近年來房價表現良好的“績優股”。選取35個城市在過去兩輪週期中，也即自2012年7月以來的房價累計漲幅進行排名，前15位房價表現良好的“績優股”城市為：深圳，廈門，廣州，上海，南京，合肥，北京，鄭州，福州，武漢，杭州，天津，石家莊，長沙，濟南。
通過對比房價累計漲幅與該城市房地產基本面的強弱，來篩選未來房價仍有上漲空間的“潛力股”。將過去兩輪週期中35個大中城市的房價累計漲幅排名，與各個城市房地產基本面排名兩者計算差值，得到前15位基本面排名比較靠前，但房價漲幅相對靠後的“潛力股”城市為：烏魯木齊、成都、海口、天津、寧波、哈爾濱、西寧、北京、上海、杭州、石家莊、蘭州、呼和浩特、大連、深圳。
最後值得注意的是，上述的量化指標都是衡量的房地產基本面。在具體投資某一個城市房地產時，還要綜合當地的調控政策、市場情緒等這些非量化指標進行判斷。
一、驅動房價的需求因素：人口與流動
人口是影響房價需求的根本因素，我們將人口因素區分為存量人口和未來潛在的人口流入。其中，未來潛在的人口流入主要取決於當地的優質資源。
1.1、存量人口需求
通常來講，本地戶籍人口擁有家庭提供的存量住房，外來常住人口是購房的剛性需求來源。常住人口/戶籍人口越大，說明外來常住人口比例越多，購房需求越大。在常住人口中，工作人口的比例越高，對房地產需求的購買力越強。另外，在校小學生人數增速越快，說明該地區有持續的青壯年人口增長，對房地產的需求也會增大。因此，我們使用常住人口/戶籍人口，工作人口/常住人口，以及小學生在校人數增速來衡量一個地區的房地產需求。
1、常住人口/戶籍人口
我們選取了35個大中城市在本輪房價週期中（2015年1月到2017年6月）新建住宅價格的累計漲幅，以及各城市2011年-2015年間的常住人口/戶籍人口比例的均值，作為對比和考察的指標。得出的結論是：房價的上漲幅度與該地區常住人口/戶籍人口的比例具有明顯的正相關關係。
具體來看：
本輪房價漲幅越高的城市，常住人口/戶籍人口越高。典型城市是深圳、廈門、上海、北京、廣州和天津。尤其是深圳，常住人口/戶籍人口為350%，是35個大中城市常住人口/戶籍人口均值126%的將近3倍。這也是本輪週期中深圳房價復甦最快，上漲幅度最高的一個原因。
房價漲幅與常住人口/戶籍人口之間，擬合方程係數顯著，擬合優度達0.46，說明二者存在緊密的相關性。如果我們將樣本縮小至房價累積漲幅前十的大中城市（深圳、廈門、合肥、南京、上海、廣州、北京而、杭州、鄭州、武漢），發現方程的擬合優度進一步上升，高達0.76。說明房價累積漲幅越高的城市，二者的相關性更高。
2、工作人口/常住人口
常住人口中，工作人口的比例越高，代表該城市潛在的購買力越強，年輕化程度越高，住房剛性需求增長的潛力越大。
我們選取了35個大中城市在本輪房價週期中（2015年1月到2017年6月）新建住宅價格的累計漲幅，以及各城市2011年-2015年間的工作人口/常住人口比例的均值進行對比，得出的結論是：房價的上漲幅度與該地區工作人口/常住人口比例具有較為明顯的正相關關係。
具體來看：
房價漲幅越高的城市，工作人口/常住人口的比例越高。深圳作為本輪房價上漲的領頭羊，工作人口/常住人口排名第一，將近80%，是35個大中城市平均值31%的2倍還多。
房價漲幅與工作人口/常住人口比例相關性的彈性，隨著後者的提高而進一步增加。以全部35個大中城市為樣本觀察，每當工作人口/常住人口上升1個百分點時，房價的漲幅隨之上升0.56個百分點；而我們篩選工作人口/常住人口比例超過50%的前10大城市，每當工作人口/常住人口上升1個百分點時，房價的漲幅隨之上升1.15個百分點。
3、小學生在校人數增速
小學生在校人數增加，意味著該城市青壯年人口增加，對房地產或者學區房的需求增加。隨著社會對教育的越來越重視，爭奪優質的教育資源，會大幅度助推房價的上漲。
選取35個大中城市在本輪房價週期中（2015年1月到2017年6月）新建住宅價格的累計漲幅，以及各城市2011年-2015年間小學生的在校人數增速的均值進行對比，可知：房價的上漲幅度與該地區新增小學生在校人數增速正相關。
具體來看：
房價漲幅越高的城市，小學生在校人數增速也偏高。35個大中城市小學生在校人數增速平均是1.85，而廈門、合肥和深圳的小學生增速分別為8.2、7.9和6.9，是平均值的4倍還多，房價漲幅在本輪週期中也屬於較高的城市。同時，兩個指標線性方程的0.4324，在統計上較為顯著。
房價漲幅與小學生在校人數增速的相關性及其變動彈性，都隨著後者的提高而進一步增加。以全部35個大中城市為樣本觀察，兩個指標線性方程的擬合優度為0.4324，小學生在校人數增速每增加1個百分點，推動房價上漲4.2個百分點；而若只考慮小學生人數增速為正的城市，兩個指標線性方程的擬合優度提升至0.5323，房價漲幅對小學生在校人數增速的彈性也進一步上升到6.5左右。
如果我們只觀察35個大中城市小學生在校人數增速前十的城市，具體包括廈門、合肥、深圳、鄭州、北京、長沙、天津、石家莊、福州和青島，迴歸方程的擬合優度進一步提高到0.663，房價漲幅對小學生在校人數增速的彈性上升到7.8。也即是說，對於小學生在校人數持續增加的城市，小學生在校人數增速每增加1個百分點，推動房價上漲7.8個百分點。
1.2、潛在人口流入需求
一個城市優質公共資源越多，該城市潛在的人口流入越多。教育和醫療是中國稀缺的優質公共資源。我們用一個城市的211大學數量+三甲醫院數量來衡量該城市的優質公共資源。也即是說，211大學+三甲醫院數量越多，該地將可能有更多的人口流入。
我們選取了35個大中城市在本輪房價週期中（2015年1月到2017年6月）新建住宅價格的累計漲幅，以及各城市的211大學數量+三甲醫院數量進行對比，得出的結論是：房價的上漲幅度與該地區211大學數量+三甲醫院數量具有較為明顯的正相關關係。
具體來看，北京、上海、廣州作為優質公共資源最多的三個城市，能夠較好的支撐本輪房價的上漲。而深圳作為本輪房價上漲的領頭羊，其優質公共資源依然匱乏。
二、驅動房價的供給因素：庫存與土地
驅動房價的供給因素主要包括庫存和土地兩個方面。從理論上看，一個城市地產庫存越高、供地越多，說明其商品房供給越充分，房價上漲的空間越小；而當一個城市地產庫存處於歷史低位，或供地面積收縮，則其房價上漲的潛力則較大。
2.1、房地產庫存
1、房地產庫存的計算
在計算住房庫存之前，我們需要釐清一下有關房地產面積常用的幾個指標的內涵關係。
商品房施工面積：報告期內施工的全部房屋（包括地下室、半地下室以及配套房屋）建築面積。包括本期新開工的面積和上年開工跨入本期繼續施工的房屋面積，以及上期已停建在本期恢復施工的房屋面積。本期竣工和本期施工後又停建緩建的房屋面積仍包括在施工面積中，多層建築應填各層建築面積之和。
商品房新開工面積：在報告期內新開工建設的房屋面積。
商品房竣工面積：報告期內房屋建築按照設計要求已全部完工，達到住人和使用條件，經驗收鑑定合格或達到竣工驗收標準，可正式移交使用的各棟房屋建築面積的總和。
商品房待售面積：指房地產開發企業報告期末已竣工的可供銷售或出租的商品房屋建築面積中，尚未銷售或出租的商品房屋建築面積，包括以前年度竣工和本期竣工的房屋面積。
可見，商品房新開工面積和竣工面積都包含在施工面積中。商品房待售面積是指已竣工但尚未銷售或出租的商品房屋建築面積。所謂的庫存就是指沒有銷售的建築面積。狹義的庫存一般指商品房待售面積，廣義的庫存不僅包括已竣工未銷售面積，還包括正在施工中還未銷售的建築面積。由於期房銷售，一些還在施工的建築以期房的形式預售。所以：
狹義的庫存=商品房待售面積
廣義的庫存=商品房待售面積+（施工面積-竣工面積-期房銷售）
此外，為了消除城市規模對庫存的影響，我們還計算了相應城市的人均庫存，等於庫存/常住人口。
2、狹義庫存與廣義庫存
理論上，庫存越低的城市，在其它條件不變的情況下，房價漲幅越高。我們選取35個大中城市的房價和庫存資料進行分析：房價的累積漲幅為2015年1月到2017年6月的累積漲幅（本輪週期），狹義和廣義庫存均為2011年-2015年的累計值，人均狹義和廣義庫存為2011年-2015年的平均值。
具體來看：
累計狹義和廣義庫存，與房價漲幅均沒有明顯的負相關關係，尤其是對於本輪房價漲幅較高的城市，如合肥，南京，廣州和上海。而值得一提的是，一線城市由於規模較大，庫存也都普遍較高。
人均狹義和廣義庫存，與房價漲幅的負相關關係更加明顯。為了消除城市規模對庫存的影響，我們計算了各城市的人均狹義庫存和人均廣義庫存，並考察其與房價漲幅之間的關係。整體來看，人均狹義庫存越高的城市，房價漲幅越低，二者的相關性優於狹義庫存與房價漲幅之間的關係，但對於漲幅較高的幾個城市，人均狹義庫存與其房價漲幅負相關性並不緊密。人均廣義庫存與房價漲幅之間也存在顯著的負相關性，例如深圳的人均廣義庫存最低，房價的漲幅也最高，而其它幾個漲幅較高的城市，如北京，上海，廣州，天津以及合肥，在過去5年裡人均廣義庫存也較低。
總的來看，在這四項庫存指標裡，人均廣義庫存與房價漲幅之間的負相關性最為顯著。
2.2、土地供給
理論上來講，土地供給越是充分的城市，房價上漲的幅度越小。我們將分別比較35個大中城市土地供給以及人均土地供給與房價漲幅之間的關係。房價的累積漲幅仍為2015年1月到2017年6月的累積漲幅，累計土地購置面積為2011年-2015年的累計加總值，人均土地購置面積為2011年-2015年的平均值。
具體來看：
土地購置面積與房價漲幅沒有顯著的負相關性。儘管從極端值來看，土地供給大幅高於其他城市的重慶，房價漲幅的確較低；但2015年以來房價漲幅較高的城市中，只有深圳和廈門的累計土地購置面積相對較低。
人均土地購置面積與房價漲幅具有顯著的負相關性。35個大中城市的平均人均土地購置面積為0.4平方米，房價漲幅較高的城市，如深圳，南京，上海等城市的人均土地購置面積遠遠低於該水平。尤其是深圳，人均土地購置面積不足0.1平方米，在所有城市中是最低水平，其房價漲幅也最高。
三、驅動房價的金融因素：信貸、利率與估值
驅動房價的金融因素主要包括信貸規模、利率水平及估值水平。
3.1、信貸數量：M2與住房貸款
信貸數量的指標主要包括M2與住房貸款規模。
M2同比增速是房地產週期較好的領先指標。M2增速的回升表徵整體流動性環境的寬鬆，對於具有金融資產屬性的房地產而言，對其價格有積極的推升作用。從歷史資料看，M2同比增速領先住宅價格同比大致5個月；而從本輪房價週期看，M2增速的反彈與房價同比增速的回升幾乎是同步的。這主要是由於本輪房價上行週期帶有明顯的政策驅動影響。
個人住房貸款餘額同比與房價同比的走勢也相當一致。房價上行的預期提升了居民的購房意願，並帶來個人住房貸款餘額的上升；而居民旺盛的購房意願則進一步推升了房價的上行預期，兩者相互強化。從資料上看，本輪房價週期在2015年初的啟動與當前的見頂回落，都與個人住房貸款增速的趨勢相一致。
值得一提的是，寬鬆的信貸環境和不斷上行的房價，也會使得商業銀行增配按揭貸款。在本輪房價週期啟動初期的“資產荒”背景下，商業銀行內在的有動力去配置低風險的按揭貸款。同時，央行行長周小川曾多次表態：個人住房貸款在銀行總貸款比重偏低，有的國家佔到40%-50%，中國只有百分之十幾，應該大力發展住房貸款，對於銀行來說，這屬於低風險資產。
3.2、利率水平：住房貸款利率
對房價週期影響最大的當然就是個人住房貸款利率水平。
理論上說，個人住房貸款利率和金融機構貸款利率的上升會增加個人購房和房地產投資的融資成本，從而抑制房地產價格的上漲；同理，貸款利率的下行，有助於刺激房地產價格的上漲。從歷史資料看，房價週期與貸款利率（滯後三個季度）週期基本呈現完全反向的關係。
利率水平的顯著降低是本輪房地產復甦最重要的引擎。一方面，央行自2014年11月起頻繁下調存貸款基準利率，致使銀行5年期以上貸款利率在一年之間下降1.65個百分點，從2014年10月的6.55%一路下調到2015年10月的4.9%；個人住房貸款利率從2014年三季度的6.96%下降到2016年低的4.52%，下降了2.44個百分點；與此同時，全國首套房平均貸款利率也下降到4.44%，達到歷史最低水平。此外，商業銀行也不斷加大了對全國首套房貸款利率優惠，全國首套房貸款利率優惠佔比從2015年7月的50%一躍上升到2016年底的85%。總之，本輪房價週期的啟動，利率水平的下行可以說功不可沒。
另外，我們發現在2016年一季度一二線城市房價快速上漲，庫存不斷降低，而三線城市庫存居高不下時，商業銀行發放的個人購房貸款利率依然是一線低於二線，二線低於三線。這說明，商業銀行在發放貸款時並沒有完全按照政府去庫存的政策（向三線及以下傾斜），而是根據不同城市房地產的風險有選擇的進行貸款優惠，這是商業銀行內在配置資產的需要。實際上，這也是造成本輪房價週期一二三線城市分化嚴重的原因之一。
3.3、估值水平：房價/收入比
房價/收入比，即當地的房價與人均收入之比，通常被認為從流動性的角度衡量房價背後的支撐力量。但我們認為，在對房地產市場形成單邊的上漲預期下，房價收入比越高的地方，代表著購房的槓桿越高，當地的購房熱情越容易受到“貸款利率下降”，“首付貸優惠”等政策的撩動。
上述邏輯成立的前提是房價的上漲預期，至少是短期內明確的上漲預期。在槓桿資金的參與下，房價的上漲預期和下跌預期很容易被放大。房價收入比越高的地方，槓桿的利好和被放大的預期，一方面給購房者帶來恐慌情緒，另一方面也為投機者帶來巨大利潤，進一步刺激購房者的熱情。
與前文類似，我們同樣使用本輪週期的累計房價漲幅（2015年1月到2017年6月），以及2011-2015年各城市房價收入比的均值來進行分析，得出的結論是：
房價收入比與房價漲幅具有明顯的正相關關係。房價/收入前十的城市，包括深圳，上海，北京，海口，福州，廈門，杭州，廣州，大連和天津，也是本輪房地產價格上漲較高的城市。這些城市的上漲部分是由於投機需求驅動，蘊含著一定的風險。
值得一提的是，“租售比”或“房價/租金比”也是衡量房地產估值水平的重要指標之一，但其並不適用於中國房地產市場的分析。原因在於：
“房價租金比”即房產的售價與年租金之比，本質上可看做房屋的“市盈率”。大量境外市場參與者持有房產的目的是長期出租獲取回報，才是構成租售比經驗數值的市場前提。而從境內來看，中國住宅市場參與者較少因出租獲利目的購房，且國內房屋租賃市場的制度與發展尚不完善，因此租售比與經驗數值相距甚遠。作為比較，即便處於同樣地理位置，寫字樓的租售比遠低於住宅，正是這種邏輯的體現。以股票市場作為類比，創業板投資者追求的是成長性，而藍籌股投資者追求的是穩定分紅回報，因此二者的市盈率也存在天壤之別。
四、驅動房價的政策因素：房地產調控
中國房地產週期受到調控政策的顯著影響。房價快速上漲及到達峰值的過程中，一般都伴隨著房地產調控政策的收緊；在房價處於低位、經濟下行壓力凸顯的情況下，政府則傾向於放鬆調控政策以刺激房地產行業的增長。中國的房地產調控政策以限制需求為主，房價受政策影響較大。政策放鬆，房價迅速反彈；政策收緊，房價則快速回落。
從調控機制來看，房地產調控政策則是作用於上述房價的驅動因素：
需求端的調控政策包括以戶籍制度為基礎的限購政策，相關公共服務政策（如學區房制度），房屋交易及持有環節的稅費等。供給端的調控政策則包括作用於土地供給的供地計劃，房企拿地政策（拿地首付貸、拿地分期時間、拿地貸款限制等），以及作用於房地產庫存的棚戶區改造計劃，保障房建設，開發環節政策（貸款及稅費），限售政策等。金融端的調控政策則包括作用於信貸數量的首付比限制、信貸投放指導，以及作用於利率水平的基準利率調整、按揭貸款利率限制或優惠政策等。
長期以來，中國政府偏重於從抑制需求的角度進行房地產調控，如各地常用的限購限貸、上調首付比率，上調交易環節稅費等。這類政策能夠快速平抑房地產銷售熱潮，並在短期內壓制房價的持續暴漲，但卻無法真正消滅房地產的潛在需求與房價的看漲預期。因此，儘管每輪調控的“收緊”週期均顯著長於“放鬆”週期，但樓市的上漲趨勢卻基本未受到改變，而且容易在每次放鬆週期出現之時進行報復性上升。
不過，近期政府著意推廣“租售同權”、“集體用地建設租賃用房”等試點，可見，政府正在著意通過長效調節機制的作用，致力於扭轉市場對於房價的預期，逐步化解房地產泡沫。
五、結論與展望：中國城市房地產的績優股和潛力股
1、影響和驅動房價的因素
綜上，我們從需求、供給以及金融三個角度分析了本輪房地產走勢分化的結構性因素。需求因素中，常住人口/戶籍人口，工作人口/常住人口以及小學生在校人數增速代表著對房地產以及學區房的存量剛需，優質的公共資源數量代表著未來可能潛在的人口流入以及剛需，與房價漲幅成正相關；供給因素中，人均廣義庫存，人均土地購置面積代表著房地產當前以及未來的供給，與房價漲幅成負相關關係；金融因素中，房價/收入比代表著購房的風險偏好，其越高意味著投機需求越大，在利好的刺激下，購房的熱情越高，越容易推動房地產價格的上漲。
上述指標都是從基本面不同的角度解釋房價的分化，每一個具體的指標都有各自的侷限性。常住人口/戶籍人口不能解釋合肥和福州的上漲，工作人口/常住人口不能解釋海口的上漲，小學生在校人數增速不能解釋廣州和武漢的上漲，優質公共資源數量不能解釋深圳和廈門的上漲，人均廣義庫存不能解釋廈門和杭州的上漲，人均土地購置面積不能解釋合肥和福州的上漲，房價/收入不能解釋合肥和長沙的上漲。事實上，不同城市房價漲幅的分化代表著不同城市房價上漲的邏輯存在結構性差異。不同的指標對每個城市的影響程度也不一樣。
此外，我們認為房地產調控政策的變化，以及銀行貸款獲取的難易程度或優惠程度，會進一步強化上述因素，但這兩項指標很難量化，只能作為我們具體分析某一城市房價的定性參考指標。本文在做預測時只考慮上述七個結構性因素。
2、尋找城市房地產的“績優股”和“潛力股”
首先，我們根據房價驅動因素的分析，測算各城市房地產基本面的情況。根據上述分析，我們認為常住人口/戶籍人口，工作人口/常住人口，小學生在校人數增速，優質公共資源數量，人均廣義庫存，人均土地購置面積，以及房價收入比可以較好的解釋不同城市本輪房地產價格分化。我們將這七個因素作為評價指標，每項指標各個城市的排名如下：
我們對每一個指標下城市的排名進行打分，然後給每一個指標賦予相同權重，加總七個指標每個城市的得分進行排序如下表。這反映的是這些城市房價受到房價驅動因素基本面支撐的強弱程度。
其次，我們通過房價累計漲幅排名，以篩選出近年來房價表現良好的“績優股”。具體來說，我們選取35個城市中在過去兩輪房地產週期中，也即自2012年7月以來的房價累計漲幅進行排名，得出結果如下表所示：
再次，我們通過對比房價累計漲幅與該城市房地產基本面的強弱，來篩選未來房價仍有上漲空間的“潛力股”。我們將過去兩輪週期中35個大中城市的房價累計漲幅排名，與各個城市房地產基本面排名兩者計算差值，試圖得到那些基本面排名比較靠前，但房價漲幅相對靠後的城市，也即房價仍有上漲潛力的城市排名。
最後，我們篩選出近兩輪週期以來房價累計上漲幅度排名前15位的“績優股”，以及有基本面支撐且前期房價漲幅偏低的前15位“潛力股”。
最後值得注意的是，我們上述的量化指標都是衡量的房地產基本面。在具體投資某一個城市房地產時，還要綜合當地的調控政策、市場情緒等這些非量化指標進行判斷。