本文来自微信公众号“涂说天下”。
投资要点：
房地产行业进入总量高位，增速低位阶段。1980年中国住房制度改革以来，中国房地产市场总量持续增长。房地产行业总销量为住房面积需求和单价的乘积。行业历次周期主要受政策影响而呈现周期波动。平滑周期波动后，我们发现行业增速较高阶段主要由住房销售面积拉动，而住房销售面积增速动力减弱与总人口增长动力减弱趋势基本相同。我们认为如果“房住不炒”基调不变，行业价格涨幅可能长期受政策调控，行业销售金额总量可能持续受销售面积增速和人口增速影响而进入到总量高位而增速低位的阶段。
行业调控思路转变，行业周期波动收窄。中国房地产行业进入2000年以来，一共经历四次收紧调控，销售金额和面积的同比增速在政策松紧变换中呈现明显波动。2016年9月以来，最新一轮调控政策采取因城施策方式，对不同城市实行分化调控。从行业历史数据的波动性来看，在此次因城施策的调控下行业销售及投资端主要数据指标波动变小，行业周期波动逐步收窄。
城镇化建设任务方向明确，城市周期兴起。国家发改委发布的《关于实施2018年推进新型城镇化建设重点任务的通知》和《2019年新型城镇化建设重点任务》中对于城镇化发展的思路向都市圈内中心城市及周边中小城市倾斜，例如降低大中小城市落户限制、允许都市圈内城乡建设用地增减挂钩节余指标跨地区调剂等。我们认为，当行业总量进入低增速阶段时，地域人口流动所带来的住房需求将逐渐占据行业销售主要影响因素。我们认为，行业政策促进了人口流入资源型城市，进而促进了城市分化，行业周期将从行业整体同涨同跌变为城市周期。
房企竞争方式转换，从行业红利转向企业红利。行业原先的发展主要是依靠人口整体增长所带来的行业红利。在总量稳定的情况下，企业红利开始提升，即不同企业依靠自身核心竞争力精准把握项目区域布局和产品选择。考虑产品选择涉及微观实体运营较多，本文暂时不深入讨论，集中分析城市选择问题。
经济体量吸引人口，核心50城具备发展潜力。基于对行业周期趋势变化以及所造成的城市波动影响，我们选取了50个潜力城市，通过对常住人口数量、GDP增速、城镇人均可支配收入、区位影响等因素对其基本面进行分析，并选择我们认为较优的长期城市，包括上海、深圳和北京，以及广州、天津、苏州、重庆、武汉、南京、成都、杭州、长沙、无锡、宁波。
风险提示。因城施策下各城市调控整体偏严格，导致城市分化速度较慢。
————————正文分割线————————————
1.行业进入总量高位，增速低位时代
1.1 房地产行业销售总量影响因素分析
1980年代中国逐步探索和推行住房制度改革以来，中国房地产市场总量持续增长。2018年房地产商品房销售金额和面积达到历史新高。
房地产行业总销量由住房面积需求和单价构成，住房面积需求和销售单价分别受市场和政策多方面因素影响。不同时间段内单个影响因素的重要性和影响力不同。我们将行业总量影响因素进行简要拆分和分析（见下图1）。
在稳定增长的经济环境下，我们认为房地产行业长期增长的主要驱动因素在于住房需求的增长，住房需求有三个维度：1、总量方面，全国人口增长所带来居住需求的增长；2、区域经济发展不平衡所导致人口流动带来本地常住人口增长的需求；3、棚改和安置需求。后两大因素影响需求释放的速度和地区差异。
此外，我们认为受调控政策影响，投机性需求受到抑制。在维持“住房不炒”的总基调下，抑制投机性需求的调控政策可能长期存在。
1.2 人口需求总量进入高增长低增速阶段
我们选取1999年至2018年的行业销售数据[1]，配合中国人口总量和城镇化发展分析行业销售总量变化。受到政策影响，历史上行业销售金额、面积和房价[2]同比增速出现较大波动，但波动从2016年开始缩小。为了平滑行业波动，我们以1999年为基准，计算后续每一年房地产销售金额、面积及单价在当年的年复合增速，增速时间段为1999年至当年。年复合增速在下图2、3、4中标注为红色线，复合增速从2000年开始产生数据。
从2000-2018年各指标年复合增速变化趋势来看，行业销售端的面积和总金额复合增速逐渐放缓。我们根据复合增速变化趋势分段计算年同比增速和复合增速均值（见表1）。我们发现，销售面积年同比增速和复合增速出现明显收窄，同时期出现明显相同情况的还有城镇人口数。
中国总人口增速在1999年至2018年期间从12.57亿人增长到13.95亿人，年同比增速呈现逐步下降。总人口2005年增长率从0.6%-0.8%换挡成为0.5%左右，2018年增长率进一步下滑到0.38%。与此同时，城镇人口在1999年至2018年期间从4.37亿人增长到8.31亿人，年复合增速3.44%。年度同比增速从1999年5.1%逐步下降到2018年2.2%。
房地产行业销售金额总量由销售面积和价格两方面因素影响。从影响力度上来看，我们认为销售面积对行业销售金额总量的影响较大。截止到2018年我国城镇化率达到59.58%。我们认为，虽然中国城镇化率相比发达国家仍有上升的空间，但随着人口总量增速放缓和城镇化发展水平逐步达到高位，总量增速和城镇化增速可能会不断放缓。
从总量分析来看房地产行业长期销售面积的变化与人口总量变化趋势基本一致。如果假设当前“房住不炒”总基调在可见时间内长期坚持，行业价格受政策调控，那么行业销售金额总量可能会随总人口增长放缓而进入到总量高位而增速低位的阶段。
2. 行业调控方式转变，发展方式换挡
2.1 行业主要指标周期波动幅度减弱
从行业的周期波动来看，中国房地产行业进入2000年以来，一共经历了四次收紧调控。叠加行业主要指标的同比增速和历次调控政策的松紧程度来看（如下图8-10，灰色代表行业政策调控偏紧，黄色代表行业政策调控放松），行业基本面主要指标的同比增速在政策松紧变换中呈现明显波动。但是本轮调控政策从2016年9月[3]底持续至今，行业主要指标的同比增速波动区间较前几轮波动区间明显收窄。
所谓“因城施策”是指各城市根据实际情况，在房地产政策松紧上采取适合本地经济和居民收入水平的相应政策。2016年3月17日《2016年政府工作报告》首次提出要“因城施策”的政策理念，即“完善支持居民住房合理消费的税收、信贷政策，适应住房刚性需求和改善性需求，因城施策化解房地产库存。”
我们认为在本轮因城施策的调控下，调控政策采取了更加贴近城市基本面情况，对不同市场有保有压，减少了行业整体大起大落的波动性。
2.2 区域分化，城市周期兴起
本轮行业调控思路发生转变，调控权利被下放至地方，由地方根据当地市场情况使用适宜的调控工具进行调节。不仅如此，国家发改委发布的《关于实施2018年推进新型城镇化建设重点任务的通知》和《2019年新型城镇化建设重点任务》（简称为2018年和2019年“通知”）中对于城镇化发展的思路在向“城市”转变，其中包括：
1.加强都市圈建设及中心城市人口吸引力：2018年《通知》建议开展都市圈建设，即“在城市群内选择若干具备条件的中心城市及周边中小城市，提高中心城市产业质量和公共服务水平，增强对人口的吸引力和承载力”。
2.降低大中小城市落户难度：2019年《通知》首次以常住人口划分城市能级，降低大中小潜力城市落户难度，继续加大户籍制度改革力度：在此前城区常住人口100 万以下的中小城市和小城镇已陆续取消落户限制的基础上，城区常住人口100 万—300万的Ⅱ型大城市要全面取消落户限制；城区常住人口300 万—500万的Ⅰ型大城市要全面放开放宽落户条件，并全面取消重点群体落户限制。
3.资源匹配人口流动：2018年和2019年《通知》均显示在资源调配方面倾向于人口聚集区域，例如“深化‘人地钱挂钩’等配套政策”[4]，允许都市圈内城乡建设用地增减挂钩节余指标跨地区调剂等。
此外，2017年起多个城市陆续涌现人才引入政策或在现有政策上进行松紧调整。人才政策通常在落户、社保、补贴（购房补贴、租房补贴或现金补贴）等方面给与支持。我们认为人才引入政策是因城施策的另外一种体现，是调控政策抑制市场过热的一种平衡措施，既有助于流动人口带来的刚性需求正常释放，又不影响现有调控政策对投机需求的抑制作用。由于不同城市的人才引入政策的方式和力度略有差异，我们认为这种差异会使得不同城市对流动人口产生不同吸引力，形成城市分化的另一种影响因素。
我们认为，当行业总量进入低增速阶段时，地域人口流动所带来的住房需求将逐渐成为行业销售主要影响因素，成为不同城市间市场差异的主要原因。行业政策促进人口流入发展型城市，进而加速城市分化——资源优质的大中型城市长期具备较强的人口吸引能力。考虑到城市基本面的分化以及因城施策调控，我们认为行业未来发展将从总量驱动的增长变为行业内部分化驱动的区域增长，行业周期将从行业整体同涨同跌变为城市周期。
2.3 房企竞争方式转换，从行业红利转向企业红利
我们认为行业总量高位低增长而区域出现分化的基本面趋势会使得房地产企业之间竞争加剧。行业原先的发展主要是依靠人口整体增长所带来的行业红利。我们认为，在总量稳定的情况下行业思路将转变为企业红利，即不同企业依据自身核心竞争力，精准把握项目区域和产品的选择，从而获取高于行业平均的利润率水平。
区域方面，行业政策导向明晰了方向，即城市群内选择若干具备条件的中心城市及周边中小城市。房企选对区域即选对了趋势，可以获取长期发展过程中人口流入、经济增长所影响的购买力、以及配套基建完善给资产带来的增值红利。其次，房企需要顺应所在城市的需求设计产品。在竞争加剧的环境下，适合当地需求的产品是保证短期销售和树立长期品牌的重要因素。
我们将1999-2018年中国31个省、直辖市和计划单列市的GDP和常住人口进行了相关性分析。中国31个省和直辖市的GDP占比从1999年到2018年变化不大，这也就是说各省每年对经济总量的贡献相对稳定。从1999-2018年常住人口年复合增速与31个省和直辖市GDP占比的关系来看，GDP占比较大的省市常住人口增长率相对较高。
而常住人口增长复合增速和GDP复合增速的相关性却不强。我们认为，经济强的省市对人口有长期吸引力，同时我们认为此规律也适用于城市。由此我们推测，未来直辖市和省会城市以及周边有潜力的中小城市更具有人口吸引力和房地产行业发展潜力。
考虑产品选择涉及微观实体运营较多，本文暂时不深入讨论。后部分集中分析城市选择问题。
3. 重点50城基本面分析
基于上文对行业周期趋势变化以及所造成的城市波动影响，我们希望在下文中找出未来具备发展潜力的重点五十大城市。
3.1 分线城市总量分析
综上所述，我们选取了50个我们认为具备条件的中心城市及周边中小城市（见表2）。2018年50个样本城市的合计GDP占全国的46.42%，常住人口占全国的29.44%。我们认为该50个城市具有一定代表性。在下面章节中，我们按照近十年（2008-2018年，下同）的时间跨度，对城市常住人口和经济指标数据进行研究分析。
我们认为，样本城市的人口流动受到该城市经济发展水平、居民生活质量、以及该城市所处区位等综合因素影响。为此，我们分别选取50个城市的样本城市GDP和样本城市城镇人均可支配收入指标分别代表相应城市的经济发展水平和当地居民生活质量。
同时，我们认为样本城市所处的区位影响因素可能与该城市周边的大城市经济实力成正比，而与该城市距离辐射大城市的距离成反比。为此我们采取“辐射城市GDP/样本城市与辐射城市间距离”的复合指标来表示样本城市受其周边大城市的经济辐射程度的影响因素。
首先，从样本城市2018年常住人口总量上分析，50个样本城市中，一线城市常住人口均值为1842.8万人，二线城市常住人口均值为904.2万人，三四线城市常住人口均值为588.6万人。即一线城市常住人口数量均值高于二线城市，而二线城市常住人口数量均值高于三四线城市。
同时，不同城市之间的常住人口数量差异较大。其中，一线城市中上海、北京的常住人口数量高于一线城市均值；二线城市中重庆、成都、天津等城市的常住人口数量高于二线城市均值；三四线城市中苏州、潍坊等城市的常住人口数量高于三四线城市均值。而由于新成立合并区县较多的缘故，五十城中重庆的常住人口数量最大。
其次，从样本城市近十年的GDP总量上分析。50个样本城市中，一线城市近十年的GDP均值为18178.3亿元，二线城市近十年的GDP均值为5529.9亿元，三四线城市近十年的GDP均值为3474.9亿元。即一线城市近十年的GDP均值高于二线城市，而二线城市近十年的GDP均值高于三四线城市。
同时，不同城市之间近十年的GDP均值差异较大。其中，一线城市中上海、北京近十年的GDP均值超过一线城市均值；二线城市中天津、重庆等城市近十年的GDP均值超过二线城市均值；三四线城市中苏州、无锡、宁波等城市近十年的GDP均值超过三四线城市均值。
从分线城市GDP逐年同比变化率分析，不同分线城市的GDP增速走势趋同且差距逐渐收窄。2009年因经济危机爆发影响，不同分线城市GDP同比增速均下滑，2010-2011年GDP保持高速增长，2012年开始GDP增速放缓。2018年，分线城市GDP逐年同比变化率由高到低分别为三四线城市、一线城市和二线城市。
第三，从样本城市近十年的城镇人均可支配收入均值上分析，50个样本城市中，一线城市近十年的城镇人均可支配收入均值为42868元，二线城市近十年的城镇人均可支配收入均值为28512元，三四线城市近十年的城镇人均可支配收入均值为28675元。即一线城市近十年的城镇人均可支配收入均值高于二三四线城市，而二线城市和三四线城市之间近十年城镇人均可支配收入均值的差异不大。
其中，一线城市中上海、北京近十年的城镇人均可支配收入均值略高于一线城市均值；二线城市中杭州、南京等城市近十年的城镇人均可支配收入均值超过二线城市均值；三四线城市中苏州、宁波、东莞等城市近十年的城镇人均可支配收入均值超过三四线城市均值。
从分线城市城镇人均可支配收入逐年同比变化率分析，分线城市变化率波动较大。除了2008年受金融危机影响而一线城市与二三四线城市趋势相反以外，其余时间不同分线城市之间的城镇人均可支配收入逐年同比增速的变动趋势大体相同。2018年，分线城市城镇人均可支配收入逐年同比变化率由高到低分别为一线城市、二线城市和三四线城市。
第四，从样本城市所处的区位影响因素总量上分析（采取前述“辐射城市GDP/样本城市与辐射城市间距离”的复合指标表示。为了研究便利，当研究的样本城市为三四线城市时，该指标中的辐射城市为该城市所在省的省会城市；当研究的样本城市为具有较强经济辐射能力的一二线城市本身时，该指标中的辐射城市简化为该城市的中心点），2018年50个样本城市中，一线城市2018年所处的区位影响因素指标均值为644.3亿元/ km，二线城市2018年所处的区位影响因素指标均值为138.5亿元/km，三四线城市2018年所处的区位影响因素指标均值为75.5亿元/km。
即一线城市2018年所处的区位影响因素指标均值远高于二线城市，而二线城市2018年所处的区位影响因素指标均值高于三四线城市。其中，一线城市中深圳、上海2018年所处的区位影响因素指标高于一线城市均值；二线城市中天津、武汉、南京等城市2018年所处的区位影响因素指标超过二线城市均值；三四线城市中东莞、绍兴、珠海等城市2018年所处的区位影响因素指标超过三四线城市均值。
3.2 人口流入情况分析
首先，从样本城市常住人口近十年的绝对变动上分析（即2018年城市常住人口较2008年常住人口增长数量，以万人为单位），50个样本城市中，一线城市常住人口近十年的绝对流入均值高于二线城市，而二线城市常住人口近十年的绝对流入均值高于三四线城市。
其中，一线城市中上海、北京的常住人口近十年的绝对流入值较高；二线城市中天津、成都等城市常住人口近十年的绝对流入值较高；三四线城市中苏州、宁波、东莞等城市常住人口近十年的绝对流入值较高。50个样本城市中只有哈尔滨近十年呈现人口流出的趋势。
其次，从样本城市常住人口近十年的相对变动上分析（即2018年城市常住人口较2008年常住人口增长率，以百分数为单位），50个样本城市中，一线城市常住人口近十年的相对变动率均值为31.4%，二线城市常住人口近十年的相对变动率均值为17.9%，三四线城市常住人口近十年的相对变动率均值为8.07%。即一线城市常住人口近十年的相对变动率均值高于二线城市，而二线城市常住人口近十年的相对变动率均值高于三四线城市。
其中，一线城市中深圳、广州常住人口近十年的相对变动率高于一线城市均值；二线城市中郑州、天津等城市常住人口近十年的相对变动率超过二线城市均值；三四线城市中珠海、廊坊、苏州等城市常住人口近十年的相对变动率超过三四线城市均值。
从分线城市常住人口逐年同比变化率和三年移动平均复合增速中可以看出：2010年之前分线变化率波动较大，近年来分线城市变化率波动较为平稳，而2016年之后二线和三四线城市常住人口逐年同比变化率逐步抬升，其中二线城市常住人口逐年同比变化率开始超过一线城市。
3.3 分线城市经济特征
基于上述分析，我们进一步探讨近十年来样本城市的GDP、城镇人均可支配收入，以及样本城市所处的区位影响因素对城市常住人口变动（包括绝对变动和相对变动率）的影响。
研究表明：首先，无论是样本城市的GDP、城镇可支配收入，还是样本城市所处的区位影响因素都与样本城市的常住人口变动（包括绝对变动和相对变动率）存在一定的正相关关系。我们认为，样本城市的经济综合水平、居民生活质量，以及该城市所处区位等因素都对样本城市的常住人口流入产生了一定的正向推动作用。
其次，以样本城市的GDP为例，其与样本城市常住人口的绝对变动之间的正相关关系要大于前者与后者的相对变动率之间的正相关关系（城镇可支配收入、样本城市所处的区位影响因素的分析结果类似）。我们认为，样本城市的经济综合水平、居民生活质量，以及该城市所处区位等因素对样本城市的常住人口绝对变化规模影响程度更大。
第三，以样本城市常住人口的相对变动率为例，样本城市所处的区位影响因素与样本城市常住人口的相对变动率之间的正相关关系，其强度要大于样本城市GDP因素和城镇可支配收入因素与后者之间的正相关关系。我们认为，人口流动最容易受到该城市周边的大城市或城市经济圈的经济辐射力的影响，特别是人口向一二线大城市流入逐步变得困难后，流动人口倾向于“退而求其次”，流向大体量经济体的周边中小城市的趋势。
第四，以样本城市常住人口的相对变动率为例，样本城市的GDP因素与样本城市常住人口的相对变动率之间的正相关关系，其强度要大于样本城市的城镇可支配收入因素与后者之间的正相关关系。我们认为，样本城市的经济体量所反映的整体经济发展水平是影响人口流入的一个相对重要因素。
我们认为，由于经济体量大的城市能够提供更多的就业岗位，从而为外出务工人员提供了更大空间迁入。另外，尽管人口更倾向于流入收入和生活水平高的城市，但是考虑到外出务工人员受知识水平等所限而大多从事薪酬较低的加工制造业，因此对于他们更具有吸引力的往往是有着更多就业机会的城市，而非更高生活质量的“小而美”的城市。
从具体城市上看，发展较早且发达的城市（如上海、北京、苏州等）的常住人口流入的绝对数值很高，但人口基数大也使得人口的相对变化率表现一般；而近些年发展迅速的城市（如深圳、郑州、珠海等）的常住人口流入的相对变化率表现则更好。
3.4 分线城市综合因素排名
综上所述，我们从GDP增速、人均可支配收入、区位因素三个指标分别给50个样本城市进行赋分，由高到低挑选出最佳的14个城市。对于每项指标，假设全国平均指标赋值折算为标准分1分，每个样本城市按照其指标值对应全国平均指标赋值的倍数折算为相应的标准分，最后将每个样本城市的三个指标标准分加总算出总分，从而挑选出分数最高的前14个城市。
方法一：采取2018年样本城市指标值进行筛选时的前14个城市如下：
根据以上打分，50个样本城市中得分最高的前三名是上海、深圳和北京，分别为12.44分、10.40分和10.24分。其他得分较高的城市依次为广州、天津、苏州、重庆、武汉、南京、成都、杭州、长沙、无锡、宁波。
方法二：我们用全国和各个城市2015-2018年的GDP、人均可支配收入、区位因素的复合增速，在2018年基础上预测各个指标未来三年的数值，并取未来三年预测值的平均。根据各个城市的各因素平均数值占全国平均值的权重赋予该城市该项因素分值，分值由大到小排列出来的前14个城市如下：
由此可知，50个样本城市中得分最高的前三名是上海、北京和深圳，分别为16.62分、14.69分和14.67分。其他得分较高的城市依次为广州、重庆、苏州、天津、武汉、成都、南京、杭州、长沙、无锡、宁波。
4. 总结
综上所述，房地产行业总销量由住房面积需求和单价构成。我们认为，在行业高速发展阶段，行业住房面积总需求主要由人口总量增长而驱动。平滑行业周期影响后我们发现，行业销售面积复合增速随人口总量增长放缓而放缓，销售价格复合增速较稳定。我们认为，行业正在进入总量高位增速低位阶段。
行业调控思路逐渐转变，此轮因城施策调控下行业销售及投资端主要数据指标波动变小，行业周期波动逐步收窄。此外，国家发改委发布的城镇化建设重点任务持续强调都市圈发展，通过降低城市落户条件、允许都市圈内城乡建设用地增减挂钩节余指标跨地区调剂等方式引导人口流入城市，提升城镇化率。
当行业总量进入低增速阶段时，我们认为地域人口流动所带来的住房需求将逐渐成为行业需求主要影响。从常住人口历史20年复合增速与31个省和直辖市GDP占比的关系来看，GDP占比较大的省市常住人口增长率相对较高，也就是说经济强的省市对人口有长期吸引力。我们认为未来资源优质的大中型城市将持续具备较强人口吸引能力，持续人口流入带来新增居住面积需求。
受行业发展阶段和政策引导等因素影响，我们认为行业正处于由总量发展换挡为分化发展，城市周期在逐步取代行业周期。行业总量虽然呈现高位稳定低位增长，但潜力城市的房地产行业发展有望持续超越行业。我们选取了50个我们认为具有发展潜力的城市，并对其基本面进行了分析。
根据GDP发展潜力、人均可支配收入和区位因素等方面进行计分排序，行业发展潜力排位靠前的城市为上海、北京和深圳、广州、重庆、苏州、天津、武汉、成都、南京、杭州、长沙、无锡和宁波。
5. 风险提示
因城施策下各城市调控整体偏严格，导致城市分化速度较慢。
（编辑：孔文婕）
