中国高房价还能支撑多久?政府会有极端手段吗?

来源:倍可亲(backchina.com)

  大城市化助推二线城市房价上涨

  我曾写过一篇文章,认为目前房价上涨主要是一种货币现象,而在2010年及之前则主要表现为人口现象(该文附在文末)。逻辑在于,2010年中国新增农民工数量创出1200万的历史新高,表明2010年是流动人口最多的一年,同时,也是16-64岁劳动年龄人口占比最高的一年,这也使得2010 年房地产开发投资增速达到33%的历史峰值。2011年开始,新增农民工数量和劳动年龄人口均出现下降,房地产开发投资增速也掉头向下,同时,GDP增速也出现了持续至今的回落,这表明,2010年之后支撑房价继续上涨的因素,主要是货币超发,其扩张的速度远超GDP增速。

  虽然目前房价上涨主要表现为货币现象,但人口迁徙对房价的拉动作用仍然存在,尽管中国的城市化进程已经到了后期,但大城市化率不高,三四线城市向一、二线城市迁徙的过程远未结束。同时,一二线城市内部为了获得更多的公共服务资源,也存在市内城市化和居住地的再选择过程,从而使得购房需求持续高涨。

  例如,从2010年至2015年这五年中,天津市的常住人口增长19.6%,但全国总人口只增加3.1%,说明在全国人口增速放缓的情况下,天津人口净增速达到16.5%。又如,河南省常住人口在2010-2015年这五年中几乎没有增加,相对全国总人口的增加比例,其净增速实际上是负3%,但郑州作为省会城市,同期人口约增长10%左右。中部不少省份的人口净流出与省会城市人口的净流入,在江西、安徽等省也有类似情况。这就是所谓的大城市化现象。但由于目前一线城市的人口严控,人为导致人口增长放缓甚至负增长。故当前的大城市化主要体现在二线城市。

  至于市内农业人口的城市化,是中国比较独特的现象,即中国的城市大多是按行政区划设置的,如重庆的农业人口规模较大,故其常住人口就超过上海,其城市化率远低于上海,故自身也存在提高城市化率的过程。此外,由于二线城市的教育、医疗等公共资源虽然不如一线城市,但也远胜于三四线城市,这种公共服务资源分布很不均衡的的现状,也是导致二线城市外来人口增加和二线城市内部人口向公共资源丰富的区域集中。比较典型的案例就是学区房价格的大幅攀升。

  相对而言,一线城市的人口增速已经明显放缓,这是国家在政策上严格限制超大城市人口流入的结果,如上海去年已经出现了人口负增长。因此,一线城市房价的上涨,更体现为一种货币现象,即居民购房加杠杆;二线城市则是人口现象和货币现象兼而有之。

  居民房贷大幅攀升的势头能否遏制?

  从五月份的信贷数据看,居民的中长期贷款(绝大部分为房贷)增长较高,大约为5000亿左右,这就使得前5个月的居民新增房贷达到18000亿左右,六月份是信贷数据尚未出台,估计上半年新增房贷会超过2万亿,比去年同期增长60%,假如今年全年的新增房贷达到4万亿,则居民房贷余额就达到20 万亿,虽然从总量看并不算高,但增量过大,反映了居民投资房地产的杠杆率大幅提升。

  居民房贷增速的上升是从2013年开始的,与之相对应的是,2013年商品房销售面积达到13亿平方米,创出历史新高,这也印证我之前提出 “2010年之后,房价上涨主要体现为货币现象”的结论。这一方面反映了中国经济对货币扩大的依赖度较高,另一方面,购房也成为对付货币超发的主要手段。

  那么,为何从2013年开始,居民购房的杠杆率上明显上升呢?我猜测可能有以下几方面原因:

  第一,房价不断上涨导致靠自筹资金购房难度增加;

  第二,在国家抑制投资投机性购房的政策下,刚需和改善型购房的比例增加,这部分购房者以中产为主,需要外部融资购房,与过去的富豪或购房团买房有本质区别;

  第三,2013年以后,贷款利率不断下行,加之今年国家下调购房首付比例,则进一步刺激了房贷规模的提升;

  第四,反腐因素导致灰色收入较高的群体购房意愿大幅下降。

  我们不妨来看一下今年各地出台的购房刺激政策:江西省降低首付、农民购房有补贴、加大货币化安置比例;山西省支持农民工购房、强化公积金消费,打通商品房、保障房通道;广西加快农民工市民化,建立购租并举的住房制度。总体来看,房地产高库存地区鼓励居民加杠杆购房,房价上涨过快的地区则采取各种限购措施。

  问题在于,高库存地区尽管鼓励购房,但还是不改高库存现状;房地产热门城市尽管已经是低库存了,但居民购房总体看还是在加杠杆。因此,不能简单地根据政策导向进行演绎,认为政策目标能够顺利实现,还是要看销售量和销售结构的变化。估计下半年住宅的总销量还是会维持上升势头,尽管国家对住宅供不应求地区还会出台调控政策,但房地产结构分化的趋势还会延续,这是由于中国大城市化进程尚未完成。所以,不能期望调控政策的出台就会使得居民购房加杠杆就会 “理性回落”。

  房贷最终会从优质贷款变为劣质贷款

  在经济下行的过程中,银行的不良贷款率也在快速上升,因此,各大银行纷纷推出优惠举措来争取居民房贷,因为房贷已经成为不良率最低的贷款了。但世界上没有一劳永逸的好事,美国的次贷危机就是居民房贷出现违约引发的。过去,温州地下钱庄的坏账率曾经远低于银行坏账率,大家都说民间的信用好,如今,民间金融的违约事件频发,小贷公司不良率高企等问题,也充分说明没有一成不变的东西。所以,当房价上涨的时候,房贷当然是优质贷款,就像当GDP增速上行的时候,银行都争相给高增长企业放贷一样。

  记得去年年初,我曾经做个一张图:比较中美居民房贷余额占住宅总市值的比重,发现中国占比只有10%左右,美国次贷危机爆发后达到55%,如今在40%左右。因此,从去年年初看,甚至静态看,中国的房贷很安全,且房价即便下跌,也不会对银行的房贷带来多少冲击。但是,这指的是房贷过去那么多年来的存量规模较小,其风险随着那么多年来房价的持续上涨,已经远远被覆盖了。问题在于增量房贷的规模暴增值得关注,假如今年新增4万亿,则这一年的新增部分相当于历史余额的25%,这4万亿就是没有被完全覆盖的风险了。

  从表象看,房地产甚至在很多二线城市也出现了供不应求的局面,即便是原先被认为的鬼城,房地产销量也比去年同期增长了50%以上,不少原本取消限购的城市,又有重新限购,有关征房产税的传闻也再度泛起。这些迹象似乎表明,房价见顶还为时尚早,因为今后至少还可以取消限购来阻止房价下跌啊。但因为住宅既然耐用消费品,又是投资品,作为投资品,其供求关系取决于房价走势,房价如果向下拐点确立,则供求关系马上逆转。

  观察房价见顶的窗口有哪些?

  房价何时出现向下拐点,确实不好预测,就像预测股市何时见顶或何时见底一样,因为影响房价的因素太多,政策也会调控或管制市场,你能预测准政府可能采取哪些极端政策吗?

  有人问房产税推出是否会导致房价下跌?我觉得应该不会,因为中国经济目前高度依赖房地产,政府应该不会搬起石头砸自己的脚。发达国家有三大缩小贫富差距的税:房产税、资本利得税和遗产税,这三大税中国目前都没有征收,房产税只是长期试点。一般国家把这些税种纳入到税收体系中正常运作,而中国则往往把这些税种当成政策导向,具有较强的功利性。

  不过,我觉得需要关注的是居民购房的杠杆率情况,房贷余额的变化是一个观察窗口,尽管居民还可以通过民间融资来购房。假如2017年居民新增房贷的规模比2016年继续提高30%以上,那我觉得可能会出现类似2015年6月份的股灾情形了,那时也是股市的场内场外双向融资猛增,政策一收紧,则市场大跌。目前看,政策上已经开始行动,防患于未然,效果如何,还需要观察。

  此外,通胀率的变化也是一个观察房价变化的窗口。今年经济运行至今,CPI应该低于年初预期,但全球性的货币超发问题始终是存在的,因此,CPI何时起来,也是关系到货币政策何时收紧的问题。货币政策一旦收紧,则利率上升,对房价的负面冲击肯定会有的。不过,目前似乎存在一定的悖论,即货币超发已经那么多年了,其效应主要体现为资产价格的上涨,包括近期的贵金属和石油等部分大宗商品价格的上涨。但中国的CPI与GDP关联度更大,而M2 则与房价的关联度更大些。若GDP起不来,则CPI也不用太担心。很多问题存在却僵持着。

  观察房价变化的第三个窗口,可能是金融机构之间会否出现信用风险,或者是其他资产价格泡沫的破灭会否导致房地产业的引火烧身。实体经济的不景气已经成为共识,债务规模不断上升,尽管问题主要出在企业债务层面,而企业债务主要表现为国企的债务,但国企有政府信用作为背书,故企业高债务之下似乎还是看不到爆发系统性风险的直接诱因。

  不过,这些年来,金融机构之间的交易规模惊人增长,不管是表外业务还是表内业务,不管是通道业务还是委外业务,同业业务的规模都是逐年增大,各类产品存量规模也越来越大。但所有交易产品的背后,都是有具体资产作为支撑的,假如某类资产价格,如信用债出现大幅下跌,那么,金融机构既要应对相关产品的兑付压力,又要承受砸在手里资产的流动性缺失风险。一旦出现同业之间的信用风险,那这风险可就大了。这些年来,金融机构的资产负债表都在做大,杠杆率都在提升,因为盈利压力都在增大。当年次贷危机中美国雷曼兄弟的破产就是一例。

  因此,房价或许可以连续上涨20年,但总是有顶的,无论政策怎样调控,市场总有市场的波动铁律,全世界没有一个国家的房价能够走L型。随着人口老龄化和流动人口的减少,作为耐用消费品的房子的需求总是下降的,一轮房地产周期大致都是18-25年,包括上涨和下跌全过程。当然,除了关注房价何时见顶的各个窗口之外,房地产的流动性更值得关注,因为楼市不同于股市,前者的流动性风险会更大,届时不是你想卖就能卖得掉。

Leave a Reply

This site uses Akismet to reduce spam. Learn how your comment data is processed.