房地产行业专题报告：行业发展换挡城市周期兴起-20190624-海通证券-25页.pdf

请务必阅读正文之后的信息披露和法律声明 Table_MainInfo行业研究/房地产 证券研究报告行业专题报告行业专题报告 2019 年 06 月 24 日 Table_InvestInfo投资评级 优于大市优于大市 维持维持市场表现市场表现 Table_QuoteInfo-23.97%-14.73%-5.50%3.74%12.97%22.21%2018/62018/92018/122019/3房地产海通综指资料来源：海通证券研究所 相关研究相关研究 Table_ReportInfo 一线城市新房市场成交量同比持续上升2019.06.16 投资销售增速回落，高位拐点初显2019.06.15 本周成交量环比回调，同比增速逐渐扩大2019.06.09 Table_AuthorInfo分析师:涂力磊 Tel:(021)23219747 Email: 证书:S0850510120001 分析师:杨凡 Tel:(021)23219812 Email: 证书:S0850518070003 分析师:谢盐 Tel:(021)23219436 Email: 证书:S0850511010019 行业发展换挡，城市周期兴起行业发展换挡，城市周期兴起 Table_Summary投资要点：投资要点：房地产行业进入总量高位，增速低位阶段。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。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。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。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，核心经济体量吸引人口，核心 50 城具备发展潜力。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。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。行业相关股票行业相关股票 Table_StockInfo股票代码 股票名称 EPS（元）投资评级 2018 2019E 2020E 上期 本期 000002 万科 A 2.99 3.61 4.34 优于大市 优于大市 600048 保利地产 1.59 1.93 2.32 优于大市 优于大市 601155 新城控股 4.65 5.98 8.00 优于大市 优于大市 000961 中南建设 0.59 1.08 1.89 优于大市 优于大市 03333 中国恒大 2.85 4.07 4.89 优于大市 优于大市 01918 融创中国 3.73 5.56 7.30 优于大市 优于大市 00817 中国金茂 0.45 0.57 0.74 优于大市 优于大市 注：EPS 基于海通最新外发报告盈利预测、并按最新股本摊薄。资料来源：Wind，海通证券研究所 行业研究房地产行业 请务必阅读正文之后的信息披露和法律声明 2 目目 录录 1.行业进入总量高位，增速低位时代.6 1.1 房地产行业销售总量影响因素分析.6 1.2 人口需求总量进入高增长低增速阶段.7 2.行业调控方式转变，发展方式换挡.8 2.1 行业主要指标周期波动幅度减弱.8 2.2 区域分化，城市周期兴起.10 2.3 房企竞争方式转换，从行业红利转向企业红利.10 3.重点 50 城基本面分析.11 3.1 分线城市总量分析.11 3.2 人口流入情况分析.16 3.3 分线城市经济特征.18 3.4 分线城市综合因素排名.19 4.总结.21 5.风险提示.21 行业研究房地产行业 请务必阅读正文之后的信息披露和法律声明 3 图目录图目录 图 1 房地产行业销售总量影响因素分解简示.6 图 2 1999-2018 年房地产销售金额及同比增速.7 图 3 1999-2018 年房地产销售面积及同比增速.7 图 4 1999-2018 年中国总人口年增长.8 图 5 1999-2018 年房地产销售单价及同比增速.8 图 6 1999-2018 城镇人口增速逐步放缓.8 图 7 1999-2018 中国城镇化率不断提升，变化速率降低.8 图 8 房地产行业主要数据指标月度累计同比数据 销售端.9 图 9 房地产行业主要数据指标月度累计同比数据投资端.9 图 10 房地产行业主要数据指标月度累计同比数据房价.9 图 11 影响房企核心要素简析图.11 图 12 2018 年 31 个省市 GDP 占比较 1999 年变化.11 图 13 1999-2018 年常住人口年复合增速与 GDP 占比相关性.11 图 14 样本城市 GDP 及全国占比.12 图 15 样本城市常住人口及全国占比.12 图 16 50 个样本城市 2018 年常住人口数量比较.13 图 17 50 个样本城市近十年 GDP 均值比较.14 图 18 分线城市 GDP 逐年同比变化率.14 图 19 50 个样本城市近十年城镇人均可支配收入均值比较.15 图 20 分线城市城镇人均可支配收入逐年同比变化率.15 图 21 50 个样本城市“辐射城市 GDP/样本城市与辐射城市距离”比较.16 图 22 50 个样本城市近十年常住人口绝对变化.16 图 23 50 个样本城市近十年常住人口相对变化.17 图 24 分线城市常住人口逐年同比变化率.17 图 25 分线城市常住人口三年移动平均复合增速.18 图 26 样本城市 GDP 对近十年常住人口相对变化率.18 图 27 样本城市 GDP 对近十年常住人口绝对变化.18 图 28 样本城市城镇人均可支配收入对近十年常住人口变化率.19 图 29 样本城市城镇人均可支配收入对近十年常住人口变化.19 图 30 辐射城市 GDP/城市间距离对近十年常住人口变化率.19 行业研究房地产行业 请务必阅读正文之后的信息披露和法律声明 4 图 31 辐射城市 GDP/城市间距离对近十年常住人口变化.19 行业研究房地产行业 请务必阅读正文之后的信息披露和法律声明 5 表目录表目录 表 1 房地产行业销售端数据和人口分段增速均值.7 表 2 50 个样本城市名单.12 表 3 采取 2018 年样本城市指标值进行筛选时的前 14 个城市.20 表 4 采取未来三年样本城市指标预测均值进行筛选时的前 14 个城市.20 行业研究房地产行业 请务必阅读正文之后的信息披露和法律声明 6 1.行业进入总量高位，行业进入总量高位，增速增速低低位位时代时代 1.1 房地产房地产行业行业销售总量影响因素分析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、棚改和安臵需求。后两大因素后两大因素影响需求释放的速度和地区差异。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。图图1 房地产行业销售总量影响因素分解简示房地产行业销售总量影响因素分解简示 资料来源：海通证券研究所 政策政策因素因素 市场因素市场因素 政策政策因素因素 市场因素市场因素 住住房房需需求求总总体体量量 当地人口自然增长当地人口自然增长（包（包含城镇扩张使原农村户含城镇扩张使原农村户口变为城镇户口）口变为城镇户口）城市人口净流入城市人口净流入 （或流出）（或流出）棚改和棚改和拆迁安臵需求拆迁安臵需求 经济发展初期人口快速增长，行业需求增长主要由人口自然增长驱动 区域经济发展分化，因经济、就业、教育、医疗等资源差异导致人口迁移 生育政策生育政策 总人口增长放缓，二孩政策放开 限 购 限 贷限 购 限 贷政策政策 我们认为因城施策调控长期存在，政策松紧在于落户限制门槛的调节 受 拆 迁 政受 拆 迁 政策 支 持 或策 支 持 或限制限制 全国大规模棚改计划进入收尾阶段，我们认为拆迁总量会逐步回落 拆迁安臵主要因城市内房龄过高或居住环境落后产生的棚改需求，以及城市建设规划产生的拆迁需求。受政策鼓励或限制，通常需求为间歇性而非持续性。住房住房面积需求面积需求 销售单价销售单价 行业总销量行业总销量 需求结构性变化：城镇中高端住房需求增加驱使住房单价增长 宏观经济影响因素：货币政策、存款和贷款利率变化、通胀率变化 行业供需不平衡造成价格波动 限价政策：限价政策：限制房价上限 行业研究房地产行业 请务必阅读正文之后的信息披露和法律声明 7 1.2 人口需求总量进入高增长低增速阶段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。如果假设当前果假设当前房住不炒房住不炒总基调在可见时间内长期坚持总基调在可见时间内长期坚持，行业，行业价格受政策调控价格受政策调控，那么那么行行业销售金额总量业销售金额总量可能会随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。总人口增长放缓而进入到总量高位而增速低位的阶段。表表 1 房地产行业销售端数据和人口分段增速均值房地产行业销售端数据和人口分段增速均值 销售面积销售面积 销售价格销售价格 销售金额总额销售金额总额 总人口总人口 城镇人口城镇人口 年同比增速年同比增速 复合增速复合增速 年同比增速年同比增速 复合增速复合增速 年同比增速年同比增速 复合增速复合增速 年同年同比增速比增速 年同比增速年同比增速 2000-2005 年增速平均 27.0%24.9%5.7%5.6%37.0%30.6%0.65%4.27%2006-2011 年增速平均 13.4%21.6%11.2%8.4%25.5%31.4%0.50%3.50%2012-2018 年增速平均 7.1%15.9%7.1%8.4%15.0%25.2%0.50%2.68%资料来源：Wind、海通证券研究所 图图2 1999-2018 年房地产销售金额及同比增速年房地产销售金额及同比增速-50%0%50%100%0.005.0010.0015.0020.0019992000200120022003200420052006200720082009201020112012201320142015201620172018商品房销售金额（万亿，左轴）同比（%，右轴）以1999年为起点，当年距离1999年期间的年复合增长率（%，右轴）资料来源：Wind，海通证券研究所 图图3 1999-2018 年房地产销售面积及同比增速年房地产销售面积及同比增速-20%0%20%40%60%0.005.0010.0015.0020.0019992000200120022003200420052006200720082009201020112012201320142015201620172018商品房销售面积（亿平，左轴）同比（%，右轴）以1999年为起点，当年距离1999年期间的年复合增长率（%，右轴）资料来源：Wind，海通证券研究所 1 国家统计局公布的行业月度销售数据起点为 1999 年 2 月 2 房价计算为国家统计局披露的当年总销售金额除以总面积 行业研究房地产行业 请务必阅读正文之后的信息披露和法律声明 8 图图4 1999-2018 年房地产销售单价及同比增速年房地产销售单价及同比增速-5.00%0.00%5.00%10.00%15.00%20.00%25.00%30.00%19992000200120022003200420052006200720082009201020112012201320142015201620172018房价同比增速（%）以1999年房价为起点，当年距离1999年期间的年复合增长率（%）资料来源：Wind，海通证券研究所 图图5 1999-2018 年中国总人口年增长年中国总人口年增长 0.00%0.10%0.20%0.30%0.40%0.50%0.60%0.70%0.80%0.90%19992000200120022003200420052006200720082009201020112012201320142015201620172018总人口同比增长（%）资料来源：Wind，海通证券研究所 图图6 1999-2018 城镇人口增速逐步放缓城镇人口增速逐步放缓 0.0%1.0%2.0%3.0%4.0%5.0%6.0%19992000200120022003200420052006200720082009201020112012201320142015201620172018城镇人口同比增长（%）资料来源：Wind，海通证券研究所 图图7 1999-2018 中国城镇化率不断提升，变化速率降低中国城镇化率不断提升，变化速率降低 0.000.200.400.600.801.001.201.401.601.800.00%10.00%20.00%30.00%40.00%50.00%60.00%70.00%19992000200120022003200420052006200720082009201020112012201320142015201620172018城镇化率（%，左轴）城镇化率变动（%，右轴）资料来源：Wind，海通证券研究所 2.行业调控方式转变，发行业调控方式转变，发展展方式方式换挡换挡 2.1 行业主要指标周期波动幅度减弱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。3 我们对 2016 年 9 月底开始的调控政策相关点评为 2016 年 10 月 07 日发布的筑堤与防洪，中国地产限购史史为镜，知兴替系列三 行业研究房地产行业 请务必阅读正文之后的信息披露和法律声明 9 图图8 房地产行业主要数据指标月度累计同比数据房地产行业主要数据指标月度累计同比数据 销售端销售端 资料来源：Wind，海通证券研究所 图图9 房地产行业主要数据指标月度累计同比数据房地产行业主要数据指标月度累计同比数据投资端投资端 资料来源：Wind，海通证券研究所 图图10 房房地产行业主要数据指标月度同比数据地产行业主要数据指标月度同比数据房价房价 资料来源：Wind，海通证券研究所 行业研究房地产行业 请务必阅读正文之后的信息披露和法律声明 10 2.2 区域分化，城市周期兴起区域分化，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：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 万的型大城市要全面取消落户限制；城区常住人口 300 万500 万的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.资源资源匹配匹配人口流动：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行业整体同涨同跌变为城同涨同跌变为城市周期。市周期。2.3 房企竞争方式转换，房企竞争方式转换，从行业红利转向从行业红利转向企业红利企业红利 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原先的发展主要是依靠人口整体增长所带来的行业红利。行业红利。我们认为，我们认为，在在总量稳定的情况下行业思路将总量稳定的情况下行业思路将转变转变为为企业红利，即不同企业依据自身核心竞争力，企业红利，即不同企业依据自身核心竞争力，精准精准把握把握项目项目区域和产品的选择区域和产品的选择，从而获取高于行业平均的利润率水平，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。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。4 详见 2019 年 4 月 9 日发布的因地制宜推进城镇化，开放、合作、共赢 行业研究房地产行业 请务必阅读正文之后的信息披露和法律声明 11 图图11 影响房企核心要素简析图影响房企核心要素简析图 销售金额销售金额营业成本营业成本三项费用三项费用核心净利润核心净利润可售面积可售面积单价单价新开工新开工土地储备土地储备产品类型产品类型地理位臵地理位臵限制政策限制政策拿地成本拿地成本销售费用销售费用管理费用管理费用融资成本融资成本销售规模销售规模信用评级信用评级股东背书股东背书有自持物业的可以有自持物业的可以1）通过增加自持物业通过增加自持物业比重对冲开发毛利比重对冲开发毛利率下滑，率下滑，2）通过公）通过公允价值变动增加净允价值变动增加净利润利润 资料来源：海通证券研究所 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。从从 1999-2018 年常住人口年复合增速与年常住人口年复合增速与31 个省和直辖市个省和直辖市 GDP 占比的关系来看，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占比较大的省市常住人口增长率相对较高。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。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。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。图图12 2018 年年 31 个省市个省市 GDP 占比较占比较 1999 年变化年变化-2.5%-2.0%-1.5%-1.0%-0.5%0.0%0.5%1.0%1.5%2.0%北京天津河北山西内蒙辽宁吉林黑龙上海江苏浙江安徽福建江西山东河南湖北湖南广东广西海南重庆四川贵州云南西藏陕西甘肃青海宁夏新疆 资料来源：Wind，海通证券研究所 图图13 1999-2018 年常住人口年复合增速与年常住人口年复合增速与 GDP 占比占比相关性相关性-0.5%0.0%0.5%1.0%1.5%2.0%2.5%3.0%3.5%0%2%4%6%8%10%12%1999-2018年 常 住人口年复合增速年 常 住人口年复合增速省 和直辖市省 和直辖市GDP占比占比 资料来源：Wind，海通证券研究所 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.重重点点 50 城基本面分析城基本面分析 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 分线城市总量分析分线城市总量分析 行业研究房地产行业 请务必阅读正文之后的信息披露和法律声明 12 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。表表 2 50 个样本城市名单个样本城市名单 序号序号 一线城市一线城市 序号序号 二二线城市线城市 序号序号 三四线城市三四线城市 1 北京 1 天津 1 珠海 2 上海 2 重庆 2 东莞 3 深圳 3 呼和浩特 3 无锡 4 广州 4 杭州 4 苏州 5 南京 5 嘉兴 6 海口 6 宁波 7 福州 7 绍兴 8 郑州 8 漳州 9 长沙 9 泉州 10 成都 10 长治 11 贵阳 11 九江 12 西安 12 烟台 13 西宁 13 潍坊 14 石家庄 14 衡阳 15 哈尔滨 15 洛阳 16 太原 16 贵港 17 南昌 17 南充 18 济南 18 廊坊 19 武汉 19 唐山 20 南宁 20 曲靖 21 兰州 21 抚州 22 黄石 23 襄阳 24 蚌埠 25 榆林 资料来源：Wind、海通证券研究所 图图14 样本城市样本城市 GDP 及全国占比及全国占比 45.8%46.0%46.2%46.4%46.6%46.8%47.0%47.2%47.4%47.6%300000 320000 340000 360000 380000 400000 420000 440000 201620172018样本城市GDP合计（亿元，左轴）样本城市GDP合计占全国比例（右轴）资料来源：Wind，海通证券研究所 图图15 样本城市常住人口及全国占比样本城市常住人口及全国占比 28.8%28.9%29.0%29.1%29.2%29.3%29.4%29.5%39600 39800 40000 40200 40400 40600 40800 41000 41200 201620172018样本城市常住总人口（万人，左轴）样本城市常住总人口占全国比例（右轴）资料来源：Wind，海通证券研究所 行业研究房地产行业 请务必阅读正文之后的信息披露和法律声明 13 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。图图16 50 个样本城市个样本城市 2018 年常住人口数量比较年常住人口数量比较 0500100015002000250030003500上海北京广州深圳重庆成都天津武汉石家庄郑州西安杭州哈尔滨南京长沙福州济南南宁南昌贵阳太原兰州呼和浩特西宁海口苏州潍坊泉州东莞宁波唐山衡阳烟台洛阳无锡南充曲靖襄阳漳州绍兴九江廊坊嘉兴贵港抚州长治榆林蚌埠黄石珠海一线城市二线城市三四线城市各样本城市2018年常住人口（万人）分线城市均值（万人）资料来源：Wind、海通证券研究所 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。行业研究房地产行业 请务必阅读正文之后的信息披露和法律声明 14 图图17 50 个样本城市个样本城市近十年近十年 GDP 均值比较均值比较 0500010000150002000025000上海北京广州深圳天津重庆成都武汉杭州南京长沙郑州济南西安哈尔滨福州石家庄南昌南宁太原呼和浩特贵阳兰州海口西宁苏州无锡宁波烟台东莞唐山泉州潍坊绍兴嘉兴洛阳襄阳榆林漳州衡阳廊坊珠海九江曲靖南充长治黄石蚌埠抚州贵港一线城市二线城市三四线城市各样本城市近十年平均GDP（亿元）分线城市均值（亿元）资料来源：Wind、海通证券研究所 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。图图18 分线城市分线城市 GDP 逐年同比变化率逐年同比变化率 0%5%10%15%20%25%20082009201020112012201320142015201620172018一线城市二线城市三四线城市资料来源：Wind，海通证券研究所 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。行业研究房地产行业 请务必阅读正文之后的信息披露和法律声明 15 图图19 50 个样本城市个样本城市近十年近十年城镇人均可支配收入城镇人均可支配收入均值比较均值比较 05000100001500020000250003000035000400004500050000上海北京深圳广州杭州南京济南长沙呼和浩特福州天津武汉西安成都南昌郑州哈尔滨南宁石家庄海口太原重庆贵阳兰州西宁苏州宁波东莞绍兴无锡嘉兴珠海泉州烟台廊坊唐山潍坊漳州洛阳榆林衡阳曲靖九江长治蚌埠黄石贵港抚州襄阳南充一线城市二线城市三四线城市各样本城市近十年平均城镇人均可支配收入（元）分线城市均值（元）资料来源：Wind、海通证券研究所 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。图图20 分线城市城镇人均可支配收入逐年同比分线城市城镇人均可支配收入逐年同比变化率变化率 0%2%4%6%8%10%12%14%16%20082009201020112012201320142015201620172018一线城市二线城市三四线城市资料来源：Wind，海通证券研究所 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 行业研究房地产行业 请务必阅读正文之后的信息披露和法律声明 16 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。图图21 50 个样本城市个样本城市辐射城市辐射城市 GDP/样本城市与辐射城市样本城市与辐射城市距离比较距离比较 020040060080010001200深圳上海广州北京天津武汉南京成都郑州杭州太原长沙西安济南福州重庆南昌石家庄贵阳哈尔滨南宁