# 守望春华 - 原始网页：[https://gaoshanwen.com/articles/analysis-2016-12-27-auk8v4](https://gaoshanwen.com/articles/analysis-2016-12-27-auk8v4) - 作者：高善文 - 日期：2016-12-27 - 栏目：分析 - 主题：房地产、产业、通胀、金融风险 守望春华[1](#fn1) 高善文[2](#fn2) 2016年12月27日 **内容提要** 本文首先讨论了房地产市场。 在需求层面，小学在校生人数增速对城市之间的房价涨幅差异表现出很好的解释能力。2011-2012年以后，城镇化转向都市化，人口更密集地流向少数大城市和特大城市，部分地导致中国不同城市之间房价出现巨大分化。 在土地供应层面，中国城市建成区之中用于居住用地的比例显著低于国际水平，特别是大城市和特大城市供地意愿更低。土地供应缺乏竞争性，加剧了市场的扭曲，进一步助推了房价。 2009-2011年中国经历了全面的房地产价格的快速上涨和泡沫化，这刺激了供应的过度增长，并随后导致库存的大量积累。由于过去2-3年的努力，重点城市库存基本已经完成去化，其他中小城市的库存水平仍然偏高，但较峰值已显著下降。 以现在的库存水平为基础，参考历史的合理去化速度，看起来再经过15个月左右的时间，大量中小城市的存货去化会基本完成。这一转折的实现和确认标志着经济运行基本正常化，并将对大类资产市场产生重要影响。 本文之后讨论了产能过剩的缓解和杠杆去化的进展情况。 今年以来，PPI环比涨幅明显回升，并稳定在0以上的水平，工业企业和上市公司的销售利润率大幅度改善，工业领域的通货紧缩基本消除，显示去产能开始取得实质性的成效。政府限产之外，市场力量的自发调整也许发挥了更基本的作用。 尽管中国企业部门的宏观杠杆比例继续快速提升，但微观的数据分析显示，2014年以来，企业部门的资产负债率总体上开始下降，宏观杠杆的提升全部来源于资产周转率的恶化。从微观数据上看，企业在2014年之前的宏观杠杆上升来自于资产负债率恶化和资产周转率下降的共同作用；这之后企业已经开始以修复资产负债表为目的的杠杆去化进程。但由于资产周转率的下降，宏观杠杆继续上升。 值得注意的是，2014-2016年的大部分时间里中国在工业品领域经历了比较明显的通货紧缩，这意味着企业的去杠杆行为实际上部分地启动了债务-通货紧缩的恶性循环，这使得杠杆去化十分困难。 随着工业品通货紧缩的消除，企业杠杆去化的宏观条件显著改善，杠杆去化即将明显加速。 一些行业层面的反馈认为，近来的产能去化和资产负债率修复的微观基础在于：众多过去快速增长的竞争性行业正在完成优胜劣汰，并转入寡头垄断的、更加成熟稳定的业态和竞争格局。如果这一判断能够得到确认，那将意味着近来通货紧缩的消退和企业盈利的恢复是跨越周期的，并将对资本市场形成更长期的支持。 从历史数据来看，资产周转率的宏观变化与通货膨胀（紧缩）联系密切。部分的原因在于会计原则，即销售收入是当期现价来记录，而资产累计是历史现价来记录。价格的历史变化使得历史现价与当期现价存在明显差异。 但即使剔除这一因素，资产周转率仍然与通货膨胀存在关联：在通货膨胀大于0的时期，资产周转率总体上处在提高趋势中，而通货紧缩时期刚好相反。 以此来看，中国企业部门的资产周转率可能即将触底回升，这既会支持企业宏观杠杆比率的改善，也会推升企业的资产回报率，从而支持股票市场。 **目录** [一、房地产市场 5](#一房地产市场) [（一）房地产需求从哪里来？ 6](#一房地产需求从哪里来) [（二）房地产供应是否存在严重扭曲？ 14](#二房地产供应是否存在严重扭曲) [（三）房地产库存的去化 25](#三房地产库存的去化) [（四）房地产部分总结 31](#四房地产部分总结) [二、产能过剩的缓解与企业销售利润率的修复 32](#二产能过剩的缓解与企业销售利润率的修复) [三、企业部门去杠杆的进展 36](#三企业部门去杠杆的进展) [四、守望春华 43](#四守望春华) # 一、房地产市场 2016年最大的意外之一就是部分二线城市的房地产价格上涨非常猛烈。许多人把这样的局面归结为低利率的环境、宽松的流动性以及过度的投机炒作，这样的想法肯定是有道理的。但这一解释非常大的困难在于，部分二线城市房价猛烈上涨的同时，三四线城市房价始终处在微涨或者下跌的状况下。房地产市场表现出非常显著的分化，这意味着简单地从流动性的角度来理解房地产市场是很不够的。 过去五年中，中国一线城市房地产市场经历了一轮又一轮的调控，力度不断加码，但其房价始终高歌猛进。今年以来这一势头在二线靠前的城市也表现出来。为什么部分城市房地产市场会出现这样严重的价格持续上升的局面？这多大程度上体现了市场的泡沫化？多大程度上来源于在更深的层面上存在着一些根本性的扭曲？ 针对这些问题，我们想在本部分讨论以下三个领域： 第一个领域是需求从哪里来？ 第二个领域是供应是否产生了扭曲？ 第三个领域是存货的形成以及去化的进展。 ## （一）房地产需求从哪里来？ 首先我们来看一个在房地产需求层面的重要观察。图1中的横轴是2013年到2015年33个一二线城市一至六年级小学生在校人数的增长情况，纵轴是2013年1月至2016年8月这些城市的房价累计涨幅。可以明显地看到这两组数字之间存在着紧密的联系，其拟合优度达到50%，从统计分析的技术角度看，这是一个很高的水平。 图2中我们进一步扩展了数据的时间序列长度，横轴是2009年到2015年小学在校生的增速，纵轴是这些城市2009年1月到2016年9月份房价的涨幅。可以看到，两者之间的关系在更长的时间跨度上进一步增强，拟合优度进一步提高到58%的水平。 图1：小学在校生人数增速和房价涨幅，% ![图1：小学在校生人数增速和房价涨幅，%](/assets/article-charts/analysis-2016-12-27-auk8v4/chart-01.png) 数据来源：国家统计局统计年鉴，安信证券 图2：小学在校生人数增速和房价涨幅，% ![图2：小学在校生人数增速和房价涨幅，%](/assets/article-charts/analysis-2016-12-27-auk8v4/chart-02.png) 数据来源：国家统计局统计年鉴，安信证券 更细致地看，在2013年到2015年，全国范围内的小学在校生人数增速接近1%。在这样的背景下，我们看到深圳、厦门、北京这些城市小学在校生人数的增速高达7%，是全国平均水平的7倍，同时我们也看到了这些地区房价出现了非常猛烈的上涨。在横轴的另外一端，例如西宁、呼和浩特、昆明等城市，小学在校生人数增速是负增长或接近零增长，我们也可以看到这些城市的房价涨幅非常有限。 小学生流向哪里，他们年轻的父母大概就会在同一时间流向那里。这一结果表明，在我们研究的样本区间内，中国的青壮年人口集中流入一部分城市，而相对离开另外一部分城市。在青壮年人口集中流入的这一部分城市，房价就出现了大幅度的上涨，而他们相对离开的这一部分城市房价的上涨较弱。 这是我们基于横截面数据看到的简要结论。那么这一结论在时间序列上是否可以得到更加扎实的支持呢？ 我们把中国二线城市按照房价涨幅分为两组。图3中的红线是房价涨幅排名前10的二线城市小学在校生人数增速，蓝线表示的是房价涨幅排名后10名的城市。两组城市小学在校生人数增速在2010年以前非常接近，2011年以后，红线则始终明显高于蓝线。 这意味着，2010年以前，从小学在校生人数增速的角度观察，房价涨幅靠前的二线城市和靠后的二线城市人口流入的趋势没有明显的区别。人口开始流入一部分二线城市，而离开另一部分城市，这种情况是2011年到2012年才开始出现的。 图3：二线城市小学在校生人数增速比较 ![图3：二线城市小学在校生人数增速比较](/assets/article-charts/analysis-2016-12-27-auk8v4/chart-03.png) 数据来源：国家统计局统计年鉴，安信证券 说明：按照2015年1月至2016年7月房价涨幅将二线城市分为两组，房价涨幅居前的城市包括厦门,南京,合肥,广州,杭州,天津,武汉,福州,郑州,南昌；涨幅居后的城市包括沈阳,兰州,哈尔滨,长春,昆明,大连,呼和浩特,银川,西宁,乌鲁木齐。 人口的流向变化带来了哪些影响呢？ 我们比较这两组二线城市住宅销售面积增速的差异（见图4）。可以看到在2010年之前，两组城市的住宅销售面积增速的差平均略低于0，但是2011年以后两组城市住宅销售增速的差维持了较高的水平，后期进一步扩大到20%左右。所以在人口大量流入和流出的二线城市，除了小学生人数增速的差异外，我们也可以在住宅市场上看到明显的差异。 继续对比这两组城市的住宅新开工面积增速的差异（见图5）。2012年之前，两组城市住宅新开工面积增速的差别不大。而在2012年以后，房价涨幅居前的城市住宅新开工面积增速明显高于房价涨幅靠后的城市。 图4：两组二线城市住宅销售面积增速差，% ![图4：两组二线城市住宅销售面积增速差，%](/assets/article-charts/analysis-2016-12-27-auk8v4/chart-04.png) 数据来源：国家统计局统计年鉴，安信证券 注：涨幅较大的10个二线城市和涨幅较小的10个二线城市住宅销售增速差。 图5：两组二线城市住宅新开工面积增速差异，% ![图5：两组二线城市住宅新开工面积增速差异，%](/assets/article-charts/analysis-2016-12-27-auk8v4/chart-05.png) 数据来源：国家统计局统计年鉴，安信证券 这样的一系列变化，不能够简单地用流动性和投机炒作来解释。 简单地说，2011-2012年以后，以小学生人数增速为代表观察的中国青壮年人口开始集中流入一部分城市，而离开另外一部分城市。这种变化首先在小学在校生的数据上显著体现出来，同步地在住宅销售市场上体现出来，并几乎同步地在住宅新开工市场上体现出来。经过一段时间的滞后，2015年下半年以后，这一趋势在城市房价中开始体现出来。 人口变化的趋势在2011年前后就已经开始了，住宅销售和新开工情况变化在2012年前后开始，但这一系列变化对房价的影响在2015年下半年开始非常显著地体现出来。为什么这中间有两三年的滞后？我们将在下文房地产存货部分中深入展开和讨论。 人口为什么集中流入一部分城市而离开另外一部分城市呢？ 一个简单的想法是有一部分城市提供了更好的就业机会，更好的收入水平，所以人口开始向这一部分城市流动。但是我们对于数据检查的结果显示这种想法是错误的。 我们研究这两组城市的居民可支配收入情况（见图6），同样可以看到2011-2012年左右是一个断点。在2011年之前，这两组城市的居民可支配收入增速水平接近。2012年以后，这两组城市的居民可支配收入增速出现了非常显著的分化。我们可以看到人口集中流入的这些城市，居民可支配收入增速明显弱于对照组。这一情况在历史上是没有的。 图6：居民可支配收入增速对比，% ![图6：居民可支配收入增速对比，%](/assets/article-charts/analysis-2016-12-27-auk8v4/chart-06.png) 数据来源：Wind，安信证券 换句话说，人口向这些城市流动，并不是因为这些城市有更好的就业机会。因果关系是反过来的。因为一些其他的原因，人口开始流入一部分城市；对于这部分城市来讲，由于人口的大量流入，劳动力的供应在增加；在这种情况下工资的增长放慢，房价的上升加剧。这一结果非常清晰地告诉我们，人口流向的变化与经济机会的差异是没有关联的。 那么人口流动变化的原因是什么呢？我们认为一个可能的解释是教育资源在不同城市之间分布的差异。 对于孩子正在上小学的年轻父母而言，要选择在哪个城市定居、生活和工作，除了考虑就业的机会，还会考虑这个城市所提供的公共教育的水平，环境的质量，治安的好坏等一系列因素。而这些因素在中国不同城市之间的分布具有非常大的差异。 如果年轻的父母集中去选择一些教育资源非常好的城市，这些城市的人口流入就在上升，并导致了这些城市劳动力市场的供应上升和居民可支配收入增速放慢，同时表现为小学在校生人数增速上升，房价上升，以及住宅新开工上升。 图7中横轴是中国不同城市在公共教育领域的投入情况，纵横是中国不同城市小学在校生人数增速。我们用城市人均教育财政支出与该省人均教育财政支出的比值，来衡量教育资源的集中情况。可以看到这两组变量之间存在非常强的关系。 以此衡量的教育资源层面上相对投入最大的城市是厦门和深圳，而厦门和深圳也恰恰是人口流入最多的城市。如果考虑深圳有非常蓬勃的经济增长作为人口流入的支撑，厦门受经济因素的影响至少不像深圳那么突出。 但是当我们从教育和财政支出的角度观察，我们可以看到明显的差异，例如呼和浩特、西宁、乌鲁木齐、海口等城市人均教育支出相对较少，人口流入也要弱得多。 图7：教育财政支出和小学生人数增速 ![图7：教育财政支出和小学生人数增速](/assets/article-charts/analysis-2016-12-27-auk8v4/chart-07.png) 数据来源：Wind，安信证券 注：横轴是城市人均教育财政支出/该省人均教育财政支出（2010-2012年均值），纵轴是小学在校生人数增速（2013-2015年均值） 接下来一个问题是为什么这个变化发生在2012年？一个可能性较大的解释是，中国的小学在校生人数增速从1998年到2010年一直处于负增长。2011年以后，才重新恢复了正增长，这一正增长的情况也许会持续到2025年前后。小学在校生人数从负增长转为正增长，说明他们的父母，这些青壮年人口在全社会流动人口中的占比在2012年前后出现了显著的抬升。 2000年以来，中国每一年涌入城市的人口数量差别并不很显著。2011年以后小学在校生人数增速转正，说明年轻父母在全部流动人口中的占比出现了显著的提升。这一提升使得年轻父母的选择在宏观层面上具有显著的重要性，使得我们可以比较容易观察到他们的影响。价值观念在代际之间的差异可能也与人口流向变化有一些关联。 这表明：2010年之前，中国经历了城镇化。这期间人口向大城市、中等城市和小城市流动是没有选择性的。但是在2012年以后，中国的城市化从之前的城镇化转入了都市化。所谓都市化是指人口的流动开始表现出很强的选择性，人口开始集中流入一部分大城市和特大城市，而相对在离开其他的中等城市和中小城市，城市化在城市之间开始出现了明显的选择性。这一转折性的变化在房地产市场上的影响在新开工和销售层面上较早体现出来。但是在房价层面上，直到2015年下半年才逐渐体现出来。 那么，在都市化过程中，人口集中流入了哪些城市呢？我们总结在图8显示的中国地图上。红色的区域是小学在校生人数增速大于全国平均水平加两倍标准差，蓝色的区域是大于全国平均水平加一倍标准差。 我们看到，在中国的北方，人口主要是流入北京和郑州(西安和天津处于蓝色区域，也有较快的流入)；西南地区是流向成都；东南沿海是流向深圳、广州、厦门；在长江中下游，出现了一个密集的城市群，包括长沙、武汉、杭州、合肥和南京等，这些城市都处于红色区域，显示人口在非常快速地向这一区域集中。 我把这一现象称作长江中下游城市群的兴起，这是中国都市化过程中非常鲜明的特征。 图8：以小学在校生增速衡量的人口集中涌入的城市 ![图8：以小学在校生增速衡量的人口集中涌入的城市](/assets/article-charts/analysis-2016-12-27-auk8v4/chart-08.png) 数据来源：国家统计局，安信证券 ## （二）房地产供应是否存在严重扭曲？ 从供应层面上来看，中国大陆的房地产市场，与全世界绝大部分国家和地区最根本的差异在于土地制度:中国大陆的城市土地制度是国有的,全世界绝大多数城市和地区土地是私有的。 其影响在于，在私有制度下，土地供应是竞争性的；在国有制度下，土地供应是垄断性的。 换句话说，人口流入城市会推动房价和地价上升，在私有制度下，这会刺激城市土地所有者增加住宅用地的市场供应，或者通过政治游说提高住宅用地的密度和容积率，来变相地扩大城市土地的供应。这一机制约束了地价的上升幅度，从而限制了房价的水平。 在国有制度下，由于缺乏其他供地主体的竞争，面对大量人口流入，城市土地供应难以快速扩大，这样人口流入压力更多地体现为地价和房价的上升。实际上，在任何一个垄断市场上，相对于竞争市场而言，产品的价格总是显著更高。土地垄断的情况，应该符合这一模式。 如果进一步考虑政府决策的政治经济过程，那么土地垄断的情况会更复杂：面对过高的地价和房价，存在很强的呼吁要求政府增加土地供应。但如果政府切实地大量增加供地，从而导致地价和房价的下跌，这几乎确定地会受到银行和大量社会中产阶层的反对，毕竟银行的按揭和抵押贷款、中产阶层的主要财富都集中的土地和房地产市场；但如果政府严格控制供地，进而导致地价和房价上升，这又会受到刚进入城市的年轻人，以及没有住房的低收入者的反对。 问题在于，在许多时候，银行和中产阶层的政治影响力显然会更大。 在私有土地制度下，由于土地所有人之间的竞争，这一政治经济过程大体上是不存在的。 那么这一理论分析在多大程度上可以解释中国的土地供应情况、以及与国际城市之间的差异呢？我们将会看到，尽管实际的数据和情况要更加复杂一些，但对于中国特大城市的情况而言，这一分析与现实符合得比较好。 首先，我们使用美国国家航空航天局的数据，观察相同的比例尺下在高空拍下来的城市夜晚灯光亮度。图9是四个地区，包括中国的长三角、珠三角、东京周边以及纽约的周边。图10是北京和天津的周边，伦敦的周边，韩国首尔的周边以及莫斯科的周边。 粗略的观察和仔细的计算均可以显示：图9中的城市，灯光总体亮度更大，比较亮的区域范围更大，中心与外围区域灯光亮度的落差较小。图10中的城市，灯光非常亮的区域范围相对更小，中心区域的亮度与周围的亮度落差比较大。为什么会这样呢？ 我的猜测是：图9中的城市都是重要的海港城市，位于海岸线附近，便于参加全球贸易和生产的分工，因此其经济活动发达，人烟非常稠密。它是大航海时代以来全球经济一体化力量的反映。 图10中的城市主要是一些内陆型的城市，其产生和兴起更多地反映了政治力量的影响，它的经济辐射力相对较弱。 从城市夜晚的亮度来看，尽管每组城市内部区别不大，而两组城市之间的区别非常明显，但更精细的比较显示（见图11和图12），中国的长三角和珠三角灯光覆盖的范围以及亮度比东京周边要更亮一些；而北京周边的灯光亮度比伦敦以及首尔更暗。 图9：城市夜晚灯光亮度 ![图9：城市夜晚灯光亮度](/assets/article-charts/analysis-2016-12-27-auk8v4/chart-09.png) 数据来源：NASA，安信证券 图10：城市夜晚灯光亮度 ![图10：城市夜晚灯光亮度](/assets/article-charts/analysis-2016-12-27-auk8v4/chart-10.png) 数据来源：NASA，安信证券 图11：城市灯光亮度比较 ![图11：城市灯光亮度比较](/assets/article-charts/analysis-2016-12-27-auk8v4/chart-11.png) 数据来源：NASA，安信证券 注：城市灯光亮度定义为城市范围内明度平均值。定义城市范围为明度超过85的范围（以像素数计算）。 图12：城市灯光密集区域占城市范围比例 ![图12：城市灯光密集区域占城市范围比例](/assets/article-charts/analysis-2016-12-27-auk8v4/chart-12.png) 数据来源：NASA，安信证券 注：定义灯光密集区域为明度超过150的范围（以像素数计算），定义城市范围为明度超过85的范围（以像素数计算）。 对于海港型的城市来讲，除了居住用地之外，还有商业、工业、仓储等很多竞争性的土地需求。同时由于经济更发达，城市之间连接紧密，人口居住在城市外围享有的公共服务的落差没有那么大。这使得城市的建成区域范围内，用于居住用地的比例可以相对比较低。 对于内陆型的城市，由于内外围经济落差较大，土地的竞争性用途较少，工业、商业和仓储物流活动相对较弱，人口大多集中在市中心区域，所以这些城市用于居住用地的比例可以更高一些。 在这一背景下，我们观察城市居住用地占城市建设用地的比重（见图13和图14），这一指标反映了市政公用设施可以到达的区域内土地被用于住宅的比例。 首先我们来看海港城市，日本三大城市圈居住用地占比为44%，纽约为38%。对比而言，尽管经济发达程度和人员稠密程度接近，但在城市建设用地之中用于居住用地的比例，中国的深圳只有19%，香港是18%。 再比较内陆型城市，首尔和伦敦城市圈居住用地占城市建设用地比重分别是57%和55%。而北京和天津仅有19%。 与首尔、伦敦、东京等城市圈相比，由于北京、深圳、香港的土地用于居住用地的比例相对较少，其结果是地价和房价显著更高，这体现在全球主要城市房价收入比数据上（见图15）。例如香港是30.91，上海是24.72，北京是24.47，显著高于全球其他主要城市。这凸显了土地供应的重要影响。 图13：海港城市圈居住用地占城市建设用地比重(统一按中国口径） ![图13：海港城市圈居住用地占城市建设用地比重(统一按中国口径）](/assets/article-charts/analysis-2016-12-27-auk8v4/chart-13.png) 数据来源：国家统计局，The Government of the Hong Kong Special Administrative Region; Japan Ministry of Land, Infrastructure, Transport and Tourism; City of New York Department of City Planning; 注：标*城市数据调整为扣除小区绿地和道路后的居住用地占比，与国际比较口径更一致。国内小区绿地和道路占比在30%-45%之间，这里按照30%的保守数字考虑。 图14：内陆首都城市圈居住用地占城市建设用地比重(统一按中国口径） ![图14：内陆首都城市圈居住用地占城市建设用地比重(统一按中国口径）](/assets/article-charts/analysis-2016-12-27-auk8v4/chart-14.png) 数据来源：国家统计局，Seoul Urban Planning Bureau; London government;安信证券 图15：全球主要城市房价收入比 ![图15：全球主要城市房价收入比](/assets/article-charts/analysis-2016-12-27-auk8v4/chart-15.png) 数据来源：CBRE，安信证券 我们还可以基于中国不同城市的横断面数据，研究建成区居住用地面积的增长和房价涨幅的关系，来进一步揭示土地供应层面的问题。 图16的横轴是2008年至2014年城市居住用地面积年均增速，纵轴为2009年1月至2016年9月房价累计涨幅。其拟合优度只有7%，显示居住用地增速和房价涨幅之间的关系并不紧密。 但是如果我们集中研究中国在某一些指标上(例如常住人口、在校小学生人数、服务业发达程度等)的前十大城市，其拟合优度则显著提升（见图17到图19）。 如果我们研究中小城市样本范围内土地增速和房价的关系，则会发现两者之间基本没有关联，甚至会出现土地供应越大，房价涨幅越高的情况。 从技术上看，土地供应与房价相互影响，存在所谓内生性问题：土地供应上升会导致房价下跌；房价上涨也会导致土地供应上升。因此，设法控制内生性影响，准确地估算土地供应对房价的影响需要一些技术手段，例如使用工具变量来分析。我们的尝试倾向于显示，在设法控制了土地的内生性以后，土地供应总体上对房价具有影响，方向符合理论预期。 然而，综合这些证据，我们仍然可以比较确定地认为，对于中国的大城市和特大城市而言，土地供应的外生性相当强，房价上涨刺激土地供应的作用很微弱；但是对于大量的中小城市而言，土地供应存在很强的内生性，房价上升能够刺激土地供应的明显响应。 这似乎与本节开头部分关于土地制度的理论讨论不很一致，原因何在呢？我们可以提出两个方面的因素： 一、土地供应的潜在竞争。对于中小城市而言，其更多地依赖制造业和中低端服务业，这样城市之间存在明显的竞争。如果一个城市通过控制土地推高了房屋价格，那么人口和工商业活动就会流向其他中小城市，这一潜在的竞争机制与土地私有制度下的情况是相似的，这约束了地价和房价的上涨。 但是对于特大城市而言，它更多地依赖高端制造业和现代服务业，再加上公共资源获取方面的独特地位，这些经济活动缺乏竞争，难以转移，这使得政府控制土地供应所承担的经济成本相对较小。 二、决策和认知上的原因。中国大中小城市居住用地的比例大致都在30%附近，控制小区内的道路和绿地后进一步降低到20%左右，这显然与城市规划相关，背后存在认知上的原因。此外，政府可能倾向于认为大城市有诸多负的外部性，例如交通拥堵，噪音和环境污染，淡水供应压力等，因此希望限制大城市人口规模，并减少供地。 从国际比较看，中国是一个人多地少的国家，适合建造大城市的平原地区更加稀缺，因此需要提高土地的使用效率；但中国城市内居住用地的比率又远低于国际水平，城市的扩大主要依靠更多地征地，土地的使用很不经济。这反映了认知习惯、土地制度、决策模式等一些因素的影响，值得深入思考。 例如，在私有土地制度下，随着房屋价格的上升，市中心的土地所有者会倾向于将土地转为住宅用途，或提高容积率，并游说政府修改规划，但这一机制在土地国有制度下是不存在的，这导致了土地使用效率的差异。 图16：居住用地面积增速和房价涨幅，% ![图16：居住用地面积增速和房价涨幅，%](/assets/article-charts/analysis-2016-12-27-auk8v4/chart-16.png) 数据来源：国家统计局，CEIC，安信证券 注：33个城市。横轴为城市居住用地面积年均增速（2008年至2014年），纵轴为2009年1月至2016年9月房价累计涨幅（数据选择统计局70大中城市新建住宅价格指数）。 图17：居住用地面积增速和房价涨幅，%（人均三产GDP 前10 的城市） ![图17：居住用地面积增速和房价涨幅，%（人均三产GDP 前10 的城市）](/assets/article-charts/analysis-2016-12-27-auk8v4/chart-17.png) 数据来源：国家统计局，CEIC，安信证券 图18：居住用地面积增速和房价涨幅，%（小学在校生人数前10 的城市） ![图18：居住用地面积增速和房价涨幅，%（小学在校生人数前10 的城市）](/assets/article-charts/analysis-2016-12-27-auk8v4/chart-18.png) 数据来源：国家统计局，CEIC，安信证券 图19：居住用地面积增速和房价涨幅，%（城市常住人口前10 的城市） ![图19：居住用地面积增速和房价涨幅，%（城市常住人口前10 的城市）](/assets/article-charts/analysis-2016-12-27-auk8v4/chart-19.png) 数据来源：国家统计局，CEIC，安信证券 基于前述讨论，我们根据中国城市的常住人口规模，拟合了城市土地供应的情况(见图20)。可以看到，当人口低于500万时，随着人口的增加，土地供应是明显上升的，但超过这一阈值后，土地的供应开始下降，在城市人口达到2000万左右时，土地供应增速异常低。 图20：居住用地面积增速和常住人口的关系 ![图20：居住用地面积增速和常住人口的关系](/assets/article-charts/analysis-2016-12-27-auk8v4/chart-20.png) 数据来源：国家统计局，安信证券 注：纵轴为城市居住用地面积增速（%），横轴为城市常住人口（百万人）。 总结上述讨论的内容，从国际比较来看，中国城市建成区之中用于居住用地的比例显著低于国际水平。在不同城市中，供地意愿也有很大的差异。大城市和特大城市供地意愿更低，但中小城市的供地意愿相对较高。 2012年以来，人口集中流入了大城市和特大城市，同时由于这些城市供地意愿较低，产生了明显的房价上涨压力。但在大量的二线以下城市，人口流入速度相对较慢，同时城市供地意愿相对更强，房价的表现也较弱。 ## （三）房地产库存的去化 为什么2011-2012年开始，部分大城市小学在校生增速显著上升，但一直到三年多以后，这些区域才出现房价的普遍大幅上涨？毫无疑问是因为存货压力。 我们这里定义和估算了房价涨幅靠前的二线城市、房价涨幅靠后的二线城市，以及三四线城市自2008年以来累积的非合意存货的绝对水平。 基本的想法是：首先在新开工面积中扣除不可销售的部分，例如车位、人防、机房，以及开发商的合理自持等；然后假设当年新开工在当年满足销售条件，从而进一步扣除当年的销售面积（我们还估算了当年开工，次年满足销售条件的情况，结果在趋势上相差不大，所以这里略去）；将这一差值累计到前期库存中，从而形成库存绝对水平的历史序列。我们进一步假设2007年之前没有形成显著的存货积累，从而得到新开工中不可销售面积的大体比例（如此估算的水平接近0.2，与一些业内人士的看法大致相符），并假设2007年当年的非合意存货水平为0。 之所以假设2007年非合意存货水平为0，是由于当年全国房价开始加速上升，暗示当时库存已低于合意水平，从而形成一个相对保守的估算基础。 由此形成库存的序列数据后，我们进一步对比了同期房价和新开工等领域的数据，这些数据大体上可以相互印证，例如非合意库存低于0时房价上升，大于0时房价面临压力。非合意库存低于0时，相对销售增速，新开工明显加速，大于0时新开工则表现疲弱。这些比对显示这样的估算结果大体是可以接受的。 那么我们为什么没有直接使用统计部门报告的各种库存数据呢？主要是因为这些数据存在许多严重的瑕疵，例如已建成未销售面积中包括了大量开发商的合理自持，已竣工面积中包括了车位机房等不可销售的面积等。 图21-图23报告了主要的估算结果。可以看到，一个显著的特点是，2010-2014年期间，大部分城市的非合意存货水平均在快速堆积，随后进入下降过程。 图21：二线涨幅靠前城市测算非合意库存量（千平米） ![图21：二线涨幅靠前城市测算非合意库存量（千平米）](/assets/article-charts/analysis-2016-12-27-auk8v4/chart-21.png) 数据来源：CEIC，安信证券 数据说明：本期库存=上期库存+本期新开工*修正系数-本期销售 图22：二线涨幅靠后城市测算非合意库存量（千平米） ![图22：二线涨幅靠后城市测算非合意库存量（千平米）](/assets/article-charts/analysis-2016-12-27-auk8v4/chart-22.png) 数据来源：CEIC，安信证券 图23：三四线城市测算非合意库存量（千平米） ![图23：三四线城市测算非合意库存量（千平米）](/assets/article-charts/analysis-2016-12-27-auk8v4/chart-23.png) 数据来源：CEIC，安信证券 假定2017-2018年库存去化速度和2015年去化的绝对水平相同。到2018年2月库存回到合理水平。 比较清楚的是，非合意存货堆积更基本的原因是2009-2011年全国范围内房地产市场出现的一轮快速的泡沫化。泡沫化过程中，房价普遍猛烈上涨，投机者和开发商主动囤货，新开工和开发投资大幅高于长期合理水平。最终当价格和销售趋势逆转时，新增供应无法消化，投机者和开发商持有的非合意存货快速堆积。 对于房价涨幅靠前的这些二线城市而言，2011-2012年以后青壮年人口的持续大量流入，首先带来的是非合意存货的快速消化。到2016年初，当存货大幅下滑到0以下时，房价立即出现了猛烈的上涨。 在房价涨幅靠后的二线城市，以及广泛的三四线城市，青壮年人口流入的速度明显要更慢一些，因此存货的去化也相对较慢。但由于开发商大量减少新开工，存货2014年见顶以后也开始持续下降。 2016年由于刺激政策的影响和需求透支，房地产的存货去化无疑非常快，并且不可持续。但存货去化也许能够维持2015年的速度。如果照此测算，那么到2018年上半年，三四线城市非合意存货水平将下降到0附近。 受调控政策以及市场自身因素影响，过去多年来房地产市场短期波动的半周期大约在6个季度左右，并且自2016年10月份前后似乎开始了这轮短周期的见顶回落。 以此推断，2018年上半年这轮短周期的回落会基本结束，并将伴随着全国范围内存货去化的基本完成，这可能意味着经济2011年以来在需求侧的调整和下降过程大体结束。 我们还可以观察上市房地产企业存货数据，来对以上分析做一个补充和验证。 上市房地产企业存货占总资产的比重在2014年3季度达到最高点，随后开始趋势回落，目前已经与2010年底水平接近。如果以2010年年初水平作为合理存货水平的一个参照（之所以选取此参考点，是由于这是泡沫化的起点时间），那么我们距离存货去化基本完成的时间节点并不遥远。这与前述基于新开工和销售数据的估计，也是比较接近的。 图24：上市房地产企业存货/总资产 ![图24：上市房地产企业存货/总资产](/assets/article-charts/analysis-2016-12-27-auk8v4/chart-24.png) 数据来源：wind，安信证券 一个值得讨论的话题是，很多人认为，今年以来重点城市的房地产市场正在重新泡沫化。如果从房价的角度看，情况无疑是这样。 然而，从新开工变化看问题，这些城市迄今并未出现存货的快速积累，这是非常值得警惕的。 总结日本在1980年代后期（图25），美国2005年以后（图26）以及中国在2010年以来的情况，房地产泡沫的一个关键特征是房地产投资的快速扩大和随后存货的大量积累。实际上，正是由于存货的快速堆积和难以处置，在房价泡沫破灭以后，才形成了严重的银行坏账、产能过剩和价格调整。 从这一角度看问题，2016年以来在部分二线城市房价快速上升的同时，供应的快速扩大和存货积累迄今并不明显，房价的上升主要反映了供求的严重失衡（表现为非合意存货大幅低于0的水平，见图21）。随着需求调控的展开，这一失衡短期内有望缓解，但长期内纠正这一失衡无疑需要供应层面更有力的响应，或者人口流动趋势的根本逆转。 图25：日本房地产投资占GDP 比重，% ![图25：日本房地产投资占GDP 比重，%](/assets/article-charts/analysis-2016-12-27-auk8v4/chart-25.png) 数据来源：OECD，安信证券 图26：美国房地产投资占GDP 比重，% ![图26：美国房地产投资占GDP 比重，%](/assets/article-charts/analysis-2016-12-27-auk8v4/chart-26.png) 数据来源：OECD，安信证券 ## （四）房地产部分总结 我们这里对以上讨论内容做一个简单的总结。 第一，2011-2012年是一个分水岭，自那以后，中国城镇化转入都市化，人口更密集地流向大城市和特大城市。 第二，由于土地制度的原因，中国城市土地供应缺乏竞争性，这加剧了市场扭曲，推高了房价水平和房价收入比，降低了土地使用效率，这在大城市尤其明显。 第三，2009-2011年中国经历了房地产市场的泡沫化，由此积累了大量的库存。经过几年的努力，重点城市库存显著去化。再过一年半左右的时间，例如2018年的某个时候，其他城市库存也有望明显缓解，房地产投资和新开工将逐步正常化。这一转折将对资本市场和经济运行产生重要影响。 ** ** # 二、产能过剩的缓解与企业销售利润率的修复 与房地产的库存去化存在一定关联，工业领域存在着严重的产能过剩，这是过去几年经济运行层面最为重要的特征之一。这方面是否取得了一些进展？ 工业品价格是一个很好的衡量指标。今年以来，PPI结束了此前的持续下跌势头，转而强劲反弹（见图27），环比涨幅逼近2010-2011年景气高点时候的水平。这无疑暗示供求失衡得到了非常大的缓解。 我们知道，从各项需求指标来看，今年经济动能大体是稳定的，并没有出现猛烈的上升。这清晰地表明，价格的强劲反弹，更多地来源于供应层面的收缩。 图27：PPI 环比（%） ![图27：PPI 环比（%）](/assets/article-charts/analysis-2016-12-27-auk8v4/chart-27.png) 数据来源：Wind，安信证券 那么供应收缩的原因是什么？ 毫无疑问，钢铁、煤炭等代表性行业取得的积极进展，同决策层强力推进的限产和去产能等举措有很大关系。但在诸如化工、有色金属，特别是原油市场等很多其他领域，决策层面供给侧改革的影响并不明显，但我们同样看到了产品价格的强劲反弹。市场自发的供应面调整，在其中应当发挥了更为基础的作用。 再来看工业企业利润率数据。 图28中显示的是规模以上工业企业主营业务收入累计利润率，即主营业务利润除以主营业务收入。可以看到，今年3月以来，这一指标出现了较大幅度的改善，明显高于2012-2015年，仅次于2011年景气顶峰时候的水平。这与前述PPI环比所显示的情况是一致的。 基于上市工业企业财报数据测算的结果类似（见图29）。2012-2015年，上市工业企业利润率一直处于比较低的水平。2016年2季度，指标显著回升并超越2012-2015年，到年底时候甚至可能追平2011年。 企业利润率的回升，同样指向了今年以来产能过剩局面的缓解。 图28：规模以上工业企业主营业务收入累计利润率（%） ![图28：规模以上工业企业主营业务收入累计利润率（%）](/assets/article-charts/analysis-2016-12-27-auk8v4/chart-28.png) 数据来源：Wind，安信证券 图29：上市工业企业主营业务收入累计利润率（%） ![图29：上市工业企业主营业务收入累计利润率（%）](/assets/article-charts/analysis-2016-12-27-auk8v4/chart-29.png) 数据来源：Wind，安信证券 一些行业层面的反馈认为，近来的产能去化和资产负债率修复的微观基础在于：众多过去快速增长的竞争性行业正在完成优胜劣汰，并转入寡头垄断的、更加成熟稳定的业态和竞争格局。如果这一判断能够得到确认，那将意味着近来通货紧缩的消退和企业盈利的恢复是跨越周期的，并将对资本市场形成更长期的支持。 值得注意的是，相对于销售利润率，迄今ROA和ROE的改善幅度比较轻微（见图30）。ROA与销售利润率之间的差异在资产周转率。所以，问题在于，尽管产品价格和销售利润率显著改善，但资产周转率仍在下滑。 资产周转率为什么继续走弱？接下来趋势如何？这一问题我们稍后讨论。 图30：上市工业企业滚动ROA（%） ![图30：上市工业企业滚动ROA（%）](/assets/article-charts/analysis-2016-12-27-auk8v4/chart-30.png) 数据来源：Wind，安信证券 # 三、企业部门去杠杆的进展 杠杆过高，给经济运行带来很大的风险，这是过去几年的市场和政策共识。 如果我们去计算债务占GDP的比重，以此衡量的全社会杠杆水平过去几年一直在上升（见图31-图34）。 从国际比较看，中国住户杠杆上升较快，但绝对水平仍然较低，政府杠杆可控，企业杠杆居高不下，问题最为显著。这也是各方面的共识。 图31：宏观杠杆水平的衡量——债务/GDP（%） ![图31：宏观杠杆水平的衡量——债务/GDP（%）](/assets/article-charts/analysis-2016-12-27-auk8v4/chart-31.png) 数据来源：Wind，安信证券 图32：住户部门负债/GDP（%） ![图32：住户部门负债/GDP（%）](/assets/article-charts/analysis-2016-12-27-auk8v4/chart-32.png) 数据来源：BIS，安信证券 图33：政府部门负债/GDP（%） ![图33：政府部门负债/GDP（%）](/assets/article-charts/analysis-2016-12-27-auk8v4/chart-33.png) 数据来源：BIS，安信证券 图34：非金融企业部门负债/GDP（%） ![图34：非金融企业部门负债/GDP（%）](/assets/article-charts/analysis-2016-12-27-auk8v4/chart-34.png) 数据来源：BIS，安信证券 那么，企业杠杆问题是否真如数据显示的那样，一年比一年更加严重，迄今没有显现出任何改善迹象？ 我们从微观层面着手来研究这一问题。宏观层面债务与GDP之比，对应到微观企业层面，大体是企业的负债与销售收入之比（销售收入需要乘以增加值系数才能转化为GDP，企业负债有一部分是应付其他企业账款等，这里忽略这些细节，主要考虑趋势）。 以非金融上市公司财务数据为基础来看（见图35），过去几年这一指标确实持续走高，与宏观层面的杠杆指标走势大体一致。细分的板块数据也表现出相同的趋势。计算工业企业、国有控股企业的指标，显示的趋势都是高度类似的，这些略去结果的展示。 但是，如果我们转而研究企业的资产负债率（见图36），结果会十分不同。可以看到，2014年以来，非金融上市企业资产负债率结束了此前的持续上行趋势，转而小幅走低。 观察其他口径，例如上市工业企业资产负债率、规模以上工业企业资产负债率、非金融国有企业资产负债率（财政部统计数据）等，也都显示资产负债率数据在2014年结束了此前的上行趋势，开始稳定下来，或者转而下行。 换句话说，从资产负债率角度看问题，企业部门2014年以来已经开始去杠杆的努力，并取得一定成效。从宏观角度看，2014年以来，总需求加速下滑，私人部门投资和国有企业的投资活动都显著减弱，这很可能反映着企业去杠杆过程的影响。 需要讨论的问题是，为什么2014年以来企业资产负债率的下降，没有扭转宏观杠杆水平的上升势头？ 我们知道，会计上，宏观杠杆率可以拆解为资产负债率与资产周转率倒数的乘积。因此，问题的关键同样在于资产周转率的恶化。 图35：非金融上市企业负债/销售收入（%） ![图35：非金融上市企业负债/销售收入（%）](/assets/article-charts/analysis-2016-12-27-auk8v4/chart-35.png) 数据来源：wind，安信证券 图36：非金融上市企业资产负债率（%） ![图36：非金融上市企业资产负债率（%）](/assets/article-charts/analysis-2016-12-27-auk8v4/chart-36.png) 数据来源：wind，安信证券 具体来看，过去几年，实体经济供过于求，PPI同比一直处在0以下水平，企业盈利低迷。在此背景下企业部门努力去杠杆，这加剧了需求的下滑，加剧了产能过剩和价格下跌，从而在一定程度上形成了债务-通缩的恶性循环。 如果简单以加权贷款利率与PPI环比之差来衡量实际利率，那么2015年这一指标一度高达11%。如此高昂的实际利率，无疑大大加剧了企业部门杠杆去化的难度。 今年以来，随着供应收缩取得进展，产能过剩问题缓解，PPI同比回升，实体经济走出了此前的债务-通缩恶性循环，企业面临的实际利率水平也有较大幅度滑落。 如果加权贷款利率维持当前水平不变，那么利率与PPI环比的差将迅速由2015年11%的位置下降到2017年不足1.5%的水平，这无疑将大大便利和加速企业的杠杆去化进程。 因此，从资产负债率角度看问题，企业的杠杆去化已经取得一些成效，正在进入加快改善的过程。从潜在的系统性金融风险的角度看，杠杆高低的微观基础主要是企业的资产负债率（企业通过权益来吸收风险），以及盈利能力（企业通过现金流来吸收风险）。这两个领域的改善表明与宏观杠杆相联系的潜在系统性风险开始下降。 那么，企业部门的资产周转率会如何演化呢？这一问题既牵扯到企业ROA的改善趋势，也涉及到宏观杠杆比率的走向，无疑值得思考。 以上市非金融企业的数据为基础（见图37-图39），观察2002年以来的资产周转率与PPI定基数，可以看到，在绝大多数年份，两者涨跌的方向高度同步。 图37：非金融上市企业资产周转率（%） ![图37：非金融上市企业资产周转率（%）](/assets/article-charts/analysis-2016-12-27-auk8v4/chart-37.png) 数据来源：wind，安信证券 图38：非金融上市企业资产周转率和剔除通胀影响的资产周转率（%） ![图38：非金融上市企业资产周转率和剔除通胀影响的资产周转率（%）](/assets/article-charts/analysis-2016-12-27-auk8v4/chart-38.png) 数据来源：wind，安信证券 数据说明：选取2002年为基期，用PPI同比deflate当年销售收入和新增资产 图39：PPI 定基数（2002 年=100） ![图39：PPI 定基数（2002 年=100）](/assets/article-charts/analysis-2016-12-27-auk8v4/chart-39.png) 数据来源：wind，安信证券 部分的原因在于会计原则，即销售收入是当期现价来记录，而资产累计是历史现价来记录。价格的变化使得历史现价与当期现价存在明显差异。在通货膨胀的条件下，历史现价相对缩小，从而提高了企业的资产周转率，通货紧缩的情况刚好相反。 完全从价格的情况看，随着通货紧缩的消除和通货膨胀的出现，企业的资产周转率即将触底改善。 然而，图38中同时计算了剔除通货膨胀因素后的实际资产周转率。过去十几年以来，我们同样能够看到明显的趋势变化，这一趋势在方向上与工业品价格的定基数仍然存在关联，其中的经济原因是值得讨论的。 技术进步和管理上的改善，经济结构的变化（房地产、基建等重资产行业的扩大）都会影响长期的资产周转率变化。但对于可比企业而言，技术原因之外，产品市场的供求平衡以及企业的应对策略可能更加重要。 短期内需求扩大会带来资产周转率的提升，例如2009-2011年的情况；而供应收缩会带来资产周转率的下降，例如2016年的情况。 如果企业认为需求的扩大是可以持续的，毛利处在很高的水平，那么它还可以扩大雇工。同样的资产被更多的工人使用，资产周转率也会提升。反之亦然。 就目前的情况看，企业通过减少生产和雇工，在降低资产周转率的同时，已经将销售利润率恢复到历史平均水平附近。如果未来需求没有明显塌缩，那么资产周转率的下降可能已经触底。考虑到通货膨胀的影响，它还可能会逐步上升。 # 四、守望春华 本文首先讨论了房地产市场。 在需求层面，小学在校生人数增速对城市之间的房价涨幅差异表现出很好的解释能力。2011-2012年以后，城镇化转向都市化，人口更密集地流向少数大城市和特大城市，部分地导致中国不同城市之间房价出现巨大分化。 在土地供应层面，中国城市建成区之中用于居住用地的比例显著低于国际水平，特别是大城市和特大城市供地意愿更低。土地供应缺乏竞争性，加剧了市场的扭曲，进一步助推了房价。 2009-2011年中国经历了全面的房地产价格的快速上涨和泡沫化，这刺激了供应的过度增长，并随后导致库存的大量积累。由于过去2-3年的努力，重点城市库存基本已经完成去化，其他中小城市的库存水平仍然偏高，但较峰值已显著下降。 以现在的库存水平为基础，参考历史的合理去化速度，看起来再经过15个月左右的时间，大量中小城市的存货去化会基本完成。这一转折的实现和确认标志着经济运行基本正常化，并将对大类资产市场产生重要影响。 本文之后讨论了产能过剩的缓解和杠杆去化的进展情况。 今年以来，PPI环比涨幅明显回升，并稳定在0以上的水平，工业企业和上市公司的销售利润率大幅度改善，工业领域的通货紧缩基本消除，显示去产能开始取得实质性的成效。政府限产之外，市场力量的自发调整也许发挥了更基本的作用。 尽管中国企业部门的宏观杠杆比例继续快速提升，但微观的数据分析显示，2014年以来，企业部门的资产负债率总体上开始下降，宏观杠杆的提升全部来源于资产周转率的恶化。从微观数据上看，企业在2014年之前的宏观杠杆上升来自于资产负债率恶化和资产周转率下降的共同作用；这之后企业已经开始以修复资产负债表为目的的杠杆去化进程。但由于资产周转率的下降，宏观杠杆继续上升。 值得注意的是，2014-2016年的大部分时间里中国在工业品领域经历了比较明显的通货紧缩，这意味着企业的去杠杆行为实际上部分地启动了债务-通货紧缩的恶性循环，这使得杠杆去化十分困难。 随着工业品通货紧缩的消除，企业杠杆去化的宏观条件显著改善，杠杆去化即将明显加速。 一些行业层面的反馈认为，近来的产能去化和资产负债率修复的微观基础在于：众多过去快速增长的竞争性行业正在完成优胜劣汰，并转入寡头垄断的、更加成熟稳定的业态和竞争格局。如果这一判断能够得到确认，那将意味着近来通货紧缩的消退和企业盈利的恢复是跨越周期的，并将对资本市场形成更长期的支持。 从历史数据来看，资产周转率的宏观变化与通货膨胀（紧缩）联系密切。部分的原因在于会计原则，即销售收入是当期现价来记录，而资产累计是历史现价来记录。价格的历史变化使得历史现价与当期现价存在明显差异。 但即使剔除这一因素，资产周转率仍然与通货膨胀存在关联：在通货膨胀大于0的时期，资产周转率总体上处在提高趋势中，而通货紧缩时期刚好相反。 以此来看，中国企业部门的资产周转率可能即将触底回升，这既会支持企业宏观杠杆比率的改善，也会推升企业的资产回报率，从而支持股票市场。