作者 | 挖数
香港位于广东深圳的南边,面积是1106平方公里,比中国的四大一线城市都小。
不仅面积小,其人口密度也大,香港每平方公里的人口数比四大一线城市都多。
看起来好像跟深圳差不多,实际大不相同。
香港境内山多平地少,是一座受到海水淹没的多山地体,如果计算建设用地面积的话,香港仅有19%的面积可以开发,而这个比例深圳是50%。
因此换算成实际可建设面积的话,香港是35595人/平方公里,深圳是13046人/平方公里,这个差距就拉开了。
香港分3个区,分别是香港岛、九龙和新界。
再拆分成小的区域:
香港岛:中西区、东区、南区、湾仔区;
九龙:九龙城区、深水埗区、油尖旺区、黄大仙区、观塘区;
新界:北区、西贡区、沙田区、大埔区、离岛区、葵青区、荃湾区、屯门区、元朗区。
其中香港岛的中西区是整个香港的中央商务区(CBD),是最多商业办公楼和娱乐场所聚集的地方,中环就位于该区。
查询地产公司的数据,以中西区的 上环/中环/金钟 这一带为例,在售的二手房中最贵的一套是——
总价2.2亿港币,香港的房子是以尺为单位,1尺大约等于0.093平方米,这里的1702尺换算成平方米的话是158平方米,一平方米是139万港币,也就是122万人民币。
这套是可以望见维多利亚港的,是真正港人口中的“千尺豪宅”。
当然这种上亿的房子属于稀缺物种,该区域更多的房子总价在500-2500万港币之间。
看了一下500-600万港币这一区间房子的实用面积,都在30平方米以下。
在该区域随机选取5套房子,取他们的均价,大概在21万人民币/平方米左右。(这里取的建筑面积)
用以上方式计算整个香港岛的房子均价:
九龙的均价是:
新界的均价是:
以上数据可以看出,香港的房子真的很贵,最贵的尖沙咀一平方米要22万人民币,最便宜的离岛区也要9.4万人民币。
贵不贵跟深圳对比一下就知道,深圳福田和南山的房子大概在6-15万/平方米,比较远的宝安区的沙井在4-6万/平方米,这样看香港房价大约是深圳的2倍。
按照香港2018年17500元港币的月工资中位数,普通人要不吃不喝29年才能买得起一套总价600万港币,实用面积在30平方米以下的房子。
通过地产公司的城市指数可以看到,香港的房价从2004年开始一路飙涨
众观历史,整个香港的楼市大概经历了 7轮 上涨。
第1轮上涨:1945-1950年
战争期间,国内很多中产阶级、资产家带着家属纷纷涌入香港,短短三四年间,香港的人口从50万暴涨到200万。
很多房屋在战争中受损,香港住房问题出现从未有过的紧张,稀缺的住房带动了房价的急剧上涨。
第2轮上涨:1953-1958年
1953年,香港得益于港口的地域优势,经济开始复苏,一些企业家比如霍英东等创造了“分层出售”和“分期付款”这一史无前例的销售模式,将房屋买卖的主体由之前大公司整栋购买,变成个人分层分户购买。
从此房屋交易量暴增,“炒楼花”一词第一次出现在香港人的视线。
第3轮上涨:1960-1965年
这一时期,亚洲地区快速发展,香港作为“四小龙”之首,工业化快速推进,国际资本纷纷涌入香港,香港进入制造业的黄金时期。
随之而来的是楼市再次繁荣,地价房价齐上涨。
第4轮上涨:1968-1973年
1968年,在政府主导下,香港产业结构开始转型,由制造业转向金融和商贸业,GDP快速增长,每年都超过10%,被称为香港奇迹。
以李嘉诚为代表的制造业巨头纷纷转型房地产,长江实业、新鸿基、新世界等地产公司开始跑马圈地,大量热钱快速流入香港,不仅楼市狂飙,股市也从200多点一路上涨到最高的1774点。
第5轮上涨:1976-1981年
这一时期,香港实行了一系列优惠政策,比如资金自由往来、税费减免等,一大批国际金融机构和世界500强公司纷纷进驻,现代金融中心的定位也被首次提出,同时期香港的人口也突破了500万。
长江实业、新鸿基、新世界地产等巨头纷纷上市,李嘉诚、郑裕彤等成为了身家上百亿的富豪,楼市也在各种造富神话中进一步上升。
第6轮上涨:1985-1997年
这个时期,港币随着美元贬值,银行利率大幅降低,楼市被极大地刺激起来,加上很多香港人预期回归后大陆的富人会涌入香港,到时房价会被托上天,不买房就是傻子。
于是10年间香港房价涨幅超过6倍,基本每个月都涨10%,大家都无心工作,心思都在房子上,每天见面聊的最多的是谁家物业这个月又涨多少,谁谁通过炒楼赚了千万身家。
第7轮上涨:2004年至今
这段时期,香港停止了廉价房屋计划,并逐年压缩商品房的土地供应,与稀少的供应端相比,香港本地居民突破750万,需求端越来越旺盛。
随着2006年香港推出优才入境计划,吸引外地人来港定居,大陆的各路科技新贵、私企老板、体育明星、演员艺人等纷纷涌入香港购置物业,推动了楼市的新一轮上涨。
香港楼市的每一次上涨都伴随着下跌,但大趋势还是一直往上的,房价如此高企,出现劏房、棺材房、笼屋之类的也就见怪不怪了。
数据分析咨询请扫描二维码
在当今以数据为导向的商业环境中,数据分析师的角色变得越来越重要。无论是揭示消费者行为的趋势,还是优化企业运营的效率,数据 ...
2024-11-17在当今以数据为导向的商业环境中,数据分析师的角色变得越来越重要。无论是揭示消费者行为的趋势,还是优化企业运营的效率,数据 ...
2024-11-17金融数学是一门充满挑战和机遇的专业,它将数学、统计学和金融学的知识有机结合,旨在培养能够运用数学和统计方法解决复杂金融市 ...
2024-11-16在信息时代的浪潮中,大数据已成为推动创新的重要力量。无论是在商业、医疗、金融,还是在日常生活中,大数据扮演的角色都愈发举 ...
2024-11-16随着大数据技术的迅猛发展,数据已经成为现代商业、科技乃至生活各个方面的重要资产。大数据专业的毕业生在这一变革背景下,拥有 ...
2024-11-15随着大数据技术的迅猛发展,数据已经成为现代商业、科技乃至生活各个方面的重要资产。大数据专业的毕业生在这一变革背景下,拥有 ...
2024-11-15在快速演变的数字时代,数据分析已成为多个行业的核心驱动力。无论你是刚刚踏入数据分析领域,还是寻求进一步发展的专业人士,理 ...
2024-11-15Python作为一种通用编程语言,以其简单易学、功能强大等特点,成为众多领域的核心技术驱动者。无论是初学者还是有经验的编程人员 ...
2024-11-15在当今数据驱动的世界中,数据分析已成为许多行业的基础。无论是商业决策,产品开发,还是市场策略优化,数据分析都扮演着至关重 ...
2024-11-15数据分析作为现代商业和研究领域不可或缺的一部分,吸引了越来越多的初学者。然而,自学数据分析的过程中,初学者常常会遇到许多 ...
2024-11-15在当今的数据驱动世界中,机器学习方法在数据挖掘与分析中扮演着核心角色。这些方法通过从数据中学习模式和规律来构建模型,实现 ...
2024-11-15随着数据在各个行业的重要性日益增加,数据分析师在商业和技术领域的角色变得至关重要。其核心职责之一便是通过数据可视化,将复 ...
2024-11-15数据分析师的职责不仅仅局限于解析数据和得出结论,更在于将这些复杂的信息转换为清晰、易懂且具有影响力的沟通。良好的沟通能力 ...
2024-11-15数字化转型是企业提升竞争力和实现可持续发展的关键路径。面对快速变化的市场环境,以及技术的飞速发展,企业在数字化转型过程中 ...
2024-11-15CDA数据分析师认证:CDA认证分为三个等级:Level Ⅰ、Level Ⅱ和Level Ⅲ,每个等级的报考条件如下: Le ...
2024-11-14自学数据分析可能是一条充满挑战却又令人兴奋的道路。随着数据在现代社会中的重要性日益增长,掌握数据分析技能不仅能提升你的就 ...
2024-11-14数据分析相关职业选择 数据分析领域正在蓬勃发展,为各种专业背景的人才提供了丰富的职业机会。从初学者到有经验的专家,每个人 ...
2024-11-14数据挖掘与分析在金融行业的使用 在当今快速发展的金融行业中,数据挖掘与分析的应用愈发重要,成为驱动行业变革和提升竞争力的 ...
2024-11-14学习数据挖掘需要掌握哪些技能 数据挖掘是一个不断发展的领域,它结合了统计学、计算机科学和领域专业知识,旨在从数据中提取有 ...
2024-11-14统计学作为一门基于数据的学科,其广泛的应用领域和多样的职业选择,使得毕业生拥有丰厚的就业前景。无论是在政府还是企业,统计 ...
2024-11-14