[北京市房山区二手房]超详细的房产数据告诉你这三个二手房的价格洼地-热点要闻-时事焦点

存量时代悄然而至，一线城市的新建楼盘已经越来越少，公开可查的北京新房项目只有136个，且大都分布在门头沟区、房山区、昌平区、通州区等距离城市中心相对较远的区域。可见，在北京这种一线城市，年轻人想要拥有一套自己的房子，大概率只能选择二手房。今天我们就用一套非常详细的房产数据来尝试识别一下二手房的价格洼地。

此次我们用到的微观层面的数据是北京的居住小区数据。这份数据可以直接在地图喵的数据市场获取到。原始数据的来源是大家公开可以查阅的某房产中介平台，根据研究需要，地图喵数据市场已经完成了对原始数据的清洗、整理，并实现了与小区轮廓边界的匹配。

清洗完成的北京房产数据情况如下：

数量：2019年初北京住宅小区数量11161个，其中有效数据11158个。字段：名称、地址、价格、户数、楼栋总数、物业费用、开发商、建筑年代、建筑类型、纬度、经度等11个指标维度。小区轮廓匹配：在所有小区中，成功匹配小区轮廓边界5751个，占总数的51.5%。

具体的数据质量和按照10%抽样的数据统计分布请见数据来源的链接：

北京的11158个小区，从空间分布来看，散布在整个城市范围，不过主要集中在和五环以内。

图1 北京小区空间分布

从小区数量统计来看，海淀、朝阳和西城的小区数量最多，三个区加起来的小区总数占到了北京总数的 48%；远郊区密云、怀柔、平谷和延庆的小区数量最少，四个区之和只占北京总数的 2%。

图2 北京各区县小区数量分布

从价格来看，北京市2019年初的二手房均价为66112元。在各区县中，最贵的西城二手房均价接近11万，紧随其后的是东城9.8万，海淀8.1万。最便宜的是密云2.5万，平谷2.7万和延庆2.9万。这里值得一提的是，小区数量供应相对充足的房山，二手房均价仅为2.9万元。

?图3 北京各区县二手房均价

了解完北京小区和二手房的基本情况，我们进入正题，识别下哪里能买到"物美价廉（KAI SHI ZUO MENG）的房子。

买房最重要的三个因素是什么？行家都会告诉你：区位，区位，区位！这是因为区位不仅代表着到城市中心的距离，也意味着我们在该位置上生活能够获得的城市服务到底有多少。是不是有好的学区？是不是有好的医疗资源？是不是有好的环境品质？都跟小区所在位置息息相关。

那么，从区位上来看，目前的二手房市场到底有没有价格洼地呢？

我们先从行政区统计的角度来看一张很说明问题的图。图的横坐标是各行政区按照区内各小区经纬度计算的平均值，近似为各行政区的中心到北京城中心的距离，纵坐标是各行政区中各小区二手房的均价。为了方便显示，图中只保留了距离城市中心50KM以内的几个区，密云、平谷和延庆由于超出了50KM的距离，没有显示。图中的气泡半径大小，表示的是2010年以来，各区二手房的成交量。

?图4 北京各区县小区区位-二手房价格-成交量关系

图中，我们可以看到距离城市中心最近的依次是东城、西城、朝阳、丰台和海淀，二手房价格最高的依次是西城、东城、海淀、朝阳和丰台。而2010年以来，成交量最大的是朝阳区。

根据这些气泡从左上到右下的分布情况，我们明显可以看到距离城市中心越远，平均房价越低的总体趋势，从一定程度上验证了区位铁律。当然，有人会问，西城比东城距离中心更远，但价格更高；海淀比朝阳距离城市中心更远，但价格更高，为什么？

这是因为我们目前用来表征区位的只有各行政区中心到城市中心的距离这一项指标，而现实中决定区位好坏的，还有各项服务设施的情况、距离就业市场的远近、交通的便利程度等等。就西城来说，学区也许是让其价格直接超越东城的原因之一；对海淀来说，优质的学区和医疗资源，可能也是关键因素。

从价格洼地的角度来看，城六区中，丰台和石景山的价格相对较低，特别是丰台，距离城市中心的距离甚至比海淀还要近。此刻，我终于理解了几位好友在丰台买房的决定。

而石景山据我们判断也是一个不错的选择，特别是靠近中心城区的一些小区。比对我们在上一篇的结论，石景山的大学和产业发展有一些利好趋势，再加上房价相对不高、各项生活还算便利，未来还是有一定潜力。

为了进一步找到更具体的洼地位置，我们进一步把每个行政区拆分成一些更小的类似于街道、甚至是社区的小片区，比如海淀的四季青、二里庄、北太平庄、清河、上地、万柳、五道口等，朝阳的潘家园、酒仙桥、双井、太阳宫、东直门、东坝等，昌平的回龙观、天通苑、西三旗、立水桥等，再来看这些小片区的区位与价格的关系，尝试捕捉到一些更有价值的信息。

我们在数据源的基础上，将北京市划分为将近300个小片区，把这些小片区的中心点到城市中心的距离和二手房均价，绘制在了下面的这张图上。每个行政区一种颜色，距中心较远的几个区因为小区数量较少，没有做进一步小片区的细分。从这张图上，我们可以看到每个小片区的大体区位与价格的关系。

?图5 北京各区小片区区位-二手房价格关系

为了进一步识别出价格洼地，我们把距离和价格取对数后，拟合了一条趋势线，从左上到右下，可以反映房价受到距离变动影响的大小，如下图。可以看出，拟合效果相当好，也说明了房地产市场上信息的充分流动，让每一个小片区的均价都紧邻拟合出的趋势线。从回归方程我们可以看出，在取了对数以后，小片区到城市中心的距离每增加10%，房价会降低4%。

?图6 北京小片区区位-二手房拟合函数

?我们重新根据回归的方程，得到了每个小片区的残差值，残差值较大的小片区，可能存在一定的信息不对称或受距离以外的其他因素影响较大，属于可以重点考察的潜在价格"洼地"。

总体来看，西城和海淀的小区实际价格高出拟合结果，说明有一些其他因素拉高了价格，我们猜应该是学区；而房山、东城和朝阳还有部分区域低出拟合结果，说明到城市中心的距离优势还未充分反映在房价中，如果这些区域能进一步完善城市配套，提升城市品质，未来的价格很有可能进一步上涨。我们列出了残差较大（偏离市场规律较多）的前30个小片区的距离和均价，如果您需要购房，不妨重点关注下这些区域，看看是不是真的有机会。

图7 可以重点关注的30个小片区

当然，除了使用这种数学方法，我们还有一种更为直接的办法去识别价格洼地，那就是"用～眼～看～"。我们使用地图喵的可视化工具，将各小区的均价在地图上按照0.5km*0.5km网格来聚合，可以得到每个格子中小区的二手房均价，做可视化渲染，颜色越偏红，表明价格越高，颜色越偏蓝，表示价格越低。我们对着下面这张图，可以看到一些明显低于周边的区域，比如四环边上的中关村区域，比如朝阳CBD以东的一小片区域，等等。如果你有买房的意愿，不妨再仔细研究下这张图，当然，想听听我们建议的，也可以后台联系我们啦。

总结一下，这最关键的第一条洼地规律，就是区位决定一切，小区距离城市中心越远越便宜，想在城六区住的话，请重点考虑下丰台和石景山，以及上面的30个小片区。

?图8 北京二手房价格按照0.5km*0.5km网格聚合

上文中我们给出了北京二手房价格的网格聚合图，那么真实成交的情况是怎样呢？到底人们更青睐哪些区域的二手房？因为成交量最能反映市场的真实情况，所以让我们来看下北京2010年以来二手房成交量的网格聚合图。同样，颜色越偏红，代表成交量越高，颜色越偏蓝，代表成交量越低。

?图9 北京二手房成交量按照0.5km*0.5km网格聚合

?有意思的是，与二手房价格由城市中心到外围依次递减不同的是，二手房的成交量出现了城市中心低，随二环、三环、四环、五环逐渐增高，甚至五环外也有几个热门区域，房价再往外围才降低的情况。以下是成交量排名前20的区域，包括了昌平的回龙观、朝阳的望京和顺义的顺义城等。

?图10 北京二手房成交量最多的20个小片区

有朋友问，在什么情况下，我们才能捡漏呢？从市场规律的角度来看，只有在市场上信息不对称的时候，才有套利的空间，也就是说当你掌握了一些别人没有掌握的信息，你才有可能套利。

所以按照这个思路，成交量很大的区域实际上已经获得了足够的关注，也就意味着这些区域的信息已经充分共享了，而关注这些区域的人越多，越没有漏可以捡。而只有那些尚未被人关注到的，有一些独特的优势仍在小圈子里传播的区域，才是真正的价格洼地。

那我们来看看，到底有哪些关注量不高，同时在我们的分析中残差很高的区域呢？

如下图，颜色代表价格高低，颜色越红价格越高，颜色越蓝价格越低；柱子的高度代表人们对格子内小区的平均关注量，看起来二环以内的小区没什么人关注呢，这是为啥？

?图11 北京小区价格和0.5km*0.5km网格内小区平均关注量

换个数据，当我们不用关注量平均值代表柱子高度，而改用关注量总和代表柱子高度时，如下图，就会发现，东西城，那片红色区域，其实是有很多人关注的，反倒是外围的石景山、丰台、房山关注的人相对较少。

?图12 北京小区价格和0.5km*0.5km网格内小区关注量总和

我们给出了关注量相对较少的30个小片区，想捡漏的朋友不妨关注一下这些少有人关注的小片区，很可能是潜力片区哦。我们再次看了这些小片区的残差值，推荐重点看看房山的琉璃河、韩村河、燕山和城关，大兴开发区，以及朝阳的广渠门。

?图13 北京小区受关注量比较少的30个小片区

总结一下，洼地规律二，少有人关注的地方才可能真正有洼地，我们今天这篇文章如果阅读量超过10万，文中关于推荐小区信息的价值就会大打折扣，如果少于10万的话，应该还是很有参考意义的，哈哈。

我们先来看看北京小区的建设历程：

1950年之前，北京的住宅以胡同为主，如果当时住在那里的人得知，在二手房市场中交易的房龄100岁的德胜门簸萝仓胡同，均价达到了22万，不知他们会怎么想；1950年之后，新中国成立，各国家部委的家属院陆续出现在东西城、朝阳和海淀，其中西城数量最多，以百万庄为代表，苏联式小区陆续出现，小区的形态多为红色砖墙的多层住宅；1960年后到1970年前，小区建设一度陷入停滞状态，直到1970年，才集中出现一小批新增小区，截止到1970年，北京共有不到600个小区；1970到1980年间，各区县的小区数量仍然缓慢增长，以西城、朝阳和海淀为主力；1980年是个关键的时间节点，恰逢改革开放，北京当年的新建小区数量超过了过去几年的总和，整个80年代新增1000多个小区；1990年，小区建设再一次飙升，新建小区数量甚至超过了其后两年之和。1990到2000是中国住宅市场正式起步的十年，随着人们改善居住环境的需求，市场也在逐渐增加住宅小区的供给，特别是在1998年的住房改革之后，小区数量呈现出飞速增长态势，请注意，在那个历史的关键节点，北京的房价是5000元左右（心在滴血）；2000年开始，特别是2004年之后，整个城市房地产市场爆发，房价像脱了僵的野马，一路狂奔，2007年均价突破1万，2010年均价突破2万。这十年北京新增的小区数量为3000多个，住房供应套数将近300万套，是房地产市场发展的黄金十年。那个时候上车的朋友，估计比之后几年咬牙买房的同志，要少奋斗好多年吧。2010年之后的房地产市场就更别提了，从均价2万到均价6万只用了6年之间，平均一年涨1万。而2010年之后的土地和住房供应却是在逐渐收紧，进一步加剧了房价的上扬。2010年之后，北京新建住宅小区981个，住房供应套数仅为前十年的三分之一，100多万套。而且伴随北京的城市建设进入存量发展时代，在可以预见的未来，住宅供应仍将较为紧张。?图14 北京各区县小区数量增长历程

根据我们的直觉，一般来说，越是老小区，因为住宅品质不如新小区，往往价格会相对便宜，因此很多人买自己的首套房，都是选择买老房子以控制购房成本。然而，北京是不是这样呢？答案是否定的。

举个例子，我们注意到，在数据中有一条年代较为久远且有过二手房成交记录的小区，是1946年在海淀区建设的甘家口8号院。该小区占据城市核心位置，8栋楼，物业费时至今日也只有0.5元/平米/月，其中的390套住宅，曾经在二手房市场被交易了至少38次，2019年初均价7.5万。不禁感慨，这可是有73年楼龄的老房子啊，还能卖这么贵。

其实北京的小区建设年代跟住宅均价的关系是下图这样的，随着年份的增加，小区的均价呈现了下降的态势，趋势上来看越新的房子，反而越便宜。这是为什么？

?图15 北京二手房建设年份与价格的关系

我们看看下面这张小区在城市空间上的演进图，你就会知道原因了。

?图16 北京小区空间演进

就像我们刚才说过的，在影响价格的因素中，建设年份只是一个小小的维度，而影响房价的，还有更重要的区位因素。北京小区伴随时间的演进历程，也是北京的城市建设向外扩张的历程，二环、三环、四环、五环，最老的小区由于占据最核心的城市区位，导致价格高昂，东西城10万左右的均价，跟是不是老房子，其实是没啥关系的。这里的教育资源、医疗资源、文化资源、政治资源，全国怕是也找不出第二个可以匹敌的区域了，老房子就老房子吧。

而新建的小区由于处于城市中心外围，区位的稀缺性肯定不如老小区，自然价格下来。当然，如果是同样的区位，新小区的价格应该是高于老小区的。

那么，如果我想找一个区位还行，又因为是老小区能相对便宜一点的房子，该关注哪些小区呢？

下图我们根据2010年以来各小区的二手房成交量绘制了一张年份、价格与成交量的关系图。因为成交量是市场真实情况的反映，可以看出到底哪些年代的小区是更受市场欢迎的。很明显，1980年到1990年间建设的房子在二手房市场颇受欢迎，他们主要分布在四环以内，均价在7.5万左右；而1990-2000年五环以内建设的房子，明显均价更低，约在6万左右，其中那些没有超出五环范围的，还能够便利地享受城市的各类稀缺的服务设施。特别是从自住和资产保值的角度，都是一个不错的选择。

?图17 北京二手房建设年份-价格-成交量的关系

再总结一下，洼地规律三，小区越老反而越贵，五环以内90年代建设的小区性价比相对较高，可以重点关注。

好了，今天关于价格洼地的讨论就到这里吧。掏心窝子的分析，其实是为了展现地图喵数据市场的强大。有了全国各主要城市的房产数据，再加上今天的这套分析方法，你也可以在买房之前胸有成竹啦。

买房没有早上车的后果，就是要在房地产市场的横盘时代精打细算喽（笑着哭）。

（以下是例行的硬广时间）

我们深知城市空间数据的获取、整理和分析是很多城市微观空间研究的基础，但因为技术门槛，阻碍了很多研究人员开展相关分析。我们的团队长期以来致力于各类城市微观数据的整理和加工，经过近一年的加工整理，准备好了一套覆盖全国的、匹配好地理位置坐标的城市空间数据集。目前我们已在中上线了企业数据、商铺数据、房产数据、年鉴数据、夜间灯光数据五大类数据，其中夜间灯光数据全部免费，更多其他专题数据也在上线过程中。我们今天分析用到的房产数据，就是基于此数据库得到。

?图18 地图喵数据市场首页