基于3C模型对二手房房价趋势研究

罗雨欣 王丽 孙佳欣 杨安

【摘要】本文以成都市二手房房价为研究对象，以成都贝壳二手房挂牌价以及成交量为基础，使用3C战略模型分别对顾客、运营组织和竞争者进行综合分析，从而对成都市二手房房价趋势进行大胆预测。该预测的结果对消费者、投资者具有一定的借鉴意义。

【关键词】二手房;房价;贝壳;3C模型

【DOI】10.12334/j.issn.1002-8536.2021.28.028

1、引言

房价不仅关系到经济可持续发展、关系到城镇化建设进程、关系到相关行业资金运行、还关系到国民经济建设。从本世纪初，国内房价经历了一轮又一轮地涨价。成都作为新一线城市之首，内地经济最典型的代表，研究成都二手房价格走势，对全国房市，甚至全国经济有很大的参考价值。2020年疫情后成都二手房市场受到压力，至今二手房市场仍然低迷。成都市又在今年“3.22”新政中，发布了二手住房成交参考价格机制条例。成都市二手房市场必然受到影响，未来成都市二手房房价将何去何从。目前，二手房房价已经引起投资者和购房刚需者的高度关注，因此对未来成都市二手房房价走势研究显得尤为重要。

针对房价的预测，目前已经有部分学者做出了相关研究。郑永春[1]和刘春[2]采用ARIMA模型对房价进行预测，利用差分自回归移动平均来排除对房价有影响的复杂因素，从而构架客观真实的预测模型来持续预测未来房价的变化趋势;杨楠[3]等结合灰色预测和马尔可夫链预测的优势对房价指数进行预测分析。本文采用战略3C模型分别对顾客、运营组织和竞争者进行综合分析，从而对成都二手房房价的未来走势进行大胆预测。

2、研究设计

本文采用日本战略大師大前研一（Kenichi Ohmae）提出的3C战略三角形模型，其认为成功的战略至少有三个关键因素即公司自身（corporation）公司顾客（Customer）竞争对手（competition）。公司战略旨在最大化企业的竞争优势，尤其是与企业成功息息相关的功能性领域的竞争优势;顾客是所有战略的基础，公司的首要考虑应该是顾客的利益，而不是股东或者其他群体的利益;企业的竞争者战略，可以通过寻找有效之法，追求在采购、设计、制造、销售及服务等功能领域的差异化来实现。只有公司自身、公司顾客、竞争者整合在同一个战略内可持续的竞争优势才能更好存在。本文将结合战略3C模型对成都市二手房未来发展趋势从二手房相关运营组织发展情况、顾客以及房地产产业竞争者进行趋势预测。

本研究首先使用Python程序从贝壳网获取了2019-2021年成都一、二圈层二手房、新建房、租赁房的挂牌信息和房源成交数据进行分析。其次通过国家统计局、民政部官网等权威网站了解了居民人均可支配收入、结婚率、出生率等情况。最后查阅《成都市住房保障五年规划（2017-2021）》了解了成都市住房供应、人才安居、住房租赁市场、老旧院落改造等情况。

3、数据分析

3.1顾客

大前研一的3C中顾客（customer）是指完全以顾客为中心，抑制企业的利己主义私欲，为客户提供超出期待的解决方案。本研究认为，顾客指标包含了购买力、购买欲、潜在顾客。由此赋值0.35权重，并基于以下三组数据给予评分。

顾客购买力将从居民可支配收入、年龄结构两方面分析。根据国家统计局发布2021年全国居民人均可支配收入数据显示，全国居民人均可支配收入32189元，比上年增长4.7%。由数据可得，全国人均可支配收入增加，因此个人购房的能力增加。根据第七次全国人口普查显示，60岁及以上人口为26402万人，占18.70%。与2010年相比上升5.44%。由此可得，人口老龄化程度进一步加深，导致住房刚需下降。

顾客购买欲将从家庭结构改变、城市建设进程两方面进行分析。根据民政部官网显示，2020年中国的结婚人数仅813万对，与2019年相比下降16.48%;2019年中国的出生率为10.48‰，与2018年相比下降0.46‰。结婚率和出生率的降低直接导致顾客购房需求降低。近几年成都在加快城市发展建设，2015年老旧院落改造以来，成都已累计完成老旧院落改造3452个、涉及居民33万余户。城市改造建设使区域整体价值提升，直接导致二手房价格上涨。

潜在顾客将从人口流动进行分析。据贝壳研究院2020年发布《新成都人安家居住报告》[1]显示，选择在成都置业的人60%来自省内，20%来自省外。具体城市来看，省内非蓉置业占比排名前三分别为南充11.9%、眉山11.3%、达州9.4%;省外占比排名前三分别为重庆市15.7%、甘肃省8.9%、河南省7.8%。“人才新政”累计吸引超过33万人才落户成都。由此可得，成都人口虹吸力强，人口流动率增加使得在蓉购房需求增加。

从贝壳网爬取的数据来看，以上因素中居民可支配收入、城市建设、人口流动促使二手房价存在增值空间，而年龄结构、家庭结构改变等因素使得二手房房价存在下行压力。综合来看顾客使二手房市场流动性增强，二手房房价具有一定的升值空间。

3.2运营组织

大前研一的3C中公司自身（corporation）是指确定把它与其他各种组织计划区分开的“竞争优势”。本研究认为，公司自身即运营组织指标其包含了政府组织、房地产行业。由此赋值0.3权重，并基于以下两组组数据给予评分。

政府将从政策导向、市场监管两方面分析。成都市政府坚决贯彻落实党中央、国务院“房住不炒”决策部署，为此结合当地实际情况发布了相关的政策通知，成都市将拟建立二手住房成交参考价格发布机制并进一步采取以下措施进一步规范二手住房交易行为，正向引导成都市二手房的健康发展。此外，成都市政府将进一步规范房地产市场秩序优化市场环境，加强对房地产各类市场主体的监管，严厉打击违法违规行为，以维护房地产市场的良性发展。

纵观整个房地产行业来看，十四五规划建议中提到，未来5年我国住房发展的重点是民生保障，房地产政策以防风险、保民生为主。又从贝壳数据库中了解到，预计五年内新房年销售额从15万亿往下稳步回落，二手房市场交易规模，则在7万亿的基础上逐渐增长。未来房地产行业将呈现市场存量化程度加深、居住品质不断提高、居住服务更高要求的趋势。

从贝壳网获取的数据来看，二手房市场的监管、房地产市场因素促使二手房价具有上升空间，而政策导向因素使得二手房房价存在下行压力。综合来看运营组织对二手房市场监管性较强，二手房房价下行压力较大。

3.3竞争者

大前研一的3C中竞争者（competition）是指通过各种方法，使不同功能领域实现差异化。本研究认为，竞争者指标包含了直接竞争者、间接竞争者、潜在竞争者。由此赋值0.35权重，并基于以下三组数据给予评分。

直接竞争者将从新建房方面分析。贝壳研究院发布《成都新房市场2020半年报》[2]指出，全市新房住宅成交量8.5万套;贝壳找房的数据显示，2020年1-12月，成都二手房新增挂牌量约34.5万套，成交量约7.5万套。整个二手房市场供应过剩。根据以上数据对比可得成都市新建房需远大于二手房需求。

间接竞争者将从租赁房方面分析。贝壳找房网上发布《2019上半年城市居住报告》[3]指出，在租房市场中成都市凭借上半年3.8万套的交易量位列新一线城市首位。据统计成都市2019年上半年单位租金发现，成都每月平均租金29.1?/m2，是租金較低的新一线城市。《成都市住房保障五年规划（2017-2021）》[4]指出，2021年全市租赁住房量达151万套，较2017年增长25%;2021年的租房需求达122万套，较17年增长33%，租房供应与需求都在上涨。根据以上数据可得成都市租金较低且租房需求持续上涨，在未来一段时间租房会成为顾客首要选择从而导致二手房需求下降。

潜在竞争者从黄金、新能源两方面分析。21年全球时局仍然呈现高度不可控状态，首先是此次全球疫情何时能得到有效控制不得而知，倘若不能得到有效控制，市场将再次陷入流动性危机。其次是全球通胀快速增长、货币战争不可避免，黄金的抗通胀属性及避险属性将实现价值最大化，这将直接导致黄金的结构性需求增加。因此，未来金价仍将呈现上涨趋势，即使中途可能会微幅回调，但从长期来看仍具备上升空间;由于不可再生能源的有限性以及环境问题的日益突出，中国开始大力发展新能源。2003-2019年，中国新能源投资金额和数量呈上升趋势，17年投资数量最多达39笔，19年投资金额最高达1248528.5亿元预测未来依旧呈上涨趋势。根据以上分析可得黄金和新能源都比房地产具有投资价值。

从贝壳网获取的数据来看，二手房市场新建房、租赁房、黄金和新能源以上因素对二手房竞争压力较大。综合来看竞争者使得二手房市场走向低靡，二手房房价下行压力。

本研究采用3C模型对假设进行验证，关于顾客、运营组织、竞争者三维因素对成都市二手房房价趋势的影响，分别设置一级、二级、三级指标，如表1所示。

4、研究结论

本文选取贝壳成都近几年的二手房交易数据，结合战略3C模型对成都市二手房房价在未来的发展趋势做出大胆预测，根据上述数据资料分析发现，顾客购买力上升但对二手房的需求下降;政府出台的政策对二手房交易有一定的抑制作用但房产市场未来的发展呈良性势态;竞争者抢占二手房市场部分份额，导致二手房供大于求。以上现象再结合3C模型最终加权评分为-1，得出成都市未来二手房房价趋稳，但是价值走跌，综合判断成都二手房房价呈下跌趋势。如果在新能源、黄金等生产要素市场趋于活跃，而顾客购买力下降及购买欲减弱的情况下，则二手房市场下行压力较大;如果在新能源、黄金等生产要素等市场走向低靡，顾客购买力增强及购买欲上涨的情况下，则二手房市场升值空间较大。但政府在房地产的宏观调控作用不容忽视，而我国房地产行业的发展又受国际经济形势影响，还有其战略顶层设计。这些都是影响二手房房价趋势不可忽视的因素。

参考文献：

[1]永坤，刘春.基于ARIMA 模型的二手房价格预测[J].计算机与现代化，2018，0（4）：122-126.

[2]杨楠，邢力聪.灰色马尔可夫模型在房价指数预测中的应用[J].统计与信息论坛，2006，21（5）：52-55

[3]何飞.基于BP神经网络的上海市二手房价格验证与预测[J].经济研究导刊，2018（ 28）：111-116，121.

[4]潘璠.因城施策也要坚持“房住不炒”[N].经济日报，2018-12-25（ 9） .

[5]王琪.我国房地产调控政策对成都二手房市场的影响——模型与实证分析[J].成都行政院学报，2014（03）：50-53.

作者简介：

罗雨欣，四川大学锦城学院工商管理学院，旅游管理专业。

王丽，四川大学锦城学院工商管理学院，旅游管理专业。

孙佳欣，四川大学锦城学院工商管理学院，旅游管理专业。

指导老师：杨安（1987- ） ，男，四川成都人，教授，硕士，四川大学锦城学院知识产权研究所副所长，研究方向：知识产权（通讯作者）。