巴黎是法国的首都和人口最多的城市。自17世纪以来,巴黎一直是欧洲主要的金融、外交、商业、时尚、科学和艺术中心之一。根据经济学人智库2018年全球生活成本调查,巴黎是全球生活成本第二高的城市,仅次于新加坡,领先于苏黎世、香港、奥斯陆和日内瓦。还将巴黎列为2018年物价最贵的城市,与新加坡和香港相当。所有这些因素都促进了巴黎房地产价格的上涨。接下来我将就以下几个点分析一下在2014年至2021年6月期间,巴黎二手公寓的交易情况:
- 数据背景
- 买二居室最划算
- 市中心寸土寸金
- 面积与价格?
- 整体而言房价平稳上涨
数据背景
首先,我在政府网站上下载了房地产交易数据。在数据集中,我们有2014年1月到2021年6月的交易信息,如“nature_mutation”指定了销售性质,“nombre_pieces_principales”表示房间数量,“valeur_fonciere”表示售价,“code_commune”、“nom_commune”和“ code_departement”指定城市和省份,“surface_reelle_bati”描述实际居住面积。
买二居室最划算
我将二手房按户型分为5组:T1为23平方米左右的一室公寓,T2,即40平方米左右的两居室公寓,T3为约63平方米的三居室公寓,T4是近93平方米的四房公寓,其他为面积更大的公寓,约147平方米。这个环状图描述了交易中不同部分公寓的报价部分。T1和T2占据60%的交易,22%的交易为T3公寓,其他为更大的公寓。至于价格呢?接下来我们一探究竟。
上图描述了2014年1月至2021年6月期间巴黎不同户型二手公寓的平均价格/平米。通过第二张图我们发现虽然T2和T3远大于T1,但它们的单价却比T1分别低6.7%和6.4%。另外虽然T4的平均面积比T1大三倍,但单价只比T1贵4%。为什么T1公寓每平方米那么贵?可能是因为巴黎有很多学生或年轻的打工人,一居室公寓刚好能满足他们的需求,这也吸引更多的投资者来投资T1公寓,市场上对T1的需求更高,所以价格也因此升高。
市中心寸土寸金
通过这张图,我们观察到4、6、7、8区的二手公寓比其他区贵很多,平均单价至少11800欧元;相反,18区、19区和20区的二手公寓则比其他区便宜很多,平均单价不到8000欧元。这可能是由于地理位置、户型、公寓状态、节能情况、公共安全等原因造成的。 市中心的公共交通比其他地区多,也有很多购物中心或旅游景点,吸引了大量的人,从而使市中心更加有价值。
根据下面的条形图,18区的交易量远高于其他地区,近50%的售出公寓是二居室。圣心大教堂和蒙马特使18区闻名,这是一个波西米亚风格和国际化的艺术区域。这里还有学校、夜总会以及很受大家欢迎的跳蚤市场,这些都吸引着情侣把他们的居住区域定在18区。
此外,16区四居室的交易量比其他区域都要多。16区以住宅区著称,其迷人的建筑带有绿色庭院和阳台就证明了这一点。但从历史和人文角度来看,它也是巴黎的文化热点,拥有许多博物馆和标志性场所。另外,它集中了许多学校和机构来满足学生受教育的需求,也会吸引一些家庭在此居住。这或许就是16区四居室交易量大的原因。
对于1区、2区、3区来说,可能是因为市中心房源不多且单价巨高,所以售出的公寓中超过三分之一是一居室。
面积与价格?
根据这组散点图,我们可以简单地知道二手公寓的价格与其面积之间的关系。每个点代表一笔交易,红色虚线表示这些交易的每平方米价格为1万欧元。虚线上方的点表示其单价大于1万欧元;否则,每平方米不及1万欧元。
在市中心卖出的二手公寓大多在50平方米以下,但价格相差很大,最贵可达200万欧元;另一方面,8区、16区和17区,许多公寓的价格也达到了200万欧元以上,但它们的面积差异很大,最大有200平方米;此外,也有单价和面积相差不大的区域,比如13区、18区、19区和20区,这些区域的公寓大部分都在100平方米以下,低于100万欧元,所以每平方米不到1万欧元。
整体而言房价平稳上涨
这张图表描述了2014年1月至2021年6月期间巴黎二手公寓的交易量和每平方米均价。橙色线为每平方米月均价,蓝色区域为月交易量。7.5年间,每平方米均价上涨37%(11.5/8.4-1),尤其是2017年以来,每平方米均价上涨近26%(11.5/9.1-1)。而且,可能由于8月的度假高峰期,交易额也在8月达到了年度最低点;相反,7月或9月的交易量高于其他月份,这意味着人们通常在5月或7月签署购买承诺(假设在签署购买承诺和购买协议之间我们有2个月的时间来与银行协商、申请并批准贷款),以便他们可以在假期前或开学前完成过户。此外,由于新冠,交易量在2020年4月下降了50%,但在第一次封城结束后又恢复到之前的水平。2021年依旧受疫情影响,成交量和均价都没有大幅上涨。
我使用时间序列additive
模型将数据分解为趋势分量、季节性分量和残差分量。趋势成分呈现价格随时间的变化而变化,季节性成分呈现一年中的周期性影响,残差成分呈现趋势和季节性影响未描述到的影响。通过这个模型,我们发现除了7月份之外,1月份还有另一个交易高峰,这是我们上面没有发现的。3月和6月,交易量达到低点,这可能是因为在2个月的过渡期内,购买或出售公寓的需求并不那么高。
此外,我还借助了fbprophet
来预测每平方米的价格。黑点表示实际值,蓝线表示预测值,浅蓝色阴影区域表示不确定性。由于初始不确定性,预测的不确定性区域会增加,并且会随着时间的推移而增长。这可能会受到政策、社会因素或其他一些因素的影响。
结论
通过以上的分析,我们发现在巴黎的所有二手公寓交易中,一居室和两居室占了60%的交易。4、6、7、8区的二手房比其他区贵很多,平均单价至少11800欧元;相反,18区、19区和20区的二手公寓比其他区便宜很多,平均单价不到8000欧元。
Reference
- Ministère de l’économie, des finances et de la relance, “Demandes de valeurs foncières”, data.gouv.fr. [Online]. Available: https://www.data.gouv.fr/fr/datasets/5c4ae55a634f4117716d5656/
- Grégoire David, “Departments polygon”, github.com. [Online]. Available: https://github.com/gregoiredavid/france-geojson/blob/master/departements.geojson
- APUR, “APUR : Communes - Ile de France”, data.gouv.fr. [Online]. Available: https://www.data.gouv.fr/fr/datasets/apur-communes-ile-de-france/
- “Paris”, en.wikipedia.org. [Online]. Available: https://en.wikipedia.org/wiki/Paris
- Ehi Aigiomawu, “Analyzing time series data in Pandas”, towardsdatascience.com. [Online]. Available: https://towardsdatascience.com/analyzing-time-series-data-in-pandas-be3887fdd621
- Will Koehrsen, “Time Series Analysis in Python: An Introduction”, towardsdatascience.com. [Online]. Available: https://towardsdatascience.com/time-series-analysis-in-python-an-introduction-70d5a5b1d52a
- “Rent apartment Paris 18”, parisattitude.com. [Online]. Available: https://www.parisattitude.com/rent-apartment-paris-18.aspx
- “Guide immobilier Paris 16ème arrondissement”, engelvoelkers.com. [Online]. Available: https://www.engelvoelkers.com/fr-fr/paris/guide-immobilier-16eme-arrondissement/
- Walkerssk, “Paris France Eiffel tower night”, pixabay.com. [Online]. Available: https://pixabay.com/photos/paris-france-eiffel-tower-night-1836415/