持有期回报 — District 2

按持有期长度划分的平均回报

观看: D2 · 显示全部 新加坡

如何解读持有期和回报洞察

要点

  • 这种洞察力由每月更新的实时 URA 和 HDB 交易数据提供支持。
  • 使用图表上方的地区过滤器将结果缩小到特定的规划区域。
  • 将鼠标悬停在图表上的任何数据点以获取确切的值和交易计数。

它的作用

控股回报洞察通过根据最初购买房产的年份对交易进行分层来分析新加坡私人住宅房产的已实现资本回报。对于每个购买年份组(例如,“2010 年购买的所有房产”),该图表显示了转售时的年化名义收益的分布(中位数、第 25 个百分位和第 75 个百分位),因此您不仅可以了解平均结果,还可以了解当年购买的房产的结果分布。横轴是购买年份(2000年至今),纵轴是年化名义收益。通过过滤器,您可以选择特定的地区或细分市场,以查看回报情况随位置的变化情况。

您可以在 ShiokNest 的见解选项卡下找到此见解。数据来源于匹配的 URA 购买和转售警告对 - 仅包含原始购买和后续转售均记录在数据库中的交易,确保回报基于实际往返交易而不是建模估计。该数据集不包括仍持有(尚未转售)的房产,这意味着最近购买年份(2022-2025)将几乎没有数据点,直到这些房产开始在二级市场上交易。此见解与用于开发级别分析的盈利能力评分以及用于净融资成本回报建模的现金流计算器配合使用。

为什么它很重要

从持有回报数据中最重要的洞察是购买时机对结果的影响有多大。 2009 年(全球金融危机后的低谷)购买并在 2012 年至 2020 年期间随时转售的房产,其年化名义回报率中位数为 8% 至 14%,无论以任何资产类别标准来看,都是非常出色的。在 2011 年高峰时购买并在 5 至 7 年后转售的房产,年化回报率为 0 至 2%,在考虑交易成本后仅略高于通货膨胀率。该图表使购买年份敏感性在整个历史周期中可见,因此您可以找到任何历史购买年份并了解买家实际收到的中位数。

回报分布(显示第 25 个和第 75 个百分位带)与中位数同样重要。购买年份的中值回报率为 5%,但第 25 个百分位为 -2%,这意味着该群体中大约 25% 的买家扣除成本后实际亏损。第 25 个百分位数为 3%、第 75 个百分位数为 9% 的购买年份具有紧密且持续正的回报分布——整个群体的表现相当不错。分布的宽度告诉您当年买家面临的结果变化有多大,这是衡量该时期整个市场风险而不是个人选择风险的指标。

对于当前买家来说,最有用的应用是校准 2024-2026 年进入群体的预期。考虑到当前的 PSF 水平、ABSD 和交易成本以及 2023 年后的冷却环境,2024 年买家需要市场提供多少年化回报才能实现最低可接受的回报?持有回报数据提供了历史背景:从非高峰购买年份衡量,新加坡私人住宅市场在每 5 年以上的持有期内都实现了正的名义回报。从购买高峰年(2011年、2013年)开始,5年期持有者名义上往往勉强收支平衡。该数据确定了当前的切入点(不是 2011 年式的峰值,但也不是 2009 年的低谷),有助于设定 5-10 年投资期限的现实回报预期。

地区过滤器揭示了持有回报的显着区域差异。 D9/D10/D11 CCR 地区表现出较高的回报波动性(25% 和 75% 之间的差距较大),但低谷购买年的回报中位数较高。 D19/D20/D21 OCR 地区表现出较低的回报波动性和更一致的适度回报。对于寻求稳定回报而不是潜在优异表现的风险规避投资者来说,OCR 持有回报状况历来提供更严格的分布,即使中位数比同等购买年份的 CCR 低 2-3 个百分点。与Tenure Trends Insight配对,了解同一地区内相同时期内 FH 与 99 年持有回报的比较情况。

它是如何运作的

  • 从过滤器中选择一个地区或将其留空以查看新加坡范围内的数据。
  • 使用时间范围按钮(1Y/2Y/3Y/5Y/All)调整图表窗口。
  • 将鼠标悬停在图表上的任意点即可查看确切的值和基础交易计数。
  • 查看图表上方的 KPI 卡,了解标题数字一目了然。

示例

2009 vs 2011 purchase cohort in D9: the purchase timing gap

输入
District
D9 — Orchard / River Valley
Cohorts compared
2009 purchase year vs 2011 purchase year
Metric
Annualised nominal return at resale (all holding periods)
结果
D9 2009 cohort median return
+9.8% annualised (5-year typical hold)
D9 2011 cohort median return
+1.2% annualised (5-year typical hold)
D9 2011 cohort 25th percentile
−1.4% annualised (losing-money band)
Return difference from 2yr timing gap
8.6 percentage points per year

如何阅读此内容: Two years of purchase timing in the same district — 2009 vs 2011 — produced an 8.6 percentage point gap in median annualised returns over a 5-year hold. The 2009 buyer entered near the trough; the 2011 buyer entered near the peak of that cycle. After 5 years, the 2009 buyer had compounded at 9.8% per year; the 2011 buyer at 1.2%. The 25th percentile for the 2011 cohort is actually negative — meaning roughly 25% of 2011 D9 buyers lost money nominally over 5 years. This historical data contextualises the importance of current-cycle positioning: buyers entering D9 at relative value versus those entering at cycle highs face very different return distributions.

OCR 2015–2018 cohort: consistency in modest returns

输入
Segment
OCR (Outside Central Region)
Cohorts
2015, 2016, 2017, 2018 purchase years
Metric
Annualised return at resale, all holding periods
结果
2015 OCR cohort median
+4.2% annualised
2016 OCR cohort median
+3.8% annualised
2017 OCR cohort median
+4.4% annualised
2018 OCR cohort median
+3.9% annualised
Distribution width
Narrow: 25th percentile +1.8%, 75th percentile +6.5%

如何阅读此内容: OCR buyers in the 2015–2018 window consistently achieved 3.8–4.4% annualised median returns with narrow distribution spreads — the 25th percentile never went below +1.8%. This contrasts sharply with CCR's wider distribution. For a risk-averse investor entering today at a comparable relative position in the current cycle (not at cycle peak, not at trough), OCR's historical return consistency is a meaningful data point. The 4% median annualised nominal return plus rental income suggests a total return in the 7–8% range for an OCR buy-to-let over a 5–7 year hold — not spectacular, but consistent and measurable.

提示和陷阱

专家提示

  • 并排比较 2-3 个地区以发现相对异常值,而不是孤立地读取单个数字。
  • 始终检查交易数量以及任何价格指标——小样本可能会产生误导性的平均值。
  • 将这种见解与下面的相关计算器和地图结合起来,形成完整的决策框架。

常见陷阱

  • 将短期走势(一年以下)解释为趋势——新加坡房地产数据噪音较大,需要更长的窗口期。
  • 忽略中位数和平均值之间的差异——均值受到黄金地段奢侈品异常值的影响。
  • 忘记了新推出的价格通常是由开发商折扣补贴的,而这些折扣在标题数据中不可见。

常见问题解答

数据从哪里来?
数据来源于市区重建局 (URA) 和住房和发展委员会 (HDB) 官方 API,每月更新一次。
此见解多久更新一次?
基础交易数据每月从 URA 和 HDB 同步。当新数据到达时,图表会实时重新计算。
可以按地区筛选吗?
是的 - 使用图表上方的地区过滤器。您还可以通过 URL 共享特定地区的深层链接。