Renditen für die Haltedauer

Durchschnittliche Rendite nach Haltedauer

So lesen Sie die Einblicke in die Haltedauer und Rückgaben

Wichtige Erkenntnisse

  • Diese Erkenntnisse basieren auf Live-URA- und HDB-Transaktionsdaten, die monatlich aktualisiert werden.
  • Verwenden Sie den Bezirksfilter über dem Diagramm, um die Ergebnisse auf ein bestimmtes Planungsgebiet einzugrenzen.
  • Bewegen Sie den Mauszeiger über einen beliebigen Datenpunkt im Diagramm, um genaue Werte und Transaktionszahlen anzuzeigen.

Was es tut

Der Einblick in „Holding Returns“ analysiert die realisierten Kapitalrenditen für private Wohnimmobilien in Singapur, indem Transaktionen basierend auf dem Jahr, in dem die Immobilie ursprünglich gekauft wurde, geschichtet werden. Für jede Kaufjahrkohorte (z. B. „alle im Jahr 2010 gekauften Immobilien“) zeigt das Diagramm die Verteilung der annualisierten nominalen Gewinne beim Wiederverkauf – Median, 25. Perzentil und 75. Perzentil – sodass Sie nicht nur das durchschnittliche Ergebnis, sondern auch die Streuung der Ergebnisse für in diesem Jahr gekaufte Immobilien verstehen können. Die horizontale Achse ist das Kaufjahr (von 2000 bis heute) und die vertikale Achse ist die annualisierte Nominalrendite. Mithilfe eines Filters können Sie einen bestimmten Bezirk oder ein bestimmtes Marktsegment auswählen, um zu sehen, wie sich das Renditeprofil je nach Standort unterscheidet.

Diesen Einblick finden Sie auf ShiokNest unter der Registerkarte Einblicke. Die Daten stammen aus übereinstimmenden Paaren von URA-Kauf- und Weiterverkaufsvorbehalten. Es werden nur Transaktionen berücksichtigt, bei denen sowohl der ursprüngliche Kauf als auch der anschließende Weiterverkauf in der Datenbank erfasst sind. Dadurch wird sichergestellt, dass die Renditen auf tatsächlichen Hin- und Rücktransaktionen und nicht auf modellierten Schätzungen basieren. Der Datensatz schließt Immobilien aus, die noch im Besitz sind (noch nicht weiterverkauft), was bedeutet, dass es in den letzten Kaufjahren (2022–2025) nur wenige Datenpunkte geben wird, bis diese Immobilien mit der Transaktion auf dem Sekundärmarkt beginnen. Diese Erkenntnisse werden mit dem Profitability Score für die Analyse auf Entwicklungsebene und dem Cashflow-Rechner für die Netto-Finanzierungskosten-Renditemodellierung kombiniert.

Warum es wichtig ist

Die wichtigste Erkenntnis aus den Bestandsrenditendaten ist, wie stark sich der Zeitpunkt des Kaufs auf die Ergebnisse auswirkt. Immobilien, die 2009 (Tiefpunkt nach der globalen Finanzkrise) gekauft und zwischen 2012 und 2020 jederzeit weiterverkauft wurden, erzielten eine durchschnittliche jährliche Nominalrendite von 8–14 % – außergewöhnlich im Vergleich zu allen Anlageklassenstandards. Immobilien, die auf dem Höhepunkt 2011 gekauft und fünf bis sieben Jahre später weiterverkauft wurden, erzielten eine durchschnittliche Rendite von 0 bis 2 % auf Jahresbasis – knapp über der Inflation nach Berücksichtigung der Transaktionskosten. Das Diagramm macht diese Kaufjahressensitivität über den gesamten historischen Zyklus hinweg sichtbar, sodass Sie jedes historische Kaufjahr lokalisieren und nachvollziehen können, was der mittlere Käufer tatsächlich erhalten hat.

Die Renditeverteilung – die das 25. und 75. Perzentilband zeigt – ist ebenso wichtig wie der Median. Ein Kaufjahr, in dem die mittlere Rendite 5 %, das 25. Perzentil aber -2 % beträgt, bedeutet, dass etwa 25 % der Käufer in dieser Kohorte real Geld nach Abzug der Kosten verloren haben. Ein Kaufjahr, in dem das 25. Perzentil 3 % und das 75. Perzentil 9 % beträgt, hat eine enge, durchweg positive Renditeverteilung – die gesamte Kohorte schnitt einigermaßen gut ab. Die Breite der Verteilung sagt Ihnen, mit wie viel Ergebnisvariabilität ein Käufer in diesem Jahr konfrontiert war. Dies ist ein Maß für das marktweite Risiko in diesem Zeitraum und nicht für das individuelle Auswahlrisiko.

Für aktuelle Käufer ist die Kalibrierung der Erwartungen für die Einstiegskohorte 2024–2026 die nützlichste Anwendung. Welche jährliche Rendite würde ein Käufer im Jahr 2024 angesichts der aktuellen PSF-Werte, ABSD- und Transaktionskosten sowie der abkühlenden Umgebung nach 2023 vom Markt erwarten, um eine akzeptable Mindestrendite zu erzielen? Die Daten zu den Halterenditen liefern einen historischen Kontext: Singapurs privater Wohnimmobilienmarkt hat in jeder Halteperiode von mehr als 5 Jahren positive Nominalrenditen erzielt, gemessen an den Jahren außerhalb der Kaufspitzen. In den Spitzenkaufjahren (2011, 2013) erreichten 5-Jahres-Inhaber oft kaum die Gewinnschwelle nominell. Diese Daten bilden den aktuellen Einstiegspunkt ab – nicht auf einem Höchststand wie im Jahr 2011, aber auch nicht auf dem Tiefststand im Jahr 2009 – und helfen dabei, realistische Renditeerwartungen für einen Anlagehorizont von 5 bis 10 Jahren festzulegen.

Der Bezirksfilter zeigt erhebliche regionale Unterschiede bei den Anlagerenditen. Die CCR-Bezirke D9/D10/D11 weisen eine höhere Renditevolatilität auf (größere Spanne zwischen dem 25. und 75. Perzentil), aber höhere mittlere Renditen aus den Kaufjahren. Die OCR-Bezirke D19/D20/D21 weisen eine geringere Renditevolatilität und konsistentere bescheidene Renditen auf. Für risikoscheue Anleger, die eher stabile Renditen als eine potenzielle Outperformance anstreben, bietet das OCR-Holding-Renditeprofil in der Vergangenheit eine engere Verteilung, selbst wenn der Median 2–3 Prozentpunkte niedriger ist als die CCR aus entsprechenden Kaufjahren. Kombinieren Sie es mit dem Tenure Trends Insight, um zu verstehen, wie sich die Renditen von FH- und 99-jährigen Beteiligungen innerhalb desselben Bezirks über gleiche Zeiträume vergleichen.

Wie es funktioniert

  • Wählen Sie einen Bezirk aus dem Filter aus oder lassen Sie das Feld leer, um singapurweite Daten anzuzeigen.
  • Verwenden Sie die Zeitbereichsschaltflächen (1J/2J/3J/5J/Alle), um das Diagrammfenster anzupassen.
  • Bewegen Sie den Mauszeiger über einen beliebigen Punkt im Diagramm, um die genauen Werte und die Anzahl der zugrunde liegenden Transaktionen anzuzeigen.
  • Sehen Sie sich die KPI-Karten über dem Diagramm an, um auf einen Blick Schlagzeilen zu erhalten.

Beispiele

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

Eingaben
District
D9 — Orchard / River Valley
Cohorts compared
2009 purchase year vs 2011 purchase year
Metric
Annualised nominal return at resale (all holding periods)
Ergebnisse
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

So lesen Sie das: 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

Eingaben
Segment
OCR (Outside Central Region)
Cohorts
2015, 2016, 2017, 2018 purchase years
Metric
Annualised return at resale, all holding periods
Ergebnisse
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%

So lesen Sie das: 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.

Tipps und Fallstricke

Expertentipps

  • Vergleichen Sie zwei bis drei Bezirke nebeneinander, um relative Ausreißer zu erkennen, anstatt eine einzelne Zahl isoliert zu lesen.
  • Überprüfen Sie immer die Transaktionszahl zusammen mit allen Preismetriken – kleine Stichprobengrößen können zu irreführenden Durchschnittswerten führen.
  • Kombinieren Sie diese Erkenntnisse mit den entsprechenden Rechnern und Karten unten, um einen vollständigen Entscheidungsrahmen zu erhalten.

Häufige Fallstricke

  • Interpretieren Sie kurzfristige Bewegungen (unter einem Jahr) als Trends – die Immobiliendaten für Singapur sind verrauscht und benötigen einen längeren Zeitfenster.
  • Wenn man den Unterschied zwischen Median und Mittelwert außer Acht lässt, werden die Mittelwerte von Luxus-Ausreißern in erstklassigen Bezirken gezogen.
  • Dabei wird vergessen, dass die Preise für Neueinführungen häufig durch Entwicklerrabatte subventioniert werden, die in den Gesamtdaten nicht sichtbar sind.

Häufig gestellte Fragen

Woher kommen die Daten?
Die Daten stammen von den offiziellen APIs der Urban Redevelopment Authority (URA) und des Housing & Development Board (HDB) und werden monatlich aktualisiert.
Wie oft wird diese Erkenntnis aktualisiert?
Die zugrunde liegenden Transaktionsdaten werden monatlich von URA und HDB synchronisiert. Die Diagramme werden live neu berechnet, sobald neue Daten eintreffen.
Kann ich nach Bezirk filtern?
Ja – verwenden Sie den Bezirksfilter über dem Diagramm. Sie können über die URL auch einen Deeplink zu einem bestimmten Bezirk teilen.