Доходность за период владения

Средняя доходность в зависимости от продолжительности периода владения

Как читать период владения и доходность

Ключевые выводы

  • Эта информация основана на текущих данных о транзакциях URA и HDB, обновляемых ежемесячно.
  • Используйте фильтр района над диаграммой, чтобы сузить результаты до определенной области планирования.
  • Наведите указатель мыши на любую точку данных на диаграмме, чтобы увидеть точные значения и количество транзакций.

Что он делает

Анализ доходности холдинга анализирует реализованную доходность капитала для частной жилой недвижимости в Сингапуре путем стратификации транзакций на основе года первоначальной покупки недвижимости. Для каждой когорты года покупки (например, «все объекты недвижимости, приобретенные в 2010 году») на диаграмме показано распределение годовой номинальной прибыли при перепродаже — медиана, 25-й процентиль и 75-й процентиль — так что вы можете понять не только средний результат, но и разброс результатов для объектов недвижимости, купленных в этом году. Горизонтальная ось — год покупки (с 2000 года по настоящее время), а вертикальная ось — номинальная доходность в годовом исчислении. Фильтр позволяет вам выбрать конкретный район или сегмент рынка, чтобы увидеть, как профиль доходности зависит от местоположения.

Эту информацию можно найти на ShiokNest на вкладке Статистика. Данные получены из совпадающих пар предостережений о покупке и перепродаже URA — в базу данных включены только транзакции, в которых как первоначальная покупка, так и последующая перепродажа записаны в базе данных, что гарантирует, что доходы основаны на фактических транзакциях туда и обратно, а не на смоделированных оценках. В набор данных не включены объекты недвижимости, которые все еще находятся в собственности (еще не перепроданы), а это означает, что в последние годы покупки (2022–2025 гг.) будет мало точек данных, пока эти объекты недвижимости не начнут продаваться на вторичном рынке. Эта информация сочетается с Показателем прибыльности для анализа на уровне развития и с Калькулятором денежного потока для моделирования доходности за вычетом финансовых затрат.

Почему это важно

Самый важный вывод из данных о доходности холдингов – насколько сильно время покупки влияет на результаты. Недвижимость, приобретенная в 2009 году (минимум после GFC) и перепроданная в любое время в период с 2012 по 2020 год, приносила средний годовой номинальный доход в размере 8–14% — исключительный результат по стандартам любого класса активов. Недвижимость, приобретенная на пике 2011 года и перепроданная 5–7 лет спустя, принесла среднюю доходность в размере 0–2% в годовом исчислении, что едва выше инфляции с учетом транзакционных издержек. На диаграмме чувствительность к году покупки видна на протяжении всего исторического цикла, поэтому вы можете найти любой исторический год покупки и понять, что на самом деле получил медианный покупатель.

Распределение доходности, показывающее полосы 25-го и 75-го процентиля, не менее важно, чем медиана. Год покупки, в котором медианная доходность составляет 5%, а 25-й процентиль равен -2%, означает, что примерно 25% покупателей в этой группе потеряли деньги в реальном выражении после затрат. Год покупок, в котором 25-й процентиль составляет 3%, а 75-й процентиль — 9%, имеет плотное, последовательно положительное распределение доходности — вся когорта показала достаточно хорошие результаты. Ширина распределения показывает, с какой изменчивостью результатов столкнулся покупатель в этом году, что является мерой общерыночного риска в этот период, а не индивидуального риска выбора.

Для нынешних покупателей наиболее полезным применением является калибровка ожиданий для когорты входа в 2024–2026 годах. Учитывая текущие уровни PSF, ABSD и транзакционные издержки, а также охлаждение окружающей среды после 2023 года, какой годовой доход потребуется рынку покупателю в 2024 году, чтобы достичь минимально приемлемого дохода? Данные о доходности холдингов обеспечивают исторический контекст: рынок частного жилья Сингапура приносил положительную номинальную доходность в течение каждого пятилетнего периода владения, начиная с непиковых лет покупок. В годы пика покупок (2011, 2013) держатели 5-летних облигаций зачастую едва ли номинально выходили на уровень безубыточности. Эти данные определяют текущую точку входа — не на пике, как в 2011 году, но и не на спаде 2009 года — и помогают установить реалистичные ожидания доходности на инвестиционный горизонт 5–10 лет.

Фильтр по округам выявляет значительные региональные различия в доходности холдингов. Районы CCR D9/D10/D11 демонстрируют более высокую волатильность доходности (больший разброс между 25-м и 75-м процентилем), но более высокую медианную доходность в годы с минимальными покупками. Районы OCR D19/D20/D21 демонстрируют меньшую волатильность доходности и более стабильную скромную доходность. Для инвесторов, не склонных к риску, стремящихся к стабильной прибыли, а не к потенциальному превосходству, профиль доходности холдинга OCR исторически обеспечивает более плотное распределение, даже если медианное значение на 2–3 процентных пункта ниже, чем CCR за аналогичные годы покупки. Используйте Trends Trends Insight, чтобы понять, как сравниваются доходы от владения FH и 99-летним владением в одном и том же округе за эквивалентные периоды.

Как это работает

  • Выберите район из фильтра или оставьте это поле пустым, чтобы просмотреть данные по всему Сингапуру.
  • Используйте кнопки временного диапазона (1Y/2Y/3Y/5Y/All), чтобы настроить окно графика.
  • Наведите курсор на любую точку на графике, чтобы увидеть точные значения и количество базовых транзакций.
  • Просмотрите карточки KPI над диаграммой, чтобы сразу увидеть основные цифры.

Примеры

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

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

Как это прочитать: 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

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

Как это прочитать: 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.

Советы и подводные камни

Советы экспертов

  • Сравните 2–3 округа рядом, чтобы выявить относительные выбросы, вместо того, чтобы читать одно число изолированно.
  • Всегда проверяйте количество транзакций вместе с любыми ценовыми показателями — небольшие размеры выборки могут привести к вводящим в заблуждение средним значениям.
  • Объедините это понимание с соответствующими калькуляторами и картами ниже, чтобы получить полную структуру принятия решений.

Распространенные ловушки

  • Интерпретация краткосрочных изменений (менее 1 года) как тенденций: данные о недвижимости в Сингапуре зашумлены и требуют более длительного периода.
  • Игнорируя разницу между медианой и средним значением, средние значения вытягиваются за пределы роскоши в лучших районах.
  • Забываем, что цены на новинки часто субсидируются за счет скидок для разработчиков, не видимых в заголовках данных.

Часто задаваемые вопросы

Откуда берутся данные?
Данные получены из официальных API Управления городской реконструкции (URA) и Совета по жилищному строительству и развитию (HDB), которые обновляются ежемесячно.
Как часто обновляется эта информация?
Базовые данные транзакций синхронизируются ежемесячно из URA и HDB. Графики пересчитываются в реальном времени по мере поступления новых данных.
Могу ли я фильтровать по районам?
Да — используйте фильтр района над диаграммой. Вы также можете поделиться глубокой ссылкой на определенный район через URL-адрес.