向麥當勞星巴克學投資！假如美股再大跌，房子買還是賣？

大數據分析在2012年已經是buzzword。2017年，《哈佛商業周刊》對世界500強企業做了一個調查，調查表明：過去六年裡，只有接近一半（48.4%）的公司在應用大數據時取得一定成效。

這其中最成功、最重要的應用是降低成本。“進攻式”的大數據應用，例如利用大數據開發新的數據產品和服務還沒有廣泛實現。到目前為止，數據分析的商業應用還有很長的路要走。

最早運用數據成功的500強，是麥當勞

以空間數據分析為例，最早最成功的應用案例是麥當勞。

上世紀80年代，它就已經開始應用地理信息系統軟件選址。它的分析精確到同一地段在不同時間段，不同方向的車流數量，是當時最優秀的商業選址團隊。

受益於當年精準的商業選址，麥當勞在經歷美國消費升級、快餐業發展阻滯的大環境下，仍然是財富500強之一。

麥當勞目前百分之五十的收入來地產租金。在過去五年裡，它的收入總額在下降，但利潤在上升，因為麥當勞的商業地產是被動收入類型，不需要很大的運營費用。

再如星巴克的選址原則，它從居民家庭年收入、靠近就業機會、交通流量、街角、上班車流方向、專屬停車位等多維度切入。

從星巴克的選址原則可以看到，數據分析要像一根針一樣，從宏觀一直扎到最微觀，才有現實指導意義，不然很難比資深業界人士的直觀判斷更準確。

如何投資決策，房產收益才能最大化？

如何去分析居住地產呢？傳統的方式是：地點、地點、地點。但現在，可以從時間、地點、產品三個維度切入。

▷影響房產投資收益率的第一要素是時間。 

房地產價格波動是有周期的。如果在一個房地產週期的最高點入市的話，掙錢的可能性非常小。比如這張圖，講的是Boston地區，不同買入時機的回報率對比：

假設持有房產六年後賣出，那麼Boston房地產最好的入市時間是1995年，平均年升值回報率是14.5%，再加上3%左右的年租金回報，年均回報率是17.5% 左右。 

這裡有意思的是，2005年美國經歷了百年不遇的房地產危機，全美房價平均降了20%左右。

2011年落到這輪房地產週期最低點。但即便這麼大的調整之後，如果在2011年最低點買入房產，持有5年後賣出，平均的年房產升值回報率也只有5.5%。

▷影響房產投資收益率的第二要素是地點。

如果是在一個不錯的時間點入市，例如2011年，在Boston平均回報率5.5%的大環境下，投資地點不同，回報率也會不同，差別高達7.7%。 

換句話說，選對了地點，平均年均升值高達11.56%。如果選錯了，即便在周期最低點入場投資，地產年均升值也只有3.85%，這個數字就是比通貨膨脹率高一點兒而已。

需要注意的是，地點是一個隨時間和地產週期變化的概念。以Boston為例，在地產週期的第二階段，二類區域要比核心區域升值速度快。

▷影響房產投資收益率的第三要素是產品。

假設在這輪週期最好的時間點2011年入市，並且買在了正確的地點，比如MIT 旁邊的West Cambridge 區域， 買一室戶的年升值率要比4室戶高出1.5%左右。

這是因為這個區域的主要新住戶畫像是30歲左右的千年一代，單身，博士畢業，起薪10萬以上，work hard and party harder，不喜歡合租，傾向單獨租或者買設施方便的小戶型。

結合時間、地點、產品，在平均回報率5.5%的情況下，通過對大數據的應用，可以將回報率提升至12%以上。  

以上是時間、地點、產品的應用，這三點並不僅僅適用於房地產。大部分產業都有自己的周期，順週期而動，從一線到二線擴散，根據每個時間地點的客戶畫像調整產品或市場策略，可應用到各個產業。

通過數據，預知未來會發生什麼

數據分析可以分為幾個階段。比如說知道過去發生了什麼，為什麼發生，作為商業公司來說，最有價值的是知道未來會發生什麼，還有哪些trigger event會導致價格變化？中間時間大約會有多久？就像一顆石子投到水里之後會發生什麼，通過預判，才能提前做好準備。

關鍵詞：時空順序

地產價格變化通常都會有穩定的時空順序，例如一線城市的領漲領跌。在2006年美國地產危機時，三番、紐約、波士頓這些一線城市的價格下降，比全美房產領先了至少一年左右。

同一城市裡，不同價位的地產價格變化，也會有時間順序。 例如波士頓就是高價位地產領漲領跌。需要注意的是，這個規律不是所有城市普遍適用，芝加哥的地產就是低價位地產領漲領跌，長期增幅高於高價位地產。不過從城市發展的角度，這是一個悲劇，說明城市正在整體下行。

關鍵詞：Trigger Event

美股高估，已經是一個普遍共識。那麼如果美股大跌的話，房市會出現什麼局面，應該買還是賣？

✔通常認為，股市和房市基本沒有相關或者聯動關係。宏觀看的確如此。

✘微觀看，2000年2月美國DotCom股市泡沫破裂之後，全美房市不受影響繼續上行，舊金山的房價卻在2001年1月進入拐點，下跌10%左右，然後從2002年1月重新進入上行通道。

我們猜測，出現這個現象原因是DotCom公司的職工配股制度導致舊金山區域居民收入受股票影響很大。考慮到這種職工配股制度現在在Boston的生物製藥企業也大量推行，我們非常好奇是否能在Boston也看到類似現象。

根據歷史數據，我們的確在這裡看到了類似的關聯。 

波士頓部分高收入人群聚居區，尤其是沒有經歷過金融危機的年輕人群聚居區，全區居民70%以上的收入來自於股市，同時還大量使用槓桿進行投資。

這類集體投資風險偏好過高的區域，例如波士頓金融區，在股票熊市後房價會出現短暫深度下跌。事實上，在2008年經濟危機中，這些區域已經表現出了跌得更深、漲得更快的特徵。

因此，波士頓這些高收入、高風險、高活力的冒險家居住區也是美股大跌後投資者們的理想標的。目前已經有一批地產投資者在持幣待購。

關鍵詞：前置指標

通過分析房地產市場供需邏輯，我們研發了市場熱度指標，它比市場價格變化早6個月到1年。

2017年2月我們首次開發出這個指標，發現馬薩諸塞州的Weston（全美最貴的10個鎮之一，2006年地產危機中也僅僅降價12%）的市場熱度指數像懸崖一樣掉了下來（參見橘色線）：

到了2017年11月，市場熱度指數接近底部的9個月之後，這個鎮的地產價格迅速下跌，上市房產折扣比例普遍在15%左右，價格已經跌到了2003年的位置。大家可以去美國的房產中介網站Zillow或者Redfin上參觀。

Q ：不同市場的前置指標不同，需要商家根據自己的市場邏輯去找。那麼，如何去找這個前置指標？

A ：  答案是在大規模降價發生之前，首先看到東西突然不好賣了。指標的觀測不止來自於自己的市場分析，也可以來自於另外的市場。

例如家具市場的前置指標很可能是市場上新開工住房數。奶粉市場的前置指標也許應該用醫院孕檢數量來監測。

盲信數據，會被帶進哪些坑里？

如果一切決策都只照著數據分析，那被帶到坑里的可能性，比你做對的可能性更高。

首先，很多數據分析是現有結論、後有分析的。在美國有句話：統計是最高級別的謊言。相關案例非常多，最近的一個著名案例是2011年，報紙頭條說：感謝統計學家，我們走出衰退了——因為統計局把失業率的定義改了。

把偶然現象當必然規律；底層邏輯改變，以前的規律不再適用；出現幾十年左右一遇的大周期，而數據分析用的是數據時間較短，看不到這種大周期的變化。

Q ：  數據分析有這麼多坑，如何最大限度避免呢？

A ：做法是數據分析人員要與一線從業人員經常交流。將一線從業人員講的故事和現象翻譯成公式和數據變量，然後用歷史數據去證實或者證否。

同時，數據分析人員也把自己的發現講給一線從業人員，聽聽一線從業人員覺得是有道理還是“nonsense”。如果是後者，數據分析人員需要檢視自己的分析模型。

數據分析能夠在市場信號還晦暗不明的時候，幫助決策者對市場預判。但是這樣的輔助作用是建立在數據分析團隊了解商業邏輯的基礎上才有效。如果邏輯錯了，所有的分析都是無用功，甚至有害。

數據分析只是更快的刀，商業邏輯才是握刀的手。

（出處：http://www.hometopagent.com/agent/6847657/article/62401，版權歸原作者所有。如有侵權請聯繫我們626-280-8588，我們將及時處理，謝謝。）