قطاعات البناء الضجيج وتكلفة العمل في المدينة الكبيرة. التضخم في سان فرانسيسكو والتحقق من النمو

سان فرانسيسكو هي "موسكو" التكنولوجية لعالمنا ، والتي من خلالها (باستخدام البيانات المفتوحة) يمكن للمرء أن يلاحظ تطور صناعة البناء في المدن الكبرى والعواصم. في هذه المدينة التكنولوجية ، كانت الدورات الاقتصادية واضحة للغاية ، والتي أعطت على فترات زمنية مختلفة نموًا هائلاً في الطلب على قطاعات مختلفة من العقارات.



تسمح لك البيانات الخاصة بأكثر من مليون تصريح بناء (سجلات في مجموعتي بيانات) من إدارة المباني في سان فرانسيسكو بتحليل ليس فقط نشاط البناء في المدينة ، ولكن أيضًا إجراء فحص نقدي لأحدث الاتجاهات وتاريخ تطوير قطاعات البناء والطلب على العقارات على مدار الثلاثين عامًا الماضية ...



في المقال الأخيرتم النظر في إجمالي البناء السنوي (الاستثمار) في سان فرانسيسكو بين عامي 1980 و 2018. تم استخدام الفرق بين تكاليف البناء المتوقعة (المقدرة) والفعلية (المعدلة) لتتبع حركة معنويات المستثمرين خلال فترات الازدهار الاقتصادي والأزمات في المنطقة.



صعود وهبوط صناعة البناء في سان فرانسيسكو. اتجاهات وتاريخ تطور نشاط البناء







في هذه المقالة ، سوف نلقي نظرة فاحصة على قطاعات البناء الفردية: إصلاح الأسطح والمطابخ والسلالم والحمامات. بعد ذلك ، دعونا نقارن التضخم لأنواع العمل الفردية ببيانات التضخم الرسمي والمؤشرات الاقتصادية الأخرى.

المحتوى:

تقلبات قطاعات البناء حسب نوع المسكن

متوسط ​​تكلفة تجديد المطبخ والحمام في سان فرانسيسكو.

-.

.

-.

-.

.

, :

1. .
   
   
2. .
   
   
3. ( 10 ) (Apartments) - (2016 )
   
   
4. (Retail) 16 (2001 ).
   
   
5. 30 3 .
   
   
6. 1980 2019 5 .
   
   
7. 30 .
   
   
8. 4 (, , , ) - - 15%.
   
   
9. 4 15-20 — , , , - $ 54 000 - — $ 61 000.
   
   
10. - 30 .
    
    
11. , — ( 10 ) .
    
    
12. إذا لاحظت نموًا متعددًا في وقت قصير ، في العامين المقبلين يمكنك توقع نفس الانخفاض السريع في الشدة.
    
    
13. إذا كنت بحاجة إلى معرفة مقدار ارتفاع متوسط ​​سعر الإصلاح ، فراقب معدل السندات الحكومية لمدة 10 سنوات.
    
    

تم تنفيذ التخطيط والحسابات في Jupyter Notebook (على منصة Kaggle.com).

صعود وهبوط قطاعات المباني في سان فرانسيسكو حسب نوع السكن

تعد صناعة التكنولوجيا في سان فرانسيسكو أحد المذنبين وراء ارتفاع الأسعار. ينتقل عمال التكنولوجيا المكونون من ستة أرقام إلى المدينة للعمل في الشركات الناشئة والشركات الأكثر رسوخًا (مثل Google و Facebook و Twitter و Apple) تزيد بشكل كبير من تكلفة المعيشة وتزيد الطلب على الإسكان. يمكن للمبرمجين الذين يمتلكون جيوبًا مليئة بالمال "التقنية" تحمل مزايدة على معظم السكان المحليين في سوق العقارات.



في الوقت نفسه ، من حيث تشريعات التخطيط الحضري ، تعد سان فرانسيسكو واحدة من أكثر المدن تنظيمًا في أمريكا. هذه والعديد من العوامل الأخرى تحد بشدة من حجم البناء وتؤثر على الأسعار والطلب في سان فرانسيسكو.



وبالتاليالطلب على أنواع مختلفة من المساكن يغير زعيمه في كل دورة اقتصادية جديدة. شهد كل نوع من أنواع المساكن "صعودًا وهبوطًا" في سوق البناء في سان فرانسيسكو ، مثل انفجار في الطلب على الشقق من عام 2012 إلى عام 2015 ، أو ما يقرب من 10 أضعاف ، أو ضجيج ، أكثر من 16 ضعفًا في الطلب من 1997 إلى 1999 في مساحة البيع بالتجزئة.



في مقال حول المبلغ الإجمالي السنوي لأعمال البناء ، تم تقسيم جدول المرور للفترة من 1980 إلى 2018 إلى مكونين:

• التكلفة التقديرية (المقدرة) للعمل (الخط الأزرق)
  
  
• التكلفة الفعلية (المنقحة) للعمل (الخط الأصفر)
  
  

دعنا نلقي نظرة أعمق على إجمالي التكلفة الإجمالية وننتقل إلى "الطبقة التالية" من البيانات.



نقسم التكلفة الإجمالية الإجمالية للعمل إلى فئات العمل وفقًا للمعامل "نوع السكن" ("الاستخدام الحالي"):

• شقق (شقق)
  
  
• البيع بالتجزئة (مساحة البيع بالتجزئة)
  
  
• مكتب (مساحات مكتبية ومكاتب)
  
  
• العقارات السكنية (منازل لعائلة واحدة واثنين)
  
  

dfn = df.dropna(subset=['description'])
dfn.description.isnull().values.any()
#dfn = dfn[dfn['description'].str.match('kitchen')]
df_unit = dfn.loc[:,['revised_cost','existing_use', 'existing_units', 'zipcode','permit_creation_date']]

df_unit = df_unit.dropna()
#keys = ["hotel","appartments"]
df_unit = df_unit[df_unit.existing_use.str.contains("apartments")]

#data_loc = df_unit.loc[['estimated_cost', 'revised_cost','permit_creation_date']]
data_cost = df_unit 
data_cost.permit_creation_date = pd.to_datetime(data_cost.permit_creation_date)
data_cost = data_cost.set_index('permit_creation_date')

data_cost = data_cost[data_cost.index > "1985-8-01"] 
data_cost = data_cost[data_cost.index < "2019-8-31"] 


data_cost = data_cost.dropna()
data_cost_m = data_cost.groupby(pd.Grouper(freq='300d')).sum()
#data_cost_m.head()
plt.figure(figsize=(19,8))

ax = sns.lineplot(data=data_cost_m.revised_cost, linewidth=3, size = 17)
ax.set(xlabel='retail')
major_ticks = np.arange(0, 1500000000, 200000000)
ax.set_yticks(major_ticks)
ax.set(ylim=(0, 1500000000))
plt.savefig('plotname.png', transparent=True)

يمكن ملاحظة أن جميع أنواع العقارات في الفترات الاقتصادية المختلفة مرت بنمو سريع في القطع المكافئ (الضجيج) ونفس الانخفاض السريع.

1. تراجعت ذروة بناء الشقق (الشقق) في الازدهار الأخير للتكنولوجيا الفائقة ، والذي ارتبط بتدفق أعداد كبيرة من العمال الفنيين الجدد من جميع أنحاء العالم إلى الشركات سريعة النمو في وادي السيليكون. زاد الطلب على الشقق من 2012 إلى 2015 10 مرات. من 133 مليون دولار في عام 2012 إلى 1.4 مليار دولار تم استثمارها في الشقق فقط في عام 2015.
   
   
2. (Retail) . 1997 1999 16 . c $ 22 1997 $ 350 . 1999 . , . 90- .
   
   
3. يرتبط النمو في الطلب على العقارات المكتبية (المكتب) أيضًا بتطوير عمالقة وادي السيليكون. ولكن هنا ، منذ عام 2000 ، على عكس البيع بالتجزئة للعقارات والشقق ، كان هناك نمو مطرد في الطلب - والذي ترافق مع العديد من الصعود والهبوط الصغير.
   
   
4. يتزامن نمو الاستثمار في العقارات السكنية من حيث ديناميكيات النمو مع العقارات المكتبية ، ولكنه يختلف عن النمو في المساحات المكتبية - النمو السلس وغياب التقلبات الكبيرة في الطلب.
   
   

إذا قمنا بدمج هذه الفئات الأربع الرئيسية في رسم بياني واحد ، فسنحصل على الارتفاع والانخفاض العامين لجميع الاستثمارات في البناء في مدينة سان فرانسيسكو ، وهو أمر مألوف من المقالة الأولى.

متوسط ​​تكلفة تجديد المطبخ والحمام في سان فرانسيسكو

أخذ البيانات من الميزة - الوصف ، يمكننا أيضًا تحديد البيانات لفئات العمل الفردية ومعرفة تكلفة تجديد مطبخ أو حمام في سان فرانسيسكو لأنواع مختلفة من المساكن في المتوسط.

fam1 = df_unit[df_unit['existing_use']=='1 family dwelling']['estimated_cost'].mean()
fam2 = df_unit[df_unit['existing_use']=='2 family dwelling']['estimated_cost'].mean()
office = df_unit[df_unit['existing_use']=='office']['estimated_cost'].mean()
apartments = df_unit[df_unit['existing_use']=='apartments']['estimated_cost'].mean()
data = {'1 family dwelling':fam1,'2 family dwelling':fam2,'Apartments':apartments}
typedf = pd.DataFrame(data = data,index=['redevelopment of the bathroom'])
typedf.plot(kind='barh', title="Average estimated cost by type", figsize=(8,6));

تبلغ تكلفة تجديد المطبخ في سان فرانسيسكو ضعف تكلفة تجديد الحمام تقريبًا. من المنطقي أن يكون متوسط ​​تكلفة تجديد الحمام أكثر من 2000 دولار لمنزل من عائلتين (16000 دولار) مقارنة بمنزل أسرة واحدة (14000 دولار).



في الوقت نفسه ، فإن متوسط ​​تكلفة تجديد مطبخ لمنزل عائلتين (25000 دولار) يقل بحوالي 3000 دولار عن منزل عائلة واحدة (28000 دولار).

متوسط ​​تكلفة إصلاح السقف والسلالم في سان فرانسيسكو

بنفس الميزة - الوصف ، حدد فقط الخطوط التي تحتوي على الكلمتين "reroofing" (إعادة بناء السقف) و "الدرج" (إصلاح الدرج).







بناءً على متوسط ​​تكلفة إصلاحات السقف ، فمن المنطقي أن إصلاحات السقف (بسبب مساحة السطح الأكبر للمنازل المكونة من عائلتين) تزيد في المتوسط ​​بمقدار 2000 دولار عن منازل الأسرة الواحدة.



تكلفة إصلاح الدرج هي أيضًا ضعف تكلفة المنزل المكون من عائلتين ، لأنه في المنزل المكون من عائلة واحدة إما لا يوجد درج (أو درج ذو شق واحد).

تكلفة تجديد المنزل المخطط له في سان فرانسيسكو

يوصى بتجديد المطبخ والحمام في المتوسط ​​مرة كل 10-15 سنة. إصلاح الأسقف والسلالم - مرة كل 15-20 سنة.







بشكل عام ، إذا "نظريًا" بعد 15 عامًا من بناء المنزل - لإصلاح المطبخ والحمام والسقف والسلالم في عام واحد - فحينئذٍ في منزل الأسرة الواحدة ، ستحتاج إلى توفير ما يصل إلى 54000 دولار مقابل ذلك ، في حين أن هذا المبلغ لمنزل مكون من عائلتين سيكون - 61000 دولار ، والفرق في التكلفة الإجمالية للعمل في هذه الفئات الأربع هو 15٪ فقط.

وبالتالي ، بعد بناء منزل جديد ، من أجل إجراء إصلاحات في المنزل في أربع فئات (مطبخ ، حمام ، سقف ، سلالم) ، من الضروري تخصيص 350 دولارًا شهريًا ، من أجل تجميع مبلغ 60 ألف دولار اللازم للإصلاحات في 15 عامًا.

ارتفاع تكاليف البناء في سان فرانسيسكو

من خلال أخذ البيانات حسب فئة الوظيفة وتجميعها حسب السنة ، يمكننا ملاحظة النمو (والتضخم) لمتوسط ​​تكلفة الإصلاحات حسب نوع السكن.

years = list(range(1980, 2020)) 
keywords = ['1 family dwelling','2 family dwelling','apartments']
val_data = []
for year in years:
    iss_data = []
    for word in keywords:
        v = df_unit[(df_unit['existing_use']==word) & (df_unit['issued_date']== year)]['estimated_cost'].mean()
        iss_data.append(v)
    val_data.append(iss_data)
#print(val_data)

في الرسم البياني التالي ، يتم تقديم بيانات حول متوسط ​​التكلفة حسب نوع السكن ، كما في الفقرة السابقة ، في شكل عمودي.







يعطي الرسم البياني نفسه ، للعرض المرئي ، ولكن في شكل خطوط ، صورة أوضح ("تضخمية").

dfnew.plot.bar(figsize=(20, 8)) 
plt.xlabel("Years")
plt.ylabel("Estimated cost of reroofing")
plt.title("Estimated cost of reroofing by year");
dfnew.plot.line(figsize=(12, 6))

أظهر متوسط ​​تكلفة إصلاحات الأسطح زيادة تدريجية منذ عام 1990.

على عكس المباني السكنية ، مر متوسط ​​تكلفة تجديد سقف الشقة خلال نفس الفترة بتقلبات عديدة.

تكلفة تجديد أسطح الشقق لها دورات قصيرة مدتها 3 سنوات.



على عكس ديناميكيات النمو المسطحة في متوسط ​​تكلفة إصلاحات السقف ، فإن متوسط ​​تكلفة إصلاحات المطبخ له تقلبات أكبر.







في تجديد المطابخ ، وكذلك في تجديد أسطح الشقق ، يمكن تتبع دورات قصيرة المدى من 2 × 3 سنوات.



في إصلاح الحمامات ، لا يتم تتبع مثل هذه الدورات ، وتكون الزيادة في متوسط ​​تكلفة البناء أكثر رقة. فقط زيادة متوسط ​​تكلفة إصلاحات أحواض الشقق قبل طفرة الدوت كوم تبرز ؟!

التضخم في تكلفة أعمال البناء في سان فرانسيسكو.

من أجل إيجاد تضخم متوسط ​​تكلفة الإصلاحات للفترة بأكملها من 1980 إلى 2019 ، نكمل البيانات بخط اتجاه. عند حساب التضخم (أخذ نقطتي البداية والنهاية لخط الاتجاه) نجد أن التضخم الأقصى في القيمة للفترة من 1990 إلى 2018 حدث في صناعة الحمامات.



زاد متوسط ​​تكلفة تجديد الحمامات على مدار الثلاثين عامًا الماضية تقريبًا 5 مرات (ربما زادت تكلفة التجديد بسبب ظهور مواد تشطيب جديدة وسيراميك وأدوات صحية باهظة الثمن (وبأسعار معقولة) في السوق؟!).

sns.regplot(y=dfnew_2['2 family dwelling'],x=dfnew_2['index'],data=dfnew_2, fit_reg=True) 
#sns.jointplot(dfnew_2['index'], dfnew_2['2 family dwelling'], data=dfnew_2, fit_reg=True, stat_func=stats.pearsonr)
lines = plt.gca().lines
lower1990 = [line.get_ydata().min() for line in lines]
upper2019 = [line.get_ydata().max() for line in lines]
plt.scatter(1990, lower1990, marker='x', color='C3', zorder=3)
plt.scatter(2019, upper2019, marker='x', color='C3', zorder=3)
print("In 1990 it cost = $" + str(lower1990[0].round()) + "; In 2019 it cost = $ " + str(upper2019[0].round()))
print("Inflation for the period 1980-2019 = " + str(((upper2019[0]-lower1990[0])/lower1990[0]*100).round())+"%")
all2 = [line.get_ydata() for line in lines]

أصغر الانحرافات من حيث القيم هي في فئة "إصلاحات السقف" ، حيث بلغ التضخم 250٪ خلال الثلاثين سنة الماضية (ارتفع متوسط ​​السعر أكثر من 3 مرات). كما تضاعفت تكلفة تجديد المطبخ ثلاث مرات خلال الثلاثين عامًا الماضية.

في نفس الفترة ، ظلت تكلفة إصلاح السلالم من 1980 إلى 2019 دون تغيير تقريبًا وكان متوسط ​​تضخم التكلفة في قطاع البناء هذا 85٪ فقط.

تخيل الآن تطور نمو التضخم لمزيد من الوضوح على مقياس واحد ، حيث يتراوح التضخم من 0 إلى 9٪ ، وانظر إلى انخفاض تكلفة التضخم السنوية للإصلاحات حسب الفئة في الفترة من 1980 إلى 2019.







من الملاحظ أن التضخم السنوي على مدى الثلاثين عامًا الماضية قد انخفض في جميع الفئات بنحو 2-4 مرات (على سبيل المثال ، في إصلاحات السقف من 8٪ في عام 1990 إلى ما يقرب من 2٪ في عام 2019). وهذا يتوافق تمامًا مع السياسة الاقتصادية خلال هذه الفترة (من 1980 إلى 2019).

إذا قارنا البيانات الرسمية حول التضخم وبيانات التضخم في قطاع البناء ، فسنلاحظ أن التضخم الرسمي في قطاع واحد فقط تزامن مع تضخم تكلفة العمل.

وجاء ارتفاع تكلفة إصلاح السلالم متماشيا مع التضخم الرسمي. في فئات العمل الأخرى ، تجاوز النمو السنوي في تكلفة أعمال البناء على مدى الثلاثين عامًا الماضية التضخم الرسمي بمقدار الضعف تقريبًا.



تزامنت حركة التضخم في فئات مثل إصلاح الأسقف ، وتجديد الحمامات والمطابخ ، تقريبًا تمامًا مع حركة أسعار الفائدة على قروض لمدة 30 عامًا (وبالتالي ، مع العائد على سندات الخزانة لمدة 10 سنوات).

الرهن العقاري الثابت لمدة 30 عامًا هو قرض يظل معدل الفائدة عليه كما هو طوال مدة القرض بالكامل.

على سبيل المثال ، مع رهن عقاري لمدة 30 عامًا بقيمة 300000 دولار مع دفعة أولى بنسبة 20 ٪ ومعدل فائدة 3.75 ٪ ، ستكون الدفعات الشهرية حوالي 1111 دولارًا (باستثناء الضرائب والتأمين). وبالتالي ، يظل سعر الفائدة البالغ 3.75٪ (والدفع الشهري) دون تغيير طوال مدة القرض بالكامل.

معدل الخزانة لمدة 10 سنوات هو الدخل المكتسب من استثمار في سندات الخزانة الصادرة عن حكومة الولايات المتحدة والتي تستحق خلال 10 سنوات.

المعدلات الحقيقية والربحية في البناء

يمكن ملاحظة أن التغيير في تكلفة الأعمال يتزامن مع سعر الفائدة على السندات الحكومية. يوضح الرسم البياني لبول شميلزنج (أستاذ بجامعة هارفارد) كيف تغيرت أسعار الفائدة الحقيقية العالمية على مدى القرون الثمانية الماضية.







بجمع البيانات حول أسعار الفائدة الحقيقية في الاقتصادات المتقدمة ، يوضح شميلزنج أن المؤشرات الحقيقية أظهرت اتجاهًا سلبيًا لسعر الفائدة منذ القرن الرابع عشر.



للمقارنة ، الفترة المذكورة في المقال محددة باللون الأصفر.







بدءًا من عام 1311 ، تُظهر البيانات الواردة من التقرير كيف تغير متوسط ​​المعدلات الحقيقية من 5.1٪ في القرن الثالث عشر الميلادي إلى متوسط ​​2٪ في القرن العشرين.



متوسط ​​السعر الحقيقي للفترة 2000-2018 هو 1.3٪.

إلى جانب المعدل الحقيقي ، بالطبع ، تتناقص ربحية الصناعات أيضًا ، وهو ما يرتبط بهذا المعدل. هذه الصناعات القديمة في المقام الأول مثل الصناعة الزراعية وصناعة البناء.

على الأرجح ، في الفترة من 2020 إلى 2030 ، سنشهد انخفاضات قياسية جديدة في المعدلات الحقيقية ، وبالتالي ، انخفاض في الربحية في صناعة البناء. ولكن إذا انخفضت الربحية ، فربما يعني ذلك أن الإنتاجية ستزيد بنفس النسبة "المفقودة".

إذا كان هناك هامش كبير في وقت سابق من البناء يبلغ 10-15٪ ، ولم تكن الشركات بحاجة إلى التفكير في إدخال تقنيات جديدة (لم يكن هناك الكثير من حيث المبدأ) ، فإننا ندخل الآن حقبة جديدة من معدلات حقيقية منخفضة وهوامش منخفضة بنسبة 2-5٪. حيث سيتم لعب الدور الرئيسي في شركة البناء من خلال توافر أدوات وعمليات جديدة في عمل الشركة.

هناك وفرة من الأدوات والتقنيات الجديدة التي يمكن استخدامها بالفعل في البناء في الوقت الحالي.

سوف تستغرق شركات البناء عقودًا حتى تجد هذه التقنيات الجديدة طريقها إلى صناعة البناء المرنة والمرهقة.

في نفس الوقت تقريبًا الذي تبدأ فيه سيارات الأجرة ذاتية القيادة العمل في موسكو ، ستبدأ شركات البناء الروسية ، من أجل الحفاظ على الهوامش ، تدريجياً في استبدال المخططين في المستويات الأدنى بنصوص وأدوات آلية تستخدم البيانات الضخمة وتقنيات التعلم الآلي.



روابط للمنشورات السابقة حول هذا الموضوع:

• الصعود والهبوط في صناعة البناء في سان فرانسيسكو. اتجاهات وتاريخ تطور نشاط البناء
• قطاع البناء آخذ في الانهيار. أزمة كوفيد -19 ، تحديات متزايدة وفرص جديدة

رابط إلى دفتر Jupyter: سان فرانسيسكو. قطاع البناء 1980-2019.



إذا أعجبك المحتوى الخاص بي ، فيرجى التفكير في شراء قهوة لي. شكرًا لدعمكم! شراء القهوة للمؤلف