Les données sur plus d'un million de permis de construire (enregistrements dans deux ensembles de données) du Département des bâtiments de San Francisco - vous permettent d'analyser non seulement l'activité de construction dans la ville, mais aussi d'examiner de manière critique les dernières tendances et l'histoire du développement des secteurs de la construction et de la demande immobilière au cours des 30 dernières années ...
Dans le dernier articleIl a examiné la construction annuelle totale (investissement) à San Francisco entre 1980 et 2018. La différence entre les coûts de construction prévus (estimés) et réels (révisés) a été utilisée pour suivre le mouvement du sentiment des investisseurs pendant les périodes d'expansion économique et de crise dans la région.
Les hauts et les bas de l'industrie de la construction de San Francisco. Tendances et histoire du développement de l'activité de construction
Dans cet article, nous examinerons de plus près les industries de construction individuelles: réparation de toitures, cuisines, escaliers et salles de bain. Après cela, comparons l'inflation pour des types de travail individuels avec des données sur l'inflation officielle et d'autres indicateurs économiques.
Contenu:
Les hauts et les bas des secteurs de la construction par type de logement
Coût moyen des rénovations de cuisines et de salles de bain à San Francisco.
-.
.
-.
-.
.
, :
- .
- .
- ( 10 ) (Apartments) - (2016 )
- (Retail) 16 (2001 ).
- 30 3 .
- 1980 2019 5 .
- 30 .
- 4 (, , , ) - - 15%.
- 4 15-20 — , , , - $ 54 000 - — $ 61 000.
- - 30 .
- , — ( 10 ) .
- Si vous observez une croissance multiple en peu de temps, vous pouvez vous attendre à la même baisse rapide d'intensité au cours des deux prochaines années.
- Si vous avez besoin de savoir dans quelle mesure le prix moyen des réparations augmentera, gardez un œil sur le taux des obligations d'État à 10 ans.
Le tracé et les calculs ont été réalisés dans Jupyter Notebook (sur la plateforme Kaggle.com).
Les hauts et les bas des secteurs de la construction de San Francisco par type de logement
L'industrie technologique de San Francisco est l'un des coupables de la flambée des prix. Des travailleurs de la technologie à six chiffres déménagent en ville pour travailler dans des startups et des entreprises plus établies (telles que Google, Facebook, Twitter et Apple) augmentent considérablement le coût de la vie et la demande de logements. Les programmeurs aux poches pleines d'argent «technologique» peuvent se permettre de surenchérir sur la plupart des locaux sur le marché immobilier.
Dans le même temps, en termes de législation d'urbanisme, San Francisco est l'une des villes les plus réglementées d'Amérique. Ces facteurs et de nombreux autres limitent considérablement les volumes de construction et affectent les prix et la demande à San Francisco.
doncla demande de différents types de logements change de leader à chaque nouveau cycle économique. Chaque type de logement a connu et aura ses «hauts et ses bas» sur le marché de la construction à San Francisco , comme une explosion de la demande d'appartements de 2012 à 2015, presque 10 fois, ou un battage médiatique, plus de 16 fois la croissance de la demande de 1997 à 1999 à l'espace de vente au détail.
Dans l'article sur le montant total annuel des travaux de construction, le plan de circulation pour la période 1980-2018 a été divisé en deux volets:
- Coût estimatif (estimé) des travaux (ligne bleue)
- Coût réel (révisé) du travail (ligne jaune)
Examinons de plus près les données de coût total et passons à la «couche suivante» de données.
Nous divisons le coût total total des travaux en catégories de travaux selon le paramètre «type de logement» («usage existant»):
- Appartements (appartements)
- Commerce de détail (espace de vente au détail)
- Bureau (espaces de bureaux et bureaux)
- Immobilier résidentiel (maisons unifamiliales et bifamiliales)
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)
On peut voir que tous les types de biens immobiliers à différentes périodes économiques ont connu une croissance parabolique rapide (battage médiatique) et le même déclin rapide.
- Le pic de la construction d'appartements (appartements) est tombé sur le dernier boom de la haute technologie, qui a été associé à l'afflux d'un grand nombre de nouveaux travailleurs techniques du monde entier vers les entreprises à croissance rapide de la Silicon Valley. La demande d'appartements de 2012 à 2015 a été multipliée par 10. de 133 millions de dollars en 2012 à 1,4 milliard de dollars investis uniquement dans les appartements en 2015.
- (Retail) . 1997 1999 16 . c $ 22 1997 $ 350 . 1999 . , . 90- .
- La croissance de la demande d'immobilier de bureaux (Bureaux) est également associée au développement des géants de la Silicon Valley. Mais ici, depuis 2000, contrairement à l'immobilier commercial et aux appartements, il y a eu une croissance régulière de la demande - qui s'accompagne de nombreux petits hauts et bas.
- La croissance de l'investissement dans l'immobilier résidentiel coïncide en termes de dynamique de croissance avec l'immobilier de bureaux, mais diffère de la croissance de l'espace de bureau - croissance douce et absence de fortes fluctuations de la demande.
Si nous combinons ces 4 catégories principales dans un même graphique, nous obtenons la hausse et la baisse générales de tous les investissements dans la construction dans la ville de San Francisco, familière dès le premier article.
Coût moyen des rénovations de cuisines et de salles de bain à San Francisco
En prenant les données de la fonctionnalité - Description, nous pouvons en outre sélectionner des données pour des catégories individuelles de travail et voir combien il en coûte en moyenne pour rénover une cuisine ou une salle de bain à San Francisco pour différents types de logements.
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));
Le coût de rénovation d'une cuisine à San Francisco est presque le double du coût de rénovation d'une salle de bain. Il est logique que le coût moyen d'une rénovation de salle de bain soit de 2 000 $ de plus pour une maison à deux familles (16 000 $) que pour une maison unifamiliale (14 000 $).
Parallèlement, le coût moyen de rénovation d'une cuisine pour une maison à deux familles (25 000 $) est près de 3 000 $ de moins que pour une maison unifamiliale (28 000 $).
Coût moyen des réparations de toiture et d'escalier à San Francisco
Par la même fonction - Description, sélectionnez uniquement les lignes contenant les mots «reroofing» (remise en place du toit) et «escalier» (réparation d'escalier).
Compte tenu du coût moyen des réparations de toiture, il est logique que les réparations de toiture (en raison de la plus grande surface de toit des maisons à deux familles) coûtent en moyenne 2 000 $ de plus que les maisons unifamiliales.
Le coût de réparation d'un escalier est également double pour une maison à deux familles, car une maison unifamiliale n'a pas d'escalier (ou un escalier à une travée).
Le coût d'une rénovation domiciliaire prévue à San Francisco
Il est recommandé de rénover la cuisine et la salle de bain en moyenne une fois tous les 10 à 15 ans. Réparation du toit et des escaliers - une fois tous les 15 à 20 ans.
En général, si «théoriquement» 15 ans après la construction de la maison - pour réparer la cuisine, la salle de bain, le toit et les escaliers en un an - alors dans une maison unifamiliale, vous devrez économiser 54000 $ pour cela, alors que pour une maison à deux familles ce montant sera de - 61 000 $ La différence entre le coût total du travail dans ces quatre catégories n'est que de 15%.
Ainsi, après la construction d'une nouvelle maison, afin de faire des réparations dans la maison dans quatre catégories (cuisine, salle de bain, toit, escaliers), il est nécessaire de mettre de côté 350 $ par mois, afin d'accumuler les 60000 $ nécessaires pour les réparations dans 15 ans.
La hausse des coûts de construction à San Francisco
En prenant les données par catégorie d'emploi et en les regroupant par année, on peut observer la croissance (et l'inflation) du coût moyen des réparations par type de logement.
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)Dans le graphique suivant, les données sur le coût moyen par type de logement sont présentées, comme dans le paragraphe précédent, sous forme de colonnes.
Le même graphique, pour affichage visuel, mais déjà sous forme de lignes, donne une image plus claire («inflationniste»).
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))
Le coût moyen des réparations de toiture augmente régulièrement depuis 1990.
Contrairement aux immeubles résidentiels, le coût moyen de rénovation du toit d'un appartement au cours de la même période a connu de nombreux hauts et bas.
Le coût de la rénovation des toits des appartements a des cycles de 3 ans à court terme.
Contrairement à la dynamique plate de croissance du coût moyen des réparations de toiture, le coût moyen de rénovation de cuisine est plus volatil.
Dans la rénovation des cuisines, ainsi que dans la rénovation des toits d'appartements, des cycles à court terme de 2 à 3 ans peuvent être tracés.
Dans la réparation des salles de bains, cependant, de tels cycles ne sont pas tracés et l'augmentation du coût moyen de construction est plus douce. Seule l'augmentation du coût moyen des réparations de la baignoire d'appartement avant le boom des dot-com se démarque?!
Inflation du coût des travaux de construction à San Francisco.
Afin de trouver l'inflation du coût moyen des réparations pour toute la période de 1980 à 2019, nous complétons les données par une ligne de tendance. Lors du calcul de l'inflation (en prenant les points de départ et d'arrivée de la ligne de tendance), nous constatons que l'inflation maximale en valeur pour la période 1990-2018 s'est produite dans l'industrie de la salle de bain.
Le coût moyen de la rénovation de la salle de bain au cours des 30 dernières années a augmenté de près de 5 fois (peut-être que le coût de la rénovation a augmenté en raison de l'apparition de nouveaux matériaux de finition et de céramiques et sanitaires coûteux (et abordables) sur le marché?!).
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]
Les plus petits écarts en termes de valeurs se situent dans la catégorie «réparation de toiture», où l'inflation a été de 250% au cours des 30 dernières années (le prix moyen a augmenté plus de 3 fois). Le coût des rénovations de cuisine a également triplé au cours des 30 dernières années.
Au cours de la même période, le coût de la réparation des escaliers de 1980 à 2019 est resté pratiquement inchangé et l'inflation moyenne des coûts dans ce domaine de la construction n'était que de 85%.
Imaginez maintenant l'évolution de la croissance de l'inflation pour plus de clarté sur une échelle unique, où l'inflation varie de 0 à 9%, et regardez la baisse du coût annuel d'inflation des réparations par catégorie sur la période 1980-2019.
Il est à noter que l'inflation annuelle au cours des 30 dernières années a diminué dans toutes les catégories de près de 2 à 4 fois (par exemple, dans les réparations de toiture, de 8% en 1990 à près de 2% en 2019). Cela coïncide complètement avec la politique économique de cette période (de 1980 à 2019).
Si l'on compare les données officielles sur l'inflation et les données sur l'inflation dans le secteur de la construction, on verra que dans un seul secteur l'inflation officielle a coïncidé avec l'inflation du coût du travail.
L'augmentation du coût de réparation des escaliers a complètement coïncidé avec l'inflation officielle. Dans les autres catégories de travaux, la croissance annuelle du coût des travaux de construction au cours des 30 dernières années a dépassé de près de 2 l'inflation officielle.
Le mouvement de l'inflation dans des catégories telles que la rénovation de toiture, la rénovation de salles de bains et de cuisines, a presque complètement coïncidé avec l'évolution du taux d'intérêt sur les prêts à 30 ans (et, par conséquent, avec le rendement des bons du Trésor à 10 ans).
Un prêt hypothécaire fixe de 30 ans est un prêt dont le taux d'intérêt reste le même pendant toute la durée du prêt.Par exemple, avec une hypothèque de 30 ans de 300 000 $ avec un acompte de 20% et un taux d'intérêt de 3,75%, les paiements mensuels seraient d'environ 1 111 $ (hors taxes et assurance). Ainsi, le taux d'intérêt de 3,75% (et la mensualité) reste le même pendant toute la durée du prêt.
Le taux du Trésor à 10 ans est le revenu tiré d'un investissement dans des titres du Trésor émis par le gouvernement américain avec une échéance de 10 ans.
Taux réels et rentabilité dans la construction
On constate que l'évolution du coût des travaux coïncide avec le taux d'intérêt des emprunts d'Etat. Le graphique de Paul Schmelzing (professeur à l'Université de Harvard) montre comment les taux d'intérêt réels mondiaux ont évolué au cours des huit derniers siècles.
En collectant des données sur les taux d'intérêt réels dans les économies avancées, Schmelzing montre que les indicateurs réels ont montré une tendance négative des taux d'intérêt depuis le 14ème siècle.
A titre de comparaison, la période considérée dans l'article est marquée en jaune.
À partir de 1311, les données du rapport montrent comment les taux réels moyens sont passés de 5,1% dans les années 1300 à une moyenne de 2% dans les années 1900.
Le taux réel moyen pour la période 2000-2018 est de 1,3%.
Parallèlement au taux réel, bien entendu, la rentabilité des industries diminue également , ce qui est en corrélation avec ce taux. Ce sont principalement des industries anciennes telles que l'industrie agraire et l'industrie de la construction.Très probablement, dans la période de 2020 à 2030, nous verrons de nouveaux creux records des taux réels et, par conséquent, une baisse de la rentabilité dans l'industrie de la construction. Mais si la rentabilité diminue, cela signifie peut-être que la productivité augmentera du même pourcentage «manquant».
Si au début de la construction il y avait une marge importante de 10 à 15% et que les entreprises n'avaient pas besoin de penser à introduire de nouvelles technologies (qui, en principe, elles n'étaient pas nombreuses), nous entrons maintenant dans une nouvelle ère de taux réels bas et de faibles marges de 2 à 5%. où le rôle principal dans l'entreprise de construction sera joué par la disponibilité de nouveaux outils et processus dans le travail de l'entreprise.Les outils et les nouvelles technologies déjà utilisables dans la construction sont actuellement en surplus.
Il faudra des décennies aux entreprises de construction pour que ces nouvelles technologies trouvent leur place dans l'industrie de la construction laborieuse et résiliente.À peu près au même moment où les taxis autonomes commencent à opérer à Moscou, les entreprises de construction russes, afin de maintenir leurs marges, commenceront progressivement à remplacer les planificateurs aux niveaux inférieurs par des scripts et des outils automatisés qui utilisent le big data et les technologies d'apprentissage automatique.
Liens vers les publications précédentes sur ce sujet:
- Les hauts et les bas de l'industrie de la construction de San Francisco. Tendances et histoire du développement de l'activité de construction
- Le secteur de la construction est en train de s'éteindre. Crise du COVID-19, défis croissants et nouvelles opportunités
Lien vers Jupyter Notebook: San Francisco. Secteur du bâtiment 1980-2019.
Si vous aimez mon contenu, pensez à m'acheter un café. Merci pour votre soutien! Acheter du café pour l'auteur