| 广告联系 | 繁体版 | 手机版 | 微信 | 微博 | 搜索:
欢迎您 游客 | 登录 | 免费注册 | 忘记了密码 | 社交账号注册或登录

首页

温哥华资讯

温哥华地产

温哥华教育

温哥华财税

新移民/招聘

黄页/二手

旅游

真是天才 4万亿旧改效果堪比棚改?

QR Code
请用微信 扫一扫 扫描上面的二维码,然后点击页面右上角的 ... 图标,然后点击 发送给朋友分享到朋友圈,谢谢!
  在稳增长的重大关口上,前两天中共国务院开常务会议时放出大消息。


  “重点改造建设小区水电气路及光纤等配套设施,有条件的可加装电梯,配建停车设施。促进住户户内改造并带动消费。”

  话平淡无奇,但背后涉及人数之多——“居民上亿”,投资体量之大——“4万亿元”,不可低估。


  更值得关注的是,国常会提出要加大金融对旧改的支持。

  当初,棚改以全世界绝无仅有、政策上大开大合的方式启动了一场全国性的楼市狂欢,短短3年间彻底扭转三四线城市的命运。那3年里,央妈通过PSL印钞3万亿。

  天才般构想的棚改大招一出,既完美消化了市场库存,拉动经济增长,也补充了央妈的货币工具箱,一石二鸟。

  现在,棚改慢了,我们要告别大拆大建的时代,迎来城市更新的“旧改”,这又会是一项搅动时代的大工程吗?

  01

  为什么是旧改?又为什么是现在?

  培育拉动经济增长的重要抓手并非易事。我们走过的铁公基、房地产、大水漫灌的老路,已经教训良多。中国经济不能再“过度依赖”房地产,这是郭主席上周的严厉表态。

  新时代的稳经济政策必须“要找准切入点,抓住既能满足群众期盼、有利于拓展内需促消费、又不会导致重复建设的重大项目,扩大有效投资”,能一举多得是最好的。

  “所幸”旧改这一妙招真的做到了——

  首先,旧改工程一手拉投资,一手稳住就业。

  这个工程涉及面有多广、量有多大?

  住建部标准定额司巡视员倪江波给过一组数据,据初步统计,全国共有老旧小区近16万个,涉及居民超过4200万户,建筑面积约为40亿平方米。国常会称,“涉及居民上亿人”。


  而从目前已启动的一些地方文件里,我们还能看到更具体的要求:“必须包括对水、电、路、气4项设施中至少2项进行更新,或虽未对水、电、路、气设施更新,但包括加装电梯。”比如,北京就打算在2020年前实现增设电梯1000部以上。

  威力有多猛?

  国务院参事仇保兴说,据初步估算旧改投资总额可高达4万亿元。如果改造期为五年,每年新增投资8000亿元以上。住房公共维修基金里的5千亿资金,正在等待盘活。

  其次,还留着另一手,刺激内需,拉动消费。

  既然六个钱包掏不动了,那就改善小区、装修室内,出点小钱总没问题吧。说不准因为有了停车位就能多卖一辆车,装了电梯、加了保温层那不如再给室内刷一遍墙,房间焕然一新就想换家电,消费拉动了。


  和“铁公基”相比,旧改的优势很明显。基建投资一般落地周期为1年,而旧改在半年内就能完成,周期短,而且还能迅速转化成消费能力。

  不得不说,此招甚是天才。

  在此时加快启动旧改,是刺激政策再加码、短期内对冲下行的信号。

  此前我们也多次提到,刺激政策还要加码——原本被寄予厚望的基建,只从去年9月反弹到今年4月,5月意外放缓0.4个百分点到4%。

  6月份还有几大动作:专项债可做重大项目资本金,撬动更多的钱进入基建;地方债发行规模在6月份会再上6000亿;以及财政部专家本周接受彭博专访时称,下半年地方债额度增加的可能性在提高。

  稳增长的信号很密集。

  02

  最值得关注的,是“钱从哪里来”?

  除了居民掏钱,会议提出要加大金融对旧改的支持:

  “创新投融资机制。今年将对城镇老旧小区改造安排中央补助资金。鼓励金融机构和地方积极探索,以可持续方式加大金融对老旧小区改造的支持。运用市场化方式吸引社会力量参与。”
点个赞吧!您的鼓励让我们进步     已经有 3 人参与评论了, 我也来说几句吧
上一页12下一页
注:
  • 新闻来源于其它媒体,内容不代表本站立场!
  • 在此页阅读全文
    猜您喜欢:
    您可能也喜欢:
    共有 3 人参与评论    (其它新闻评论)
    评论1 游客 [曰.西.禹.语] 2019-06-23 09:05
    再不搞,当官的也没余粮了
    上一页1下一页
    我来说两句:
    评论:
    安全校验码:
    Terms & Conditions    Privacy Policy    Political ADs    Activities Agreement    Contact Us    Sitemap    

    加西网为北美中文网传媒集团旗下网站

    页面生成: 0.0378 秒 and 7 DB Queries in 0.0034 秒