10 个疫情期间卖亏、后来却大赚的房产案例（其中一宗本可多赚 $2.5 Million）

新冠疫情是前所未有的时期，媒体报道也被唱衰者与悲观情绪所主导。除去情绪层面，确实也有部分细分市场遭遇真正的危机，导致一些人不得不四处筹资。两者叠加之下，疫情期间有些房产被以远低于其潜在价值的价格售出。

事后回看容易评点，我们也承认这一点；但以下这些具有代表性的案例，值得作为日后的借鉴：

我们是如何得出以下结果的？

以下所列为 2020 年（疫情最为严峻的一年）期间成交的单位。首先，我们筛选出成交“盈利”低于 $10,000 的个案（因为扣除利息偿还、印花税等成本后，净利润几乎肯定为负）。 

接着，我们查看同一单位在后疫情环境（‘23 至 ‘24 年）中的转售价格，并与疫情期间的成交价作比较。 

结果颇为出人意料，也说明了“急售”的风险：

在新冠期间出售所蒙受的损失

其中损失最大的是 Ardmore Park 的一套 2,885 平方英尺单位，购入价为 $9.35 million，但在疫情期间仅以 $9.2 million 售出。至 2024 年 5 月，该同一单位以 $11.85 million 成交；也就是说，在疫情期间出售的业主，除原本已亏损外，还错过了 $2.65 million 的潜在收益。 

第二个“百万级”错失发生在 Sunny Palms：一套 2,971 平方英尺单位以 $2.15 million 购入，却在疫情期间以 $1.8 million 售出。到 2023 年 7 月，该同一单位以 $3,088,888 成交。疫情期间的卖家在原本亏损之外，又错过了 $1,288,888 的潜在收益。 

1. 后疫情反弹并未特别集中于某一片区

Ardmore Park 位居榜首且位于乌节一带，或许会让人产生错觉。但若观察完整名单可见，后疫情反弹所带来的“损失”（相较于疫情期间的成交价）并不只出现在 CCR、RCR 或 OCR。 

第二大的错失（Sunny Palms）位于第 15 区，属 OCR（尽管第 15 区也有一些高端物业，但主要集中在 Meyer Road 一带，距离 Sunny Palms 颇远）。Bartley Residences 与 Palm Isles 分别在第 19 区与第 17 区，同样位于 OCR。 

同时，榜单下方也出现了一些核心地段项目，如 Reflections at Keppel Bay 和 The Sail @ Marina Bay。鉴于样本覆盖面广，难以说某个区域更易或更不易受到影响。

2. 反弹幅度总体上对较大户型更高

较为明显的规律体现在单位面积上。沿着榜单往下看，单位越小，“错失”金额大体越低（也有个别例外，如 The Coast @ Sentosa Cove）。 

前 10 个“错失”案例的面积介于 1,711 至 3,800 平方英尺；而后 10 个则在 366 至 926 平方英尺之间，其中多数为面积在 500 平方英尺及以下的一卧室单位。 

据此我们可推断，相较于 1,000+ 平方英尺的家庭型单位，较小的一卧或两卧单位在后疫情时期的反弹更为温和。这很可能缘于后新冠时期对大面积单位的需求上升；这一变化甚至蔓延至新盘市场（同一项目内，较大户型的单位如今在每平方英尺计价上往往高于小户型）。

3. 中介将此现象归因于疫情期间的限制措施

当我们提出“亏损源于卖方的紧迫性（例如因其他亏损而需尽快套现）”这一观点时，有些经纪并不同意。一位就职于房产门户、且曾为经纪的高管匿名对我们表示：

“即便在新冠之前与之后——在新加坡每年、全年——也一直存在“急售”。但此类交易依然可能是有利可图的。那为何在疫情期间却不然？新冠之所以特殊，是因为带看受到限制。 

对转售单位而言尤甚，我们几乎“束手就缚”。起初不允许带看，之后带看也有诸多限制。并且，你要考虑到，买家也不太愿意购买转售房，因为疫情期间装修延误且困难重重，装修价格也大幅上涨。 

即便买方并不着急，即便他们愿意在疫情后多等上一整年，想要拿到理想报价仍然更难。” 

这位受访者也表示，未来重演此类情况的可能性较低。行业已从中吸取教训，虚拟看房与视频房源的使用与接受度不断提高；在疫情之前，这类方式的普及要慢得多。 

因此，我们所看到的情况很可能不会再次发生。

房地产市场归根结底在于耐心与持有能力

正如这次新冠事件所示，你的潜在收益很大程度取决于持有能力。若因其他因素被迫出售房产，并无法保证你会在一个合适的时点出手。 

这同样提醒我们：房地产市场往往与直觉相悖。彼时有关房地产泡沫、经济崩塌、房地产将长期复苏等各类预测看起来都合情合理；但事实是，房价仍持续上行。 

对于更关注租金回报的人而言，这也是相较专注资本增值者的一大优势：他们更可能保持冷静，继续收取租金，而不是在“情况会更糟”之前匆忙卖出。 

本文由生成式人工智能翻译。点击此处阅读英文原文。