
(一)
在中国,到底有多少有钱人?
在中国,到底有多少钱才算有钱人?
这两个问题很多人都好奇,不久前,招商银行给出了两组最新答案:
197万人。
可投资资产1000万人民币以上。
这些数据出现在招行和贝恩联合发布的《2019中国私人财富报告》中。
招行是国内私人银行的老大,无论是报告的共识性,还是数据的准确率,招行这份两年一更的报告,是了解中国富人阶层非常难得的一扇窗口。
《2019中国私人财富报告》对中国有钱人设了一个门槛:个人可投资资产超过1000万人民币,不包括自住房产和非上市公司股权。
也就是说就算你住着过千万的豪宅别墅,但手里可投资的钱只有几百万,依然是够不上这个门槛的。
综合来看,招行定下的这个“高净值标准”,我个人是比较认可的。
当然超超这样一个加油都要等会员日的世袭穷鬼,认不认可的,也根本没人在意。
人群画像上,中国高净值人群主要由企业家、富二代和金领一族为主。
这个报告有一个令人窒息的数据:
2018年,中国个人可投资资产总规模达到190万亿。这其中,总数197万的“认证土豪”们拥有可投资资产为61万亿。
谈到社会财富,人们常常提到“二八法则”,即80%的财富掌握在20%的人手中,但招行的这份报告显示,现实情况似乎比“二八法则”还要更极端。
如果将个人可投资资产等同于个人财富的话,以2018年13.9亿的人口总规模来计算,中国0.14%的人,拥有着全社会三分之一的“个人财富”。
在资产配置上,真正的高净值人群,在资产配置上更均衡,更科学,非常符合“分散投资”的准则。
而中国的中产阶层,众所周知,谈到资产,占比最高的几乎都是房产。在北京,你遇上一个号称资产500万的中产小资,但你给他做个财务透视,很可能是这样的:
房子450万,车15万,存款35万,同时负债100万(房贷)。
富人的房子是资产,而普通人的房子更多呈现为负债。
(二)
马太效应正日益凸显,放眼望去,全世界的贫富差距都在迅速扩大。
乐施会(Oxfam)在达沃斯论坛上发布的一份报告显示,全球范围内,贫富差距在2018年进一步扩大。
在瑞信发布的《全球财富报告》里,那座财富金字塔最“塔尖”的比例和数字,几乎令人感到绝望:
在招行的报告中,中国高净值人群的年均复合增长率是12%,而有钱人之中的有钱人(个人可投资资产超过5千万),其年均复合增长率高达17%。
月薪2万的CBD小白领,辛辛苦苦干一年,年底不一定能加薪2400。但一个刚刚迈过“有钱”门槛的高净值人士,到年底会很轻松地发现自己的1000万又多了100多万。
在当下的货币政策下,富人们的财富以普通人难以想象的速度在增长。可以说,高净值人群几乎可以毫不费力地,得到996社畜们想都不敢想的财富增长率。
在资本力量的加持下,普通劳动者已经很难通过劳动或者加班跑赢富人们的财富增长率了。
今天,2018《就业蓝皮书》发布,数据显示,2018届本科生平均月薪为5135元。经济承压下,年轻人的薪资增速已经明显放缓。
但就是这样的月薪,在许多2018届同学看来,也已经是水分很大的“高薪”了,这条新闻下面的评论,随便截一张,就是这样的质疑声:
财富鸿沟愈深的背景下,我们或许能够瞥见一丝丝“消费分层”影子。
一个特别典型的场景是,经济下行趋势下,国内乘用车市场正遭遇前所未有的“寒冬”,中国汽车市场结束了28年的高速增长。
近几个月,很多品牌的汽车销量同比2018,呈现惨烈的“断崖式暴跌”。但与此同时,中国豪华车的销量依然在稳步增长。
城市里的人们正在经历这样的撕裂感:
自己的工资2年多没涨,吃火锅都要考虑下了,可人均过千的高级餐厅依然人声鼎沸;心里默念半年多的包包还是狠不下心去买,毕竟公司刚刚裁员了一批人,但很多一线大牌几万块的新款包包一上来就被抢断货……
北京SKP是中国最赚钱的商场,不之一,2018年营业额超过135个小目标,北京的土豪们平均每天在SKP买走近4000万人民币的各类奢侈品。
而与此同时,越来越多三四线的所谓商业综合体,商户们正在电商和高房租的双重“狙击”下,瑟瑟发抖地应对城市中产们的“保守型消费策略”。
SKP里一掷千金买奢侈品的阔太太开着911驶出车库时,会遇见月薪4000块的商场保安。
他们同处北京最昂贵的地皮上,但其实两个人心里都清楚,他们两个人分别生活在自己的“平行宇宙”中,两个宇宙同时存在,但几乎不会产生任何交集。
科幻小说中的“平行宇宙”,在现实世界中其实一直存在。
世界井然有序。
(三)
几个月之前,经济学家李迅雷,在民航业公开的数据中挖掘出这样一个结论:
直到今天,在中国仍有10亿人没坐过飞机。
这个说法一出来,很多人表示不相信。
的确,在北上广深的朋友圈里,出国度假已经和吃顿烧烤没什么区别的今天,坐飞机根本不是什么新鲜事儿,如果你在北京上海工作,同事里有没坐过飞机的才是那个“少数派”,怎么会有10亿人没做过飞机呢?
但看完那组数据之后,不相信的你会开始认为,自己犯了“五环内的短视”。
数据是不会骗人的,在国家统计局公布的《2017年统计公报》中,有超过11亿中国人的人均可支配月收入只有1600元。
上海比纽约东京都繁华漂亮了,并不代表我们已经迈入富裕国家了。也不要觉得你自己生活圈的状态,就能代表绝大多数中国人的生活状态。
到这里,文章似乎应该结束了。说点财富差距之外的题外话吧,社会学角度。
在全球范围内,财富差距增大带来的一个社会负面效应是逆全球化、民粹化和反精英化。
民粹化的倾向,民粹主义情绪的泛滥,在全世界正渐成趋势。
中国也正面临这样的趋势,在微博热搜下,你能很容易感受到当下社会中民粹主义情绪是何等盛行。
另一种日渐膨胀的情绪是部分民众严重的“仇富情结”,西方的说法是“反精英化”。
有一部分人固执地认为资本家都是为富不仁的,认为是富人们掠夺了本属于自己的财富和社会资源。
精英及中产阶层中,有越来越多的人开始意识到这些“危险”的情绪和社会群体心理。底层人群中,一定也有很多人能感受到社会愈发浮躁,功利,充满戾气和成王败寇的社会达尔文主义……
但遗憾的是有些人并不在乎,或者说,他根本不想搞清楚这个社会到底怎么了。
很遗憾,有些人只是单纯地仇恨资本和有钱人,他们只是单纯地希望社会更乱一些,有钱人突然间变得“很惨”,仅此而已。
某些维度,社会正为此付出代价。
当然,所有人都不好预判,这“代价”最终能有多大。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05