2020年12月1日，中國社會科學院財經(jīng)戰(zhàn)略研究院住房大數(shù)據(jù)項目組發(fā)布《中國住房大數(shù)據(jù)分析報告（2020）——城市房價預警與房企品牌價值測度》。該報告同時也是國家自然科學基金面上項目 “基于互聯(lián)網(wǎng)大數(shù)據(jù)和重復交易法的中國城市住房價格指數(shù)編制研究” 及中國社科院國情調(diào)研重大項目“房地產(chǎn)調(diào)控政策及其效果”階段性成果。報告發(fā)布因城施策背景下的城市房價漲跌預警（2020）。

　　報告認為，在因城施策的政策背景下，各城市房地產(chǎn)市場的差異化將成為常態(tài)。新冠疫情的出現(xiàn)，加速了房地產(chǎn)市場大分化時代的來臨。市場差異化有利于避免房地產(chǎn)市場系統(tǒng)性風險的發(fā)生。在大分化時代，單純宏觀分析工具難以有效判斷區(qū)域房地產(chǎn)市場走勢，房價局部大漲大跌風險將成為防范房地產(chǎn)市場風險的重點。

　　報告指出，房價只漲不跌的時代已經(jīng)過去。局部房價下跌監(jiān)測預警，將成為市場監(jiān)測預警的重要方面。

　　年度房價跌幅監(jiān)測表明，受住房市場自身理性回歸因素及疫情的沖擊，部分城市2020年度房價出現(xiàn)一定程度的下跌。據(jù)緯房指數(shù)同比監(jiān)測，從2019年10月到2020年10月， 9城市年度跌幅均在5%以上，最高年度跌幅為9%。其中包含二線城市1個，三四線城市8個。分區(qū)域看，包含北部灣城市2個，環(huán)京城市2個，大灣區(qū)城市1個，山東半島城市2個、西南城市1個。

　　由于一定范圍波動為市場常態(tài)，多數(shù)下跌城市房價變動仍屬于穩(wěn)中有降的范圍。

　　距歷史最高點房價調(diào)整幅度監(jiān)測表明，如果將時間維度拉長，可以發(fā)現(xiàn)，與歷史高點相比，部分城市已經(jīng)出現(xiàn)了較深幅度房價調(diào)整。

　　據(jù)緯房指數(shù)監(jiān)測，從各城市歷史高點至2020年10月，20個城市距最高點房價調(diào)整幅度均在在10%以上，其中9城市距最高點房價調(diào)整幅度均在15%以上，最高城市下調(diào)幅度達46.9%。調(diào)整幅度在15%以上9個城市中，包含一線城市1個，二線城市4個，三四線城市4個。分區(qū)域看，包含京津冀城市4個，北部灣城市1個，大灣區(qū)城市1個，山東半島城市2個，滇西城市1個。調(diào)整幅度在10%以上20個城市中，包含京津冀城市6個，北部灣城市3個，山東半島城市3個，大灣區(qū)城市2個，成渝城市群城市2個，中部城市2個，滇西城市1個，黔中城市1個。

　　其中1個環(huán)京城市房價距最高點接近腰斬，另有1個京津冀城市、1個山東半島城市距最高點跌幅超過二成�？紤]到這些城市在房價下跌前曾經(jīng)有過快速上漲，其房價下跌屬于理性回歸的范圍。

　　從各城市房價由漲轉跌的時點看，這些城市房價階段性拐點出現(xiàn)分別存在兩類情形：

　　一類是2017年上半年前后，以京津冀城市為代表，主要為2017年上半年一二線城市房地產(chǎn)調(diào)控加碼所引發(fā)，到目前已經(jīng)調(diào)整了約3年半；

　　另一類是2018年下半年前后，以三四線城市為主，主要為貨幣化棚改退潮所引發(fā)，到目前已經(jīng)調(diào)整了約二年半。

　　從下跌時點看，這些城市在疫情開始前，房價就已經(jīng)階段性見頂。房價下跌不完全是因受疫情沖擊的影響。

　　報告認為，雖然平穩(wěn)運行為房地產(chǎn)政策的重要目標，但一定范圍的波動也是市場運行的常態(tài)。房價下跌的原因較為復雜，既可能有宏觀大環(huán)境因素，也可能有城市自身供給過剩的原因。

　　為更準確識別房價異常漲跌情況，進而給出科學預警信號，報告基于房價空間傳導機制、區(qū)域房價相互作用機理和人工智能模型算法，對一二線城市房價下跌情形進行識別。

　　根據(jù)房價異常下跌程度測算結果顯示，4個二線城市房價可能存在一定異常下跌情形，其房價偏離短期正常房價的比率分別為-4.91%、-3.94%、-3.30%、-2.76%，居各城市前列。其中包含環(huán)渤海城市3個，中部城市1個。

　　年度房價漲幅監(jiān)測表明，2020年，盡管受到疫情的沖擊，在部分城市房價下跌同時，仍有部分城市房價出現(xiàn)較快上漲。據(jù)緯房指數(shù)同比監(jiān)測，從2019年10月到2020年10月， 9城市居樣本城市年度漲幅前列，年漲幅在10%以上。其中包含一線城市1個，二線城市3個，三四線城市5個。分區(qū)域看，包含大灣區(qū)城市2個，京津冀城市1個，長三角城市3個，西北城市1個，蘇北城市3個。

　　這些城市中，有些城市2016年以來已經(jīng)歷過一波上漲，目前出現(xiàn)第二波上漲。有些城市仍屬于2016年以來第一波上漲的余波或補漲。

　　房價歷史高點監(jiān)測表明，城市房地產(chǎn)市場分化較為嚴重，在個別城市房價距最高點腰斬的同時，緯房指數(shù)顯示，樣本城市中，另有30個城市房價可能已超過2018年1月以來的高點。其中包含一線城市1個，二線城市5個，三四線城市24個。

　　同樣上述城市中，有些城市出現(xiàn)2016年以來第二波上漲，有些城市仍屬于第一波上漲的余波或補漲。

　　報告認為，房價上漲的原因同樣較為復雜，既可能有宏觀大環(huán)境因素，也可能有城市自身供給不足的原因，還有可能是城市經(jīng)濟基本面出現(xiàn)了重大利好。另外還有一種相對較快上漲的情況難以被直接識別，如相關聯(lián)的同類城市房價均較快下跌，但該城市房價微漲。

　　為更準確識別房價異常漲跌情況，進而給出科學預警信號，報告基于房價空間傳導機制、區(qū)域房價相互作用機理和人工智能模型算法，對一二線城市房價上漲情形進行識別。

　　房價異常上漲程度測算顯示，4個城市房價偏離短期正常房價的比率在7%以上，其中最高城市偏離比率在20%以上，居于各城市前列，可能存在異常上漲。其中包括一線城市1個，二線城市3個。分區(qū)域看包含大灣區(qū)城市2個，長三角城市1個，西南城市1個。

　　11個一二線城市房價偏離短期正常房價在3%以上的城市，這些城市可能存在程度不等的異常上漲情形（包含相對異常上漲）。其中包含長三角城市5個，大灣區(qū)城市2個，西南城市2個，西北城市1個，海峽西岸城市1個。對這些城市房價上漲狀況有必要加以更多關注，必要時預先采取合理措施。

　　來源：中國新聞網(wǎng)

編輯：wangdc