在12月1日由华夏时报主办，中国社科院、中国人民大学国发院、住房大数据联合实验室、华夏地产专家顾问团、纬房指数研究小组进行学术支持的“新秩序·新生活·新未来峰会上，中国社科院财经战略研究院住房大数据项目组发布了《中国住房大数据分析报告（2020）》。

　　中国社科院财经战略研究院住房大数据项目组长邹琳华分析认为，冠疫情的出现，加速了房地产市场大分化时代的来临，对于市场监测或者投资决策难度加大，利用宏观分析工具很难有效判断区域房地产市场走势，房价局部大涨大跌风险将成为防范房地产市场风险的重点。

　　报告统计数据显示，近一年以来有9个城市跌幅在5%以上，最高城市的年跌幅达到9%。从各城市历史高点至2020年10月，20个城市距最高点房价调整幅度均在在10%以上。这些城市在疫情开始前，房价就已经阶段性见顶。

　　但在部分城市房价下跌同时，仍有部分城市房价出现较快上涨。据中国社科院财经战略研究院住房大数据项目组不完全统计，一年以来有9个城市年涨幅在10%以上；有30个城市的房价已经超过了2018年1月以来的高点，其中包括一线城市1个，二线城市5个，三四线城市24个。

　　邹琳华判断，未来数年内，房价在一定范围内的波动会是一个常态。

　　对年度房价跌幅监测表明,受住房市场自身理性回归因素及疫情的冲击，部分城市2020年度房价出现一定程度的下跌。据纬房指数同比监测，从2019年10月到2020年10月， 9城市年度跌幅均在5%以上，最高年度跌幅为9%。其中包含二线城市1个，三四线城市8个。分区域看，包含北部湾城市2个，环京城市2个，大湾区城市1个，山东半岛城市2个、西南城市1个。

　　由于一定范围波动为市场常态，多数下跌城市房价变动仍属于稳中有降的范围。

　　距历史最高点房价调整幅度监测表明,如果将时间维度拉长，可以发现，与历史高点相比，部分城市已经出现了较深幅度房价调整。

　　据纬房指数监测，从各城市历史高点至2020年10月，20个城市距最高点房价调整幅度均在在10%以上，其中9城市距最高点房价调整幅度均在15%以上，最高城市下调幅度达46.9%。调整幅度在15%以上9个城市中，包含一线城市1个，二线城市4个，三四线城市4个。分区域看，包含京津冀城市4个，北部湾城市1个，大湾区城市1个，山东半岛城市2个，滇西城市1个。调整幅度在10%以上20个城市中，包含京津冀城市6个，北部湾城市3个，山东半岛城市3个，大湾区城市2个，成渝城市群城市2个，中部城市2个，滇西城市1个，黔中城市1个。

　　其中1个环京城市房价距最高点接近腰斩，另有1个京津冀城市、1个山东半岛城市距最高点跌幅超过二成。考虑到这些城市在房价下跌前曾经有过快速上涨，其房价下跌属于理性回归的范围。

　　从各城市房价由涨转跌的时点看，这些城市房价阶段性拐点出现分别存在两类情形： 

　　一类是2017年上半年前后，以京津冀城市为代表，主要为2017年上半年一二线城市房地产调控加码所引发，到目前已经调整了约3年半；

　　另一类是2018年下半年前后，以三四线城市为主，主要为货币化棚改退潮所引发，到目前已经调整了约二年半。

　　从下跌时点看，这些城市在疫情开始前，房价就已经阶段性见顶。房价下跌不完全是因受疫情冲击的影响。

　　报告认为,虽然平稳运行为房地产政策的重要目标，但一定范围的波动也是市场运行的常态。房价下跌的原因较为复杂，既可能有宏观大环境因素，也可能有城市自身供给过剩的原因。

　　为更准确识别房价异常涨跌情况，进而给出科学预警信号，报告基于房价空间传导机制、区域房价相互作用机理和人工智能模型算法，对一二线城市房价下跌情形进行识别。

　　根据房价异常下跌程度测算结果显示，4个二线城市房价可能存在一定异常下跌情形，其房价偏离短期正常房价的比率分别为-4.91%、-3.94%、-3.30%、-2.76%，居各城市前列。其中包含环渤海城市3个，中部城市1个。

　　年度房价涨幅监测表明,2020年，尽管受到疫情的冲击，在部分城市房价下跌同时，仍有部分城市房价出现较快上涨。据纬房指数同比监测，从2019年10月到2020年10月， 9城市居样本城市年度涨幅前列，年涨幅在10%以上。其中包含一线城市1个，二线城市3个，三四线城市5个。分区域看，包含大湾区城市2个，京津冀城市1个，长三角城市3个，西北城市1个，苏北城市3个。

　　这些城市中，有些城市2016年以来已经历过一波上涨，目前出现第二波上涨。有些城市仍属于2016年以来第一波上涨的余波或补涨。

　　房价历史高点监测表明,城市房地产市场分化较为严重，在个别城市房价距最高点腰斩的同时，纬房指数显示，样本城市中，另有30个城市房价可能已超过2018年1月以来的高点。其中包含一线城市1个，二线城市5个，三四线城市24个。

　　同样上述城市中，有些城市出现2016年以来第二波上涨，有些城市仍属于第一波上涨的余波或补涨。

　　报告认为,房价上涨的原因同样较为复杂，既可能有宏观大环境因素，也可能有城市自身供给不足的原因，还有可能是城市经济基本面出现了重大利好。另外还有一种相对较快上涨的情况难以被直接识别，如相关联的同类城市房价均较快下跌，但该城市房价微涨。

　　为更准确识别房价异常涨跌情况，进而给出科学预警信号，报告基于房价空间传导机制、区域房价相互作用机理和人工智能模型算法，对一二线城市房价上涨情形进行识别。

　　房价异常上涨程度测算显示，4个城市房价偏离短期正常房价的比率在7%以上，其中最高城市偏离比率在20%以上，居于各城市前列，可能存在异常上涨。其中包一线城市1个，二线城市3个。分区域看包含大湾区城市2个，长三角城市1个，西南城市1个。

　　11个一二线城市房价偏离短期正常房价在3%以上的城市，这些城市可能存在程度不等的异常上涨情形（包含相对异常上涨）。其中包含长三角城市5个，大湾区城市2个，西南城市2个，西北城市1个，海峡西岸城市1个。对这些城市房价上涨状况有必要加以更多关注，必要时预先采取合理措施。