2020年12月1日，中國社會科學院財經戰略研究院住房大數據項目組發佈《中國住房大數據分析報告（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 “基於網際網路大數據和重復交易法的中國城市住房價格指數編制研究” 及中國社科院國情調研重大項目“房地産調控政策及其效果”階段性成果。報告發佈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，各城市房地産市場的差異化將成為常態。新冠疫情的出現，加速了房地産市場大分化時代的來臨。市場差異化有利於避免房地産市場系統性風險的發生。在大分化時代，單純宏觀分析工具難以有效判斷區域房地産市場走勢，房價局部大漲大跌風險將成為防範房地産市場風險的重點。

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

年度房價跌幅監測表明,受住房市場自身理性回歸因素及疫情的衝擊，部分城市2020年度房價出現一定程度的下跌。據緯房指數同比監測，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。分區域看，包含北部灣城市2個，環京城市2個，大灣區城市1個，山東半島城市2個、西南城市1個。

由於一定範圍波動為市場常態，多數下跌城市房價變動仍屬於穩中有降的範圍。

距歷史最高點房價調整幅度監測表明,如果將時間維度拉長，可以發現，與歷史高點相比，部分城市已經出現了較深幅度房價調整。

據緯房指數監測，從各城市歷史高點至2020年10月，20個城市距最高點房價調整幅度均在在10%以上，其中9城市距最高點房價調整幅度均在15%以上，最高城市下調幅度達46.9%。調整幅度在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。分區域看，包含京津冀城市4個，北部灣城市1個，大灣區城市1個，山東半島城市2個，滇西城市1個。調整幅度在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。考慮到這些城市在房價下跌前曾經有過快速上漲，其房價下跌屬於理性回歸的範圍。

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分別存在兩類情形：

一類是2017年上半年前後，以京津冀城市為代表，主要為2017年上半年一二線城市房地産調控加碼所引發，到目前已經調整了約3年半；

另一類是2018年下半年前後，以三四線城市為主，主要為貨幣化棚改退潮所引發，到目前已經調整了約二年半。

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

報告認為,雖然平穩運作為房地産政策的重要目標，但一定範圍的波動也是市場運作的常態。房價下跌的原因較為複雜，既可能有宏觀大環境因素，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，報告基於房價空間傳導機制、區域房價相互作用機理和人工智慧模型演算法，對一二線城市房價下跌情形進行識別。

根據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。其中包含環渤海城市3個，中部城市1個。

年度房價漲幅監測表明,2020年，儘管受到疫情的衝擊，在部分城市房價下跌同時，仍有部分城市房價出現較快上漲。據緯房指數同比監測，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。分區域看，包含大灣區城市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年以來已經歷過一波上漲，目前出現第二波上漲。有些城市仍屬於2016年以來第一波上漲的余波或補漲。

房價歷史高點監測表明,城市房地産市場分化較為嚴重，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2016年以來第二波上漲，有些城市仍屬於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複雜，既可能有宏觀大環境因素，也可能有城市自身供給不足的原因，還有可能是城市經濟基本面出現了重大利好。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，報告基於房價空間傳導機制、區域房價相互作用機理和人工智慧模型演算法，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，居於各城市前列，可能存在異常上漲。其中包括一線城市1個，二線城市3個。分區域看包含大灣區城市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，必要時預先採取合理措施。