城市行情与行政区总览
回答“整座城市现在处在什么阶段”“哪些行政区相对更强”“购买力在向哪个总价层移动”。
输入数据
- 成交价与挂牌价周度指数
- 成交量、挂牌量、租售比、距峰值
- 逐笔成交总价与面积
生成内容
- 城市及行政区趋势
- 各总价层成交规模与占比
- 价格分化、供给与活跃度读数
适合使用
跨区选房、判断城市是否普遍改善、观察刚需或改善购买力是否回归。
不要这样用
城市均值不能替代具体板块和小区判断，也不能直接推断某套房的合理价格。
板块研究与未来 13 周相对预测
回答“候选板块里谁更强”“改善是否有成交确认”“风险来自价格、供给还是流动性”。
核心特征
- 近 1/3/6/12 月成交价动能与加速度
- 短期成交量相对 26 周均值
- 挂牌供应趋势与成交/挂牌价差
- 距峰值、同区和全市相对排名
模型方式
- 目标：未来 13 周相对同城的超额涨幅
- 按时间 walk-forward 训练与验证
- 输出 P10/P50/P90、置信 A/B/C 与 SHAP 驱动
适合使用
在同一城市、同一时间比较候选板块，识别趋势改善、供需压力和流动性风险。
不要这样用
不要把 P50 当作精确涨幅。训练区间、政策与突发事件都会影响绝对预测。
板块成交较薄，近期样本不足时会降为 C 档；C 档只看方向，不给精确名次。
小区筛选与真实成交对照
回答“这个板块里预算真正够得着哪些小区”“近期成交是否支持当前报价”“谈价空间有多大”。
输入数据
- 小区、户型、面积、楼龄、楼层
- 成交日期、成交总价与单价
- 挂牌总价、成交周期与议价空间
生成内容
- 近 12 个月成交样本与中位总价
- 预算内成交占比、近期价格动量
- 议价空间、成交活跃度与样本提示
适合使用
建立看房清单、用真实成交校验中介报价、寻找预算内更有谈价空间的小区。
不要这样用
小区聚合无法识别具体楼栋、朝向、装修、噪音、学位占用和产权瑕疵。
房价影响因素拆解
回答“贵是因为区位，还是因为房子更新”“某个小区比周边贵多少可以由常规属性解释”。
解释变量
- 楼龄、楼层、户型、面积
- 成交月份、行政区与板块
- 样本足够时的小区固定效应
生成内容
- 楼龄折价曲线与楼层差异
- 面积弹性、户型差异、同质房价指数
- 板块和小区的同质溢价/折价
适合使用
理解价格差异来源、寻找“便宜是因为房龄还是市场低估”、比较同类小区。
不要这样用
统计残差不是自动套利信号。学位、景观、物业、楼栋品质等未观测因素可能就在残差中。
历史相似阶段
回答“现在更像历史上的哪一段”“相似状态之后，价格与成交通常怎么走”。
比较维度
- 价格动能、加速度与曲率
- 成交量、供给与价差
- 距峰值和同区相对位置
样本规则
- 同一板块历史优先
- 样本不足时用同区历史降权补充
- 展示近邻路径与中位路径
适合使用
为模型预测增加历史参照，观察不同路径的分歧与不确定性。
不要这样用
相似不等于重复。政策、信贷、人口与新增供应变化会让历史路径失效。
AI 购房参谋
回答“结合我的预算和通勤，怎么把这些读数变成下一步行动”。
AI 能读取
- 当前城市、行政区、板块上下文
- 预测、走势、小区、成交与总价结构
- 用户在当前会话补充的预算和偏好
AI 输出
- 候选板块或小区的排序理由
- 需要进一步核验的风险点
- 看房、谈价和继续研究的建议清单
适合使用
把复杂页面翻译成白话、做多条件比较、形成看房和复盘问题清单。
不要这样用
AI 可能误解问题或遗漏现实条件，不能替代律师、中介核验、银行审批和现场判断。
统一限制与风险边界
不同字段更新频率不同。页面会展示最新成交、挂牌和模型生成日期，使用时应先检查时间。
部分板块或小区成交很少，短期均价容易受个别房源结构影响；系统通过置信档和样本数提示风险。
预测目标主要是相对同城的未来 13 周表现，更适合排序与比较，不适合当作绝对涨跌承诺。
学位占用、装修、楼栋、朝向、景观、产权、税费和业主急售程度无法从标准字段完整获得。
平台仅供个人研究，不构成投资、估价、交易、信贷或法律建议。最终决策由用户独立承担。