构建中国房地产政策松紧度指数，发掘潜在政策空间
现有房地产政策相关指数
学术界和房地产业界曾对我国的房地产调控政策进行跟踪监测，但主要是对房地产政策的关注度、不确定性或出台频率进行测度，未能全面准确地反映房地产政策的变动方向、幅度及速度。
例如，王博永和杨欣（2014）选取了一系列房地产调控政策相关的关键词，根据这些关键词的百度搜索指数构建了七类房地产调控政策搜索指数，主要反映各个时期网民对于房地产政策的关注程度。
杨赞、丁立群、张昊群（2020）采用文本分析法，基于《人民日报》《环球时报》等12份报纸中超过131万篇文章，构建了2000年1月至2018年3月的房地产政策不确定性指数（月度指数）。
陈英楠等人（2022）也基于《人民日报》等6份报纸，识别同时包含经济类、房地产类、不确定性类和政策类关键词的文章数量，构建了2001-2018年的中国房地产政策不确定性指数（月度指数）。
以上不确定性指数主要反映房地产政策的变动事件以及媒体对于房地产政策的关注程度，并不能对政策放松还是收紧实现测度与衡量。
韩菲、陶琦、程若平（2022）对国家部委、省市政府、主流媒体、主流公众号等2000个网站（公众号）中与宏观经济及房地产相关的政策文章进行爬取，基于27477篇相关文章，通过文本分析的方法构建了2020年3月1日至2021年7月25日的房地产调控政策指数（周度指数）。该指数主要反映调控政策的出台时机和密集程度，并未反映各领域政策的变动方向和变动幅度，也未能刻画地区差异。
另外，一些市场机构也对房地产政策进行跟踪监测。例如，中指研究院从2011年起每月发布“中国房地产政策跟踪报告”，对当月中央及省市层面发布的房地产政策进行汇总，但未建立量化评估模型或指数，难以对城市之间以及不同时期的政策情况进行直观对比。
广发证券开发的“全国四限政策限制指数”是个量化指标，该指数基于各城市的限购、外地社保要求、认房又认贷、二套房最高首付、限售、二胎政策、区域调整、其他共8类政策，对各城市政策力度进行打分、加总，形成全国累计“四限政策评分”。
该指数能够直观地反映各地区、各时期的房地产政策限制强度，并能够纵向对比，分析特定城市当前政策与历史高点比的变化幅度等。但该指数覆盖政策工具较少，未包含首付比例、利率水平、公积金贷款政策、普宅线、增值税/契税等税收政策以及近年来新增的购房补贴、以旧换新等政策工具。
指数构建
本研究旨在构建一个指标体系，对各类房地产调控政策工具实现全面、客观、综合的测度，从而横向比较城市间政策力度差异，纵向反映调控政策的历史变动幅度，以便为决策者提供更准确的决策信息。
基于数据的可获得性，我们选取了20个重点城市，以2014年6月作为起点，跟踪各城市的各类房地产调控政策，形成一套综合指标体系，以此对各地政策的松紧度进行打分，按月更新。所有信息均来自政府网站等公告信息。
2.1 指标体系及权重
基于对2014年以来各城市房地产调控政策的梳理，我们构建了“中国房地产政策松紧度指数”。该指数涵盖限购、限售、融资、交易成本及其他等5大类、44项具有普遍性的房地产调控政策措施（表1），通过打分的形式编制各项分类指标，并由各项分类指标逐级加权生成综合指数。数值越高表示调控政策越紧、越严厉。
指标体系采用主观打分法，按照以下原则确定指标权重：
一是根据对购房决策的影响程度赋予权重。例如，限购类政策直接影响能否购房，是“硬约束”，因此被赋予较大权重；融资类政策直接影响购房者的支付能力，对购房决策也有较大影响，也赋予较大权重。
二是根据可能受影响的人群范围赋予权重。例如，父母投靠、企业购房资格、离婚及赠予认定、法拍房等政策只影响特定较少部分群体，因此被赋予较小的权重。
三是对于同类别下的细分政策，控制细分类别之间的相对权重。例如，限购政策中对本地居民、外地居民赋予同样权重；融资及交易成本政策中涉及首套房、二套房的指标也赋予同样的权重；融资政策中，由于商业贷款占比更大，涉及商业贷款、公积金贷款的政策，其相对权重控制在2:1的比例。
2.2 分项政策指标的打分标准
为了连续、准确地反映政策的松紧程度，我们针对各指标确定了政策变动幅度并定义评分规则，对政策的变化幅度进行赋值。
例如，对于占比或首付类指标（例如“行政区限购占比”和“首套普通住宅首付比例”），取百分比值作为指数打分；对于年限类指标（例如“外地居民购房社保或个税要求”等），根据政策梳理确定最大限制年限，取为100，然后等比例定义其他年限要求的对应分数。
对于利率或费率类指标（例如“房贷基准利率”或“首套房贷利率”等），根据历史变化确定最大、最小值，分别定义其取值为100和0，中间值根据最大、最小值进行等比例换算；对于额度类指标（例如“个人公积金贷款额度”），根据政策梳理确定最大额度（如120万），定义其取值为100，其他额度对应取值进行等比例换算。
对于限制条件类指标（例如“企业购房资格”或“普通住宅标准”等），根据历史政策表述划分多个维度及对应分值，同时要求的维度越多则分值累积越高，即政策条件越严格。
2.3 指数合成方法
在确定各分项政策指标的打分标准后，根据设定权重，采用逐级加权的方式进行指数合成。在各城市指数的基础上，我们再以各城市的常住人口规模作为权重，进一步合成一线城市、其他城市以及20城综合的房地产政策松紧度指数。
从政策松紧度指数评估本轮调控政策
根据房地产政策松紧度指数，我们可以对当前的房地产调控政策做出清晰、准确的判断和评估。
3.1 当前调控政策整体已达2014年以来最松
从20城汇总的政策松紧度指数可以清晰地看出，2014年以来，我国房地产调控政策经历了三个阶段，包括2014-2016年的放松期、2016-2022年的收紧期、以及2022年至今的放松期（图1）。
在这三个阶段中，房地产调控政策的松紧度与同期我国房地产市场的景气度紧密相关，表现出显著的逆周期特征。
（1）2014-2016年的放松期：2014年初，房地产市场出现下行态势，全国房地产开发景气指数（简称“国房景气指数”）明显回落。到9月份，70城房价指数也出现同比下降。
在此背景下，中央推出“930”新政，宣布“认房不认贷”等信贷优惠政策。随后，各地调控政策大幅放松，全部20个城市的政策松紧度指数都显著下降。
（2）2016-2022年的收紧期：2016年初，房地产市场快速回暖，国房景气指数明显回升。在此背景下，一线城市率先收紧限购政策，随后各地快速跟进，20城综合指数迅速从2016年2月的低点27.8上升至2017年4月的41.3。
虽然国房景气指数在2018年9月见顶回落，但直到2021年底仍高居100之上（2020年疫情初期的短暂扰动除外），显示房地产市场整体仍处于过热状态。
因此，各地在“因城施策”的调控框架下继续出台紧缩措施，20城综合指数直到2022年初才达到此轮紧缩周期的顶点（48.1）。
（3）2022年至今的放松期：从2021年二季度开始，在一系列房地产调控措施的累计作用下，房地产市场开始降温，国房景气指数持续下滑，房价也开始环比下跌。
在此背景下，2022年3月“两会”提出，要“因城施策促进房地产业良性循环和健康发展”，开启了本轮政策放松期，各地开始逐步放松调控措施，政策松紧度指数于当月见顶回落（图1）。
2023年8月底，中央政治局会议明确“房地产市场供求关系发生重大变化”，各地旋即开启了新一轮较大幅度的政策放松，政策松紧度指数快速下降。之后，2024年的“517”新政、“926”政治局会议进一步推出促进房地产止跌回稳的政策“组合拳”，政策松紧度指数持续回落，至2025年10月已降至14.9，达到有数据以来最低。
3.2 政策全面放松，绝大部分调控工具已达2014年来最松
分项来看，截至2025年10月，除了限售类政策外，限购、融资、交易成本和其他四类政策的子维度松紧度指数均已创下新低（图2），显示调控政策全面放松。
限售类政策：该类政策在上一轮放松周期中尚未广泛实施，在2017年之后才有城市陆续启用。由于担心放松限售政策会加大市场供给，不利于促进市场止跌企稳，因此在本轮放松周期中，部分城市在放松限售政策方面有所顾忌，行动比较保守。目前，该维度的政策松紧度仍高于上一轮最低水平，但较2021年水平已显著放松。
限购类政策：在2024年“517”新政后，该维度的松紧度指数已降至有数据以来最低。
融资类政策：自2023年12月起，随着一线城市首付、利率政策的全部落地，该维度的松紧度指数也已达到有数据以来最低。
交易成本类政策：在2016-2021年的紧缩周期中并未明显收紧。在2022年此轮政策转向后，该维度的松紧度指数持续创下新低。
其他类政策：自2024年9月各地陆续宣布不再区分普宅和非普宅之后，该维度的松紧度指数也持续创下新低。
3.3 各地调控步调不一，但均已达到2014年以来最松
在“因城施策”的调控框架下，各地政府具有较大的调控自主权，各地在调控政策的出台速度和执行力度上存在差异。不过，经过长达3年的放松，各地政策均已达到历史最松状态。
以四个一线城市为例，2021-2022年，各城市的政策松紧度指数一直处于高位，深圳的调控政策最为严格，而广州的政策最为宽松（图3）。在2023年8月底中央政策明显转向后，4个一线城市陆续跟进；其中，广州放松速度最快、幅度最大，其政策松紧度指数自2023年9月就已创新低；北京、上海的松紧度指数到2024年5月才低于上一轮最低水平，深圳直到2024年9月才创下新低。
截至2025年10月，在4个一线城市中，广州的政策保持最松，政策松紧度指数为13.4；深圳的政策松紧度指数快速下降至19.4，已明显低于上海（27.6）和北京（28.0）。相比之下，北京和上海的政策放松节奏更为克制。
在其他16个城市中，与2022年初相比，西安、杭州、长沙等城市的政策松紧度指数已累计下降40多个点，厦门、武汉、南京、郑州、青岛的累计降幅也超过35个点（图4）。所有城市的调控政策都已处在2014年以来的最松状态。
3.4 相对上一轮放松期，本轮政策见效更慢
就2014年以来的三轮房地产调控周期来看，早期的政策效果更为明显。虽然本轮放松周期已超过三年，政策松紧度已达2014年来最松，但政策效果仍未达预期。
在2014-2016年的放松周期中，从2014年9月底推出“930”新政、开启放松周期，到2015年5月国房景气指数见底回升（图1），调控政策在短短8个月内就见到成效。
这种立竿见影的效果在政策松紧度指数与房价的关系中也清晰可见。在2014-2016年的政策放松期，20城的政策松紧度指数变化与新房价格的环比变化高度相关（图5），房价在“930”新政后的7个月内止跌回升，政策效果非常明显。
相比之下，在2022年至今的放松期，20城政策松紧度综合指数已从2022年初的高点累计下降33个点，达到2014年以来最松，但国房景气指数直到2024年4月才止跌回升，距离政策松紧度指数见顶（2022年4月）已有两年时间。然而，2025年4月，国房景气指数再次掉头向下，至今没有止跌。各地房价与政策松紧度指数的变化似乎关联不大（图6），政策效果有所减弱。
从政策松紧度指数发掘潜在的政策空间
由于房地产政策松紧度指数可对调控政策的变化方向、速度和幅度提供定量的测度，对政策制定者而言，可通过该指数动态监测全国各地的政策执行情况，并据此确定是否需要适时加大或减轻全国性政策的力度。
对地方政府而言，既可通过该指数纵向比较当前政策相对历史的变化，也可横向发现本地政策与其他城市的差异，从而借鉴其他城市的做法，识别政策调整空间。
4.1 交易成本类政策仍有进一步放松空间
从指数的5个子维度来看，目前各地在交易成本类政策仍有放松空间（图7）。该类政策主要包含交易税费政策（如增值税减免年限、个人所得税减免年限、首套房契税、二套房契税）、购房补贴政策、以及交易链条类政策（政府/国有企业收购、代售购新模式）。具体来说，可考虑在以下几方面进一步放松：
一是进一步降低增值税、个人所得税减免年限，试点住房装修支出抵扣个税；
二是对首套房、二套房契税进一步出台优惠政策，例如放宽套数认定标准，按行政区对首套房、二套房进行认定，或“因城施策”出台契税补贴等激励政策；
三是各地的购房补贴政策范围可进一步扩展，例如扩大补贴行政区范围、将补贴范围扩大至二手房交易、推出装修补贴等。
4.2 各地政策仍有相互借鉴的空间
虽然目前全部20个城市的政策松紧度指数均已达到有数据以来最松，但城市之间仍然存在较大差异。相对其他17个城市，北京、上海、深圳的政策仍显偏紧（图8）。这意味着，各地在调控工具的使用上仍有相互借鉴的空间。
以一线城市为例，截至2025年10月，四个城市可在以下领域相互借鉴：
限购政策：广州已完全取消限购政策，北京、上海仍有较为严格的限购政策，深圳政策略为宽松，但远较广州严格；
限售政策：四个一线城市均已明显放松，但上海对优先购房政策购买的新建商品住房、人才房、企业购房的上市交易年限方面仍有一定限制，松紧度指数略高于其他城市；
融资政策：广州的政策最松，北京、上海、深圳相差不大，在二套房的认定及信贷政策方面仍有一定放松空间；
交易成本政策：四个一线城市的松紧度指数均较高，在税费减免、购房补贴、以旧换新等方面仍有政策空间；
其他类政策：不再区分普宅、非普宅后，一线城市在该维度的松紧度指数均已大幅降低，上海、深圳的松紧度指数略高于北京、广州，可考虑进一步取消参考价/指导价限制（图9）。
4.3 市场供需失衡呼唤更强有力的政策措施
如前文所述，相对上一轮政策放松期，本轮政策放松见效更慢。之所以出现这一现象，主要是因为我国房地产市场的供需关系已发生重大变化。
经过多年的建设与开发，我国房地产市场的供需格局已从早年的供不应求转变为供过于求。在此背景下，尽管政策已达到2014年以来最松，但与预期效果仍有距离。因此，当务之急是想方设法缩小供需缺口，尽快实现市场出清。
在房地产市场存在严重供需失衡的形势下，依靠常规的房地产调控政策工具，可能无法在短期内有效提振市场需求、缩小供需缺口。因此，有必要考虑推出超常规的政策措施，如组建全国性的住房收储与运营机构、支持农业转移人口在城镇购房等，以强化激励措施，调动各方的积极性，尽快推动市场供需恢复平衡。
作者王诗卉系北京大学数字金融研究中心特约研究员；孙明春系CF40成员、香港中国金融协会副主席，本文为作者向中国金融四十人论坛独家供稿，未经许可不得转载。文章仅代表作者个人观点，不代表CF40及作者所在机构立场。受版面所限，正文注释和参考文献略。