全部因子概览
商圈固定效应：控制房屋特征后，相对当年全市（成交加权）均值的单价溢价。条形过多时请使用表格。
商圈溢价历年走势
所选区域内成交最多的商圈（最多 6 个）。年份样本少于 30 时的估计可能不稳定。
价格指数（基期 2019 = 100）
「同质指数」用当年模型给 2019 年成交篮子重新定价（恒定品质，类似特征价格指数）；「成交中位数」为原始单价中位数，受成交结构影响；「统计局指数」是国家统计局 70 城上海二手住宅价格指数按月环比链式后取年平均（2019 全年 = 100，仅全市口径）。2011–2014 年样本稀少且集中在中心城区，覆盖不到的商圈不参与当年篮子，指数仅供参考。
公允报价估算
输入房屋特征，用所选年份的模型系数计算：全市基准 × 商圈溢价 × 各因子溢价 × 小区效应（经验贝叶斯收缩）。成交数据截至 2026 年 8 月（链家 2011-01 ~ 2023-02，贝壳 2023-01 ~ 2026-08），之后的市场变化请用「市场调整系数」手动校正。
元/㎡（估计公允单价）
估计总价
万元
模型不确定性（95%）
系数估计误差，元/㎡
同类成交常见区间（±1σ）
个体差异范围，元/㎡
小区效应
定价分解
从全市基准单价出发，逐项乘以各因子溢价（单位：元/㎡）。蓝色为正贡献，红色为负贡献。
SOPR 与实现盈亏
借用加密货币的 UTXO 模型：一笔成交创建一枚持仓（面积 ㎡、成本 = 成交单价），同小区同品质（面积、室数，楼层/朝向兼容）的下一笔成交视作花掉一枚旧持仓。SOPR = 花费成交额 / 旧持仓成本，大于 1 表示平均在盈利中卖出；短期 <2 年、长期 ≥2 年。柱为净实现盈亏（亿元）。配对的是同品质持仓而非同一套房，早年成交稀少，2015 年前不展示。
安全线：持有人平均成本 vs 市场价格
实现价格 = 未花费持仓的成本加权均价（元/㎡），即所有持有人的平均成本；短期/长期持有者成本分别计算；市场价格用当年 hedonic 模型对同一批持仓重定价。MVRV = 市值 / 实现市值（右轴）。年末快照，2026 年为 8 月底。
NUPL 与盈利供给占比
NUPL = (市值 − 实现市值) / 市值，即净未实现盈亏占比（柱）；盈利供给占比 = 市值高于成本的持仓面积占比（线）。加密货币常用分档：<0 投降，0–0.25 希望/恐惧，0.25–0.5 乐观，0.5–0.75 信念，>0.75 狂热。
成本分布（URPD）
未花费持仓按成本单价每 5,000 元/㎡ 一档的面积分布；虚线为当前市场价格与实现价格。密集档位是最直观的支撑/阻力来源。
持有期分布（HODL waves）
未花费持仓按持有年数分档的面积占比。短期占比上升表示换手加快。
小区安全线
所选区域内未花费持仓 ≥30 的小区，按 MVRV 从低到高（最"深套"的在前）。实现价格可视作该小区持有人的平均成本。
样本与模型拟合
每年单独估计；R² 为商圈固定效应 + 因子的整体解释力。
方法说明
模型：对每个成交年份 y 分别估计 log(单价) = μ_y + FE_y[商圈] + Σ β_{y,f}·x_f + ε。商圈固定效应吸收地段，因子系数为「同商圈内」的相对溢价（Fama–MacBeth 式逐年截面回归）。
正则化与稳健性：因子系数用岭回归（α 逐年由 GCV 选取）；标准误由小区整群 bootstrap（按小区重抽样，200 次）得到；样本先剔除车位、使用权房、面积/单价越界，再按 年份×商圈 的稳健 z（MAD）剔除 |z|>4 的离群成交。
稀疏样本的收缩：小区效应 = 该小区残差均值 × w，w = τ²/(τ² + σ²/n)（经验贝叶斯），成交少的小区自动向其商圈均值收缩。
组合分层：不依赖模型，直接计算商圈内去均值后各因子水平的平均 log 单价差，用于交叉验证模型系数。
地铁：OSM 地铁站 + Wikidata 开通日期，只计入成交当年已开通的车站（未知开通年份的站视为始终存在）。
学区：目前没有小区→对口学校的映射表，用两个代理指标：① 1.5km 内公办初中的四校八大预录取人数距离加权和（按年份，2016 年后沿用最后一年）；② 1km 内 2022 名单中公办市/区重点小学、初中的距离加权得分（静态）。加载 school_catchment 映射后可替换为精确学区因子。
坐标：链家经纬度经校验为 BD-09，入库时统一转换为 WGS-84。