What Is 房價指數（Housing Price Index / HPI）?
HPI追蹤房價隨時間的變化。FHFA HPI使用合規貸款數據（房利美/房地美），覆蓋全美50個州、城市和子市場，採用重複銷售法，季度和月度更新，免費獲取。Case-Shiller指數追蹤20個大都市區，更廣為引用。投資者用HPI來校準升值假設、判斷市場周期位置。當HPI增長遠超租金收入和居民收入增長時，泡沫風險上升。
房價指數（HPI）是透過追蹤同一物業重複交易（或評估）價格來衡量房價隨時間變化的統計指標，用於判斷市場升值趨勢、市場價值走向和市場基本面健康程度。
At a Glance
- FHFA HPI：免費，覆蓋全美，季度更新，合規貸款數據來源
- Case-Shiller：20個主要都市區，月度更新，約有2個月滯後，標準普爾發布
- HPI增長強勁 = 擴張期或頂峰期的信號
- HPI下降 = 收縮期的確認信號
- HPI增長顯著超過租金和收入增長 = 泡沫風險警示
How It Works
FHFA HPI的方法論。 聯邦住房融資局使用房利美和房地美的合規貸款數據，採用「重複銷售法」——追蹤同一物業在不同時間的銷售價格，排除物業品質差異的干擾。數據覆蓋全國所有州、城市一級和子市場。季度更新為主，部分地區有月度數據。完全免費公開訪問。
Case-Shiller指數。 標準普爾Case-Shiller指數追蹤20個大都市區的重複銷售數據，另有全國綜合指數。月度發布，約有2個月滯後期。對一線大城市更具代表性，媒體引用率更高。Case-Shiller本質上是HPI的一種特定形態，不是獨立的分析工具。
HPI在投資決策中的應用。 用於校準升值假設：如果目標市場過去5年HPI年化增長4.5%，你在建模時使用3%的保守假設是合理的。用於判斷周期位置：HPI加速增長通常標誌著擴張期或頂峰期；HPI增速放緩或轉負標誌著收縮期開始。用於識別泡沫風險：當HPI增長持續顯著超過當地收入增長和租金增長時，泡沫風險上升。
Real-World Example
Ava追蹤孟菲斯的FHFA HPI數據。2020至2023年累計漲幅38%——明顯的擴張期和頂峰期疊加。
在她的投資模型中，她使用3%的年化升值假設——相較於近期HPI數據顯著保守。理由：2022至2023年HPI已明顯減速，說明頂峰期可能已過，不能用峰值數據作為未來基準。
同時她注意到孟菲斯的Case-Shiller數據不可用（不在20個追蹤城市範圍內），所以她依靠FHFA數據配合本地經紀人提供的可比成交數據雙重驗證。HPI的3%保守假設為她的現金流和整體回報預測提供了穩健基礎。
Pros & Cons
- FHFA HPI完全免費，覆蓋面廣，是所有房產投資者可以直接使用的官方數據源
- 重複銷售法比中位數價格更能反映真實價格變化，排除了樣本結構差異的干擾
- HPI時間序列數據讓投資者能識別市場周期位置，而非只看當前價格水準
- 子市場級別的FHFA數據讓投資者可以在城市內部做精細化的市場對比
- FHFA HPI只覆蓋合規貸款物業，不反映超大額貸款或全現金交易市場的價格變動
- 數據有約2至3個月滯後期，不反映最新的市場轉折點
- 城市級別HPI可能掩蓋子市場內部的顯著差異——好的子市場和壞的子市場可能被平均化
- HPI告訴你價格在哪裡，不告訴你為什麼——需要結合就業、人口和供給數據才能完整解讀
Watch Out
- 泡沫風險： HPI增長遠超租金收入和居民收入增長 = 價格與基本面脫節，泡沫風險升高
- 數據滯後： 最新HPI數據約有2至3個月滯後。當市場快速轉向時，HPI可能還在顯示舊趨勢
- 子市場盲區： 城市級HPI無法反映內部差異，需深入到子市場級別分析
Ask an Investor
The Takeaway
房價指數追蹤房價變化。FHFA和Case-Shiller是最重要的兩個來源。用於校準升值假設和判斷市場基本面。當HPI增長遠超租金收入和收入時，警惕泡沫風險。