上海二手房成交数据

上海市二手房网签成交数据的按月归档，以Markdown表格形式记录每日成交套数与成交面积。Monthly archived second-hand housing online signing transaction data in Shanghai, with daily transaction counts (number of units) and transaction areas recorded in Markdown tables.

原始信息汇总

数据集概述

该数据集记录了上海市二手房网签成交数据，以按月归档的 Markdown 表格形式呈现，包含每日成交套数与成交面积。

数据范围

• 时间跨度：自 2025年11月 起，持续更新至当前（示例中文件延伸至 2026-09）。

文件结构

• 根目录说明文件：README.md
• 数据归档目录：monthly/，按月份存放，文件命名为 YYYY-MM.md（如 2025-11.md、2026-09.md）。
• 每个文件包含两个部分：
  • 月度汇总：有数据天数、总成交套数、总成交面积、日均成交套数。
  • 每日明细：逐日列出成交套数与成交面积。

字段说明

字段	含义
日期	成交日期，格式 YYYY-MM-DD
成交套数	当日二手房网签成交套数
成交面积 (㎡)	当日二手房网签成交总面积

备注要点

• 月度汇总中的“日均”按有数据的天数计算，未剔除周末与节假日成交波动。
• 成交面积自 2026年5月底 起记录为精确值，此前为约整值。
• 数据按月持续追加，新月份会在 monthly/ 下自动生成对应文件。

搜集汇总

数据集介绍

构建方式

本数据集聚焦于上海二手房市场的网签成交动态，通过系统化采集与整理，构建了一个按月度归档的时间序列数据库。数据以Markdown表格为存储媒介，文件命名遵循‘YYYY-MM’格式，清晰地划分了月度汇总与每日明细两个层级。月度汇总提炼了当月有数据天数、总成交套数、总成交面积及日均成交套数等关键指标，为宏观趋势研判提供了便捷的统计口径；每日明细则精准记录了每一交易日的成交套数与成交面积，确保了数据颗粒度与可追溯性。数据自2025年11月起持续累积，并按月动态更新，形成了一个持续生长的住房市场观测样本。

特点

该数据集的核心价值在于其时间连续性与结构规范性，能够直观反映上海二手房市场的短期波动与中长期演变轨迹。数据字段设计简约而意蕴深远，日期、成交套数与成交面积三者相辅相成，既可通过套数观察市场活跃度，又可通过面积洞悉交易体量与户型结构倾向。特别值得一提的是，数据在2026年5月底实现了成交面积从约整值向精确值的跃迁，提升了后续数据的研究精度与学术严谨性。此外，按‘有数据天数’计算日均套数的处理方式，巧妙规避了节假日所致的无成交日干扰，虽未剔除周末波动，却保留了原始市场节奏的真实印记，为深度数据清洗与多元分析预留了探索空间。

使用方法

使用此数据集时，研究者可依据月度归档结构，便捷地调取特定时间窗口的数据文件。通过解析Markdown表格，既可快速获取月度汇总指标，用于研究市场总体供需态势的月度性变化，也可深入每日明细，进行高频波动检测或季节性模式挖掘。例如，可结合日期字段的星期属性，剖析工作日与周末的成交行为差异；亦可利用成交面积数据，在精确值引入后开展更为细腻的面积区间分析。数据的持续追加特性，使其成为长期追踪上海二手房市场动态、构建预测模型（如时间序列分析、机器学习回归）的理想数据源。研究者只需采用支持Markdown的文本处理工具或编写简单脚本，即可实现数据的读取、清洗与格式化，进而运用专业统计软件或编程语言进行高阶分析。

背景与挑战

背景概述

上海作为中国房地产市场的重要风向标，其二手房交易数据对于洞察城市经济活力与政策效应具有不可替代的参考价值。该数据集由相关数据爱好者或研究机构创建，自2025年11月起持续更新，以月度归档方式记录每日网签成交套数与成交面积，为房地产政策评估、市场趋势分析及经济预测提供了细粒度的基础数据支撑。其系统化的整理模式与持续更新的特性，有助于研究者追踪市场动态，挖掘周期性规律，并在宏观调控背景下评估政策对二手房市场的即时影响。

当前挑战

该数据集构建与使用面临诸多挑战。数据层面，成交面积早期为约整值，自2026年5月底起才改为精确记录，导致时间序列存在精度断裂，影响长期趋势的精确建模及计量分析的严谨性。统计口径方面，日均成交套数仅按有数据天数计算，未剔除周末及节假日波动，可能扭曲月度实际交易活跃度。此外，数据仅包含网签总量，缺乏价格、户型、区域等关键属性，限制了深层市场结构分析与价格指数编制，难以全面反映市场供需与价格动态。数据更新依赖人工归档，存在滞后与遗漏风险，也增加了维护成本与数据一致性验证的难度。

常用场景

经典使用场景

该数据集以日频粒度记录了上海二手房网签成交的套数与面积，时间跨度自2025年11月起持续更新，为房地产市场研究提供了高分辨率的时间序列数据。其经典使用场景包括构建成交量的日度或月度指数，分析季节性波动、政策冲击效应（如限购、信贷调整）对市场活跃度的即时影响，以及运用时间序列模型（如ARIMA、GARCH）进行短期成交量预测。此外，学者可结合成交面积数据，探究户型结构变化与市场供需动态，为房价指数编制提供稳健的成交量权重基础。

实际应用

在产业层面，该数据集为房地产中介机构、评估公司与金融平台提供了市场温度计，可实时监控成交热度，辅助制定定价策略与库存管理。政府部门可借此追踪调控政策的即时效果，为“一城一策”提供数据参考。对投资者而言，日度成交数据有助于捕捉楼市情绪拐点，优化资产配置时点。此外，数据集成为了城市计算与商业智能的典型应用案例，支持开发可视化的市场仪表盘或异动预警系统，帮助购房者与卖房者理性决策，提升信息透明度与市场效率。

衍生相关工作

该数据集催生了一系列衍生研究与实践，例如，学者基于其构建了上海二手房市场的日度成交活跃度指标，并探讨与宏观经济景气指数的先行关系；业界衍生出自动化周报生成工具，自动汇总成交趋势并生成可视化图表。在竞赛领域，出现了以“预测下月总成交套数”为题的Kaggle风格挑战，推动特征工程与集成学习方法的迭代。更有团队将其与链家挂牌数据、链家成交数据结合，构建了更为丰富的“挂牌-成交”匹配数据库，支撑了价格弹性、去化周期等深度分析，体现了该数据集作为基础数据层在其他复合型数据集中的核心价值。