香港按揭定息占比 5 个月近 5 倍？Python 对账金管局 116 个月

今早的新闻说：本港定息按揭占比创逾 8 年新高，8 月新批按揭 322 亿、按月跌 28.2%，转按宗数创 33 个月新高。新闻数字能不能站得住？我把金管局「住宅按揭统计调查」的零鉴权 API 完整拉了下来——2016 年 12 月到 2026 年 7 月，116 个月无断档。对账结果：三条核心数字两条精确对上、一条能用基数复算自洽，另有一处「连升月数」对不齐；顺带踩到两个连我自己都会中的坑——「N 个月新高」的锚点算法，和一个差点读错 100 倍的字段。

目录

• • 一、先钉口径：这张表里有三种「按揭」
  • 二、定息占比：7% → 34.1%，回到 2018 年
  • 三、转按：33 个月新高的锚点，和一处对不齐
  • 四、那 322 亿怎么验？用基数复算

一、先钉口径：这张表里有三种「按揭」

数据源是金管局金融数据月报的 T0307 表（住宅按揭统计调查结果），零鉴权，一次请求返回全量，环境只要 Python 3.13 加标准库：

curl-H"User-Agent: Mozilla/5.0""https://api.hkma.gov.hk/public/market-data-and-statistics/monthly-statistical-bulletin/banking/residential-mortgage-survey?segment=new&pagesize=400"-o原始返回/hkma_mortgage.bin

但表里的「新按揭」有三个完全不同的口径：新批出（approved）、已提取（drawn）、新申请（received）。新闻标题说「8 月新批出按揭 322 亿」——对应的是 approved；它和 drawn 是两回事：7 月新批 448 亿，同期已提取只有 294 亿，中间 154 亿是批了还没放的在途量。读任何按揭新闻，第一步先把这三个词分开。

importjson recs=json.load(open("原始返回/hkma_mortgage.bin",encoding="utf-8-sig"))["result"]["records"]print("API 返回顺序：",recs[0]["end_of_month"],"→",recs[-1]["end_of_month"])recs=sorted(recs,key=lambdar:r["end_of_month"])# 转时间升序ms=[r["end_of_month"]forrinrecs]idx={r["end_of_month"]:rforrinrecs}assertlen(ms)==116and(ms[0],ms[-1])==("2016-12","2026-07")assertall(int(b[:4])*12+int(b[5:])-int(a[:4])*12-int(a[5:])==1fora,binzip(ms,ms[1:])),"有断档"# 占比恒等式：H + P + 定息 + 其他 = 1bad=[mforminmsifabs(idx[m]["ir_new_loans_approved_hibor"]+idx[m]["ir_new_loans_approved_blr"]+idx[m]["ir_new_loans_approved_fixed"]+idx[m]["ir_new_loans_approved_other"]-1)>0.005]assertbad==[],badprint("116 个月无断档；占比恒等式（含 other 项）116/116 成立")

两个小坑顺手记下：API 返回是最新月份在前的降序，直接当升序用整条时间轴就反了；恒等式是四项求和——H 按 + P 按 + 定息之外还有一项「其他」，7 月占 3.7%，少算它恒等式就破。

二、定息占比：7% → 34.1%，回到 2018 年

116 个月的利率结构图里，2026 年这条红色楔形非常扎眼：

fixed={m:idx[m]["ir_new_loans_approved_fixed"]forminms}assertabs(fixed["2026-02"]-0.070)<1e-9assertabs(fixed["2026-07"]-0.341)<1e-9prev=[mforminmsifm<"2026-07"andfixed[m]>=fixed["2026-07"]]assertprev[-1]=="2018-04"gap=(2026-2018)*12+(7-4)assertgap==99print(f"定息占比：2026-02 的 7.0% → 2026-07 的 34.1%（4.9 倍）；"f"上一个不低的月份是{prev[-1]}，距 7 月{gap}个月")

五个月，定息占比从 7.0% 涨到 34.1%，4.9 倍；同期 H 按从 87.5% 滑到 61%。新闻说「创逾 8 年新高」——用 API 独立验证：34.1% 之前最后一次被追平要回到2018 年 4 月（当时峰值 51.2%），距今年 7 月 99 个月，正好 8 年零 3 个月。「逾 8 年」成立，而且 8 月占比更高的话，这句只会更成立。顺带校准一下体感：本轮的 34.1% 其实只回到 2018 年峰值的三分之二——「8 年新高」和「历史极值」是两个量级的说法，标题里混用就会放大情绪。至于资金为什么从 H 按迁往定息，利率环境变化是背景，本文只对账数字、不下判断。这是三条新闻数字里验证得最干净的一条。

三、转按：33 个月新高的锚点，和一处对不齐

第二条新闻数字——「转按宗数创 33 个月新高」——验证时我差点自己翻车：

ref_n={m:idx[m]["new_loans_approved_pt_refin"]forminms}ref_a={m:idx[m]["new_loans_approved_pt_amt_refin"]forminms}assertref_n["2026-07"]==1468andref_a["2026-07"]==7305anchor=max(mforminmsifm<"2026-07"andref_n[m]>ref_n["2026-07"])assertanchor=="2023-11"assert(2026-2023)*12+(8-11)==33# 金额连升streak=0foriinrange(len(ms)-1,0,-1):ifref_a[ms[i]]>ref_a[ms[i-1]]:streak+=1else:breakassertstreak==7# 宗数连升（2 月断过一次）streak_n=0foriinrange(len(ms)-1,0,-1):ifref_n[ms[i]]>ref_n[ms[i-1]]:streak_n+=1else:breakassertstreak_n==5andref_n["2026-02"]<ref_n["2026-01"]print(f"转按宗数锚点{anchor}，距 2026-08 满 33 个月；金额连升{streak}个月；"f"宗数连升{streak_n}个月（2 月曾回落）")

我的第一版算法数出「72 个月新高」——把 116 个月里所有比 1,468 高的月份（71 个）都数了进去，但它们挤在 2017-2019 和 2023 年末。「N 个月新高」的正确锚点是「最近一个更高值的月份」：7 月宗数 1,468 宗，上一个更高的月份是 2023 年 11 月，距 2026 年 8 月恰好 33 个月——新闻精确对上。同一个数字，两种算法，一个会让你把周期性高估一倍。

对得上的还有金额：转按金额连升 7 个月（至 7 月），8 月再升就是新闻说的第 8 个月。对不齐的一处也要如实说：新闻称转按宗数「连升 7 个月」，但 API 序列里宗数连升只有 5 个月——2026 年 2 月宗数 607，比 1 月的 650 回落过一次。可能是分析口径不同，也可能是把回落月计入了；8 月数据还没进 API，终判等更新，先存疑不下结论。

四、那 322 亿怎么验？用基数复算

API 最新只到 2026 年 7 月，新闻里的 8 月数据它还没有——官方 API 比新闻报道慢一个月。但这不等于没法验，我给自己定了一个三步核验顺序：第一步，先找到 API 的最新期数（这表是 7 月），别拿旧数据硬验新月份；第二步，用上月实值乘新闻给的环比做复算——7 月 448.1 亿是 API 实值，乘 (1−28.2%) 得 32,173，即 321.7 亿，与新闻的 322 亿自洽；第三步，方向性说法（比如「H 按降至 57%」）去 API 里看前一期的值和趋势是否同向——7 月 61% 的滑落方向吻合。三步都过，这条数字才敢引用；任何一步对不上，就标「存疑」等下期数据，而不是替新闻圆场。

顺带说下这张表的更新节奏：月度更新、滞后一到两个月，引用前先看end_of_month的最大值，这一眼能避免「拿 7 月的表去验 9 月的新闻」的错位。另外本次开工前我把原始返回抓了两次、比对内容指纹，完全一致才开始解析——对零鉴权接口来说，这一步的成本只是多一条 curl，换来的是「我引用的不是缓存残片」的确定感。

最后记一个差点读错 100 倍的坑：这张表的环比字段mom是小数不是百分数——7 月新批的 mom 是 −0.114，意思是 −11.4%；直接当成 −0.114% 引用，跌幅缩水 100 倍。同类表还有一列全 116 行都是星号的哑值列（贷款无条件豁免相关比率，分母为零时官方直接填*），to_numeric之前先看一眼取值分布，别让一列星号悄悄变 NaN。

这段对账代码和「新高锚点算法」可以直接搬走，收藏备用；如果这篇帮你避开一次错误引用，收藏+点赞。声明：本文只对账官方统计数字，不构成任何置业或投资判断。你引用新闻数字前会先找原始表核对吗？评论区聊聊你的「新闻 vs 数据」翻车现场。这类香港公开数据对账持续更新，关注不迷路。

参考链接

1. https://api.hkma.gov.hk/public/market-data-and-statistics/monthly-statistical-bulletin/banking/residential-mortgage-survey
2. https://apidocs.hkma.gov.hk/documentation/market-data-and-statistics/monthly-statistical-bulletin/banking/residential-mortgage-survey