央行出重拳打炒房 藍委:台灣房市泡沫化風險已到動搖國本程度
中時新聞網.2024年9月20日 13:51

央行總裁楊金龍推出第七波房市管制措施,出拳力道堪稱史上最重。(資料照片/陳君瑋攝)

央行推出第七波房市管制措施,出拳力道堪稱史上最重。國民黨立委李彥秀表示,央行總裁楊金龍果然不負「Mr. surprise」的稱號,而楊金龍沒說出口的是,台灣的房市泡沫化的風險「已經到了動搖國本的程度。」不過她也提醒,本次措施全台適用,央行必須時時關注市場的最新動態,機動調整,否則重傷的恐怕不僅是房地產市場,更是金融以及經濟的生機。

李彥秀指出,中央銀行昨天宣佈第七波選擇性信用管制,連揮「四記重拳」,加上調升存款準備率一碼,總裁楊金龍不諱言指出「必須給投資客、投機客lesson(教訓)」不是想貸多少、就能貸多少;同時也要告訴社會大眾,房市必須cool down(冷靜)。

李彥秀表示,楊金龍果然不負「Mr. surprise」的稱號,當市場都預期央行會有再一波「選擇性信用管制」的時候,楊金龍第七波出手的力道遠大於前六波的總和,反映在今天早盤,營建股全面重挫。央行更一改過去保守的「談話」,直接以日本1990年代資產泡沫化以及2007年美國次級房貸為比喻,楊金龍沒說出口的是,台灣的房市泡沫化的風險「已經到了動搖國本的程度。」

李彥秀好奇,楊金龍看到什麼?為何如此緊張?當市場預期,農曆7月房市會稍微「降溫」,結果最重要的兩項指標,8月底銀行購置住宅貸款成長年增率升至11%,創下18年來新高;8月底全體銀行不動產貸款占總放款比率(不動產貸款集中度),上升到37.5%,直逼2009年10月底歷史高點的37.9%。

李彥秀認為,「必須給投機客一個教訓,告訴大眾房市必須冷靜,」何嘗不是說給民進黨政府聽的,過去8年居住正義、房市政策付之闕如,到了選舉才來炒短線,一個「新青安貸款」,讓過去8年跨部會的努力付諸流水,房價房租頻創歷史新高。楊金龍也用行動回應行政院長卓榮泰,央行有專業、獨立,不受干預的傳統,才能讓台灣淺碟型的經濟與金融體系,一直維持相對穩定,這也是彭淮南14A總裁、楊金龍4A總裁的風骨與央行優良的傳統,請問「如果今天是彭淮南總裁,行政院敢如此放肆嗎?」

李彥秀也提醒楊金龍,房市的健康與穩定,也是整體金融穩定,甚至是經濟發展重要的一環,急症當然要下重藥,但是第七波選擇性信用管制,範圍已經從「重點地區」,擴大到「全台適用」,力度之大,影響之深空前未有,央行必須時時關注市場的最新動態,機動調整,「房市穩健降溫是全民的期待,」也能讓央行獲得更多的支持,但是一棒打死,重傷的恐怕不僅是房地產市場,更是金融以及經濟的生機。

最新選舉新聞

最新選舉新聞

多元觀點

不同視角的媒體報導

央行 打炒房

韓國瑜 募款 晚會

立法院 開議 卓榮泰

死刑 釋憲

總預算 退回 政院

許家蓓 離世

中天新聞網
中時新聞網
今日新聞NOWnews
三立新聞網 setn.com
「藍白合」表決退回總預算案 行政院:深表遺憾
立法院今(20)日新會期開議,無黨籍立委高金素梅提案將114年度政府總預算案、前瞻第5期預算案,退回程序委員會,在藍白立委合作下,最終表決結果為59票贊成、46票反對,總預算案被退回程序委員會。對此,行政院發言人李慧芝表示,行政院深感遺憾,不過政府機關一定會秉持「誠意溝通」的精神。
  • 資料來源:網路溫度計自2017年至今約累積28億則以上文章的網路社群大數據資料庫,其內容涵蓋Facebook、YouTube、Instagram、Dcard、以及包含Yahoo奇摩新聞、聯合新聞網、中時新聞網、ETtoday新聞雲、LINE TODAY、蘋果日報、自由時報、三立新聞網等約350家媒體網站上與選舉相關之政黨、候選人公開資料。
  • 分析方式:本模型分析方式非採傳統抽樣之民意調查,係將蒐集之資料庫予以分析,無母體數、樣本數限制。本模型係運用大數據關鍵引擎,透過深度學習與AI人工智慧技術,使用斷字切詞(Word Segmentation)、語意分析(Semantic Analysis) 、即時情緒分析(Real-Time Sentiment Analysis)等技術,汲取網路上相關討論文章,將文章分為正面、負面、中立三種情緒,計算網路聲量。
  • 跨世代劃分標準:本預測模型判別跨世代之依據,係以不同世代使用者之網路社群行為模式差異區辨。以不同社群網站之使用者世代臉譜數據為基礎,計算跨世代在不同社群聲量上的權重,綜合計算後得到世代好感度數據。
  • 名詞解釋
    • 網路聲量:透過「KEYPO大數據關鍵引擎」,計算社群討論及新聞報導提及的文章則數,聲量越高代表討論越熱,能見度越高。
    • 好感度分數:綜合評估網路聲量與網友語意情緒,分析各熱門候選人的網友評價。各熱門候選人的情緒、聲量皆經過標準化分數處理,得出好感度分數,再進行各縣市候選人彼此的比較,評量不僅需要聲量高,而且是好評要高,負評要低。好感度分數範圍在0-100分之間,分數越高,表示整體網友對於該位候選人的好感程度越佳。
  • 其他說明
    • 調查單位及主持人:大數據股份有限公司
    • 辦理時間:即日起至2022年11月16日止,逐日更新好感度數據。
    • 抽樣方式:本預測模型非抽樣之民調調查
    • 母體數:無母體數,請參考上述大數據資料庫的內容涵蓋範圍
    • 樣本數及誤差值:本預測模型非採用小樣本抽樣之民意調查,不適用抽樣誤差值
    • 經費來源:Yahoo奇摩、大數據股份有限公司