央行重手打房恐錯殺這群人？藍委示警：沒考慮「繼承持分」問題

TVBS新聞網．2024年9月20日 16:23

中央銀行19日祭出第七波房市管制措施，並再度調升存準率一碼，打炒房的出拳力道，堪稱史上最重。（圖／TVBS）

再向高房價宣戰！中央銀行19日祭出第七波房市管制措施，並再度調升存準率一碼，打炒房的出拳力道，堪稱史上最重。對此，國民黨立委許宇甄表示，央行為了使房價冷靜下來的措施立意良善，但是沒有思考到「繼承持分」房產問題，許多民眾名下有「繼承持分」的房屋，面積小、價值低，若因此不能有寬限期，對他們購屋會產生極大衝擊，呼籲盡速修正，避免濫殺無辜。

中央銀行19日召開第三季央行理監事會，決議升準不升息，並宣布祭出第7波信用管制措施，新增規範自然人名下有房屋者之第1戶購屋貸款不得有寬限期，自然人第2戶購屋貸款最高成數由6成降為5成，並擴大實施地區至全國。

許宇甄表示，中央銀行祭出「第七波信用管制」，新增自然人名下有房屋者的第一戶購屋貸款不可有寬限期，央行為了使房價冷靜下來的措施立意良善，但是沒有思考到「繼承持分」房產問題，宜盡速修正，避免濫殺無辜。

許宇甄說，央行要重拳打擊的應該是投機客、投資客，而非一般民眾，提出信用管制規定應該更謹慎一些，依據「自建自購住宅貸款利息及租金補貼辦法」第二條第二項第一款規定：「家庭成員個別持有面積未滿四十平方公尺之共有住宅。」此情況視為無自有住宅。

許宇甄指出，許多民眾名下有「繼承持分」的房屋，面積小、價值低，若因此不能有寬限期，對他們購屋會產生極大衝擊，央行推動信用管制政策立意雖好，但欠缺完整配套，恐引發民怨。她呼籲，希望央行能參考〈自建自購住宅貸款利息及租金補貼辦法〉，重新調整規定，以免加重真正需要購房民眾的負擔。

最新選舉新聞

多元觀點

不同視角的媒體報導

立院開議

央行打炒房

藍白退回總預算

法務部合憲

瑜國慶晚會募款

憲法死刑合憲

菱傳媒

品觀點

EBC東森新聞

民視

王家俊TALK／賴清德國土法背鍋　劉世芳掀潘朵拉盒子

王家俊／主筆內政部長劉世芳拿八年前政黨輪替空窗期通過的《國土計畫法》期

選舉假訊息查核

看更多新聞專輯

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