中指动态

2026年9月17日，“2026中国房地产品牌价值研究成果发布会暨第二十三届中国房地产品牌发展论坛”在北京隆重举行。

一边是资产方在问：“我手里的项目，到底能不能发REITs？”另一边是投资人在问：“市场上这么多REITs，这一只到底应该怎么看？”看似是一级市场和二级市场的两个问题，背后其实指向同一件事——底层资产到底怎么样。

资产在哪里、运营得好不好、出租率和租金怎么变化、现金流是否稳定、和同类资产相比处于什么水平、当前价格又对应着怎样的资产基本面，这些才是真正影响REITs研究和判断的核心问题。

这也是中指研究院推出REITs Agent的出发点。我们希望越过基金代码和市场价格，继续向下穿透到真正产生现金流的资产，让REITs的发行研究和投资研究，建立在更加真实、可信、可追溯的底层数据之上。

市场真正缺的，不只是更多REITs数据

今天市场上并不缺REITs信息。基金行情、净值、公告、财务报表，都有很多渠道可以获得。但真正进入研究环节就会发现，信息虽然很多，能够直接用于底层资产分析和横向比较的数据，却没有那么容易获得。

比如，一个项目披露出租率95%。这个数字看起来很直观，但真正做资产研究时，还需要继续追问：这个出租率按照什么口径统计，是按面积还是按房间？过去几个季度是什么水平？出租率提升的同时，租金有没有下降？租金收缴率怎么样？是所有业态都在改善，还是其中某一类业态存在压力？同城市、同类型项目又是什么水平？

如果这些问题回答不了，一个孤立的“95%”很难真正支撑后续分析。

因此，中指REITs资产数据首先解决的是底层数据问题。我们将这套能力概括为“全、准、深、明”：持续覆盖REITs产品及其底层资产；统一核心指标口径，提高不同项目之间的可比性；从基金继续穿透到项目、业态和报告期，必要时进一步深入到房间、车位等更细颗粒度；同时让关键数据能够追溯至原始披露，统计口径可查可核。

目前，这套数据体系已经覆盖资产档案、出租表现、租金水平、租户与租约、区位与市场、收益与估值等多个维度。

对REITs研究来说，AI可以帮助分析，但底层数据不能靠猜。真实、可信、能够持续更新的数据，是后续所有分析能力的基础。

资产方最关心的，是自己的项目离REITs还有多远

对于原始权益人、基金管理人以及Pre-REITs资产方来说，一个非常现实的问题是：我手里的资产现在处于什么阶段，和已经成功上市的项目相比还有多远？

这里，一个重要的方法就是寻找真实的市场参照。

以已经上市的上海保障性租赁住房项目有巢泗泾为例，从运营数据来看，其出租率从2024年三季度的90.59%回升至2026年二季度的95.39%，提升约4.8个百分点。如果只看出租率，很容易认为项目经营状况明显改善。

但继续看租金，会发现同期租金下降了8.05%。两个指标放到一起，得到的信息就更加完整——“量回来了，价在让步”。出租率在修复，但与此同时，租金也进行了一定调整。

进一步横向比较同一基金旗下的项目，2026年二季度，有巢泗泾平均租金为2.40元/平方米/天，有巢马桥为2.22元/平方米/天，有巢东部经开区为1.81元/平方米/天。继续往下拆，还能够看到租赁住房、配套商业、停车场之间不同的租金和出租表现。

这些指标当然不能单独决定一个项目能不能发行REITs。真正的发行研判，还需要结合权属、合规、运营年限、现金流稳定性、资产规模、收益测算等更多条件。但这些数据可以帮助资产方快速建立一个真实的市场坐标：已经成功上市的同类资产是什么状态，自己的项目和它相比有哪些接近的地方，又有哪些差距值得继续深入研究。

在这个基础上，REITs Agent可以进一步调用底层资产数据，将运营表现、同业比较、收益水平、估值等信息组织起来，形成有数据支撑、过程可追溯的研判材料，让资产方更高效地了解项目当前所处的状态，以及下一步还需要重点关注哪些问题。

投资人关心的，不只是价格，而是价格背后的资产

如果说发行端关注的是资产如何进入资本市场，那么对于投资人来说，更现实的问题是：一只已经上市的REITs，到底应该怎么看？

最容易出现的误区，是只看价格。跌得多，是不是意味着便宜？折价深，是不是意味着更有吸引力？对于REITs来说，在讨论这些问题之前，第一步应该先把底层资产看清楚。

以博时招商蛇口产业园REIT为例，其底层包括万海大厦、万融大厦和光明加速器二期三处资产，均位于深圳。其中万海大厦和万融大厦位于南山区蛇口网谷产业园，光明加速器二期位于光明科学城。

三处资产的期末出租率分别为84.49%、79.11%和84.27%，平均月租金分别为111.04元/平方米、106.26元/平方米和46.33元/平方米。仅仅在同一只基金内部，不同资产的规模、租金和出租表现就已经存在明显差异。

资产看清楚之后，还需要把这些指标放到市场中比较。当前该基金折价约34.87%，而园区REITs平均折价约23.46%，折价幅度明显更深；但其分派率为5.86%，低于园区REITs 6.59%的平均水平，底层资产整体出租率为83.28%。

这些数字放到一起以后，研究的重点就不再只是“折价34.87%”这一项，而是开始形成更完整的问题：底层资产目前经营得怎么样，租金和出租率是什么趋势，分派是否发生变化，这些指标和同类项目相比处于什么位置。

真正做一只REITs的研究，还会继续涉及租户结构、租约到期、现金流、资本化率、区域供需、周边同类资产表现以及后续经营趋势等更多维度。单个指标只是一个切面，只有不断下钻、比较和交叉验证，才能逐渐形成对一只REITs更完整的认识。

从零散数据到完整研究，AI把专业分析能力串起来

真正做过REITs研究的人会发现，这个过程非常碎。一项完整研究，可能需要同时翻阅公告、年度报告、季度运营报告、资产评估报告等不同材料，还要统一不同时间和不同项目之间的数据口径，再寻找可比资产、进行横向和纵向比较，最后形成分析。

而且真正困难的并不仅仅是找到数据，更重要的是，面对一个问题应该先看什么、再看什么，哪些指标需要放到一起分析，出现哪些变化之后值得继续往下追。这背后依赖的是专业的分析方法和长期的市场经验。

中指研究院本身长期从事房地产研究和资产分析，对不同类型资产的运营逻辑、市场变化和指标关系有持续积累。因此，REITs Agent并不是一个面向所有问题的通用型AI产品，而是将研究院过去积累的研究案例、理论框架、分析方法和市场经验，逐步沉淀为专业能力。

目前，REITs Agent已经形成四类专家：面向发行和资产培育的Pre-REITs孵化顾问，聚焦项目运营和估值的资产价值分析专家，服务投资研究的REITs投研分析专家，以及负责信披规则、信息边界和输出口径的合规披露专家。不同专家背后对应的是不同业务场景、不同分析逻辑和不同的专业技能。

以REITs投研分析专家为例，用户不需要先设计一套完整的研究框架，也不需要自己到不同报告里逐项寻找数据。用户可以直接用业务语言提出问题，系统调用底层基金和资产数据，将项目、运营、行情、分派等不同层面的信息自动串联起来，完成数据检索、计算、对比和整理。

在博时招商蛇口产业园REIT案例中，系统可以将三处资产的位置和经营情况、整体出租率、租金变化、市场折价以及分派变化等信息组织到同一份研究结果中，关键数字还可以继续追溯到原始数据来源。

AI在这里的价值，并不是脱离数据生成一个看似专业的答案，而是把中指的底层数据能力、研究院积累的专业分析方法和市场经验真正连接起来，让原本依赖专业人员完成的研究过程变得更高效、更容易调用。

让真实的数据真正参与资产决策

REITs Agent最终希望改变的，并不仅仅是用户查询数据的方式，而是资产研究的方式。

过去，一项完整研究往往需要专业人员花费大量时间寻找数据、核对口径、建立可比关系并形成分析。现在，我们希望把这些分散在数据、报告和专家经验中的能力放进同一套体系。

资产方可以更快了解自己的项目与成熟资产之间有哪些差异，哪些问题值得继续深入分析；投资人则可以从基金继续穿透到底层项目，看清资产运营、收益变化以及在同类市场中的位置。

在此基础上，AI进一步把复杂的数据调用、计算、对比和分析过程串联起来，让用户能够直接从自己的业务问题出发，获得一份建立在真实底层资产数据之上的研究结果。

让复杂的资产研究变得更容易，让专业判断建立在更扎实的数据之上。

越过价格，看清资产。

这就是中指REITs Agent。