居民消费价格指数的分析与预测(毕业论文doc).doc

西 南 交 通 大 学 本科毕业论文 居民消费价格指数的分析与预测 年 级 2007 级 学 号 20075275 姓 名 专 业 统计学 指导老师 2011 年 6 月 西南交通大学本科毕业设计 论文 第 页 毕业设计 论文 任务书毕业设计 论文 任务书 班 级 07 统计 姓名 学 号 20075275 发题日期 2011 年 1 月 12 日 完成日期 5 月 24 日 题 目 居民消费价格指数的分析与预测 1 本论文的目的 意义 在 2009 年过后 我国 CPI 指数扶 摇直上 通货膨胀率也在同时不断上涨 中国面临着较大的通货膨胀压力 民众生 活成本不断加重 如何跑赢 CPI 已经成为了白领阶层的热门话题 本文将从统计学 的观点出发 用时间序列模型对 CPI 指数进行分析与预测 对未来经济水平的走势 有一个了解 对国家经济建设有一个宏观的意识 2 学生应完成的任务 首先对居民消费价格指数以及时间序列 ARIMA 模型 的概念和相关理论有一定深入的了解 明白本文的写作目的以及意义 然后通过互 联网收集 2000 年 1 月至 2011 年 4 月的居民消费价格指数历史数据 对数据进行预 处理 包括 直观性的图形分析和描述性统计分析 这样能够对样本有一个整体的 认识 方便后期建立模型时的对数据的操作处理 在预处理阶段对样本整体的走势 作出一个分析 比如居民消费价格指数在 2000 年 1 月至 2011 年 4 月期间是如何波 动的 又是什么原因造成这些波动 这些波动能够带来什么样的影响等 将预处理 之后的数据输入 EViews 软件 进行 ARIMA 模型的建模准备工作 如 平稳性分析 零均值处理等 利用处理过之后的数据建立出几个相对拟合程度较高的 ARIMA 模型 并且利用软件对预测模型的分析结果来选择一个拟合程度较高的模型作为本研究的 居民消费价格指数 预测模型 在确定预测模型之后 通过阅读大量的文献与预测 得出的结果相结合 对 2011 年的居民消费价格指数的短期走势进行分析 并在分析 之后给出合理性的政策 建议 达到本文的写作目的 对国家的宏观经济有一个较为 客观的判断与认识 西南交通大学本科毕业设计 论文 第 页 3 论文各部分内容及时间分配 共 14 周 第一部分 选题 熟悉相关概念与理论 1 周 第二部分 论文的内容安排 绪论部分的写作 2 周 第三部分 数据的处理以及模型的建立 预测部分 4 周 第四部分 短期走势的分析与预测 3 周 第五部分 结论 致谢的写作以及格式的修改 2 周 评阅及答辩 2 周 备 注 指导教师 年 月 日 审 批 人 年 月 日 西南交通大学本科毕业设计 论文 第 页 摘 要 从 2007 年至今 中国居民消费价格指数经历了一次空前的大起大落 受多方面因 素的影响 居民消费价格指数在 2008 年 2 月创下了 108 5 的历史最高涨幅 在 2008 年下半年和 2009 年又迅速的跌落 并且在 2009 年 7 月降至 98 2 创下了 10 年来的 最低记录 在 2010 年和 2011 年 居民消费价格指数又呈现出高压上涨的趋势 其走势 难以捉摸 居民消费价格指数的增长与跌落关系对居民大众的日常生活水平 经济体制 的稳定 国家政策的实施都有着深远的影响 本文正是基于居民消费价格指数的重要性 对其进行研究 根据所学时间序列相关知识 根据 2000 年 1 月到 2010 年 12 月的居民 消费价格指数历史数据建立一个 ARIMA 预测模型 最后分析了 2011 年的居民消费价格 指数的短期走势 对未来的政策提出了相关建议 这对于了解国家宏观经济态势有着一 定的帮助和意义 关键词 ARIMA 模型 CPI 居民消费价格指数 预测 分析 西南交通大学本科毕业设计 论文 第 页 Abstract CPI in China has been going up and down like never before since 2007 Affected by many factors it rocketed by 108 5 the biggest increase ever in Februray of 2008 yet tumbled fast in the second half year of 2008 and the year of 2009 In July of 2009 it broke the record of the lowest price for the last decade by a decrease of 98 2 The trend is hard to anticipate for in 2010 and 2011 CPI in China again tended to go up The increase and decrease of CPI have a deep and long term influence on our people s life the stability of our economy system and our national policies This thesis is to study and analyze CPI based on its importance Using the knowledge about time series I have learnt basing on the CPI data from January of 2000 to December of 2010 I build an ARIMA forecast model Then I analyze the short term trend of CPI in 2011 in China and give some relating advice about future polices which is meaningful and can help understand our country s macro economy trend key words ARIMA model CPI forcecast analyze 西南交通大学本科毕业设计 论文 第 页 目录 第 1 章绪论 1 1 1 论文的研究背景 1 1 1 1 居民消费价格指数的概念介绍 2 1 1 2 居民消费价格指数的计算公式 3 1 2 研究目的 3 1 3 研究的思路和内容 3 第 2 章ARIMA 模型理论概述 5 2 1 ARIMA 模型理论以及方法概述 5 2 1 1 时间序列模型的含义 5 2 1 2 随机时间序列模型 5 2 1 3 自回归求积移动平均模型 5 2 1 4 非平稳时间序列 5 2 1 5 随机平稳时间序列样本的数字特征 6 2 2 时间序列模型的建立过程 7 2 2 1 数据的预处理 时间序列平稳性的判断 7 2 2 2 模型的识别 9 2 2 3 模型参数的估计 10 2 2 4 模型的定阶 10 2 2 5 模型的检验 10 第 3 章ARIMA 模型在居民消费价格指数中的定量分析 13 3 1 数据的预处理 13 3 1 1 序列的直方图及相关统计量 13 3 1 2 序列与正态分布之间的 Q Q 图 13 3 2 相关分析 14 3 3 对序列作描述性统计 16 1 tX 3 4 序列的相关分析 17 2 tX 3 5 模型识别及参数估计 18 3 6 模型建立及初步定阶 19 3 7 适应性检验 21 西南交通大学本科毕业设计 论文 第 页 3 8 模型预测值与真实值对比 23 3 9 对未来三个月 CPI 的预测 24 第 4 章中国居民消费价格指数短期走势的定性分析 25 4 1 2011 年物价水平仍然大致可控 25 4 2 政策建议 26 结论 27 致谢 28 参考文献 29 附录 30 西南交通大学本科毕业论文 第 0 页 0 第 1 章 绪论 1 1 论文的研究背景 根据国家统计局发布的数据来看 2011 年 3 月居民消费价格指数 为了方便 在 下文中将直接写作其英文缩写 CPI 同比上涨 5 4 创下了自 2008 年以来的最高值 2011 年 4 月 CPI 同比上涨 5 3 食品价格上涨 11 5 CPI 持续高涨 已经到了影响 居民大众的日常生活水平的严峻形势 我们不禁就要问了 这种通货膨胀现象还会持 续多久 面对通货膨胀国家 社会 民众应该如何应对 近期央行是否会再次作加息 调整 未来几个月的 CPI 是否还会创出 CPI 同比新高 我们不妨对自 2000 年至 2010 年期间的 CPI 历史统计数据进行一个简单的直观分 析 如下图 98 100 102 104 106 108 110 000102030405060708091011 x 图 1 中国 2000 年 1 月至 2010 年 12 月 CPI 数据的直观图 从图 1 我们可以很明显的看出 1 CPI 指数大起大落 波动幅度在历史上绝无仅有 2007 年 6 月前的 CPI 数据波动不大 是因为央行采取稳健的财政政策和稳定的 货币政策 经济水平较为稳定 保持着高经济增长 低通胀的良好经济大局 2 第一次 CPI 的高调上涨 西南交通大学本科毕业论文 第 1 页 1 从 2007 年 7 月开始至 2008 年 6 月 CPI 指数直线上涨 其原因为在 2005 年到 2006 年期间 中国股市的持续牛市使得虚拟经济高调疯涨 出现了大批狂热的投资者 因此过高的经济增长在 2007 年体现出来 CPI 突然上升 并且一度达到 108 7 的峰值 严重的通货膨胀已经成了现实 3 受金融危机影响 国内经济水平回落 2008 年 6 月至 2009 年 1 月 由美国次贷危机所引发的全球性金融危机以及国家 经济回调政策的影响 我国 CPI 指数呈现逐月回落的现象 4 经济危机后时期经济的复苏 经济水平过于猛烈的反弹 2009 年 1 月后由于住房和食品价格猛烈上涨的强力推动 CPI 指数犹如打了兴奋 剂一般的一路高歌 疯狂上升 通胀压力前所未有的巨大 1 1 1 居民消费价格指数的概念介绍 居民消费价格指数是反应市民家庭日常生活所消费的产品及服务价格计算得出的 重要物价变动指标 一般情况下我们将其当作观察通货膨胀水平的重要指标 一般说 来当 CPI 3 的增长幅度时我们称为通货膨胀 而当 CPI 5 的增长幅度时 我们把他 称为严重的通货膨胀 如果 CPI 增长幅度过大 则预示着通货膨胀已然成为了经济不稳定因素 中国央 行会有紧缩货币政策和财政政策的风险 从而造成经济前景不明朗 因此 该指数过 高的升幅往往不被市场欢迎 例如 在过去 12 个月 消费者物价指数上升 2 5 那 表示 生活成本比 12 个月前平均上升 2 5 当生活成本提高 你的货币价值便随之 下降 再举一个简单的例子 一年前的一张 100 元纸币 今天只能够买到价值 97 50 元的商品及服务 中国的 CPI 包括食品 娱乐教育文化用品及服务 居住 交通通讯 医疗保健个 人用品 衣着 家庭设备及维修服务和烟酒及用品等八类 其构成和各部分比重 最 新以调整为 1 食品 31 29 2 娱乐教育文化用品及服务 4 25 3 居住 17 82 4 交通通讯 9 25 5 医疗保健和个人用品 9 04 6 衣着 8 51 7 家庭 设备及维修服务 5 84 8 烟酒及用品 13 89 其中居住提高 4 22 个百分点 食品 降低 2 21 个百分点 烟酒降低 0 51 个百分点 衣着降低 0 49 个百分点 家庭设备 用品及服务降低 0 36 个百分点 医疗保健和个人用品降低 0 36 个百分点 交通和通 信降低 0 05 个百分点 娱乐教育文化用品及服务降低 0 25 个百分点 西南交通大学本科毕业论文 第 2 页 2 1 1 2 居民消费价格指数的计算公式 CPI 一组固定商品当期价值 一组固定商品基期价值 100 CPI 能够告诉 人们的是 对普通民众的消费来讲 消费一组商品 在当前时间点要比以往的某一个 时间点多支出多少 例如 若 2005 年某普通家庭每个月购买一组商品的费用为 800 元 而 2010 年购买这一组商品的费用为 1000 元 那么该国 2010 年的 CPI 指数应为 以 2000 年为基期 CPI 1000 800 100 125 也就是说上涨了 125 在实际生活中我们更注重通货膨胀率 通货膨胀的程度是用通货膨胀率来表明的 反映了一定时期内 2 商品价格持续上涨的幅度 通货膨胀率一般是以 CPI 来计算 的 公式为通货膨胀率 报告期 CPI 基期 CPI 基期 CPI 100 假如使用上述的 CPI 来衡量价格水平 那么通货膨胀率就是不同时期的 CPI 变动 的百分比 举个例子 我国的 CPI 从去年的 103 增加到今年的 108 那么这一时期的 通货膨胀率就为 T 108 103 103 100 4 49 即通货膨胀率是 4 49 表现在 实际生活中为物价上涨 4 49 1 2 研究目的 在 2009 年过后 我国 CPI 指数扶摇直上 通货膨胀率也在同时不断上涨 中国 面临着较大的通货膨胀压力 民众生活成本不断加重 如何跑赢 CPI 已经成为了白领 阶层的热门话题 本文将从统计学的观点出发 用时间序列模型对 CPI 指数进行分析 与预测 对未来经济水平的走势有一个了解 对国家经济建设有一个宏观的意识 1 3 研究的思路和内容 在研究思路上 我会适用定价分析和定量分析两种分析手段相互结合的一种方式 来对中国居民消费价格指数进行分析 在定性分析中 我会通过阅读大量书籍以及在 网络上查阅大量的资料来分析中国居民消费价格指数的变动机制和影响变动的主要原 因 这将会对随后的定量分析的结果起着强有力的支撑左右 并且使得定量分析结果 更具有说服力 在定量分析中 我将会利用中国国家统计局网站公布的 2000 年 1 月 到 2010 年 4 月的居民消费价格指数历史数据视作一个大时间序列样本 从而建立出 一个拟合程度较高的 ARIMA 模型 并且利用该模型对 2011 年的居民消费价格指数短 期走势作深入的分析和预测 本文的主要内容如下 1 ARIMA 的理论模型与方法概述 西南交通大学本科毕业论文 第 3 页 3 2 ARIMA 模型在居民消费价格指数中的定量分析 3 中国居民消费价格指数短期走势的定性分析 西南交通大学本科毕业论文 第 4 页 4 第 2 章 ARIMA 模型理论概述 2 1 ARIMA 模型理论以及方法概述 2 1 1 时间序列模型的含义 一般的 称状态空间离散的随机过程为链 参数空间的离散的随机过程为随机序 列 由于随机序列的参数集通常是表示时间的 所以 随机序列T 通常又称为时间序列 时间序列分为连续型时间序列和离散型时间 2 1 0 ttY 序列两种 本文所采用的 ARIMA 模型就是离散型时间序列 是某一个过程中的某一个 变量或某一组变量在一系列的时刻上如 为自 tY 1 t 2 t t uy tt t 变量 并且 所得到的离散的有序数集合 1 k12 kk 2 N131 2 西南交通大学本科毕业论文 第 18 页 18 另外 17749 0 126 0 21 131 2 21 2 2 1 2 2 1 2 1 N 1 2 2 1 2 12 1 ii N 所以可以选择 12 1 1 1 1 1 1 ARIMA ARIMA 1 1 1 1 1 0 12 模型进行拟合 12 0 1 1 0 1 1 ARIMA 3 6 模型建立及初步定阶 图 11 模型的参数以及相关判定值 12 1 1 1 1 1 1 ARIMA 西南交通大学本科毕业论文 第 19 页 19 图 12 模型的参数以及相关判定值 12 1 1 1 0 1 1 ARIMA 西南交通大学本科毕业论文 第 20 页 20 图 13 模型的参数以及相关判定值 12 0 1 1 1 1 1 ARIMA 从上面三个图中知道 根据赤池 施瓦茨准则 模型二 为最优模型 12 1 1 1 0 1 1 ARIMA 930388 01 2 1 197415 0196693 01 1212 BtXBBB 3 7 适应性检验 西南交通大学本科毕业论文 第 21 页 21 图 14 模型的残差检验结果 12 1 1 1 0 1 1 ARIMA 可以看出自相关系数和偏相关系数几乎都落入了随机区间 内 可以认为残差序列为纯随机序列 1 18107 0 122 2 ll 模型为 930388 01 2 1 197415 0196693 01 1212 BtXBBB 西南交通大学本科毕业论文 第 22 页 22 3 8 模型预测值与真实值对比 利用建立的模型对 2011 年 1 月至 4 月的数据进行预测 得到下图 4 3 2 1 0 1 2 3 01020304050607080910 WW2F Forecast WW2F Actual WW2 Forecast sample 2000M01 2011M04 Adjusted sample 2001M03 2011M01 Included observations 118 Root Mean Squared Error 0 440455 Mean Absolute Error 0 324448 Mean Abs Percent Error 123 6078 Theil Inequality Coefficient 0 357111 Bias Proportion 0 000002 Variance Proportion 0 113818 Covariance Proportion 0 886180 图 15 模型的预测图 12 1 1 1 0 1 1 ARIMA 红线表示预测区间 随着预测步长的增加 预测效果越差 预测值与真实值相比 较得到下表 2011 年 1 月2 月3 月4 月 真实值 104 90 104 90105 40105 30 预测值 105 10372 105 74447 104 68125 103 24947 相对误差 0 194 0 805 0 682 1 95 平均相对误差 0 907 从真实值和预测值的比较可以看出 模型的预测值是基本接近真实值的 经过分 析可以得出以下结论 此模型作为居民消费价格指数的短期预测模型是可行的 拟合效果较好 说明此 时间序列包含了居民消费价格指数的大部分信息 该模型短期预测预测效果良好 但是在检验中随着预测时间的延长 预测的误差 也逐渐增大 该模型只考虑了时间序列本身的特性 而没有考虑其他一些不确定因素的影响 西南交通大学本科毕业论文 第 23 页 23 虽然这些因素在模型中是以随机项来反映 但在预测的期望值中是无法反映出来的 3 9 对未来三个月 CPI 的预测 2011 年 5 月6 月7 月 预测值 102 27861 103 09883 102 17746 第 4 章 中国居民消费价格指数短期走势的定性分析 西南交通大学本科毕业论文 第 24 页 24 4 1 2011 年物价水平仍然大致可控 有关于 2011 年物价水平的预测是有着非常显著的差异 如何把握政策的力度以及对 政策节奏的选择都与物价水平的走势紧密相关 因此现阶段客观的预测 2011 年的 CPI 指数依然是最值得关注的焦点 一方面 现实中消费增长速率的回调对 CPI 的拉动作用渐渐弱化 各类别计算权 重的调整对 CPI 的影响不会很大 另一方面来讲 能够推动 CPI 增长的国内外 长短 因素期的交织互联 总的来看 2011 年 CPI 涨幅压力明显加大 但是增长水平仍然在可控范围内 原因主要包括以下方面 一 农产品价格稳中有升对 CPI 上涨构成较大压力 2010 年 我国粮食总产量实现了 七年连增 市场供给形势大为改善 目前 国有粮食企业原粮总库存远高于国际公认的安全线水平 有利于稳定国内粮食价格 同时 粮食 油料 蔬菜等秋冬播农作物播种面积均有增加 为保障 2011 年农产品 市场供应奠定了基础 但根据模型推算 2011 年农业生产资料价格涨幅将呈先升后降态势 预计全年 约为 8 左右 由此会直接拉动食品价格提高 3 5 个百分点 而国家宣布将提高 2011 年小麦最低收购价 最高涨幅为 7 5 对粮价上涨也将起到一定的推动作用 除此 之外 2011 年的气候因素对农业生产和交通运输的影响还是一个未定因素 目前北方 冬麦区已经出现不同程度的旱情 加之连续多次的强降温过程 对冬小麦生产造成不 利影响 在一定程度上会影响到通胀预期 另外 元旦 春节消费旺季的到来将会导 致蔬果 水产品等鲜活农副产品价格出现季节性上涨 但是从全球大环境正题看来 2011 年全球谷物产量较以往有所下降 供应量满 足不了需求量 而且库存量同时也在下降 预计后期国际市场上粮食价格将继续以较 高价位运行 其中小麦 玉米等谷物的库存量均会呈下降状态 供求相对偏紧 这将 导致粮食价格保持较高价位 并且可能出现持续的上涨趋势 二 资源价格改革和输入型通胀压力对 CPI 上涨产生一定影响 2011 年是实施 十二五 规划的开局之年 为加快发展方式转变和完成节能减 排约束性目标任务 国家将适时推进资源性产品价格和税费改革 逐步建立起反映市 西南交通大学本科毕业论文 第 25 页 25 场供求 资源稀缺程度以及污染损失成本的价格形成机制 水 电 油 天然气等价 格还将出现一定幅度的提高 影响到水电燃料价格进而居住价格的上涨 从国际范围来看 2011 年世界经济有望继续温和复苏 国际原油供求缺口有所扩 大 国际油价将呈上涨趋势 更重要的是 美国量化宽松的货币政策 还将增大主要 货币汇率大幅波动和金融市场动荡的可能 持续推高包括大宗商品在内的资产价格 加大新兴市场资产泡沫风险 对我国可能形成一定的输入型通胀压力 综合上述分析并依据模型测算 2011 年 CPI 涨幅将呈现 前高后低 态势 上半 年上涨压力较大 单月最高涨幅有可能接近或超过 5 预计全年 CPI 将上涨 4 1 左 右 4 24 2 政策建议政策建议 宏观经济政策应以稳定物价水平为优先目标 针对结构性物价上涨所反映出的深 层次矛盾 着重于理顺体制 建立健全保障供求基本平衡和稳定物价的长效机制 一 加大价格监测监管的力度 增强通货膨胀应对能力 二 完善农产品供给安全保障机制 确保市场有效供应 三 推进现代化的农产品物流体系建设 降低农产品物流成本 四 加强资产市场调控力度 整顿市场秩序 五 合理控制价格改革节奏和力度 缓解物价上涨压力 六 建立健全联动机制 系统解决物价上涨对低收入人群的影响 西南交通大学本科毕业论文 第 26 页 26 结论 从整个模型的预测效果来看 平均相对误差仅为 0 907 说明了模型的拟合程度 是比较高的 模型的预测精度也是比较精确的 从这些方面看来本研究的还是达到了 研究的目的 但是 影响居民消费价格指数的因素是充满了不确定性的 例如食品价 格持续攀升 国家出台了一系列房地产交易相关政策等等 在建立模型的时候 是无 法将这些因素考虑进去的 模型所反映出的仅仅只是指数历史数据所反映出来的一些 基本信息 在发生较大变故的时间点上 如金融危机 投资热等全球大范围经济突发 状况 政治活动影响 投机投资行为 模型的预测效果就不是那么良好了 在短期走势预测阶段时 通过阅读大量的国务院国内宏观经济研究报告 总结出 两大类最有可能影响居民消费价格指数上涨的因素 所以 在以后预测 2011 年居民 消费价格指数走势和决定宏观经济政策的时候 有必要将这些因素考虑在内 结合当 时的实际经济状况以及国际上经济 政治和军事的重大事件 才能够得出更合理 更 科学的预测结果和经济决策 西南交通大学本科毕业论文 第 27 页 27 致谢 白马过隙 转眼就是四年时间 到了这个需要说 再见 的时候 大学期间的所 有一切都在脑海中闪烁 老师的关怀 同学朋友的鼓励与支持 交大校园的熏陶 我必须真心的向所有给予我帮助和支持的人们表达最诚挚的谢意 本论文是在我的导师程世娟讲师的亲切关怀和悉心指导下完成的 从课题的选择到论文的最终完成 程老师都始终给予我细心的指导和不懈的支持 在此谨向程老师致以诚挚的谢意和崇高的敬意 我还要感谢在论文写作期间对我鼎力相助的王沁副教授 在论文的建模阶段 我 遇到了瓶颈 是王老师为我详细的讲解令我茅塞顿开 得以顺利的完成论文 感谢刘春龙同学在我的论文写作期间给予我莫大的支持以及帮助 感谢李竹同学 对论文写作相关外文文献的翻译帮助 在此 我还要感谢一起愉快的度过大学四年生活的数学学院各位同门 正是由于 你们的帮助和支持 我才能坚持着完成我的学业 直至本文的顺利完成 特别感谢我 的各位同门师兄弟 他们给予我不少的帮助 最后我还要感谢培养我长大含辛茹苦的 父母 谢谢你们 西南交通大学本科毕业论文 第 28 页 28 参考文献 1 王沁著 时间序列分析及其应用 成都 西南交通大学出版社 2008 年 2 张晓峒著 Eviews 使用指南与案例 数量经济学应用系列 北京 机械工业出版 社 2007 3 国务院发展研究中心信息网 4 何书元著 应用时间序列分析 北京 北京大学出版社 2003 5 侯璐 基于 ARIMA 模型的石油价格短期分析预测 暨南大学硕士学位论文 2009 6 数据来源于国家统计局网站 7 安鸿志等 时间序列的分析与应用 科学出版社 8 刘涛 稳定物价应成为 2011 年宏观调控的优先目标 2010 年 CPI 分析及对 2011 年变动趋势的预测 发展研究 2011 03 20 9 白营闪 基于 ARIMA 模型对沪深 300 指数的预测分析 华南理工大学硕士学位论文 2010 西南交通大学本科毕业论文 第 29 页 29 附录 2000 年 1 月至 2011 年 4 月 CPI 历史数据 2000 年 1 月 99 8 2003 年 1 月 100 4 2006 年 1 月 101 9 2009 年 1 月 101 2000 年 2 月 100 7 2003 年 2 月 100 2 2006 年 2 月 100 9 2009 年 2 月 98 4 2000 年 3 月 99 8 2003 年 3 月 100 9 2006 年 3 月 100 8 2009 年 3 月 98 8 2000 年 4 月 99 7 2003 年 4 月 101 2006 年 4 月 101 2 2009 年 4 月 98 5 2000 年 5 月 100 1 2003 年 5 月 100 7 2006 年 5 月 101 4 2009 年 5 月 98 6 2000 年 6 月 100 5 2003 年 6 月 100 3 2006 年 6 月 101 5 2009 年 6 月 98 3 2000 年 7 月 100 5 2003 年 7 月 100 5 2006 年 7 月 101 2009 年 7 月 98 2 2000 年 8 月 100 3 2003 年 8 月 100 9 2006 年 8 月 101 3 2009 年 8 月 98 8 2000 年 9 月 100 2003 年 9 月 101 1 2006 年 9 月 101 5 2009 年 9 月 99 2 2000 年 10 月 100 2003 年 10 月 101 8 2006 年 10 月 101 4 2009 年 10 月 99 5 2000 年 11 月 101 3 2003 年 11 月 103 2006 年 11 月 101 9 2009 年 11 月 100 6 2000 年 12 月 101 5 2003 年 12 月 103 2 2006 年 12 月 102 8 2009 年 12 月 101 9 2001 年 1 月 101 2 2004 年 1 月 103 2 2007 年 1 月 102 2 2010 年 1 月 101 5 2001 年 2 月 100 2004 年 2 月 102 1 2007 年 2 月 102 7 2010 年 2 月 102 7 2001 年 3 月 100 8 2004 年 3 月 103 2007 年 3 月 103 3 2010 年 3 月