人民币“外升内贬”还将继续吗

1、人民币“外升内贬”还将继续吗 山西财经大学 杜鸥、彭一帆、赵文博 摘要 2005 年 7 月我国实施人民币汇改以来，人民币对美元汇率持续攀升，而与 此同时，国内通货膨胀率一直在高位运行。这种现象显示了人民币一方面对外 升值，另一方面又对内贬值，然而一国货币的价值是对内价值和对外价值的集 中体现，所以人们感觉这是一种价值的背离。那么，事实究竟如何，人民币价 值是否真正存在对外和对内的价值背离呢？如果存在，这种背离是逐渐扩大还 是有所缩小呢？本文针对这两个问题展开分析，运用状态空间模型分析了人民 币名义有效汇率和居民消费价格指数之间的变动情况，进而回答了两个疑问。 文中涉及的变量分别来自中经网统计

2、数据库、国际清算银行（bis）官方网站、 美国能源信息管理局（eia） ，部分数据为处理后使用。 【关键词】 外升内贬；状态空间模型；居民消费价格指数；名义有效汇率 abstract rmb exchange rate has continued to rise since china implemented rmb exchange rate reform. but at the same time , domestic inflation rate has been a high level. this kind of phenomenon shows rmb appreciates on

3、 one hand and depreciates on the other hand. so people think this is a kind of value deviation. what is the fact and does the value deviation exist? if it exists, what is the trend of the deviation? to 2 solve the two problems, this paper analyzes the relationship between the rmb nominal effective e

4、xchange rate and the consumer price index. the data in this paper were from cei, bis and eia. 【keywords】value deviation；state space model；cpi；neer 目录 摘要.2 目录.1 一、问题描述.1 （一） 、提出问题.1 （二） 、研究综述.1 二、数据描述.3 （一） 、cpi 与 neer.3 1、居民消费价格指数（cpi）.3 2、名义有效汇率（neer）.3 3、描述性分析.3 （二） 、文中涉及的其它数据.4 三、模型建立.5 四、求解和检验.7

5、 （一） 、数据的平稳性检验.7 （二） 、模型估计.8 五、模型结果分析.9 （一） 、结果分析.9 （二） 、原因探索.10 结论和建议.11 参考文献.12 附录.1 1 一、问题描述 （一） 、提出问题 2005 年 7 月我国央行实施人民币汇率形成机制改革，建立健全以市场供求为基础的，参 考一篮子货币进行调节、单一的、有管理的浮动汇率制。2005 年 7 月，人民币与美元的汇 率为 1 美元兑换 8.24 元人民币，而到 2011 年 4 月已达到 1 美元兑换 6.53 元人民币，人民币 兑美元汇率升值幅度已超过 26。与此同时，国内物价水平也一直处于高位运行，自 2005 年 7

6、 月以来居民消费价格指数（cpi）已累计上升 21.67，除了 2009 年 2 月到 10 月的同比 出现下降以外，其余月份均处于同比上升阶段，可以说我国的通货膨胀率整体处于上升通道。 一国货币的价值是对内价值和对外价值的体现，对内支撑国民经济的流通领域，衡量各 种商品的价值，对外可与他国货币进行兑换，进而购买外国商品。所以，一般情况下，人们 认为货币的对内价值和对外价值应该保持一致，因为他们均体现的是货币的购买力。而人民 币汇率升值代表对外价值上升，通货膨胀率居高不下则表示对内价值下降，这种“外升内贬” 表现出了一种价值的背离。 事实的情况真像我们所看到的这样么，人民币价值是否真正存在对外

7、和对内的价值背离 呢？如果存在，这种背离是逐渐扩大还是有所缩小呢？本文就针对这两个问题展开分析。 （二） 、研究综述 人民币“外升内贬”问题其实可以作为两个独立的问题进行研究， “外升”代表了人民 币汇率升值问题， “内贬”代表了国内通货膨胀问题。将汇率同物价联系起来的研究主要有 两个方面，一方面是基于购买力评价理论的汇率决定研究，另一方面是汇率变动对物价的传 递效应。 自 cassel 在 1918 年提出购买力平价理论（ppp）以来，对购买力平价问题的研究一直是 一个热点，许多学者从各个方面对购买力平价是否成立做了广泛研究，但是，这些研究依然 没有定论。在国外，meese 和 rogoff

8、（1988）利用单变量模型研究认为，实际汇率变动服从 随机游走过程；kim（1990）基于 5 个工业化国家 1900 -1987 年间的经济数据，研究认为使 用批发价格指数更有利于支持购买力平价理论；kugler 和 lenz（1993）基于 15 个国家 1973 2 -1990 年间的消费价格指数统计数据，研究发现有 10 个国家的数据支持购买力平价理论。在 国内，张晓朴（2000）基于 1979 -1999 年间人民币名义汇率、中美两国消费价格指数的月度 数据，发现 ppp 理论不适用于 1979 年以来人民币汇率的实际变动；邱冬阳（2006）基于 1997 -2005 年间中美两国生

9、产者价格指数的月度数据，研究认为约束条件下的 ppp 不成立， 而非约束条件下的 ppp 则成立；吴信如（2007）基于 1984 -2006 年间人民币对美元名义汇 率、中美两国消费价格指数的年度数据，研究认为 ppp 理论能够在一定程度上解释人民币 名义汇率的走势；张根文（2010）利用 1994-2009 年中美两国的消费价格指数及人民币对美 元名义汇率的月度数据，研究认为购买力平价在中国是失效的。 汇率对物价变动的传递效应也是近年来的研究热点，关注点在于传递效应是否显著及传 递效应的大小。在国外，mccarthy（2000）运用向量自回归模型框架分析汇率的传递效应， 研究认为汇率对物价

10、的传递效应较微弱；talor (2000)认为汇率对 cpi 传导效应的下降，原因 是各国成功实施货币政策的结果；gagnon 和 ihrig(2001)通过对 11 个工业化国家汇率对消费 者价格的传导效果的检验，研究认为汇率对 cpi 的传导效应普遍下降；choudhri 和 hakura (2006)实证研究了 71 个国家汇率传递程度与通货膨胀率之间的关系，证明它们存在正相关 关系。在国内，卜永祥（2001）采用协整和 phillips-hansen 两阶段方法，分析了人民币汇率 变动对国内物价水平的影响，研究认为汇率变动对零售物价水平和生产者价格水平有显著影 响；封北麟（2006）采

11、用 mccarthy（2000）递归的 var 模型，估计了人民币名义有效汇率 变动对国内消费者价格指数和工业品出厂价格指数及其分类指数的传导效果，研究认为我国 汇率传导效果并不显著，且影响时间较短；刘亚，李伟平，杨宇俊（2008)利用自回归分布 滞后模型研究了人民币汇率变动对以消费者价格指数衡量的国内物价上涨的传递效应，研究 认为人民币汇率变动对以 cpi 衡量的物价上涨水平的传递是不完全的且存在明显的时滞；周 杰琦（2010）运用长期约束的结构 var，研究认为当发生汇率冲击时，人民币名义有效汇 率对国内各类价格水平的传递是不完全的，汇改后我国汇率传递效应趋于强化。 专门研究人民币“外升内

12、贬”问题的文献多为对现象的描述和原因的探析（史焕平， 2007，张明，2011） ，缺少相关的实证研究。本文则以“外升内贬”为出发点，结合汇率对 物价变动的传递效应理论，建立计量模型来进行研究。 3 二、数据描述 （一） 、cpi 与 neer 1、居民消费价格指数（cpi） 本文采用居民消费价格指数（cpi）作为国内通胀水平的体现，即人民币对内价值的体 现。国家统计局所每月公布的 cpi 数据为同比数据，即物价相比于上年同期的变动情况，而 本文的分析物价水平的长期持续变化，需要的数据为定基数据。因此，本文选用中经网统计 数据库的数据，它提供的数据为月环比数据，本文将其换算为以 2001 年

13、1 月为基期的定基 数据（2001 年 1 月100） 。 2、名义有效汇率（neer） 一国会与世界上其它许多国家有贸易往来，因此就存在着该国货币同许多国家的兑换， 我们所经常看到的人民币对美元的汇率，仅是其中之一。要想反映人民币对外价值，仅仅考 虑与美元的相对情况是不够的，需要考虑与许多国家货币的相对情况，因为，一国货币在对 某种货币升值时也可能同时在对另一种货币贬值，即使该种货币同时对其他货币贬值（或升 值） ，其幅度也不一定完全一致。而有效汇率则可以反映这种情况，本文选取的数据来自国 际清算银行（bis）官方网站，全称为名义有效汇率指数，它虽然不是绝对数，但也可反映 出汇率变动，本文选

14、取宽口径数据，也就是人民币相对于 58 个国家的一篮子货币的有效汇 率。 3、描述性分析 96 100 104 108 112 116 120 124 128 01020304050607080910 cpineer 4 图 2-1 cpi 与 neer 上图中的两条曲线分别为 cpi 定基曲线和 neer 曲线。从 cpi 曲线可以看出，物价水平 整体上处于上升趋势，在 2003 年 5 月之前增长幅度不大，之后一直到 2008 年 1 月都呈现增 长趋势，并且在进入 2010 年后出现了快速增长。而 neer 曲线所反映的现象和我们平常所 认为的有所不同，在 2005 年汇改之前，人民币对

15、美元汇率保持了相当长时间的 1 美元兑换 8.27 元人民币，而图中却显示在 2005 年之前，名义有效汇率呈现下降趋势，而且从 2009 年 3 月开始也呈现了下降趋势，这与人民币汇改以来对美元持续升值是不一致的。 对比两条曲线可以直观的发现， “外升内贬”的情况不是一直都存在的，但仍明显的存 在了很长的一段时间。其中的变化趋势如何，并不能直观反映出来，仍需要通过计量模型结 合相关理论来反映。 （二） 、文中涉及的其它数据 1、货币和准货币（m2） 选取 m2 口径的数据作为货币供应量的代表，数据来自中经网统计数据库，以人民币计 价。 2、外汇储备（fe） 外汇储备的数据来自中经网统计数据库

16、，以美元计价。 3、国际原油价格（oilp） 国际原油价格数据来自美国能源信息管理局(eia)官方网站，选取以美元计价的国际原油 价格，单位是美元/桶。 4、进口商品价格指数（ippi） 进口商品价格指数的数据来自中经网统计数据库，它提供了历年的同比指数和自 2005 年 1 月以来的上年全年为 100 的指数。本文通过换算，将进口商品价格指换算为以 2005 年 1 月为基期的定基指数。换算方法为先通过上年全年为 100 的数据得出 2005 年全年的以 1 月为基期的定基指数，再采用 2002 年 1 月2011 年 3 月的同比指数得出其它时间点的定基 数据。 5 三、模型建立 本文关心

17、两个问题，一是，人民币价值是否真正存在对外和对内的价值背离？二是，如 果存在，这种背离是逐渐扩大还是有所缩小呢？通过前文的描述性分析，发现“外升内贬” 的情况不是一直都存在的，但仍明显的存在了很长的一段时间。因此，我们不妨大胆做出假 设： 假设 1，人民币存在对外和对内的价值背离； 假设 2，人民币的价值背离有逐渐缩小的趋势。 要验证这两个假设，本文将汇率对物价的传递效应模型作为理论基础。goldberg 和 knetter（1997）针对半开放经济体建立了一个汇率传递方程，本文借鉴该方程建立模型，该 方程的一般形式为： 。 ttttt pxez 其中，表示国内价格指数，表示国外控制变量集，通

18、常衡量的是与本国对外贸易有 t p t x 关的外部成本等，表示名义有效汇率，表示国内控制变量集，通常是本国的经济、货 t e t z 币情况。 本文将 cpi 作为被解释变量，代表国内价格指数；人民币名义有效汇率（neer）作为 解释变量；国外的控制变量选取国际原油价格（oilp）和进口商品价格指数（ippi） ，代表 外部价格变化的冲击；国内控制变量选取货币供应量（m2）和外汇储备（fe） ，代表国内的 货币环境。 因此，理论模型可以表示为： 013456 2cpifemoilpippineere 度量人民币的对外价值和对内价值，可以通过度量人民币名义有效汇率（neer）和 cpi 的关系

19、来实现，通过变参数回归，得出两者关系随时间变化的趋势，所以，系数的变 6 动情况即是本文的关注点。状态空间模型可以实现变参数回归，将其转换成状态空间可变参 数的形式： 测量方程： 01345 21 * tttttttt cpifemoilpippisvneeru 状态方程： 011 11 ttt svsv 6 其中，sv1 即本文要估计的可变参数。 状态空间模型由两个方程组成：一是测量方程，描述可观测变量与不可观测变量之间的 关系；二是状态方程，主要描述不可观测变量的趋势。sv1 即是不可观测的变量。状态空间 模型有两个优点：一是将不可观测的变量并入可观测模型中共同估计结果；二是使用强有力 的

20、回归卡尔曼滤波来估计。因此，本文选择状态空间模型来估计参数变动情况。 这样，两个假设可以重新表示为： 假设 1， ； ,10 t ttsv 使得 假设 2， ；其中，t 为所选样本的时间区间。 12 1, 2,11 tt t ttsvsv使得 假设 1表示存在使得回归系数为正的时间点，代表人民币存在价值背离；假设 2表 示存在使得回归系数单调减小的时间区间，代表价值背离有缩小的趋势。这样设定的理由是： neer 为正向指标，即 neer 数值变大代表人民币对外价值的上升；cpi 在本文中代表的意义 为负向，即 cpi 数值越大，代表通货膨胀越严重，进而对内价值下降。两者在数值上的同向 变动能够

21、说明对外和对内价值的背离。 7 四、求解和检验 （一） 、数据的平稳性检验 由于所使用的数据为月度数据，因此在使用前均进行了 x12 季节调整。由于数据的可获 得性原因，选取的样本区间为 2001 年 1 月2011 年 3 月。对数据进行平稳性检验，所使用 的方法为 adf（augmented dickey-fuller）方法。结果如下表所示： 表 4-1 数据的平稳性检验 变量检验形式adf 检验统计量5%临界值结论 cpi(c,t,3)-2.508221-3.448021不平稳 cpi (c,n,1)-5.272497-2.885654平稳 neer(c,n,1)-1.692588-2.

22、885450不平稳 neer (c,n,0)-7.431259-2.885450平稳 fe(c,n,2)-0.323134-3.448021不平稳 fe (c,t,2)-3.640440-3.448021平稳 m2(c,t,1)-1.411573-3.447383不平稳 m2 (c,t,0)-8.629072-3.447383平稳 oilp(c,t,2)-3.265980-3.447699不平稳 oilp (c,n,0)-8.250795-2.885450平稳 ippi(c,t,3)-3.986273-3.448021平稳 注：(c,t,k)分别代表截距项，趋势项，滞后阶数，n 代表无此项。

23、从上述检验可以发现除进口商品价格指数是平稳序列 i(0)以外，其余变量均是一阶单整 的。为了防止伪回归的出现，需要对一阶单整的变量进行协整检验。使用的检验方法为 johansen 检验，检验结果为： 表 4-2 johansen 协整检验 特征值迹统计量5%临界值p 值最大特征值统计量5%临界值p 值零假设协整个数 0.38108.8869.820.000056.2033.880.0000无* 0.1852.6847.860.016423.5027.580.1533最多 1 个 8 0.1429.1929.800.058717.5421.130.1480最多 2 个 0.0664.6515.4

24、90.17477.3414.260.4498最多 3 个 0.044.313.840.03794.313.840.0379最多 4 个 迹检验显示在 0.05 的显著性水平下存在 2 个协整方程，最大特征根检验显示存在 1 个协 整方程，因此可以认为文中的一阶单整的变量是协整的，它们的线性组合为 i(0)，因此可以 同 ippi 一同建模。 （二） 、模型估计 运用 eviews6.0 软件对状态空间模型进行估计，定义的状态空间模型为： ttttttt-1t tt-1t = c(1)+c(2)*fe + c(3)*m2 + c(4)*ippi + c(5)*oilp + sv1 *neer+

25、u sv1 = c(6) + c(7)*sv1 + cpi 变量 neer 采用滞后形式，体现汇率变动对 cpi 的传递。量测方程和状态方程的误差项 方差类型对角元素相同的一般对角矩阵，协方差阵为零。模型不设未知参数的初始值，即初 始值为 0。估计的样本区间为 2001 年 1 月2011 年 3 月。模型的估计结果为： 1 92.068520.0054790.01147020.0593650.0114891 * . .(0.625400)(0.000691)(0.003307)(0.010052)(0.005271) t tttttt cpifemippioilpsvneer se 1 10

26、.000241 0.960513 1 . .( 0.001577)(0.029911) tt svsv se =0.997794 d.w.=2.046344 2 r 小括号中的数为系数的标准差，调整的 r 平方和 dw 值均通过状态空间模型估计的残 差计算而来。可以发现除状态方程的常数项不显著外，其余系数均显著。 9 五、模型结果分析 （一） 、结果分析 测量方程的估计结果显示：外汇储备增加 1 个单位，cpi 上升 0.005479 个单位；货币供 应量上升 1 个单位，cpi 上升 0.01147 个单位；进口商品价格指数上升 1 个单位，cpi 上升 0.059365 个单位，国际原油价

27、格上升 1 个单位，cpi 上升 0.011489 个单位。名义有效汇率前 的系数的变动情况可由状态方程反映出来。其变动情况如下图所示： 图 5-1 sv1 参数序列 回到前文所提出的两个假设： 假设 1，；假设 2，。,10 t ttsv 使得 12 1, 2,11 tt t ttsvsv使得 由图 5-1 可以发现，回归系数在 2007 年 7 月-2009 年 6 月大于零，因此，接受了假设 1； 回归系数在 2008 年 3 月-2010 年 5 月间不断减小，因此，接受了假设 2。最初的假设为： 假设 1，人民币存在对外和对内的价值背离；假设 2，人民币的价值背离有逐渐缩小的趋势。

28、从结果可以发现，存在明显价值背离的时间区间为 2007 年 7 月-2009 年 6 月，这个时期 neer 对 cpi 的影响显著为正，这也是人们对“外升内贬”情形感受最突出的时期。而从 2008 年 3 月达到最大值以来，便进入了一轮下降通道，这说明人民币价值背离也正在缩小。 10 （二） 、原因探索 本文运用名义有效汇率作为分析对象，得出与人们主观感受不十分一致的结果，针对人 们所直观认识的人民币对美元汇率的上升情况也是可以找到原因的。 人们之所以非常关注人民币“外升内贬” ，是因为人们基于购买力平价理论发现人民币 对外升值和对内贬值之间存在购买力方面的矛盾。实际上，这种看法可能源自对购

29、买力平价 的错误运用。 购买力平价理论指出，两国货币之间汇率的变动取决于两国通货膨胀率的高低，具有较 高通货膨胀率的国家的货币应该贬值。以中美为例，中国国内通胀率高于美国国内通胀率， 则人民币购买力缩水程度将大于美元购买力缩水程度，那么从购买力角度出发，人民币理应 对美元贬值。然而，相对购买力平价理论很难解释中美之间的汇率变动。相对购买力平价成 立的前提，应该是期初的名义汇率水平等于或接近于绝对购买力平价水平。事实上，人民币 对美元的名义汇率一直显著低于购买力平价汇率，所以，中国国内通胀率高于美国国内通胀 率的事实，并不足以消除甚至扭转人民币对美元名义汇率的升值压力，而只能在一定程度上 削弱人

30、民币对美元名义汇率的升值压力。 另一个可能的解释是巴拉萨萨缪尔森效应，即贸易品部门劳动生产率增速相对较高的国 家将会出现实际汇率升值，而实际汇率升值或者会以名义汇率升值的方式表现出来，或者会 以通货膨胀的方式表现出来。自 1990 年以来，中国多数年份的劳动生产率增速均高于美国。 如果人民币对美元名义汇率的升值幅度不足以抵消掉中美劳动生产率增速之差，则中国国内 通货膨胀率将高于美国国内通货膨胀率。这就意味着发生了人民币对外升值与对内贬值并存 的现象。 第三个可能的解释是定量宽松政策造成的输入性通胀压力。美联储的定量宽松政策一 方面会直接压低美元汇率指数，另一方面会加剧全球通胀预期，这两方面因素

31、均会导致全球 能源与大宗商品价格上涨。全球能源与大宗商品价格上涨将给中国造成输入性通货膨胀压力。 中国政府无疑可以通过人民币升值来抵消输入性通货膨胀的压力。然而，如果人民币升值幅 度显著低于进口价格上升幅度，那么输入性通胀压力尽管有所削弱，但依然存在。这意味着 人民币对外升值与对内贬值可能同时发生。 11 结论和建议 本文针对人民币“外升内贬”的问题，选取人民币名义有效汇率（neer）和居民消费 价格指数 cpi 分别代表人民币的对外价值和对内价值，结合汇率对物价的传递效应理论建立 了可变参数模型。将 cpi 作为被解释变量，neer 作为解释变量，通过其系数随时间的变动 情况，反映人民币对外

32、和对内价值的变动情况。结果显示：从 2001 年 1 月以来，人民币的 价值背离情况不是一直都存在的，在 2007 年 7 月前的多数时点上，neer 对 cpi 的影响为 负，即不存在价值背离的情形；存在明显价值背离的时间区间为 2007 年 7 月-2009 年 6 月， 在 2008 年 3 月这种背离达到最大以来，便进入了下降通道，即背离逐渐缩小，进而消除。 由于人民币对外价值和对内价值不存在一贯的背离，而且汇率与物价间的传递效应也比 较小，这就为我国的货币政策的独立性留下了空间。由于用单一的政策工具处理人民币升值 和通货膨胀的情况会面临两难选择：即一方面为了汇率稳定，央行在市场上购买

33、外汇，从而 造成货币供应量的上升，造成通胀压力；另一方面为了控制通胀，发行央行票据和提高利率 又会加大人民币的升值压力。因此，在政策上应该加大财政政策和货币政策的配合力度，以 解决货币政策频繁操作但效果却不甚理想的情况。也应进一步推进汇率和外汇制度的改革， 继续深化以市场供求为基础、参考一篮子货币进行调节、有管理的浮动汇率制度改革，发挥 市场的基础导向和自动调节作用，增强汇率的弹性。 12 参考文献 1meese r, rogoff k. was it real ? the exchange rate interest differential relation over the modern

34、 floating exchange rateperiod j. journal of finance , 1988(43). 2kim yoonbai. purchasing power parity in the long run : a cointegration approachj. journal of money, credit and banking,1990(22). 3kugler peter, lenz carlos. multivariate cointegration analysis and the long run validity of pppj.review o

35、f economics and statistics,1993(75). 4mccarthy .jonathan .pass-through of exchange rates and import price to domestic inflation in some industrialized economicsr.staff reports no.11, federal reserve bank of new york. 2000. 5taylor j., low inflation, pass-through, and the pricing power of firms. euro

36、pean economic review, vol. 44 (7), 2000. 6gagnon j e, ihrig j e. monetary policy and exchange rate pass-through. frb international finance discussion paper no. 704, july 2001. 7choudhri eu., hakura ds. exchange rate pass-through to domestic prices: does the inflationary environment matter? journal o

37、f international. money and finance, vol. 25 (4), jane 2006. 8goldberg, p.k& knetter,m.m.1997,goods price and exchange :what have we learned? journal of economic literature,35,1243-1272. 9张晓朴.购买力平价思想的最新演变及其在人民币汇率中的应用j.世界经济,2000(9). 10邱冬阳.人民币购买力平价1997-2005 年数据的协整分析j.经济研究,2006(5). 11吴信如.人民币汇率与购买力平价的互动关

38、系一个 vec 模型分析j.财经研究,2007(8). 12张根文.人民币名义汇率的购买力平价假说检验基于中美 1994-2009 年间月度数据的 经验分析j.统计与信息论坛,2010(11). 13卜永祥.人民币汇率变动对国内物价水平的影响j. 金融研究,2001(3). 14封北麟.汇率传递效应与宏观经济冲击对通货膨胀的影响分析j. 世界经济研究,2006(12). 15刘亚,李伟平,杨宇俊.人民币汇率变动对我国通货膨胀的影响：汇率传递视角j.金融研究, 2008(3). 13 16 周杰琦.人民币汇率变动对国内价格水平的传递效应j. 统计研究,2010(8). 17 张明.“外升内贬”背

39、景下的人民币汇率j.经济理论与经济管理,2011(1). 18 史焕平.人民币外升内贬的成因、影响及对策j.财政金融,2007(12). 1 附录 附件一 原始数据 名义有效汇率指数来自国际清算银行（bis）官方网站，国际原油价格来自美国能源信 息管理局(eia)官方网站，其余变量来自中经网统计数据库，其中进口商品价格指数已经过 调整。原始数据如下： 日期 名义有效 汇率指数 cpi（定 基） 国际原油 价格（美 元/桶） 货币和准 货币 m2（百亿 元） 外汇储备 （亿美元） 进口商品 价格指数 （定基 2005 年 1 月 100） jan-01109.82100.0022.10137.5

40、4168.6275.51 feb-01110.08100.1024.76136.21174.7775.02 mar-01112.1599.5023.44138.74175.8575.12 apr-01113.6499.7022.76139.95177.1879.42 may-01113.4899.2025.38139.02179.0074.00 jun-01114.3598.0126.55147.81180.8478.21 jul-01114.997.5223.73149.23184.4974.43 aug-01112.7897.6223.61149.94190.0575.16 sep-011

41、12.298.5024.90151.82195.7678.76 oct-01113.1598.7920.09151.50203.0377.62 nov-01113.6698.5918.31154.09208.3277.10 dec-01114.5498.6917.35158.30212.1771.76 jan-02116.2698.9918.68159.64217.4074.46 feb-02116.93100.0817.77160.94223.5374.42 mar-02116.1798.7819.16164.06227.6177.23 apr-02115.6598.4824.83164.5

42、7233.8277.11 may-02113.4498.1824.50166.06238.4774.81 jun-02111.4697.3022.31169.60242.7677.90 jul-02109.1596.6224.14170.85246.5374.73 aug-02110.1696.9124.51173.25253.1078.17 sep-02110.7697.8826.07176.98258.6280.17 oct-02111.7998.0727.44177.29265.5484.14 nov-02110.3597.9824.53179.74274.6381.72 dec-021

43、09.9298.2724.27185.01286.4176.00 jan-03107.9699.3529.03190.49304.4681.60 feb-03107.91100.2530.00190.11308.2582.08 mar-03108.0199.6431.71194.49316.0187.34 apr-03107.9299.4425.01196.13326.9985.83 may-03105.0898.7522.04199.51340.0683.19 2 jun-03104.9197.5625.72204.93346.4886.00 jul-03105.5797.0826.5220

44、6.19356.4982.13 aug-03106.2797.7626.66210.59364.7384.66 sep-03105.0398.9327.05213.57383.8684.90 oct-03102.7699.8226.29214.47400.9987.93 nov-03102.75100.8226.28216.35420.3687.28 dec-03101.23101.4227.23221.22403.2584.28 jan-0499.91102.5428.00225.10415.7290.33 feb-0499.73102.3327.56227.05426.6493.99 ma

45、r-04100.92102.6430.88231.65439.8293.81 apr-04101.18103.1530.07233.63449.0293.81 may-04102.65103.0533.63234.84458.5693.01 jun-04101.73102.3335.29238.43470.6497.61 jul-04101.32102.1231.61238.13482.9894.28 aug-04101.84102.8438.27239.73496.1797.10 sep-04101.54103.9737.05243.76514.5498.32 oct-04100.5103.

46、9741.62243.74542.44101.12 nov-0497.84103.6640.84247.14573.88101.42 dec-0496.36103.7636.83254.11609.9397.09 jan-0596.67104.3835.16257.71623.65100.00 feb-0596.79106.2641.54259.36642.6199.34 mar-0596.26105.3145.07264.59659.14101.69 apr-0597.32104.9946.84266.99670.77101.03 may-0597.62104.7845.20269.2469

47、1.0197.56 jun-0599.13103.9446.65275.79710.9798.78 jul-05100.94103.9452.55276.97732.7394.56 aug-05101.44104.1555.05281.29753.2196.81 sep-05101.85104.8860.75287.44769.00100.19 oct-05103.37105.3055.99287.59784.9099.91 nov-05104.52104.9853.39292.35794.22101.22 dec-05104.08105.4049.42298.76818.8799.91 ja

48、n-06102.28106.7755.12303.57845.1899.90 feb-06103.01107.3159.84304.52853.6798.85 mar-06103.13106.3455.98310.49875.07100.57 apr-06102.44106.5561.27313.70895.04100.83 may-06100.2106.4566.94316.71925.02100.00 jun-06101.73105.9164.67322.76941.1299.37 jul-06101.86105.6067.74324.01954.5599.48 aug-06101.721

49、05.9169.79327.89972.04108.04 sep-06102.58106.4464.49331.87987.93103.69 oct-06103.5106.5554.92332.751009.63105.30 nov-06102.78106.8753.32337.501038.75107.60 dec-06102.23108.3756.13345.601066.34105.20 jan-07103.82109.1254.63351.501104.69104.60 3 feb-07104.17110.2252.11358.661157.37103.59 mar-07103.581

50、09.8857.83364.091202.03105.30 apr-07102.94109.7764.93367.431246.57108.19 may-07103.59110.1063.40369.721292.67106.30 jun-07104.52110.5465.37377.831332.63105.93 jul-07104.13111.5469.91383.881385.20108.24 aug-07104.19112.8873.81387.211408.64116.15 sep-07103.85113.2271.42393.101433.61106.08 oct-07102.75

51、113.5675.57394.201454.90112.46 nov-07102.16114.3586.02399.761496.91119.00 dec-07103.61115.4985.91403.401528.25113.62 jan-08104.49116.8892.93417.851589.81120.08 feb-08105.07119.9288.71421.041647.13122.34 mar-08103.94119.0898.01423.051682.18123.83 apr-08104.92119.2098.39429.241756.66131.77 may-08106.4

52、7118.72110.21436.221796.96128.52 jun-08108.14118.48121.36443.141808.80127.23 jul-08108.44118.60137.11446.361845.16131.94 aug-08111.16118.48121.29448.851884.15142.51 sep-08113.93118.48106.41452.901905.59124.64 oct-08118.57118.1393.38453.131879.69124.61 nov-08121.13117.1858.66458.641884.72121.26 dec-0

53、8118.05116.9543.12475.171946.03102.26 jan-09118.97118.0034.57496.141913.46107.35 feb-09121.99118.0041.77506.711912.07100.81 mar-09122.88117.6542.85530.631953.74100.92 apr-09120.75117.4148.09540.482008.88106.47 may-09117.59117.0648.91548.262089.49102.30 jun-09116.19116.4865.62568.922131.61106.49 jul-

54、09115.61116.4868.47573.102174.62109.91 aug-09114.72117.0671.52576.702210.83113.44 sep-09113.13117.5368.07585.412272.60105.57 oct-09111.61117.4165.00586.642328.27109.16 nov-09110.91117.7676.34594.602388.79119.68 dec-09111.68118.9476.18606.232399.15111.05 jan-10112.17119.6575.55625.612415.22121.84 feb

55、-10113.61121.0972.28636.072424.59116.54 mar-10113.34120.2476.45649.952447.08118.68 apr-10113.49120.4878.62656.562490.51127.13 may-10116.2120.3681.71663.352439.51121.94 jun-10117.42119.6470.97673.922454.28125.02 jul-10115.72120.1273.54674.052538.89123.97 aug-10114.12120.8478.68687.512547.84125.35 sep

56、-10113.81121.5673.45696.472648.30115.60 4 oct-10111.78122.4176.14699.782760.90120.51 nov-10112.59123.7681.96710.342767.81130.34 dec-10113.78124.3884.16725.852847.34122.27 jan-11113.6125.6291.04733.882931.67136.09 feb-11113.22127.1395.61736.132991.39135.88 mar-11112.42126.88109.08758.133044.67137.08 附件二 估计的变参数序列 日期 sv1 日期 sv1 日期 sv1 2001