宏观因素对证券价格影响（初改版）

宏观因素对股票价格影响的计量分析

摘要：股票价格不仅受其内在价值的影响，还和国家的宏观经济因素有密切的联系。本文以上证指

数作为被解释变量，选取宏观经济中影响上证指数的因素，并引入前人没有研究的创业版因素等政策因素。运用Eviews6.0软件对数据进行回归分析并建立回归模型，分析得出影响我国股票价格的宏观因素主要有企业商品价格指数、利率、国家外汇储备、汇率、政策因素（股指期货与融资融券），并对如何提高股票市场的资源配置效率提出相关建议。

关键词：股票价格；宏观因素；影响因素；回归分析

China’s Macroeconomic information and stock prices:An

empirical analysis

Abstract:The stock price is not only influenced by its intrinsic value, and also the macroeconomic are closely linked.In this paper, with the Shanghai composite index is as explained variable,and related macroeconomic information,which including policy like GEM,are as explanatory variables, to analysis the data regression and establish the regression model.The conclusion is Enterprise commodity price index, interest rate, China's foreign exchange reserves, exchange rate are highly related with stock price.Then I put forward relevant Suggestions.

Keywords:Stock price; Macroeconomic information; Influencing factors; Regression analysis

1

一、选题背景及意义

经济学家普遍认为，股票市场是经济的晴雨表。以美国的股票市场为例，在2008年金融危机前几十年，美国经济保持平稳增长的同时，股票市场也保持了平均每年12%以上增长率的健康成长。美国股市甚至被认为是经济发达、机制成熟的象征。反观中国，中国改革开放以来的经济快速增长中，中国股市在这二十几年终的成长和当下现状却与该经济规律不符合。2013年，中国的两大股票市场依然挣扎于熊市的泥潭之中难以自拔，全年以上证指数下跌6.75%，深证成指下跌10.91%，在全球主要股票市场中的表现最差收场。

股票价格的变化及其变化趋势一直是资本市场备受关注的问题，它影响着股票市场的稳定性及投资者的投资策略。股票市场的发展和国家的宏观经济因素有着密切的联系，研究我国股票价格波动宏观经济变量对股票市场的影响，对于提高市场的资源配置效率十分重要。

而前人对股票市场的实证研究，多数只采用某一年或某两到三年的数据，对宏观经济因素对股票市场影响的分析较为粗略，且数据的时效性较差。本文认为，通过扩大样本容量，提高样本的时效性，并进行多次的迭代和筛选后，可以建立一个比较精确的方程来初步预测未来宏观经济的变化对上证指数的影响，对现实有一定的指导意义。

二、模型变量和数据设定

影响证券价格的宏观因素很多，有政治因素、财政政策、货币政策、国民生产总值、汇率变动、利率情况等。为了能够基本的包含这些要素同时考虑到引入的因素，本文基本涵盖了这些因素， 本模型将选取上证指数为被解释变量，企业商品价格指数、货币供应量、利率、汇率、国家外汇储备、宏观经济景气指数、消费者信心指数七个影响因素为解释变量，创业板因素，股指期货与融券融资因素作为虚拟变量，解释变量与虚拟变量解释如下：

上证指数每月收盘指数：股指是选取有代表性的一组股票，把他们的价格进行加权平均，通过一定的计算得到，因此股指可以反映股票价格变化情况。上海为中国经济中心，上证股指数以全部上市股票为样本，具有广泛代表性，能够反映整个股票市场的情况，可以反映不同行业的景气状况及其价格整体变动情况。选择每月收盘指数分析，是因为收盘指数通常比较准确地反映股票价格的最终走势。

企业商品价格指数：反映国内企业之间物质商品集中交易价格变动的统计指标，是比较全面的测度通货膨胀水平和反映经济波动的综合价格指数。

货币供应量：指一国在某一时点上为社会经济运转服务的货币存量，与一国的经济形势与股票市场密切相关。（单位：亿元人民币）（注：自2011年10月起，货币供应量已包括住房公积金中心

2

存款和非存款类金融机构在存款类金融机构的存款）

利率：以活期存款利率体现利率高低。

汇率：以一美元折合人民币的平均数来表示利率水平的高低。尽管从2005年7月21日起，中国人民银行宣布人民币汇率不再单一盯住美元，而是参考一篮子货币实行有管理的浮动汇率制度。但自2008年以来，美元相对贸易加权一篮子货币的汇率几乎没怎么改变。因此可以美元这和人民币的平均数来反映利率水平的高低。

国家外汇储备：指一国政府所持有的国际储备资产中的外汇部分，是一个国家经济实力的重要组成部分。（单位：亿美元）

宏观经济景气指数：由企业家对企业经营情况及宏观经济状况的判断和预期来编制的，由此反映企业的生产经营状况、经济运行状况，预测未来经济的发展变化趋势。

消费者信心指数：反映消费者信心强弱的指标，是综合反映并量化消费者对当前经济形势评价和对经济前景、收入水平、收入预期以及消费心理状态的主观感受，是预测经济走势和消费趋向的一个先行指标，是监测经济周期变化不可缺少的依据。

创业板因素：创业板因素作为政策性因素作为虚拟变量。中国创业板从2009年9月开始正式上市，将2008年1月-2009年9月的变量值设定为0，将2009年10月-2013年12月的变量值设定为1。

股指期货因素与融券融资因素：股指期货因素与融券融资因素作为政策性因素作为虚拟变量。中国股指期货与融资融券政策均在2010年4月出台，在这里将2008年1月到2010年3月的变量值设定为0，在2010年4月到2013年12月的变量值设定为1。

模型使用的是2008年-2013年的月度时间序列数据，来源于中国人民银行门户网站，中华人民共和国统计局门户网及中国统计年鉴。对上证综合指数取对数，使其结果更加平滑，并结合各因素，建立模型：log（Y）=β

0

+β

11

X+β2X2+β3X3+β4X4+β5X5+β6X6+β7X7+β8d1+β9d2+μ，在这个模型中，

以上证综合指数为解释变量Y，根据设定的解释变量，2008年-2013年的企业商品价格指数X1 、货币供应量X2（亿元人民币）、利率X3、国家外汇储备X4（亿美元）、汇率X5，宏观经济景气指数X6、企业景气及企业家信心指数X7 虚拟变量有创业板因素d1、股指期货因素与融券融资因素d2。X8，β

i，

i为各变量的系数，μ为随机扰动项，表示出了解释变量以外的心理预期因素、国际股市因素、上

市公司信息公开化因素等难以量化的因素的影响。

三、OLS法估计模型

通过下面的散点图和变量间简单相关系数进行分析。

3

图一 变量的散点图

从图一可以看出，解释变量之间存在相关关系，所以采用逐步回归法对多重共线性进行修正。发现加入X2、X6、X7、d1时，R2均有所增加，但其参数的t检验不明显，系数的正负也与经济意义不吻合。从相关系数也可看出，X2、X6、X7、d1与其他相关变量高度相关，这说明主要是X2、X6、X7、d1引起了多重共线性，予以剔除。

最后修正严重多重共线性影响后的回归结果为 估计结果如下（括号里是t统计量），估计方程为：

Y=-8.378571-0.009588X1+0.952643X3+9.54E-05X4+2.177586X5-0.136320D2

（-3.25） （8.06） （12.56） （14.18） （-3.07） R2=0.853722 F=77.66022 D.W=1.232656

四、虚拟变量回归检验

假设剔除虚拟变量d2，以Y为被解释变量，X1，X3，X4，X5为解释变量做OLS检验：剔除虚拟变量前的R2=0.853722；调整后的R2=0.824035，

22(0.853722?0.824035)?3F??4.163508082 2(1?0.853722)?(72?4)F0 (q,n?k)?F0 (4,72-5)?3.785 .05 .05 F?4.163?F0.05(4 ,68)?3.785

所以虚拟变量d2在该模型中是必要的，虚拟变量d2不能被剔除。

4

五、异方差检验与序列相关性性检验

怀特统计量nR2~χ2（h），h=19，作为解释变量的个数，从表四可知n R2=18.89855，在显著性水平α=0.05的情况下，χ

222

0.05（19）=38.5822，因为n R=18.89855<χ0.05（19）= 38.5822，

所以，接受原假设，模型不存在异方差。

D.W.检验表明，在5%的显著水平下，n=72，k=6（包含常数项），查表得，d L=1.232，dU=1.645，由于D.W=1.232656大于d L=1.232，小于dU=1.645，由此判定此模型不存在一阶自相关。

所以，最终拟合的回归方程是：

Y=-8.378571-0.009588X1+0.952643X3+9.54E-05X4+2.177586X5-0.136320D2

（-3.25） （8.06） （12.56） （14.18） （-3.07） R2=0.853722 F=77.66022 D.W=1.232656

通过结合图二来看实际值和拟合值的的关系，再次证明有较好的模拟的效果。

六、被剔除变量分析

计量分析中，货币供应量、宏观经济景气指数、企业景气及企业家信心指数三个因素被排除在外的原因为原拟合方程建立中参数符号不符合经济意义且参数的t检验和显著性检验不能通过。下面对其进行理论分析。

货币供应量将对通货造成变动，而通货的变动可以分为膨胀和紧缩两种。一般认为，通货膨胀对股票价格变动的影响很复杂，因为其在多方面对经济产生影响。一是不利影响：通货膨胀影响经济景气，而如前所述，股价会随着经济总体形势的变动而变动。二是有利影响：通货膨胀导致居民

5

产生资产保值心理（由实际利率=名义利率-通货膨胀率公式可分析），从而争相购买股票，促使股票价格上升。而通货紧缩会对经济产生负面影响。也就是说，货币政策因素对上证指数的影响具有不方向不确定性，因此货币供应量因素被排除在模型之外。

宏观经济景气、企业家信心指数及企业景气指数被排除在外的原因是相同的。两者均来源于企业景气调查，是利用一系列经济指标建立起来的宏观经济“晴雨表”或“报警器”。股票价格与其他商品的价格一样，从本质上讲是由股票的供求关系决定的，即股票抛售者的抛售意愿与股票购买者的购买意愿决定的。理论经验告诉我们宏观经济景气、企业家信心指数及企业景气对股票价格的走势有提前预警的作用，但因中国股票市场发展时间较短，成熟度较低，市场上存在大量的非理性投资者。这些非理性投资者的非理性买卖行为，使得股票账面价格偏离股票实际价格的现象大范围的存在。因此，宏观经济景气、企业家信心指数及企业景气指数在这一模型中无法有效反映股票的价格，这两个因素被排除在模型之外。

七、经济意义分析

文中利率、国家外汇储备、汇率的系数均为正，它们与上证综合指数为同向变化关系。而企业商品价格指数、股票期货与融资融券政策因素的系数为负，与上证综合指数为反向变化关系。运用这个模型可以对上证指数做出分析：在上证市场，具体来说，当利率上升1个单位时，上证指数上升95.2643%；当国家外汇储备上升1个单位时，上证指数上升9.54E-05%；当汇率上升1个单位时，上证指数上升217.7586&；当企业商品价格指数上升1个单位时，上证指数下降0.9588%；虚拟变量股票期货与融资融券政策因素的系数也未负，说明该政策的出台对股票价格有负面的影响。

1.利率

一般认为，短期来看，利率与股票价格水平呈现负相关。因为，当央行制定的利率升高时，储蓄获利增加，将吸引大量资金由股票市场流向银行储蓄，导致股票需求量下降，自然使股票价格下降；反之亦反。但这种简单的负向相关分析只存在与短期分析中。本文选取的研究时间段较长，研究结果表明在2008年到2013年这段时间，中国的利率水平与股票市场的价格呈现正相关的趋势。因此可得出结论，就中长期而言，中国的利率升降和股价的涨跌并不是简单的负相关关系。分析后认为我国利率的特殊性是导致这一现象的原因。首先，与西方国家不同，中国的利率水平完全由中央银行决定，这种决定模式具有较强的政策性与滞后性，它只能够反映国家通过宏观手段对过冷或过热经济的进行调控，预测未来经济形势与未来通货膨胀的高低，并且这种调控与预测的有效性无法被完全证实。其次，中国的利率变化次数较少，如在2008-2009年间只降过一次息；数据的不充分也是出现该现象的原因。

6

2.国家外汇储备

本文研究成果表明，国家外汇储备对上证指数虽有正向的影响，但这一因素的影响力度非常小。中国的外汇储备量非常高，截至2014年3月末,中国外汇储备余额为3.95万亿美元,全世界第一。李克强总理曾说，中国“比较多的”外汇储备已经是“我们很大的负担”。一般认为，当外汇储备要变成本国的基础货币时，会影响通货膨胀，这可认为是外汇储备影响中国股价的重要原因。此外，中国高额的外汇储备也可成为操控国际市场汇率的工具，高盛就表示美元的暴跌系中国外汇储备操作所致，汇率的变动也会对我国的股价产生影响。

3.汇率

汇率对一国经济最直接的影响是对进出口贸易的影响，而国际贸易的影响对股价也会有一定影响。对从事进出口贸易公司来说，如果一国的货币是实行升值的基本方针，股价便会上涨，一旦其货币贬值，股价即随之下跌。所以外汇的行情会带给股市以很大的影响。汇率变动对股价的影响，最直接的是那些从事进出口贸易的公司的股票。当一国贸易出口额大于进口额时，会促使股价的上升；相反，则使股价下跌。至于其他公司，本国货币升值受益的多半是进口业，亦即依赖海外供给原料的企业；相反的，出口业由于竞争力降低，而导致亏损。可是当本国货币贬值时，情形恰恰相反。但不论是升值或是贬值，对公司业绩以及经济局势的影响，都各有利弊，所以，不能单凭汇率的升降来判断一般公司的股票价格

本文的分析结果表明中国的汇率与股票呈现正向变化，这与中国今年来货币对外升值，对内贬值的经济现象相一致；也与中国贸易出口额大于进口额的现象相一致。也可说明，汇率的变动对从事进出口贸易公司的股价变动影响较大，对其他公司影响较小。

4.企业商品价格指数

企业商品价格指数了反映国内企业间商品集中交易价格变动趋势，央行每月公布的企业商品价格指数反映了企业间集中交易的投资品和消费品价格变动水平，是测度通货膨胀水平的价格指数之一。是为央行制定、调整货币政策提供依据。本文研究结果表明企业商品价格指数与股票价格呈负相关关系。可认为，当企业商品价格指数升高时，企业购买原材料等成本升高。引起利润率下降，导致股票价格降低。

5.股票期货与融资融券政策因素

一般认为，我国股市信息非对称性效应显著，与正面消息的影响相比，负面消息对股市的影响更大、更快；股指期货与股市价格存在相互引导机制。短期分析可以2010年4月16日以来A股大跌时出现的“瀑布效应”为例：当时，国内经济“二次探底”、欧债危机蔓延等利空消息蔓延，出于

7

对经济形势的担忧，持有股票和期货组合资产的客户大量抛售股指期货，期货价格严重偏离理论价格，基差的持续异常波动产生大量套利机会，套利投资者买入股指期货，卖出股票，导致股票价格大跌。股价下跌进一步引发市场对后市的担忧，投资者进一步抛售期货，期货、股价交替下跌，股价像瀑布一样跌落。长期分析从文本的模型结果看，股指期货对股票价格有不利的影响。但沪深 300 指数期货这单一的期货交易品种明显过少，因此股指期货因素对股价的影响仍不明确。

本文的分析结果也表明融资融券政策对股票价格有不利的影响，与理论情况不符合，造成该结果的原因有融资融券市场占证券市场交易比重偏低，市场参与度不高，对市场价格波动影响不大。目前沪深两市中融资融券仅占当日A股成交总量的1%左右，融资融券余额占证券流通市场比重不足0.2&，而海外市场平均在1.5%-2%。由于融资融券业务的参与主体有限，融资融券交易标的少严重制约了市场发展的空间。而该政策推行的时间短也是使得该研究成果意义不大的原因。

八、政策和建议

1.制定健全、有效的货币政策

分析表明在宏观经济因素中，利率与证券市场价格的作用最为直接，且影响也最大。汇率、利率的稍微变动都会对股票价格产生巨大影响，进而影响经济发展。所以应使汇率、利率平稳发展。不能因为单纯追求GDP发展而调整货币政策，要选择适合我国经济情况的货币政策。

当前我国货币政策不具备调控股票价格的能力，我国应该注重培育“运用货币政策工具来影响股票价格”的能力，并密切关注股票价格波动。同时，我国要加快利率市场化步伐，合理运用证券市场信用控制，完善股票质押贷款管理办法，运用窗口指导，将股票价格作为辅助监测指标。

随着利率市场化的推进，股票价格对利率变动的敏感度也将越来越大。在利率市场化被进一步推进后，中央银行应主要通过公开市场业务、再贴现等货币政策工具调控货币市场和证券市场利率，这种操作会影响银行存款、债券与股票之间的相对收益率，社会公众在进行资产选择和资产组合时，将把资金在银行存款、债券与股票这三种金融资产中进行转换。这样，来自于中央银行的货币政策将大大增加，货币政策操作对股票价格的影响将更加直接。 2.重视国家外汇储备问题

一般认为，中国外汇储备的快速增长增强了我国的综合国力，提高了我国的国际资信。但也需注意，外汇储备量过大带来的一系列问题。外汇储备过大加大了通货膨胀的压力，影响货币当局独立制定货币政策。外汇储备大会带来高额的机会成本，加大资金收益风险，加大了汇率风险。它还会增大了人民币升值压力，不利于对外贸易顺利开展。这些因素都会对股市的健康平稳发展与股价的稳定造成较坏的影响。因此，中国应合理调整国家外汇储备，促进经济的健康平稳发展。

8

3.控制工业品价格

本文的分析表明，企业间集中交易的投资品和消费品价格水平已经对证券市场的价格产生不利影响，也就是说可能存在工业品价格过高现象，并可能已经对企业的生产与发展产生不利影响。当下中国经济，特别是制造业企业面临大量下行压力，人口红利的减退，东南亚廉价制造业崛起造成的冲击都对中国制造业企业造成了不利大的影响。而工业品价格的波动与上涨无疑又是对中国工业发展雪上加霜。因此，国家部门应监督商品价格，防止工业品价格“出格”，保持商品价格平稳发展，以免影响股票市场进而影响经济发展。 4.进一步完善股指期货机制

相对于海外股指期货市场和中国沪深两市的 2300 多只不同特性的股票而言，沪深 300 指数期货这单一的期货交易品种明显过少。因此，不断以市场为导向进行产品调整和创新，将会是中国发展、完善股指期货市场的必经之路。应当进一步从合约的规范性、竞争性等方面不断完善中国的股指期货合约设计。还要在政府的大力扶持、重点培养下，进一步就股指期货合约标的的选取、调整、合约抗操纵性的设计等方面借鉴国际惯例逐步加以规范，针对中国资本市场的特殊性，尽快改善市场的缺陷、填补市场的不足，培育起符合中国市场特色的股指期货市场，使得中国股指期货在短时间内能得到迅速发展，对股票市场产生更深远的影响。 5.进一步完善融资融券机制

要将现有融资融券标的股票的流动性、波动性方面接近的证券纳入标的的范围，进一步满足投资者在股指期货和现货市场进行风险对冲的需求。其次，建立并完善转融通机制，增大融资融券交易资金规模，进而推动融资融券整体规模的扩大。最后，融资融券作为我国资本市场的新生事物，也需要注意防范该业务的风险，增强业务自身实力。

9

附表：数据

2008年1月 2008年2月 2008年3月 2008年4月 2008年5月 2008年6月 2008年7月 2008年8月 2008年9月 2008年10月 2008年11月 2008年12月 2009年1月 2009年2月 2009年3月 2009年4月 2009年5月 2009年6月 2009年7月 2009年8月 2009年9月 4383.39 4348.54 3472.71 3693.11 3433.35 2736.1 2775.72 2397.37 2293.78 1728.79 1871.16 1820.81 1990.66 2082.85 2373.21 2477.57 2632.93 2959.36 3412.06 2667.75 2779.43 108.36 109.2 110.2 110.3 109.63 109.5 109.4 108.15 107 104.03 99.59 96.92 95.83 94 93.4 92.89 92.38 91.96 91.99 92.85 94.07 154870.2 150177.9 150867.5 151694.9 153344.8 154820.2 154992.4 156889.9 155749 157194.4 157826.6 166217.1 165215 166149.6 176541.1 178213.6 182025.6 193138.2 195889.3 200394.8 201708.1 0.72 0.72 0.72 0.72 0.72 0.72 0.72 0.72 0.72 0.72 0.72 0.36 0.36 0.36 0.36 0.36 0.36 0.36 0.36 0.36 0.36 15898.1 16471.34 16821.77 17566.55 17969.61 18088.28 18451.64 18841.53 19055.85 18796.88 18847.17 19460.3 19134.56 19120.66 19537.41 20088.8 20894.91 21316.06 21746.18 22108.27 22725.95 10

7.25 7.16 7.08 7 6.97 6.9 6.84 6.85 6.83 6.83 6.83 6.84 6.84 6.84 6.83 6.83 6.82 6.83 6.83 6.83 6.83 102.57 102.53 102.45 103.26 103.33 103.4 102.8 101.9 100.8 99.1 97.6 95.5 94.5 94 94.4 94.9 95.4 95.9 96.5 97.3 98.1 136.2 136.2 136.2 137.4 137.4 137.4 128.6 128.6 128.6 107 107 107 105.6 105.6 105.6 115.9 115.9 115.9 124.4 124.4 124.4 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

2009年10月 2009年11月 2009年12月 2010年1月 2010年2月 2010年3月 2010年4月 2010年5月 2010年6月 2010年7月 2010年8月 2010年9月 2010年10月 2010年11月 2010年12月 2011年1月 2011年2月 2011年3月 2011年4月 2011年5月 2011年6月 2011年7月 207545.7 212493.2 220001.5 229589 224287 229397.9 233909.8 236497.9 240580 240664.1 244340.6 243821.9 253313.2 259420.3 266621.5 261765.1 259200.6 266255.6 266767 269289.7 274662.7 270545.7 23282.72 23887.88 23991.52 24152.21 24245.91 24470.84 24905.12 24395.06 24542.75 25388.94 25478.38 26483.03 27608.99 27678.09 28473.38 29316.74 29913.86 30446.74 31458.43 31659.97 31974.91 32452.83 11

2995.85 3195.3 3277.14 2989.29 3051.94 3109.1 2870.61 2592.15 2398.37 2637.5 2638.8 2655.66 2978.83 2820.18 2808.08 2790.69 2905.05 2928.11 2911.51 2743.47 2762.08 2701.73 96.34 100.39 103.4 104.5 105.7 105.6 106.6 107.1 106.6 105.9 106 106.1 107.8 108.6 107.9 108 108.7 109.3 108.5 108.8 109.5 109.7 0.36 0.36 0.36 0.36 0.36 0.36 0.36 0.36 0.36 0.36 0.36 0.36 0.36 0.36 0.36 0.36 0.36 0.4 0.5 0.5 0.5 0.5 6.83 6.83 6.83 6.83 6.83 6.83 6.83 6.83 6.82 6.78 6.79 6.75 6.67 6.66 6.65 6.6 6.58 6.57 6.53 6.5 6.48 6.46 99.4 100.4 102.1 103.2 104 104 103.8 103.3 102.6 102.1 101.8 101.9 102.4 102.8 103.6 102.8 103 102.5 103.1 102.9 102.9 102.8 130.6 130.6 130.6 132.9 132.9 132.9 135.9 135.9 135.9 137.9 137.9 137.9 138 138 138 133.8 133.8 133.8 135.6 135.6 135.6 133.4 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

2011年8月 2011年9月 2011年10月 2011年11月 2011年12月 2012年1月 2012年2月 2012年3月 2012年4月 2012年5月 2012年6月 2012年7月 2012年8月 2012年9月 2012年10月 2012年11月 2012年12月 2013年1月 2013年2月 2013年3月 2013年4月 2013年5月 273393.8 267193.2 276552.7 281416.4 289847.7 270010.4 270312.1 277998.1 274983.8 278656.3 287526.2 283090.7 285739.3 286788.2 293309.8 296883 308664.2 311228.6 296103.2 310898.3 307648.4 310204.5 32624.99 32016.83 32737.96 32209.07 31811.48 32536.31 33096.57 33049.71 32989.13 32061.09 32400.05 32399.52 32729.01 32850.95 32874.26 32976.71 33115.89 34100.61 33954.18 34426.49 35344.82 35148.07 12

2567.34 2359.22 2468.25 2333.41 2199.42 2292.61 2428.49 2262.79 2396.32 2372.23 2225.43 2103.63 2047.52 2086.17 2068.88 1980.12 2269.13 2385.42 2365.59 2236.62 2177.91 2300.59 108.9 108.4 105.9 103.2 102.3 101.3 100.6 100.3 99.9 98.9 97.5 96.3 96.1 96.2 97.3 97.99 98.4 98.9 98.9 98.3 97.9 97.7 0.4 0.4 0.4 0.4 0.4 0.4 0.4 0.4 0.4 0.4 0.4 0.35 0.35 0.35 0.35 0.35 0.35 0.35 0.35 0.35 0.35 0.35 6.41 6.38 6.36 6.34 6.33 6.32 6.3 6.31 6.3 6.31 6.32 6.32 6.34 6.34 6.31 6.3 6.29 6.28 6.28 6.27 6.25 6.2 102.7 102.5 102 100.9 99.3 98.51 98.5 98.6 97.9 97.5 97.3 96.9 96.8 97.2 97.6 98.2 98.3 100.1 98 97.8 97.8 97.7 133.4 133.4 128.2 128.2 128.2 127.34 127.34 127.34 126.9 126.9 126.9 122.8 122.8 122.8 124.4 124.4 124.4 125.6 125.6 125.6 120.6 120.6 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

2013年6月 2013年7月 2013年8月 2013年9月 2013年10月 2013年11月 2013年12月 313499.8 310596.5 314085.9 312330.3 319509.4 324821.9 337260.6 34966.86 35478.1 35530.43 36626.62 37365.87 37894.51 38213.15 1979.21 1993.8 2098.38 2174.67 2141.61 2220.5 2115.98 98.1 98.8 99.3 99.6 99.7 99.6 99.3 0.35 0.35 0.35 0.35 0.35 0.35 0.35 6.17 6.17 6.17 6.16 6.14 6.14 6.12 97.7 98.1 98.4 98.5 98.4 98.3 98.2 120.6 121.5 121.5 121.5 119.5 119.5 119.5 1 1 1 1 1 1 1 1 1 1 1 1 1 1 注：本文数据来源于中国人民银行门户网站，中华人民共和国统计局门户网及中国统计年鉴； 数据来源可靠，内容真实，具有权威性。

13

本文来源：https://www.bwwdw.com/article/j8f.html