做个什么样的网站比较好,wordpress文章表,网站上地图是怎样做的,网站项目总体设计模板目录 0. 承前1. 简述#xff1a;价格指数对比2. 比喻#xff1a;两大指数对比2.1 简单对比2.2 生动比喻 3. 实际应用3.1 价格传导现象 4. 总结5. 有趣的对比6. 数据获取实现代码7. 数据可视化实现代码 0. 承前
本文主旨#xff1a; 本文使用小卖部比喻PPI和CPI#xff0c;… 目录 0. 承前1. 简述价格指数对比2. 比喻两大指数对比2.1 简单对比2.2 生动比喻 3. 实际应用3.1 价格传导现象 4. 总结5. 有趣的对比6. 数据获取实现代码7. 数据可视化实现代码 0. 承前
本文主旨 本文使用小卖部比喻PPI和CPI目的是让大家对这两个知识点有一个更加通俗易懂、贴近生活的理解。并用数据实证了CPI和PPI的价格传导之谜为什么进货价涨了10%零售价却不敢跟着涨这么多这个困扰着小卖部老板的问题恰好反映了CPI和PPI的微妙关系。 数据显示2023-2024年间生产者价格指数(PPI)的波动幅度明显大于消费者价格指数(CPI)。这种不完全传导现象正是市场竞争下商家利润调节的结果也展现了宏观经济中价格传导的真实状态。
如果想更加全面清晰地了解金融资产组合模型进化论的体系架构可参考 0. 金融资产组合模型进化全图鉴
1. 简述价格指数对比
PPI含义侧重于生产者层面的价格变化展示了企业出售其产品时所面临的价格波动这些波动可能会间接影响到消费者价格。比如小卖部进货时的价格变化。CPI含义关注的是消费者层面的价格变化直接反映了普通家庭的生活成本变化。比如小卖部卖给同学时的价格变化。
2. 比喻两大指数对比
2.1 简单对比
PPI关注进货价格变化
小明的小卖部进货价格变化
薯片批发价2元→2.2元涨10%
饮料进货价1元→1.1元涨10%
文具采购价5元→5.5元涨10%PPI上涨10%
含义进货成本普遍上涨10%CPI关注售价变化
小明的小卖部售价变化
薯片售价3元→3.2元涨6.7%
饮料售价2元→2.1元涨5%
文具售价8元→8.4元涨5%CPI上涨约6%
含义同学们买东西要多花6%2.2 生动比喻
PPI就像问
进货时要多花多少钱
- 批发市场的价格变化
- 工厂发货价的变化
- 还没加上店铺利润CPI就像问
同学们买东西要多花多少钱
- 小卖部标价的变化
- 实际购买价的变化
- 已经包含店铺利润3. 实际应用
3.1 价格传导现象
进货价格上涨PPI上涨
- 薯片批发价涨了1角
- 饮料进价贵了1毛
- 文具采购成本增加售价变化CPI变化
- 可能立即涨价
- 可能暂时不涨
- 可能部分涨价4. 总结
关注点
- PPI看进货贵了多少
- CPI看卖价涨了多少就像小卖部
- PPI是批发市场的价格变化
- CPI是小卖部标价的变化5. 有趣的对比
小明的小卖部
进货价PPI涨了10%
- 以前进100元的货
- 现在要花110元售价CPI涨了6%
- 以前卖3元的薯片
- 现在卖3.2元这就说明
- 虽然进货价涨得多
- 但售价涨得少
- 小明承担了部分成本上涨6. 数据获取实现代码
通过以下代码可以获取PPI和CPI数据。
# 导入tushare
import tushare as tsdef get_cpi_data(start_m, end_m):获取CPI数据参数:start_m: 开始月份格式YYYYMM如202401end_m: 结束月份格式YYYYMM如202412返回:DataFrame: CPI数据包含月份和同比等信息try:# 初始化pro接口pro ts.pro_api(token)# 获取CPI数据df_cpi pro.cn_cpi(start_mstart_m, end_mend_m)return df_cpiexcept Exception as e:print(f获取CPI数据失败: {e})return Nonedef get_ppi_data(start_m, end_m):获取PPI数据参数:start_m: 开始月份格式YYYYMM如202401end_m: 结束月份格式YYYYMM如202412返回:DataFrame: PPI数据包含月份和同比等信息try:# 初始化pro接口pro ts.pro_api(token)# 获取PPI数据df_ppi pro.cn_ppi(start_mstart_m, end_mend_m)return df_ppiexcept Exception as e:print(f获取PPI数据失败: {e})return None注意token需要自行申请。
7. 数据可视化实现代码
使用以上代码中的两个函数结合以下代码可实现数据可视化
import matplotlib.pyplot as plt
import pandas as pddef plot_cpi_ppi_trend(start_m, end_m):Plot CPI and PPI YoY trends# Get datacpi_data get_cpi_data(start_m, end_m)ppi_data get_ppi_data(start_m, end_m)if cpi_data is None or ppi_data is None:return# Create figureplt.figure(figsize(12, 6))# Plot CPI YoYplt.plot(cpi_data[month], cpi_data[nt_yoy],markero,color#FF6B6B,linewidth2,labelCPI YoY(%))# Plot PPI YoYplt.plot(ppi_data[month], ppi_data[ppi_yoy],markers,color#4ECDC4,linewidth2,labelPPI YoY(%))# Set title and labelsplt.title(CPI vs PPI YoY Trends (2023-2024), fontsize14, pad15)plt.xlabel(Month, fontsize12)plt.ylabel(YoY Change Rate(%), fontsize12)# Rotate x-axis labelsplt.xticks(rotation45)# Add gridplt.grid(True, linestyle--, alpha0.3)# Add legendplt.legend(locbest, fontsize10)# Add zero lineplt.axhline(y0, colorgray, linestyle--, alpha0.5)# Adjust layoutplt.tight_layout()# Show plotplt.show()# Example usage
if __name__ __main__:# Set time rangestart_m 202301end_m 202401# Plot trendsplot_cpi_ppi_trend(start_m, end_m)数据可视化结果
