敬请参阅最后一页特别声明 -1- 证券研究报告 2020 年 7 月 14 日 固定收益 PPI 自上而下分析框架的构建与下半年展望 通胀再研究系列之二 固定收益 深度 自上而下 PPI 分析框架的构建 “自上而下” PPI 分析框架包括以下内容：区分影响 PPI 的直接 及间接 因素；研判基期 PPI 所处位置 ；分析下一阶段经济运行的基本特征，并对影响 PPI 的直接因素和间接因素进行判断，进而 分析 PPI 的阶段性变化；对PPI 进行定量分析，判断下一阶段的点位情况 。 供需和成本是影响 PPI 的直接因素，影响供需和成本的诸多因素也将影响PPI 走势。 对 基期 PPI 的 研判包括判断 PPI 在自身周期中位置 ， 并通过经济运行状态以及相关经济指标进行印证。对于 PPI 后续发展研判 包括： 1）从中长期看 经济运行的 基本 特征； 2）经济本身处于何种周期或者 在 何种主要冲击影响下； 3）下一阶段经济整体运行情况和结构情况如何？ 4） 上述因素 将如何影响 PPI 的走势； 5）下一阶段 PPI 的环比变化情况如何，这表现为从定性分析向定量分析过渡。 疫情冲击和影响下基本面的发展时段性与结构性并存，这种特性也将影响 PPI 演变 ， 使其 呈现明显的阶段性 本次疫情下经济发展具有一定的特殊性，体现在一方面疫情将经济发展切成不同的阶段，另一方面则是在不同的阶段 ， 经济发展出现结构性的分化，即时段性与结构性并存。各阶段 PPI 的情况： 1）疫情出现前，基本面弱复苏下的 PPI 企稳向好； 2）疫情大规模防控下，经济暂时性“半休克 ”（ 2 月至 3 月中旬）， PPI 被推离原来运行轨道，重新进入到下降区间，呈加速下降态势； 3）疫情防控常态化阶段下，经济复苏并 结构分化 ，持续时间从 3 月中下旬至今， PPI 从加速下降通道中走出，先后进入减速下降、底部快速回升、缓步回升等发展阶段； 4）疫情完全 解除 后，经济 将 继续平稳复苏， PPI 将回到疫情前窄幅波动向上发展的运行轨道 。 定量分析：中性场景下三、四季度末 PPI 可能分别达到 -1.4%和 -0.4% 在乐观场景下，今年年底 PPI 才可能稍回到正值区间（ 0.04%），其他两种场景下，虽然 PPI 在下半年会持续向上，但到年末仍会处于负值区间，转正 时点 预计将分别在 2021 年 Q1（中性场景）、 2021Q2（悲观场景）。乐观、中性、悲观场景下 ， 预计 全年 PPI 分别为 -1.5%、 -1.6%、 -1.7%，整体差异并不大。乐观、中性、悲观场景下， 预计 12 月 PPI 同比分别比 6月 提升 3、 2.6 和 2.2 个百分点，按照以往经验来看，后续仍有一定幅度的向上空间， 2021 年 PPI 或 将呈波动向上态势 。 风险提示 目前境外疫情仍处于快速蔓延态势；后续经济复苏仍面对诸多不确定性因素，对经济不宜太过乐观。 分析师 张旭 (执业证书编号： S0930516010001) 010-58452066 zhang_xuebscn 危玮肖 (执业证书编号： S0930519070001) 010-58452070 weiwxebscn 邬亮 (执业证书编号： S0930518040003) 010-58452047 wuliang16ebscn 联系人 李枢川 010-58452065 lishuchuanebscn 相关报告 经济复苏不盲目乐观 利率债 2020 年下半年投资策略 ········································· 2020-6-9 复苏不会一蹴而就，但值得期待 对2020 年 5 月 PMI 数据点评及债市观点 ······································· 2020-5-31 对特别国债的几点思考 从政策看利率债系列之七 ······································· 2020-5-14 财政赤字货币化的内涵与日美两国实践 从政策看利率债系列之六 ······································· 2020-5-14 产销恢复更快，支撑企业盈利情况改善 对 2020 年 3 月工业利润点评兼债市观点 ······································· 2020-4-27 专项债资金投向基建领域占比超 75%开年至今利率债发行回顾与展望 ······································· 2020-4-12 基本面复苏的起点、支撑与政策选择 从基本面看利率债系列之二 ········································· 2020-4-9 2020-07-14 固定收益 敬请参阅最后一页特别声明 -2- 证券研究报告 目 录 1、 自上而下 PPI 分析框架的构建 . 3 1.1、 供需和成本是影响 PPI 的直接因素，影响供需和成本的诸多因素也将影响 PPI . 3 1.2、 PPI 基期状态和后续演变特征研判 . 7 1.3、 PPI 的定量分 析 . 8 2、 疫情冲击和影响下基本面的发展时段性与结构性并存，进而影响 PPI 的演变 .9 2.1、 阶段 1： 疫情出现前， 基本面弱复苏下的 PPI 企稳向好 . 9 2.2、 阶段 2：疫情大规模防控下 ， 经济暂时性 “ 半休克 ” （ 2 月至 3 月中旬）， PPI 被推离原来运行轨道，重新进入到下降区间，呈加速下降态势 . 12 2.3、 阶段 3： 疫情防控常态化阶段下，经济复苏并 结构分化 ，持续时间从 3 月中下旬至今， PPI 从加速下降通道中走出，先后不同发展阶段 . 13 2.4、 阶段 4： 疫情完全解除后，经济继续平稳复苏， PPI 将回到疫情前窄幅波动向上发展的运行轨道，直至经济修复到疫情前水平 . 18 2.5、 本节小结 . 18 3、 定量分析：中性场景下三、四季度末可能分别达到 -1.4%和 -0.4%.18 4、 风险提示 .21 国投瑞银2020-07-14 固定收益 敬请参阅最后一页特别声明 -3- 证券研究报告 在上一篇 PPI 报告中，我们 指出 PPI 是 研判 中长期债券市场 趋势 的 优良 指标，这个特点在权益市场则不明显。 在本篇报告中， 相比于目前市场已有的 PPI分析方法，我们构建了 一个 自上而下的 PPI 分析框架 和预测模型 ， 综合 分析了疫情前的 PPI的 表现 、疫情如何冲击 PPI、后续经济复苏又将如何影响 PPI，从定性和定量两个角度对下半年 PPI 进行了展望。 1、 自上而下 PPI 分析框架 的构建 目前市场上比较常用的 PPI 分析预测方法是主成分类推法，即 1）选择与 PPI走势相关性比较大的重点原材料或者工业品（如原油、动力煤等）； 2）预测这些指标的走势，进而预测 PPI 的走势。这种方法有一定的内在逻辑，但是缺陷也比较明显，一方面会受到对应原材料或工业品价格波动的影响，另一方面也容易忽略经济本身运行的情况缘木求鱼。我们认为，经济运行本身有 其内在 逻辑和 连续性，这 一方面 PPI 是前 期 经济运行的结果， 另一方面PPI 也是 下一阶段 经济 运行的 起点 之一，整体而言 PPI 会伴随 经济发展的情况 而 演变。因此，通过分析经济运行 情况 ，进而研判 PPI 在一定时段内可能出现的演变特征，同样可以预测 PPI 在一定时间的点位。 我们将这称为 “自上而下” 的分析框架，这种 研判 PPI 方法 至少应该 包括以下内容： 1）区分影响 PPI 的直接因素，以及基本面的 相关 因素（这里称之为“间接因素”）又将如何影响这些直接因素； 2） 分析 基期 PPI 处于何种状态 ； 3） 分析 下一阶段经济运行的基本特征， 并对影响 PPI 的直接因素和间接因素进行环比判断，进而 判断 PPI 的阶段性变化 ； 4） 对 PPI 进行 定量分析 ， 判断 下一阶段的点位情况。 下文我们 将 结合上述 4 方面的内容 展开 。 1.1、 供需和成本 是影响 PPI 的直接因素 ，影响供需和成本的 诸多因素也将影响 PPI 一般而言， 影响商品价格的因素来自供需两端的博弈，工业品同样如此，而PPI 只是各种工业品 价格 的加权平均，因此影响 PPI 的最终因素还是全体工业品供需两端的力量 ，因此影响工业品供需的因素也就将影响 PPI。 我们选择 “ 工业企业营业收入累计同比 ” （ 2019 年前 则 使用主营业务收入累计同比）、 “ 工业增加值累计同比 ” 作为工业品需求、供给力量的表征指标，从下图可以看到，两者的差值与 PPI 之间具有非常显著的同步性，差值高往往对应 PPI 的高点，而差值走低 时 PPI 同样出现走低态势。 2020-07-14 固定收益 敬请参阅最后一页特别声明 -4- 证券研究报告 图表 1：工业品供需是影响 PPI 走势的最终因素 资料来源： wind，光大证券研究所 纵轴： % 注：时间截 至 2020 年 5 月 另外，工业产成品库存的情况也是供需博弈的结果，从下图亦能看到， 库存与 PPI 走势整体一致，但两者表现并不同步， 当工业品库存增长较快时，往往将对下一阶段 PPI 形成压制 。 图表 2： 工业品库存增长较快往往将 压制 下一阶段 PPI 资料来源： wind，光大证券研究所 纵轴： % 注：时间截至 2020 年 5 月 我们 还可以 通过 观察 我国 2015-17年经济运行的情况来看供需对 PPI的影响。2015 年我国经济 增长 面临较大下行压力 （经济增速下行其实从 2011 年 就已经开始） ， 国内需求严重不足， 生产仍处于消化库存状态 ，出口同样表现并不理想。这一背景下， PPI 在 2012 年 3 月进入负值区间后长时间在负值 区间 徘徊。这一时期（ 2011 年上半年至 2015 年 11 月），工业品方面，营收增速从 30%降至 1%左右；工业品库存在 2014年仍维持在 10%左右的增速；固定资产投资则从 25%下降至 10%左右，其中制造业投资从 31%下降至 8.4%（后续还将进一步下降），房地产投资从 35%下降至 1%左右，基建投资增速则长时间维持在 20%左右；出口增速中枢则从 10%下降至 -5%，消费同样有一个下台阶的过程。 (10 )(5)05101520251998-081999-052000-022000-112001-082002-052003-022003-112004-082005-052006-022006-112007-082008-052009-022009-112010-082011-052012-022012-112013-082014-052015-022015-112016-082017-052018-022018-112019-082020-05PPI 当月同比 工业企业营收累计同比 - 工业增加值累计同比(15 )(10 )(5)051015202530351998-081999-052000-022000-112001-082002-052003-022003-112004-082005-052006-022006-112007-082008-052009-022009-112010-082011-052012-022012-112013-082014-052015-022015-112016-082017-052018-022018-112019-082020-05PPI 当月同比 产成品存货累计同比2020-07-14 固定收益 敬请参阅最后一页特别声明 -5- 证券研究报告 图表 3： 供给侧结构性改革前后的 PPI 与经济增速 图表 4： 供给侧结构性改革前后的工业品销售与库存 资料来源： wind，光大证券研究所 纵轴： % 注：时间截至 2018 年 12 月 资料来源： wind，光大证券研究所 纵轴： % 注：时间截至 2018 年 12 月 图表 5： 供给侧结构性改革前后的固定资产投资与出口 资料来源： wind，光大证券研究所 纵轴： % 注：时间截 至 2018 年 12 月 2015 年 11 月 中央提出并 开始 实施 供给侧结构性改革，着力提高供给体系质量和效率 ，在工业领域，针对 部分行业产能严重过剩 导致的 供需结构错配问题 ， 通过主动压减、转型转产、搬迁改造等途径压减过剩产能 以减少供给。至 2016 年 9 月 ， PPI 同比上涨 0.1%，结束了同比连续 54 个月下降的态势。在 PPI 持续向好的背景下，工业品营收、房地产投资、出口等均出现明显回暖，基本面也逐步企稳。 影响 PPI 的决定因素是 工业品的供需，但是 工业品 生产过程中的投入，如原材料 （ 含燃料、动力产品 ） 、固定资产投资（折旧）等 形成 了工业品的成本 ，同样 也是 影响工业品价格走势 的重要 因素 ，进而影响 PPI 的走势 。 原材料 及燃料、动力产品 价格 方面， 原材料 是 工业生产的投入 ，包括 原材料、燃料和动力产品 等。每月国家统计局在公布 PPI 的同时，会公布工业生产者购进价格指数（ PPIRM）， 目前我国编制的工业生产者购进价格指数 （ PPIRM）所调查的产品包括燃料动力、黑色金属、有色金属、化工、建材等九大类；工业生产者购进价格统计调查涵盖 900 多个基本分类的 10000 多种工业产4567891011(8)(6)(4)(2)02468102010-082010-122011-042011-082011-122012-042012-082012-122013-042013-082013-122014-042014-082014-122015-042015-082015-122016-042016-082016-122017-042017-082017-122018-042018-082018-12PP I GD P 增速（右）(5)05101520253035402010-082010-122011-042011-082011-122012-042012-082012-122013-042013-082013-122014-042014-082014-122015-042015-082015-122016-042016-082016-122017-042017-082017-122018-042018-082018-12工业企业收入累计同比 工业品库存累计同比(40 )(30 )(20 )(10 )0102030405060(5)05101520253035402010-082010-122011-042011-082011-122012-042012-082012-122013-042013-082013-122014-042014-082014-122015-042015-082015-122016-042016-082016-122017-042017-082017-122018-042018-082018-12固定资产投资累计同比 房地产投资累计同比制造业投资累计同比 基建投资累计同比出口同比 ( 右 )2020-07-14 固定收益 敬请参阅最后一页特别声明 -6- 证券研究报告 品的价格。 无论是从环比还是同比来看， PPIRM 与 PPI 走势均高度同步 ，因此原材料价格是影响 PPI 的非常重要的因素。 如果拆解来看，则燃料、有色金属以及化工材料对 PPIRM 的影响又相对更大。 图表 6： PPI 与 PPIRM 同比走势 图表 7： PPI 与 PPIRM 环比走势 资料来源： wind，光大证券研究所 纵轴： % 注：时间截至 2020 年 5 月 资料来源： wind，光大证券研究所 纵轴： % 注：时间截至 2020 年 5 月 图表 8： PPIRM 受燃料、动力类价格影响较大 图表 9： PPIRM 受有色金属和化工材料影响同样较大 资料来源： wind，光大证券研究所 纵轴： % 注：时间截至 2020 年 5 月 资料来源： wind，光大证券研究所 纵轴： % 注：时间截至 2020 年 5 月 图表 10： PPI 与布伦特原油价格相关性较好 图表 11： PPI 与动力煤价格之间同样具有一定相关性 资料来源： wind，光大证券研究所 纵轴： % 注：时间截至 2020 年 5 月 资料来源： wind，光大证券研究所 右纵轴单位为 % 注：时间截至 2020 年 5 月 (15 )(10 )(5)051015202002-012002-082003-032003-102004-052004-122005-072006-022006-092007-042007-112008-062009-012009-082010-032010-102011-052011-122012-072013-022013-092014-042014-112015-062016-012016-082017-032017-102018-052018-122019-072020-02PPI 同比 PPI R M 同比(4)(3)(2)(1)01232002-012002-082003-032003-102004-052004-122005-072006-022006-092007-042007-112008-062009-012009-082010-032010-102011-052011-122012-072013-022013-092014-042014-112015-062016-012016-082017-032017-102018-052018-122019-072020-02PPI 环比 PPI R M 环比(10 )(8)(6)(4)(2)02462011-012011-052011-092012-012012-052012-092013-012013-052013-092014-012014-052014-092015-012015-052015-092016-012016-052016-092017-012017-052017-092018-012018-052018-092019-012019-052019-092020-012020-05PP I R M 燃料、动力(6)(4)(2)02462011-012011-052011-092012-012012-052012-092013-012013-052013-092014-012014-052014-092015-012015-052015-092016-012016-052016-092017-012017-052017-092018-012018-052018-092019-012019-052019-092020-012020-05PP I R M 有色金属材料 化工原料(10 )(5)051015(10 0)(50 )050100150200布伦特原油同比 PPI 当月同比（右轴）(10 )(5)05101501002003004005006007008009001, 000秦皇岛港动力煤价格指数 PPI 当月同比（右轴）2020-07-14 固定收益 敬请参阅最后一页特别声明 -7- 证券研究报告 固定资产投资 方面， 当 PPI 向上时，企业会形成增加产品供给以获得更多收益的预期，因此可能加大固定资产投资；而如果 PPI 向下，预期收益减少时，企业可能会谨慎进行固定资产投资。从逻辑上来看， 固定资产投资是企业为了生产而进行的非原材料方面的投入，其与 PPI 之间联系有两个方面：第一个方面，固定资产投资会计入工业生产的成本，因此这部分价格的变化自然会影响 PPI；另一方面，工业品价格的变化也会影响企业的后续投资 ，因此在逻辑上 PPI 与固定资产投资之间 是 相互影响 的关系 。 但从我国的数据 表现来看，往往是固定资产投资向上带来 PPI 的提升（有一定的滞后期）， 而PPI 的提升并不一定带来固定资产投资的提升 。 图表 12： 固定资产投资向上 可以 带来 PPI 的提升 资料来源： wind，光大证券研究所 纵轴： % 注：时间截至 2020 年 5 月 归纳来看， PPI 受到来自两个层面的影响，一是工业品的 综合 成本，另一方面则是工业品的供需情况 ， 能够影响这两个层面的因素，都将 影响到最终 PPI的走势 。 图表 13： PPI 定性分析 的路线图 资料来源： 光大证券研究所绘制 1.2、 PPI 基期状态和后续演变 特征研判 对 基期 PPI 研判 是指 判断 PPI 在基期所处的位置， 主要包括两个方面： 1）从前期 PPI 运行的情况，判断 PPI 在自身周期中位置 （是 处于上升还是下降(10 )(5)051015(30 )(20 )(10 )01020304050602004-022004-092005-042005-112006-062007-012007-082008-032008-102009-052009-122010-072011-022011-092012-042012-112013-062014-012014-082015-032015-102016-052016-122017-072018-022018-092019-042019-11固定资产投资累计同比 PPI 当月同比（右轴）PPI综合成本工业品供需国内原材料 ：煤炭等国外原材料： 原油、有色等国内投资 (PAI ) ：对未来经济预期工业品供给工业品需求工业 生产生产订单国内订单国外订单工业品 价格消费 ：可选消费影响大于必选消费投资 ：生产资料影响大于生活资料出口 ：制造业产品影响大于其他2020-07-14 固定收益 敬请参阅最后一页特别声明 -8- 证券研究报告 通道中 ，是顶部还是底部） ； 2） 由于数据具有一定波动性，因此需要通过经济运行状态以及相关经济指标进行印证。 对于后续 PPI 演变 的 研判 ，则是我们自上而下 PPI 分析的中心 。 整体而言，包括以下方面： 1）经济运行的结构特征，这 是中长期经济运行的情况； 2）经济本身处于何种周期或者何种主要冲击影响下； 3）下一阶段（可以进一步细分）经济整体运行情况和结 构情况如何？ 4）上述 因素 将如何影响 PPI在下一阶段的走势。 5）在这些因素的综合作用下， 下一阶段 PPI 的环比 （月度）变化情况如何，在我们分析框架中，这表现为从定性分析向定量分析过渡 。 1.3、 PPI 的定量分析 与 CPI 有所不同的 是 ， PPI 在运行过程中并没有表现出典型的季节性特征，因此在定量分析时，不 需要像 CPI 那样进行季节调整 。 图表 14： CPI 具有 典型 的季节性特征 图表 15： PPI 的季节性特征并不明显 资料来源： wind，光大证券研究所 注： 纵轴 为 CPI 月度环比，单位为 % 资料来源： wind，光大证券研究所 纵轴： % 注 ：纵轴为 PPI 月度环比，单位为 % 我们定量分析的基本思路是： 1）在 定性分析 的基础上 ， 以月度为单位，确定一个分析的基期，在这个基期中， 判断 影响 PPI 走势的重要因素（包括直接因素和间接因素）月度间可能出现了哪些变化，并将变化区分为向好、不变、变差三种情况，为每种变化赋予一定分值 ， 确定基期获得的总分值与该月环比增速之间的关系； 2） 研判 下一时段影响 PPI 走势的重要因素 的 月度间变化，确定该月获得的总分值，并根据基期中分值与 PPI 月度环比之间的联系确定该月 PPI 环比情况 ； 3） 通过 PPI 环比预测数据推算 月度同比数据， 经过处理 得到季度、年度同比情况等 （根据国家统计局介绍，相应取算术平均值即可） 。 (1. 5)(1. 0)(0. 5)0. 00. 51. 01. 52. 01 月 2 月 3 月 4 月 5 月 6 月 7 月 8 月 9 月 10 月 11 月 12 月2016 年 201 7 201 8 201 9(2)(1)(1)011221 月 2 月 3 月 4 月 5 月 6 月 7 月 8 月 9 月 10 月 11 月 12 月2016 年 201 7 201 8 201 92020-07-14 固定收益 敬请参阅最后一页特别声明 -9- 证券研究报告 2、 疫情 冲击和 影响下 基本面 的发展 时段性与结构性 并存 ，进而影响 PPI 的演变 上述分析 框架 适用于任何 阶段 的 PPI 分析， 但本次疫情 下 ， 经济 发展 具有一定的特殊性，体现在 一方面 疫情将经济 发展 切成不同的阶段， 另一方面则是在不同的阶段 ， 经济发展出现结构性的分化，即时段性与结构性并存 ，我们按照这个思路，结合 前文 框架对 PPI 的演变进行分析。 2.1、 阶段 1： 疫情出现前， 基本面弱复苏下的 PPI 企稳向好 如前文所述， 本次疫情的出现，使得原来经济运行的节奏被打断，经济被冲击到一个新的运行轨道，但是疫情前经济体本身蕴含的力量仍存，在疫情影响逐步消退后，经济可能会在一定时间内回到疫情前运行轨道（时间方面有诸多不确定性）。 无论是同比还是环比来看，至 2019 年 10、 11 月，自 2017 年 前后 以来的PPI 下降周期已经接近尾声，之后至疫情前 PPI 已经逐步开启一轮的向上周期 ： 1）第一阶段，这一时期持续的时间为 2017 年前后至 2019 年 10 月。 环比方面， 2016 年 12 月以前， PPI 环比一直处于上升态势，当年 12 月达到高点（ 1.6%）后 进入 下降 通道 ； 同比方面，则是时间节点则出现在 2017 年 2月，之后则进入到下降通道。从 2017 年前后至 2019 年 10 月前， PPI 的环比和同比虽然有一定的波动，但整体而言处于下降通道。而进入到 2019 年下半年， PPI 环比波动幅度则明显变小，并于 9 月开始转正。 2）第二阶段，持续时间从 2019 年 10 月至疫情大规模防控前的 1 月。这一时期， PPI 开始进入上升通道，同比降幅连续趋窄，但是这一时期生活资料的走势要弱于生产资料。 图表 16： 至 2019 年 10 月， 2017 年以来的 PPI 下降周期已达尾声 资料来源： wind，光大证券研究所 纵轴： %注：时间截至 2020 年 2 月 这一时期的 CPI 走势稍有不同，在 2019 年 2 月前， CPI 表现同样比较疲弱，但 2 月份之后，猪肉供给不足带来的影响开始显现， CPI 持续走强，与 PPI出现明显的分化。 2020-07-14 固定收益 敬请参阅最后一页特别声明 -10- 证券研究报告 基本面的走势则更能印证 PPI 在 2019 年 10 月出现企稳回暖的情况。 2017年 一 季度 GDP同步增速 是一个高点 ， 此后实际 GDP增速在很窄的范围波动，至 2018 年第一季度、第二季度达到 6.9%之后， 出现 持续下降，直至 2019年第四季度有所企稳（当季增速与第三季度持平） 。 图表 17： 2017 年年初至 2019 年 2 月， CPI 走势同样较弱 资料来源： wind，光大证券研究所 纵轴： % 注：时间截至 2020 年 3 月 图表 18： 疫情前经济在 2019 年四季度企稳 资料来源： wind，光大证券研究所 纵轴： % 注：时间截至 2019 年 4 季度 从工业生产的情况来看，从 2018 年二季度至 2019 年三季度，工业生产整体呈波动下降态势，但是在 2019 年四季度出现明显的回升 （分界点出现在当年 10 月） 。 2019 年 12 月，工业增加值同比增长 6.9%，比 11 月加快 0.7个百分点，环比 11 月份增长 0.58%。 0. 01. 02. 03. 04. 05. 06. 0(5. 0)(4. 0)(3. 0)(2. 0)(1. 0)0. 01. 02. 03. 04. 05. 02016-072016-082016-092016-102016-112016-122017-012017-022017-032017-042017-052017-062017-072017-082017-092017-102017-112017-122018-012018-022018-032018-042018-052018-062018-072018-082018-092018-102018-112018-122019-012019-022019-032019-042019-052019-062019-072019-082019-092019-102019-112019-122020-012020-022020-03C PI 环比 C PI 食品环比 C PI 非食品环比 C PI 同比（右）阶段一： 2017.01 - 2019.02阶段二： 2019.10 - 2020.017 . 5 7 . 6 7 . 2 7 . 3 7 . 1 7 . 1 7 . 0 6 . 9 6 . 9 6 . 8 6 . 8 6 . 9 7 . 0 7 . 0 6 . 9 6 . 8 6 . 9 6 . 9 6 . 7 6 . 5 6 . 4 6 . 2 6 . 0 6 . 0 5 . 56 . 06 . 57 . 07 . 58 . 02014Q12014Q22014Q32014Q42015Q12015Q22015Q32015Q42016Q12016Q22016Q32016Q42017Q12017Q22017Q32017Q42018Q12018Q22018Q32018Q42019Q12019Q22019Q32019Q4实际 G D P 同比