0. 承前

本文主旨：
本文深入淺出地解析了MLF（中期借貸便利）和LPR（貸款市場報價利率）這兩個重要的金融利率指標。通過專業與通俗的雙重解釋，結合實際案例，闡述了它們之間的傳導關系：MLF作為央行對商業銀行的"批發價"，影響著LPR這個面向普通人的"零售價"，最終影響著市場的貸款利率和整體經濟運行。

如果想更加全面清晰地了解金融資產組合模型進化論的體系架構，可參考：
0. 金融資產組合模型進化全圖鑒

1. 什么是MLF？

1.1 專業解釋

MLF (Medium-term Lending Facility)，中期借貸便利，是央行提供給商業銀行的中期基礎貨幣，期限為3個月至1年，商業銀行需要提供相應的合格抵押品。

1.2 通俗解釋

MLF是央行借錢給銀行的一個重要工具。就像一個"批發價格"，央行用這個價格借錢給銀行，銀行需要按時還錢，還要付利息。

1.3 MLF的三個關鍵點：

1. 借錢時間：一般是1年
2. 需要抵押：銀行要拿一些優質資產作抵押
3. 利率固定：央行定期公布，作為市場的參考價

2. 什么是LPR？

2.1 專業解釋

LPR (Loan Prime Rate)，貸款市場報價利率，是基于MLF利率加點形成的市場化的貸款利率，由18家報價行按季度報價，由全國銀行間同業拆借中心計算并公布。

2.2 通俗解釋

LPR是銀行借錢給我們用的"零售價格"。銀行每月報價，參考MLF利率，再加上自己的成本和利潤。

2.3 LPR的三個關鍵點：

1. 每月更新：每月20日公布新價格
2. 兩個期限：1年期和5年期
3. 實際應用：影響我們的貸款利率

3. MLF和LPR的關系

MLF利率變化 → LPR調整 → 貸款利率變化例如：
MLF利率下調0.1% → LPR可能下調0.08% → 貸款利率隨之下降

4. 傳導機制

4.1 第一步：央行調整MLF

• 央行決定是否調整MLF利率
• 影響銀行的融資成本

4.2 第二步：銀行調整LPR

• 銀行根據MLF變化調整報價
• 考慮自身經營成本
• 考慮市場競爭情況

4.3 第三步：影響實際貸款

• 新發放貸款直接采用新利率
• 存量貸款在重定價日調整

5. 實際案例

假設小明想買房：

1. 央行MLF利率是2.5%
2. 銀行加上成本后，LPR定為3.5%
3. 小明的房貸利率就是LPR加上一定比例

如果央行降低MLF利率到2.3%：

1. 銀行的借錢成本降低
2. LPR可能降到3.3%
3. 小明的房貸利率也會相應降低

6. 為什么要關注？

1. 影響借錢成本

   • 房貸利率
   • 企業貸款利率
   • 消費貸款利率

2. 反映政策走向

   • 貨幣政策松緊程度
   • 經濟發展方向

3. 影響投資決策

   • 理財產品收益
   • 投資成本考慮

7. 小貼士

7.1 關注渠道

• MLF利率變化通常在央行網站公布
• LPR每月20日在全國銀行間同業拆借中心公布
• 主流財經媒體都會及時報道

7.2 實用建議

• 關注MLF和LPR的變動趨勢
• 了解對自己貸款的影響
• 把握調整貸款的時機

8. 總結

MLF是"批發價"，LPR是"零售價"，兩者的變化通過利率傳導機制影響整個經濟。理解這兩個利率的關系，對我們規劃個人財務很有幫助。

記住一點：MLF變化通常會影響LPR，進而影響我們的貸款利率。在做重要的財務決策時，要多關注這兩個利率的變化。

9. LPR數據獲取代碼實現 & 數據可視化

9.1 數據獲取代碼

# 導入tushare
import tushare as tsdef get_lpr_data(start_date, end_date):"""獲取貸款市場報價利率(LPR)數據參數:start_date: str, 起始日期，格式'YYYYMMDD'，例如'20230101'end_date: str, 結束日期，格式'YYYYMMDD'，例如'20231231'返回:DataFrame: LPR數據，包含日期和利率信息"""try:# 初始化tushare pro接口pro = ts.pro_api('token')# 獲取LPR數據df_lpr = pro.shibor_lpr(start_date=start_date,end_date=end_date)# 按日期排序if not df_lpr.empty:df_lpr = df_lpr.sort_values('date', ascending=True)return df_lprexcept Exception as e:print(f"獲取LPR數據失敗: {e}")return None

注意，token主要自行申請。

9.2 數據可視化

import matplotlib.pyplot as plt
import pandas as pddef plot_lpr_trend(start_date, end_date):"""繪制LPR利率走勢圖參數:start_date: str, 起始日期，格式'YYYYMMDD'end_date: str, 結束日期，格式'YYYYMMDD'"""# 獲取數據lpr_data = get_lpr_data(start_date, end_date)if lpr_data is None or lpr_data.empty:print("沒有獲取到數據，無法繪圖")returntry:# 創建圖形plt.figure(figsize=(12, 6))# 繪制1年期和5年期LPR走勢plt.plot(pd.to_datetime(lpr_data['date']), lpr_data['1y'],marker='o',color='#FF6B6B',linewidth=2,label='1Y LPR')plt.plot(pd.to_datetime(lpr_data['date']), lpr_data['5y'],marker='s',color='#4ECDC4',linewidth=2,label='5Y LPR')# 設置圖形標題和標簽plt.title('LPR Trends', fontsize=14, pad=15)plt.xlabel('Date', fontsize=12)plt.ylabel('Rate(%)', fontsize=12)# 設置x軸日期格式plt.gca().xaxis.set_major_formatter(plt.DateFormatter('%Y-%m'))plt.xticks(rotation=45)# 添加網格線plt.grid(True, linestyle='--', alpha=0.3)# 添加圖例plt.legend(loc='best', fontsize=10)# 調整布局plt.tight_layout()# 顯示圖形plt.show()except Exception as e:print(f"繪圖過程出錯: {e}")

運行結果樣例：