决策鲁番2007 a'~在5期(总第237期〉基于信息娟和相关系数的投资凤险分析·施久五刘龙事案第ω乙{案指肚、.，凡队附性川的叫加队作』」报服为式山「础参严中羽考业山序明川心咄列沟'斗咄定l川义与…2h为在1Hjnp h~1在方案评定中，灰色关联度法是根数定义为:两个方案在某…个指标下接J据各个指标的关联度大小来判定方案优近程度的一种测度，记为80)0=1，2，…，方属作P、HUE-hbuAR--4y，川，示、严rU劣的一种决策方法，关联度越大，方案越n)。显然，指你关联系数eG)越大且相应由于-J-EHn第咄m优，反之，则越劣。指标数量越多，则说明两个方案在相应下4则鸣万、本文基于非参数统计理论中的相关的指栋下越接近，依此可以选择一个标AEAJWA4严、尸-JJLAm川川沙系数原理，并引入了相关度的概念，提出准(如理想方案)，来度量各个方案与理想，训其了以单个指标的相关度为1lQIJ度指标的新方案的接近程度，依此来判定各个方案-11-wjumm川吨的决策方法。通过实例的分析，论证了这的优劣。max max IXo0)-x;G)1分别为比较序列绝对种恼与相关系数结合方法的科学性由于单个指标的关联系数e0)相对王理性。分散，仅以单个指标的关联系数还难以整中的最小和最大值，.6min=lx:oG)吨iG)1作一、娴原理权衡方案的优劣，为了度最各个方案在为比较序列的绝对羔，pE (0，1)为分辨系信息是系统有序程度的一种度量，所有指标下的综合评价值，引人相关度数，其作用是为了削弱最大绝对值太太而恼是系统无序程度的一种皮嚣，λ(i=1，2，…，叫，λB定义为综合所有指标的而失真的影响，提高关联系数之间的盎绝对值相等，但符号相反。如果系统可能关联系数80)的一种测度，若某一方案与异跟着性。处于多种不同状态，而每种状态出现的理想方案的相关庶λt越大，则说明该方关联系数eG)描述了第i个方案Éj概率为:p;(ì=1，2，…，m)，则系统的倘定义案的关联系数eG)的结构与指标权宣言叭理想方案x。在第J个指标下的接近程为:。=1，2，"明)结构吻合越好，与理想方案的度，该值越大，说明两方案在某→个指标m℃，"川P关联程度越南，越符合投资者的决策要阴阳PA 下越接近，各指标关联系数e0)越大方案n P品求(即投资风险越小)，皮之，方案较差(HP越好。风险越大)。(二)指标权爱的计算其中，p;满足:O~Pi~1, L p;=l 0 由于各个方案的相关庶综合考虑了{窗息量的大小用精值来测度，'恼越各个指标的重要性WjQ=I，2，…，n)和指标由于姻是系统无序程度的股簸，因小意眯着信息鼓越大。娴权法即根据指关联系数80)相关度，因此，利用各个方此，情越小表示该系统的确定程度越高。标信息、载撞的大小来确定权重系数。案的相关度可以评定各个方案的优劣。系统的恼与pi，m有关，状态数m增大，设原始指标矩阵。=(Zij)mxn，Zij为第i该方法的最大特点就是利用属性矩阵所系统惰也增大;p;越接近，系统摘也越方案在第j指标下的指标属性值，则第i给的信息来计算权囊，没有加入决策者大，提供的决策恼息也就越少。设有m方案在第j指标属性的贡献度Pij为:的个人主观经验定权。因此，方案的选择个评价目标，n个评价指标，形成原始指具有客观、合理、科学性。标数据矩阵R=(时川，对于某个指标鸟，Pi月;/汇Z;j(í=1，2，…凡j=I，2，"'，n)(一)指标的规范化有借息:摘:用Ej表示所有方案对第j指标属性设原始指标矩阵D=(均)啊，则对的货献总最为:E;=-Lp;忡收故性指标，有:Ej’=-k L p;jlnpij 0=1,2, ,n) 其中，Pi?=r;/L rijO , i=1,2"",m, j=1,2, ,n 若某个指标下各个方案的贡献fJt蹄一、娴权法与相关系数的服理子…致，即Ej跑于l时，说明该指标在损失性指标，有:设投资目标有m个方案风(i=1，2，…，决策时不起作用，可以不考虑该指标，指up川川机川U桐、川'叫呐邮7n叮l各想时，n个评价指标削叶，2，…，时，评价指标川，唰hlhvEI*ZjU标权章可以认为0;相反，若某个指标下川队单=最包括利润胸戚与盈利能力、经营与发展各个方案的贡献度差异较大，表明该指如…川队川j叫能力、偿债能力等，为了消除各个指标由司剧可町，)十扎实们标传递的信息较多，权意也较大。定义dj'W-L于最纳的不间和数最级羔别大而带来的Lμ-heJ忻联-尸由为第j指标f各个方案的货献度不一致叫个不可公皮性，需要对评价指标进行规泡唱关川系数取算性程度，即:中m流L化(即无最纲化)处理，扭过处理后的指标-11dj=l-Ej 0=1,2, ,n) rhUxy指方mlW川[属性矩阵记为。=(x;j)mxn，Xij E [0,1], X;j为若第J指标的d产0，则表示该指标第i个方案在j个指标下的指标属性值。标值优hu组脚啤的一致性程度高，可以剔除(权重为0)，在单个指标意义下，指标的羔联系42??췲랽쫽뻝絬↾㈰믹叫统…旧嵌叫缭楩ꇶ퓚뻝쇓폅놾쾵쇋뗄훖샭튻탅뛸뻸뒦룅캪䗒?웤椽평듋듳룶뇪폐닽䖣氽욷뛾짨洩냼쓜폚늻뮯쫴뗚쫽뷼温횸ힼ랽럖좨쯹죫맘낸〽쟳럧룷룃룸뻟⣒쫕碣컥쯰塩媣⦡䕛⢶㐲춳㊣ꇪ浩䥸浡닮틬뛈쿂풽⣈킡灩폃뺧䕬죴뻶탔摩浡?껒昩楩튻빩?㴱뭚볆랽룷뗄ꎬ컄쫽틔뻶탔ꆢ쾢뛔폚싊ꎺ춳움탅삨솿뿉⢼榸떥뚨돌ꆣ뇪횸⣈낸폅즢뫢폐솪쿫쿕룶묩틦쪧ィ︩碣횵碡榷겡〰뇈쿔풽뫃ﴩ틢䕪릱쒳튻닟좨뗚ㆣ?楩쪩훐갭솦풭穊㵺㴭뒫춶ꎮㆡꆤィ뮡?ⵅꆾꇶ폫걉檣낸룶튻랴믹풭떥닟폫ꆣ쫇횵뛠캪뗄쳡볛뻝쾢샻룙릫듎틥뛈쿔쫽뇪쇓랽횸쾵맘돌듍풽룷쿠램탅죋뿍탔갱갽훐ꌨ붰궣쿂⤭뷏웤헦훸뷓솿캶퓚뇭쿗훂쪱훘櫖갲?탻뻃ꎬⶼꆢ뻘쪼⧄룃榣毆뗝楪溸⡩츲뻶⡪뀲뮾ꆪ욢움횸훖횮샭룶랽쿠풭쾵ꎺ쫇풽튲릩쒿뻘좨죳뗄뛈?붰캪좻솿쿂뷓ꆣ뷶낸뇪쫽솪뛗듳맘쾢훷맛嶣浡権룊걭ꇷ碣탲ퟷ탔뷼ퟅ퓘뗚쪾ퟜꎬ늻뿉뢱폚폱傣멐灩뎥헳횸닟횵꾼뗄뢱⦣忂먳쒿ⴱꎮ⤽楩뚨뇪뻶ꎬ럇횸램맘샭춳뗈늻偩쾵킡폫퓶뗄헳ꎺ릹탔뾸룔튻풽뷼틔쿂猰쪷⦡랽猨뛈ퟮ살맛ꆢ갨?㵻⦣ꆣ기쇐폃펰ꇪ塯좨듳탅솿櫖쯹벴웰ꆭ돌??갨ꇶ쇵믂楩樽햮볇뇪⤱풽먲潬탅훐뗄닟퓲닎늢뇪ꆣ쾵폐컞ꎬ춬⡩춳뇭偩듳뻶刽폫돉??틢솽훖횸뛠뷓붰돌떥폅⦵쿠쫽룟?낸훘権뿉볆뺭뫏맦樽碣퓖곗솪⥬쫇쿬伩퓚룷킡쾢뻘뢱캪쿂䖣ퟷ죏릱슸ꎺ뛈榡삼ꆰꎮ㵭킩樽돔ꇂ쇺𧻓汮犣쓜캪뻘럖듳椨湰쾢쑤ꎬ맘랽풽쫽틽뗄춨탲떫ힴⴱ컞쪾ⱉꎻ닟溸⡲쿠폫뫍탨꼩룶틥닢뇪뷼렩뛈쇓ퟛ쓒ꇪ헔튪틔쳘쯣퇩샭랶폐ㆣ횵깉땸쾵㵭뻸쏨뗚횸폃솿헳ꎺ룷껇쿗ㄱ룟캿폐?㋒ꎬ慸䅩ㆣ탅ꪡ炡뭪솦䐽헳뇰椽?뷏믒솪램쇓춳죫쿠맽뷡돌럻첬ꎬ탲룃汬傣탅楊맘펯쫽튪뒦횸쿂랽뛈퓲뫏믖⡪풽뷐탔움뗣좨뚨ꆢ뮯ꎺ갲樽ꪱ楮䆡뛔쇋쳡쫶檸뇪볆킡ㄳ습낸룶ィퟮ솣갲涸뢱뮣温ꋪ볥ꩲ즫뛈ꎬꆣ볆쇋맘쪵뫏뫅㊣멯돌쾵폐믔쾢삼?ꎯ샻뗈솿뛔샭⡸뇪낸솪쮵틀살캪움횲죫⦵럻ꄩ睪뚨뻍훘좨뿆䐽좡沣〩좽猰ꌽ닮쿷룟쯣횵듳㴨쓖풵랽?뿉믏뛠붰ィꎬ?ꆪ맘듳샭쿠뛈샽랽뗄뛸겡춳붽튲?ꆣ쫽쓜벶움쿂횸퓚볇쾵쏷듋쇋볛걭ꎮ쒽뷡뫏〽룷쫇톧ꆭ평갲㵻쿐⦵〨죵뗚뢱솪살좷窡쒹낸쪱틔틬뢵ꆪꇜ웲ꎬ⡺뇈곔걩椭ꆭꆪ쾢뷥솪킡싛맘캪뗄램튻랴쎿궣ꎬ펽뻍뢱솦닮볛뺭뇪쒳쫽솽뿉솿살뛈횵좣풽춶ퟛ沣틲룶샻쎻탔磗碣쒶傡ퟮ榸쾵닢뚨ꎣ뇏櫖늻뒣쒹쳞ꆪ炡物붰椨⦣릹ꆣ穪権뷏좨ꎬꆪ뛈살훐닢럖뗄훖ꆣ걭좷ힴﲣ풽뛔풭ꆢ뇰횸맽튻攨ꇪ룶틔룷에솪솿ꎬ곈듳맓횮뫏갲듋랽폃폐ㄳ볆ꆭ뭉킣꣒쨨쾵습쫽좨긩ힶ뢱릱쮵뾼뇏돽㵬没檾ꆪꎡ檡쇋⥭⧋탲랽ꆭ훘温롸樽걫컇㵭볡ꆪ램에풽뗄뛈컶뿆죧ힴ⦣솿뚨첬곏짙곐폚샭뺭듳뇪뒦맘룶椩⡪랽톡쾵룷틽ꎬ헟뾼낸쫴볓?쯣즵樽곔ィ뻸쫽붰쒽ꇪ훘ꆣ퓖졐쿗쏷싇ힶ⣈뫍ꎬꆪ??쿻塮ꝭ쇐낸튲뺸ꎮ沴뫏楮⭰쫇뚨듳쿠룅횸ꎬ톧솿맻첬곔돌쫽뗍ꆣ캳쒳펪뛸뷸샭쫴솪〽⧔낸퓱랽룷⧏룶죫돒퓲뢱뗄싇ꆭ샻탔뀲쓀温沣ꪣ갱뛔횮룓펽⡪벴쾵떣뛈룃뎸뇭좲꣖ꆪ碣ꆪ돽뻸涣뷏쏖룹랽ꎬ맘쓮뇪싛탔쾵돶틲뛈楮돬짨짔룶폫듸탐뫳ㆣ붴퓚튻낸뮹쿠뮷쮵뻶쇋폃폅뻘ퟷ갲ꆣ?⧎횵볤ﲳ⧔쫽곔ꎮ쟷횸쏷믒?⡩꠲틥풽ꋪ생ꆪ겸ퟮꆪ웲룷墡퓲㈬ꎮ뛔쒳걪듳낸랽ꎬ뗄횤ꆢ뛾춳쿖뗍풽퓶?폐귊횸랢살맦횵쿂갲쿠룶폫?쓑맘붰쏷꣖닟뷏温쇓헳캪ꪷ첫붴뻝ꆣ窡뇪뢱룃믖ꨰꆪ㴱튻캪뫃ꎬ䅭?ꆪ폅낸쳡탂쇋뫏헟뿉뗄뎵灩룟듳닔볖뇪햹룶랶횸쪡ꆣ뷓ꎬ틏펦샭틔퓚뛈룓룃?튪닮뫍쯹톡뛔닎ꆭ碣횱튻ꎣ?ꎺ㵬⦣뫍?ꆪꆰퟛⴭ튻풽돶헢쓜쓬ꆣꎬ?牪뇪ꆭ쿫랽ꎮ⢼퓱뾼곔듳붰껎ꆪ㵬횸븰룶뚨ꆪ?ꎬ㊣温?뫏폫탲?ꪵꆪꆣ뇪횸틥ꆪ꣒쇐??꺣ꎬ쯹샭ꆪ평ㆡ횵뇪겡摪쿠ꆪ?ꎬ⡩涣䥮ꆪ꺣움뾡폐쿫椽궣틔㵬ꆪꆪꍘ걮?볛횸랽ㆣꆭꆪ걪ꎬꆪ캪?맘횸뇪낸갲ꆪꆪⴱ樽䄽뇪뗄ꎬꆪꆪꆪꆭꇎㆣ쾵ꆪ䩸ꆪꎬꆪ㋒갲ꆪ涣ꆪꆪ〰쫽걪ꆪ뮣ꎬꆪꆪⴱꆪ걮ꆭ⧄ꆪꎬꆪ뗄ꆪꎬ㊣ꆪꆪ겡ꆪ?ꆪꆪ궣춶権ꆪꆪ걮ꆪꆪꆪ䧗ꆪꆪꆪꆪ?ꆪꆪ럧ꆪꆪꆪꆪꆪꆪ쿕ꆪꆪꆪꆪꆪꆪ럖ꆪꆪꆪꆪꆪꆪꆪꆪꆪꆪꆪꆪ뷐ꆪꆪ⮡ꎡꎡ?
决策参苍2007:Cj'第5期(总第237期〉其卢匕的指叫棚吨熏m』叮化肮U仆HUF "取理想方案xoG)=(I，I，l，1, 1，1，1，1)作为参资风险评价结果如表3。n乞川考序列，计算各个比较序列Xi(j)在各指标L由表3可以看出关联1iλ1由大到 下与参考序列XoU)的关联系数8;(j)，{i=1，小的顺序为:马>S9>S3>SρS7>S6>…〉仇，即(四)相关度的计算2，…，I1，j叶.2.…，衍，其中p为分辨系数对于投资者来说，投资首选方案为乌，其一般取叫，为提高关联系数的提异次为鸟，再次为乌等。关联度的大小反设权重WjÜ=I，2，...，时，LWj=l,wj> 报薯'性，取p=则计算后关联系数矩映了投资风险的大小，将抽象的投资1理阵E=(8ω))11><8为:论分析转化为具体、最化的数据指掘，为0，以各指标权熏Wj由大到小组成的序’ 投资者提供了投资的决策依据。列作为参照系，根据非参数统计理论，各1.仪 1阴lDOO‘ 从各个股票的原始数据中可以1呈现指标的关联系数8;G)与权熏序列的 0即' 0周 侃到o0,3438 的看到相对收益较高的几支股票，与本spearrnan秩相关系数定义为各方案的相 0,3879 文的分析结果一致。但作为投资依据并关度^j:时 川阳380川阳 1.创 0,3388 不能反映出具风险的大小，通过关联膛6L(a广州 制 的分析得出，仇的个股收益、总资产收益=1--1.二Lγ……(i=1，2，…，m) 0,7421 1似阁。l仅 1刷刷侃"2叩n(n1) 率和净资产收益率均没有队的高，但却。 0,5705 其中，叫表乖第j指标权重Wj在权 0白33450咄 没有被列为酋选，是因为综合各种指标由于各指标的关联系数8;(j)越大，重向量中的排序数，b表示联系数j8;G)在来说仇的风险更小，这叫点与主观的分方案越好，这并不意昧着仅仅选取关联其相应的序列中排序数。根据^j决定投析是不一致的。伯与实附的股票市场行系数缸i(j)大的指标来评定方案的优劣，资风险的大小，^j越大投资风险越小，反情却是吻合的，股票乌和鸟的每股净资还要根据其它关联系数相对较小的指标之，则越大。产分别为元，元。与其每股收来综合判定，减少主观性又不失科学性、三、实例分析益相比得到收益率分别为%、%，合理性。为此，应用娴权法汁算各指标的以沪市11支股票(按SI吨11的顺序显然对于投资者来说选择乌更为合理。权熏叭，由于指标总资产的周转率出现分别为:G哈飞、G~钢，Gli粮液、G康通过分析得到的错果与各个股票的增长负值，致使指标第6个指标的贡献度出缘、G部机场、青岛啤酒、G江中、云自态势、总体收操、个股利润非常明合。客现高度的不一致，因此应该剔除指标6，药、苏宁电器、G英特、G康佳)2∞6年6观、最化的分析结果，能为决策者提供更即指定指称6的权麓为攀。各个指标的月30日的年报为原始数据(如表1)，取8为精确的投资依据。权重结果如表20个评价指拙，进行投资风险分析。四、结束语由于农1中的各个指标的最纲和数本文基于非参数统计表2各个指标的椒.最级不间，首先进行无量纲化处理，将指指标If, I f, I ι| 自I f, I 也If7I f, 理论提出了销和相关系数标值规范化计算得到处理后的指你矩阵W, I . [ 吨划生旦旦丛旦旦性l旦土相结合的新的投资决策方Ð=(X')1胁法，对投资风险做了客观l∞31 0血)()咽。 以各个指林的权重Wj组成的序|的定权，避免了人1J1-巨权的主观性，克服l创 四旧 1创均 列作为参考序列计算各个指标权囊序!了评定过程中由于忽视各指标重要性的0田 刑的相关度札(i=I，2，....8)，由于相关I差异，仅仅以关联系数的均值作为评定 ω2川510 α阳则 仰090川1纠371度儿的大小决定投资方案的优劣次|投资方案优劣的判定你准而带来的倍息D叫斗ω序，回此相关度越大越好，即对投资者)流失、误主主增大等缺陷。该方法计算简 1αlO<沁口 ‘4削$川盯8540剧lO<附 削61 0悦陆 0.但02挡制 0创lO<日泊来说，投资的风险越小。各个股票的投|便，结果更为合理。日30阳旺附 1侃lO<附J1.自仪lO<l盼αlO<o削 0刷t仰J90惆∞拥300阳刷 0仪阳 表 0∞52 股巢S" 根据单个指标关联系数的计算，选袋l11支股冀的各个指标蚊据才王佳营业务.:ì营业务1争资产净资产总资产总资产每股t争每股收益与主成分分析法、绵合评价法、恼权海鸟收入(万元)利润(%)收主主惠(%)t曾长率(%)则转旦在(%)增长率(%)资产(元)(元)法等相比，具有更为客观的指标定权过G哈飞33806自98[ 0.[8 程，ì肖除了不同指标之间的相互影响，使Gjf钢 [ [ [3 得该方法更具有科学性、合理性。GJi粮液 。. G康缘 G深机场 (作者单位/哈尔滨工程大学)青岛啤汹 (溃任编辑/李友平)G江中 四 z;;白药 [ 苏宁电器 [ , G~臣中守 。ω03G康f圭 0,98 0,06 43 ??췲랽쫽뻝统计与决燎웤?睪〽樽⣋뛾짨䨽ィ쇐횸獰맘죽ꎬ㛆歪훘횮틔럖풵튩퓂룶평솿뇪䐽룹좡뾼쿂㊣튻쿔헳䖡䰨㌸뻶ꆭ킡뛔듎펳싛춶듓뗄컄늻싊쎻살컶쟩닺틦춨첬맛캪쯄뇭룷놾샚䦡昴싱ꆪㄳㅉ뛈탲램쇋닮쇷뇣ꏜ훷뺻ퟜ쎿막쫕샻퓶훜⣔䞹㌳䞱㈴㈳ㄱㄴ䟎㐳㐷侣䞿䟉㔶쟠㔷䞽퓆㈶쯕㞣䟓ㄲ㔵ㄷㆣ춳폫돌뗃⣗?浼엾ꎻꋨ뾧?㌳?〰〴㐷㌹ィ㒣㊣侣㔵㚣㐵㌱㘴㈵ㆣ㝬昶룷ㄱ㌵?㠶㌳?ꎬ㠰㞣㤹ꎮ㢣㈵㤷긴㔳㜹㚣㒣㘷㊣㜰㖣〱㦣㜱㌸기㐰㌳〰㈱㔲ㄵㄴィ펪죳ꨱﺷꚸ뗔귖쓾㠱㌴?㜵㘷澣룶막틦뎤닺ꎮ길侣긷㌵㑟ィ긲갹긳㊣떺기㒣냗㖣㜷㦣ꋌ떼긹ㆣ볆ꋳ쯼쐩곒ퟷ敡뛈훐쿲쿠럧ꎬꆢ뮦뇰㌰움폚벶⡸뻝샭탲폫겡냣훸䔽뇭뗄캪쇋럖룷뾴쓜뫍폐쮵쫇좴좻쫆뺫컄哘죫뚨틬쪧훷뗈룃얾㌳?〰㐲㌹㐵긴횧㵤좨뇪횵맽㚣길ㄳ㎣㤶㘹긶〱㈶㌶㐹㊣긱㦣긵侣㘵긹ꆪ㢣기ィ㖣ㆣ긲ㄷ㔰ㄲ㔸ㆡ㌴㌵?㐸〰ꩯ㌳긳㘳〬⬬㜵澣粣ꋨꋭ徲튵닺⢣긱ィ㌹긵ㄶ〲㈳긴㊣긲㎣ⴵ㒣ㄲ뗧㘷길ㆣ펯기ㄸ긷㔸㐶?㜹㔳㌸㐸〴侣샚ㄲ㌳〰㘳?㜴㌸㐰㐳㌴횸튵닺뺻쫕욱⣍싊⣔긹ꎮ긴㖣ﳒ긳侣荒긶긱욡ㆣィ튩긷길㞣긲폫캱뫻막㈰㠱㌳ィ㈳?긲갰뗄쿠풸캪牭죫ꎬ솿펦쿕퓲쪵쫐䟉죕볛뇭늻?떥쿫쇐닎궣좡탔⠸㎿쮳厣컶헟룶떽럖랴뺻놻卺쫇뇰뇈뛔ꆢ좷뷡믹냌ꎮ틲좨뚨랽기ㄳ길긷簸긹侣돉쿻??뎰㘶㘵?㍬〰〴㘷컱ꔩ웷ꎯ훘憣쯕맦닟춶㤵긲ㄸ긱㈵㐴긴ㆣ긷㔸㐹긶㠰?㘲욱츲㌴?ꎮ〰㐹㌳뇪깵컱틦⢣ꨩ뻆㤷기뻶맛ꇬ涢믝훞䷐ꋨ랲㌵㈷㌷〳㌸?㠰㔴㐵긵횸맘닎慮ꎮ慪훐뗄풽샽ㄱꎺ㇖춬砸룶랽ꎬ뾼갱ィ㘹〴?㠸㌳움짒탲겣쳡막쿠컶펳뗃쇐튻컇캪폚ퟜ뮯쫸듋춶맽뷶낸컳맻럖뇈돽램ꗎ뎧?㌹㐲〳㔷㐳웲睪맘껒쓾랶㈸㐵?㌳㐲ィ컶뗄춶뇪ꏜꨩꔩ닟궣?㌳㈹ꆫꆰ?㠳㜶㔹갳㐳ꎮ㤴糶싲뢢ꋨ랲룷뇪뛈뢱헕훈ꎺ뇭뗄탲듳럖횧䞹荒쓪킵ꎬ횸낸볆ㆣ긱좡権볛풿캪곔럧뮯릩욱뛔뷡돶닺훂뫏㒣떽춶쳥폯럇뾼쿠뇜돌뷶폅닮룼쇋뮣냈돊㐹㔰?㌴㴱㘵㌴?㌳㈵좨꿀〰㌷?㍬㌳㌱摪⡪솪뭢뗧뮯닎헟뗃쿕룶㌸㌴?㘲楦㈴㐲?㠴㌷좨뗄쾵쿠쪾업쇐킡ꆣ컶막ﺷꆡ놨쒸쫗뇪堰쯣걪ꆪ瀽⤭뷡뒳ꎺ?쿕캪쇋쫕맻웤긳럖닎뺼탲죫맘럧쏢훐틔쇓퓶뻟늻꾹뎰糓ꎬ㜰㌹?㠴㌵㌳ィ훘튻꺣쪡ꋨ랲㔶㌳〶㌹?움횸㐴?㌳긴㌵〷㴱쾵権웷살떽㙬ㄸ㔲?㜴훘볆꣖ꎬ맘뗚탲훐욱즡ꋇ캪뷸쿈〩룷ꆿ㵬ィ侣ꆣ㌳?㜲㈰〰맻匲컎뗄뻟춶풭틦튻럧厣톡룼㧔헟컶틀쫽뾯좨쇐뻶뛈쿕쇋평듳뫏램폐춬ﺶ퇆ꢣ볛뇪?㔳㌳㉉〰〴ꆪ温㤰㌳?〰㌵쿠믦힢랯ꆢ粡럐㌳㌸?〰㤵ꎬ쫽?ꆢ㠷㌶〰〳뾼쮵뗄럧봩맩쯣?룹쾵櫖업죫⢰ꉇ풭탐뷸솪㴨룶ꆾ긵滎죧?㹓꩓듳쳥쪼뷏훂쿕몵싊킡떫막ꪡ살뷡뻝춳잧훘볆뚨풽ퟶ죋폚에뗈샭룼횸뿆ﮱꖢ㜹?〰ィ㘹〰㐲ィꆭ긳ィ맻뻝?긴ꧏ?ꅨ뎧㌳긳㔷渳튻㊣ꆣ뻝㢣쫽뢱ꎬ탲ꎮ됸놦뫆䟓쪼춶탐뗃쾵ㆣ뇈〨ꪣ뇭ꪶ㤾킡ꆢ뗄룟쒸뻹쫇폫욱ꈷ럖쮵뷡룶맻볆쒿瞡쯣⡩듳쿕쇋캪뫶뚨좱ퟛ뇪톧ㄴィ?㌳〵㌵〳ⶡ?긳ꆪ?㌶뮯평럇뚨扪쫽풽㇒룖ꆾ컞갱뷏権캪퓲?㌳㎡죈猳뗈ꎬ솿뻶뻝뗄떫듳쎻틲헢쪵玣ꎮ뇰톡막뫏ꏗ룷㵬뿍쫓뇪쿝횮탔꒳욢죲?籼ꦢ쫋栭겡갨ꋌ떽ꎻ춶맻?튻?냙뫳듳닎틥꣖뇭ꆣ뭳ꆢ욡뻝럧쓁솿뗄ꎬ탲쳡볆?㹳붫뮯닟훐벸ퟷ킡짊폐캪튻볊몺㈷퓱샻쓜쾵룶랽뫃맛좨룷ힼ움볤체쫠궣権?뒦폫㌳뷲Ꞣ죽ꎬ떽쫽캪?쪾룹춶ꆣ䟎ꉇ⣈쿕뾸룙볆ㆣ쇐맘갸룟쯣ꏓ㐾돩뗄틀뿉횧헒匹ퟛ뗣쵳풪ㄱ玣죳彔쇒즵횸㊣낸뻹뛸룃볛뫏쩬뷥걮폫ꉇ샭쫗룷ꆣ〸탂?쪿ⷈ벴킡춳룷槔솪뻝ꆣ붭럖?뮯쯣갱硩⦣맘뫳즴匷쿳쫽틔막춶춨뗄뫏폫ꎬꎮ몸럇뻶쓐뇪겡훷횵듸랽램횸쿠샭ꜩ펨⦣좨뾵뫳톡룶ꆪ룷꺴ꋨ냠ꟶ뒡ꎺퟩ볆랽?쾵죫럧뗄룒훐컶췊뒦ꎬ⡩곆솪맘槆㹓뛈뻝ꆣ횱욱맽ꋗ룟룷훷폫㞣ﳎ뎣닟?좨궣폅뛔맛훘ퟷ살램ꆢ뇪뮥탔곆훘병뗄랽막룶돉샭낸?쫽ꆣ쿕쮳몡ꆢ⦣톡ㆣ⧔쾵솪㘾춶횸맛ꎬ틀맘?훖쫐쎿웤ꖡꪺ컇헟갸쇓탔튪캪볆뚨펰䙔ꎮ뾧엦ꋨ탲⤲횸콩낸욱뗄싛㢡뻶풽ꉇ퓆곈ꎬ갱?ꇪ큐쫽쾵ꆭ듳뇪폫뻝솪쪲떫뎡막쎿ꈹ쿀뫏쳡⦣듎탔움탅쯣좨쿬〷ꋳ?没樽탲ꎬ쇐쿠ꌨ뚨킡뾵냗〰ꄸ붫뇪ꎮ캪뗄쫽㹓샭놾늢뛈響좴럖탐뺻막ꆣ릩곓헟욱뿋쾢볲맽틢㈴뻶룷権춶ꎬ횸ㆣ뢱⡩럖닮㢣랴캪헒쫕?뿍룼짓럾쪹沣뗄㛄뻘玣퓶ꆪ퓚랴갱?⦣뇦틬겼ꖣ닟?걷헳몣뎤춶샚楝⧗갨쾵?〰랽樾곆椽쫽?櫃ꆪ?〰ꪲ沣椲䥯?ꇶꎮ吱〳ꇶㆣꆪ?뎧狀갲䲡?ꎬꪡ쯬?ꆭꪡ췏?ꎬꪡ뗊?洩ꪡꪡꪡꪡꩊꆪꆪꆪꆪꆪꆪꆪꆪ䪡ꪡꪡꪡꪡꪡꪡꪡꩌꆪꆪꆪꆪꆪꆪꆪꆪ䲡ꪡꪡꪡꪡꪡꪡꩊꆪꆪꆪꆪꆪꆪꆪꆪ䲡ꪡꪡꪡ?
