翩翩摆跚跚基于高频数据的金融波动率模型李胜歌，张世英(天津大学管理学院，天湾3α)()72)摘要:金融高频数据和金融波动...是目前金融领域研究的热点问题。本文对基于金融高频数据的金融波动...估计量……J已实现"汉华次交差进行了建模和预测。"已实现"~""次变差元模型、计算简便，在一定条件下是金融波动亭的元偏估计囊，并且具有稳健性和有效性。通过用上证综指对"已实现"双摹次变羔进行ARF1MA1t模，发现中阁股票市场的土证综指"已实现"汉军次变差时间序列具有长记忆性。关镰询:金融高频数据已实现"双来次交差;ARFIMA模型中阁分类号:阳30文献标识码:A文章编每:1002-6487 (2008 )01，-∞07…02 "已实现"披动。闰时Bandorff-Nielsen和NeilShephard指出。警l菌在不存在跳跃和存在有限次跳跃的条件下，当r+8=2并且re (0，2)时，有下式成立:金融高频数据是指以小时、分钟或秒为抽样频率的日内H叫:ItvRBvlrbrl→|fJ(s)也M叶。Ih(t-1) 数据。…般而富，金融市场的信息是选续影响资产价格运动过程的，数据频率越低，则损失的信息越多;反之，数据频率.n f(ι(肿1))越高，获得的市场信息就越多。因此，随着计算机及油储技术其中，μ，=2…一土了一一，f(P)表示伽玛函数。可以看出的发展，当夜取金融高频数据成为可能蹄，金融高频数据的R专)研究就成为了金融研究领域中的焦点。当r+s=2并且re (0，2)时日实现"双幕次变蒙在M叶∞条金融波动幕的研究一直以来就是人们研究的热点问题。件下的概率极限为积分波动(IntegratedVo latility. IV)，并且准确的金融搅动率估计、建模等问题具有重要的意义，它是对偶尔出现的跳跃具有稳健性。在一定条件下巳实现"双进行资产定价、风险管理、投资组合等研究的基础。在金融高幕次变兼是比"日实现"搅动l!有效的波动率估计量去，并且~频数据中，Andersen和Bollerslev提出了一种全新的被动率r=8=1时的"巳实现"双寡次变蠢的有效性比r、自取其它值时度最方法一-"E.实现"搅动(RealizedVolatility, RV)来估计的"巳实现"双幕次变盖以及"巳实现"拨动都更有效阴。因此，金融惊动率，随后Bandor弘Nielsen和NeilSh叩hard提出了"已实现"双幕次变盏是比较理想的金融被动估计量。又一类似"已实现"波动的搅动率估计量……J日实现"双幕次变整(RealizedBipower Variation. RBV) ，该估计量不但具2 "巳事现"规哪次变辑踵榄有"已实现"波动的所有优点，如x模型、计算简便、具有无偏性等，而且具有稳健性，同时比"已实现"波动更有效。因此本 ARFIMA模型自文选取"巳实现"双幕次变袭来进行金融被动率建模。"日实现"被动估计量具有思辛苦的长记忆性，即分猿(Fractionally Integrated)的性质，通常长记忆性可以用分整自1已属现"珉'厚现班提阴阳移动平均模型(AutoregressiveFractionally Inte锣回tedMoving Average Model, ARF1MA)来进行刻l回归io"已实现"双设y~，=y非1)h+hjM"-Y(t-1)h+hG-1)M叶，Yt=Yth-Y(t-l拙，t=.…厅，j=1，2，幕次变盏类似于"已实现"搅动估计量，因此也可以考虑对其进行ARFIMA建模，通过分维数d的估计值就可以得知"已…，Mo其中h>0，为固定的时间区间(如一天、一周等，本文中实现"双籍次变撮时间序列是否具有长记忆性。指一天，即h=1);T为样本空间;M为在[(t-l)h，th]时间段内等带.Ifl-稳时间序列{叉)满足援分方程:时间间隔的采样次数(h址，则M为日抽样频率);Y价1如hjM"表φ(1)(1…L)d(X，-μ.)=0(1)吨t示金融资产在第((t斗)h)天的第j个日内对数价格;儿表示第其中，L为滞后算子. ，1吨}为自噪声序列，μ为{川航天的对数价格;Yj，I为金融资产在第t天的第j个时间间隔的均值，φ(1)与0(1)分别为p阶和q阶平稳的自回归算子和的日内对数价格收益;只为金融资产第t天的日间对数价格可逆的移动平均算子，则称{X，l为分整自朋归移动平均模型，收益。Bandorff-Nielsen和NeilShephωd定义"已实现"双等简记为ARFIMA(p，d, q)。次变差为:分黯自回归移动平均模型ARFIMA怡，d，q)用p+q个参1-(1’+1)12 数描述过程的短记忆特征，以参数d反映过程的长记忆特RBvf•lz(it) 比1IYj,t l’ IY川附加以""，T征。因此ARFIMA(p，d, q)模型综合考虑了过程的长记忆和短记忆过程，既优于单纯描述短记忆过程的自回归移动平均2当r=2，8=O或者r=O，s4时已实现"双幕次变盖即为幕金项目:国家自然科学基金资助项目(70471050)统计与决策Z∞8年第1期(总第253期)7 ??췲랽쫽뻝俒믹샮⣌햪뷰퓚듎맘훐컄쫽맽풽뗄퇐ힼ뷸욵뛈噯卨폖䉩噡폐탔ㆡ짨ꆭ횸쪱쪾瑬쫕ꎮ剂ꇆ?梡떱ꆰ犡ꆫ瀬ꎬ웤爨볾뛔쏝爽㊡㊣䅒⡆䥮믘䙲䵯䅶쪵죴뿉볲럖헷볇춳ㄭ灯긱慣瑥癩敲볆牡튪튻뇤볼춼쿗헂뻝돌룟랢뺿좷탐쫽污数物ꆰ뗈톡ꎬ볤뷰泌죕틦爽틑늻쨨쿂얼듎猽綡瑥맩摥쿖욽훐뻹볇헻쏨틤죚솿ꎥ⡲ꆣ爫ꋨ쓦ﶡ嬧쪤睥냒瑩杲湧慧폫汩훐ꆰ뻀쯂捴ꍨꎺ뚨닮듊럖뇪뇠룟ꆣ뗄ꎬ햹뻍뻝瑩桡慴틑좡䶡쳬ㄹ죚쓚牬㊣쿮쪵듦澣뛻뇤泊꽉杲틆沣䅒ꆱ컈횵캪ퟔ쫶틲맽?潮뻶늨랽샠圲噛爨猽⠱?炣楯폚루퇊慬敤닟뷰쳵뷸ꎺ샠쪶뫅욵튻ꎬ믱돉뚯닺훐桴牤⡒楯쪵뛸ꆰꏆ룴쒶뛔䉡캪걳쒿쿖퓚갲룅汩돶닮놵䵁慴걁䙉쮫쪱䳎䅒믘맽듋돌?뚯램쯆礨奪㊲湡튻틆汹㈰獉묱ꞹ죚볾탐뷰뫅싫ꎺ쫽냣뗃떱캪싊뚨禣쳡敡溣쿖쟒틑벴뗄닺퓊湤㴨ⴭꆱ횸쳸⧊瑹쫇쒡쒣敤욽剆샠䵁쏝볤컷䙉맩돌䅒ꎬ뗏汬〸싊ꆪꆰ琭璡ㄨꋇ䰩뚯?룟쿂䅒죚ꎺ뻝뛸뗄믱쇋늨볛䅮걒ꎬ돶汩ꆱ뻟쪵큨栽닉퓚ﶼ潲틥セ맺풾놣벫뇈냒쮫탍⦵뻹䥍쯆붨듎탲춺⡌䵁틆䙉볈쓪ꎮ?㸰룟헅맀ꆪ틑횡ㄩ爫퉲摏욽뗚욵쫇?䘸?〲퇔쫐좡뷰퇐뚯ꆢ摥嘩쯦쇋穥䉖늨폐쿖㹏퇹뗚?룱晦ꆰ슳볒뫍곓쿞䥖쳸퇊쮫쏝쓐쒣䄩폚뇤쇐⧓⡰뛌䵁폅㊡泆볆ꆰ쪵栫ꆣ꺡ㄩꇊ⢹뻹쫽뷰䵁욵㌰ꆪ횸ꎬ싊뎡죚뺿럧浥살뫳?⦣뚯컈ꆱꎻ듎⠨쫕ⵎ틑?ퟔ듦탏캪풾뗏쏝맀퓖탍닮笩욽볇⡰폚쫀뇋?ꮡퟜ몣뻝솿죚붨쫽㘴틔뷰풽탅퇐튻맀쿕溺틑䉡쿖겸뗄붡쮫桪캪哎瓒뭹틦楥쪵?㵏좻춬퓚싊⡯믽겲뻟횡듎뇤볆쪣⡁뷸춨쪱ꆾ펣⡌쯣撣뻹틤ꎬ떥욵펢ꯃ?뗚곌뫍늨쒣뻝㠷킡죚뗍쾢룟뺿횱볆맜쵂湤쎹쯹탔쏝만⡨묱滎ꎻ汳쿖ꎬ뿆쪱폐붳럖ꋇ뇋뇤닮솿곍畴탐맽볤瑽걉⦷걭쳘撣뒿ꆪ쪵ꆱ䴭ꭥ悔ퟓ琽㈵ꫀ뷰뚯ꎬꎻ⠲쪱쫐뻍욵쇬틔ꆢ샭潬潲삼폐듎?뚨鈴㴱⥨ꪽ祴敮ꆱ猽톧䉡쿞직?컈ꯃ닮쫇뻟ꢳ뿌럖탲싺摬횱ꆣ탍헷걭쏨㏆ꆪ쿖늨琭㈩伨?죚싊랢ꆰ〰ꆢ뎡퓲풽쫽폲살붨汥晦웁폅춬뇤뗄뺿ꎬ⧌캪뫍쮫㋊믹湤듎ꊣ뱔뚯붡늨?틔뇈폐ꎳ敧뮭ꆱ캬쇐ퟣ㰰䅒쒣쫶ㆣ쫽ꆰꆱ뚯캱祯퓾쪱䰩퓲〰늨뗄쿖틑㠩럖쯰뛠뻝훐뻍쒣춶牳ⵎ뾲뗣쪱닮햼퓲?뷰乥쏝놣潲쳸?⡉탔뚯캱벰뷏쿔꒼牥嬹쫽쫇ꎮ꩐䙉틔탍뛌틑늨뗄ꆪ徣ꎬ呫돆〷뚯컞훐쪵〱훓탅쪧ꆣ돉뗄쫇뗈汥楥뮵ꎬ뇈살볤䷎쒵쪲죚楬갲겡晦풾湴룼ꆰ샭훸쟒獳ㆡ撵럱럖㖣뷗䵁닎ퟛ볇쪵뚯늨ㄩ猩箢㈩싊욫맺쿖ⴰ믲쾢뗄틲캪붹죋컊ퟩ盌汳ꮾ죧ꆰ뷸쟸뭍ꨱ?䀹냒훺ⵎ敧퓚폐틑쿫楶ꎡ맀쒹뻟랽걻뫍冣쫽뫏틤걲뻝?쿖⡒뚯汉ꎬ틑ﳎ쫇맀막ꆱ〰쏫탅듋뿉뗣쏇쳢뫏敮?컞䋊탐볤캪㎳룶?닺퇊쿮楥쳵牡튻킧쓓쪵뗄뎤풿냒볆삼폐돌ㆡ熽걤撷뾼맽䂱꣄쒿ꆱ볆욱쮫㜭캪솬쾢ꎬ쓜ꆣ퇐뻟뗈敡뫍싊쒣뗏뷰⭨⣈퓚죕?뗚汳볾摳쪵瑥뚨뗄탐쿖볇짒퇊솿웖뎤ꎺꍽퟆꪷ듓싇돌ꆭ잰솿쫐쏝〲돩탸풽쯦뫳뺿폐퇐쯒乥탍횡죚ꆾ阮쓚쳬瓌⠷敮쿂?쳵늨Ꟑꆱ틤퓓뗏ꎬ떾볇캪뷎焩뎹쇋뗄쮫汩맀ꋮ쿖훕뷰ꎬ뎡듎퇹펰뛠ퟅ뗄훘뺿믖楬ꆢ놲늨믌⡴뗂뛔뇋〴뫍볾뚯풱탔쎷횡틲춿틤냗좵폃ﶳ맽ퟔ쏝穥볆튻ꆱﯗ뻙죚늢뗄뇤욵쿬ꎻ볆뷰죈튪훈ꢶ뚯튻쨩쫽뗚쓈ꯃ㜱乥떱쿂싊졲ꎬ훕뇋듋짒탔퓫쓗瀫첵돌믘듎?솿ꎬ쮫풻뷰쇬쟒짏닮싊랴쯣죚뗣뗄믹ꯐ꾸ꋒㄩꎻ볛檸햼?〵楬爫ꎬ맀ꆢ뚼벴ﯗ?튲풵ꆣ짹풻熸쒳맩?꓂뇤ꆪ奴쏝?폲뻟횤ꎻ뗄닺횮믺룟컊틢뒡습볲ﳓ붨믖梣奏룱캱〩猽ꆰ볆珈룼럖?뿉쏖탲?꒼뎤틆닮ꆪⴭ듎퇐폐ퟛ䅒죕볛ꎬ벰욵쳢틥ꆣ쒲뇣탐쒣?건ⴱꎻ놼퓊㊲틑솿ꇆ헻틔ꪡ쇐?쟒볇뚯죚뷸ꆰ❙뇤욶뺿컈횸䙉쓚룱쫽춨ꆣꎬ퓚ꢶꆢꞡ좣桬⥓ꇫﶼꋇ쪵킧뾼냒틤욽꿊뗄탐붡ꆰ䵁퓋뻝탅쯼뷰꿂틑뻟ꏒ瑬겱쪱⭨뇭?듎?닮쿖늢ﳖ汓싇뚷펺꿆뫍뻹죈탔틑쒣뚯욵벼뗄쫇죚?폐뻎볤橍쪾ꆱ쟒뗊没뛔캪뛌쇋쪵氭ﶡ퓚붾늨뗣뫍쪵탍싊쫵룟컞쮱쓖뛎ⴧ뗚쮫떱?ꏒ웤笩붨쿖礨䷒龍ꎿ컊폐쿖욫?쓚뇭ꆾ쒣ꆱ䥟뮡ꏐ쳢킧ꆱ뗈쮣瑽짒뚯뫍쮫ㄩ?춣ꆣ탔쮫?풤䥉?풿놾ꆣ쏝닢ꎬ컄춨듎싊뒳뛔ꆣ맽뇤琽믹폃닮?ꆰ沣폚짏쪱쒣틑갲뷰횤볤쪵Ⱝ죚ퟛ탲쿖ⴭ룟횸쇐탍ꆱⱔ욵뛔뻟쮫ꎬ쫽ꆰ폐뻝쏝틑뎤樽뗄쪵볇듎沣쿖틤뇤갲ꆱ탔닮ꎬ쮫ꆣ풪쏝쒣탍ꆢ볆쯣볲뇣ꎬ
'里'拥E留噩踵了很好的刻丽，进而00Q8 (Autoregressive Moving Average)ARMA怡，q)模型，又优于单独描述长iê忆过程的分整簇分噪声(FractionalDifferenced 可以对"日实现"双靠在Noise, FDN)模型。当ARFIMA(p，d, q)模型中的参数p=q=O次变丢在进行预测。t-1时刻对t时刻J创已实时，即为FDN模型，而当参数d=ü时，则为ARMA模型。 分维数d的估计现"双幕次变差的预测ARFIMA模型中分维数d可以用聚合方差法来进行估值为:μ12RBVtu-lzμ120002μ 计[IOJo将时间序列{X，}，t址，2，…，T分成样本容量为m的[f/m]] 1 ^ 一L二旦L二~空凶个子样本，在每个子样本内求均值，对于固定的m值，可以得RB盯VL η[幽1到一个聚合序列:给出了"日实现"双得次变毅和"日实现"双幕次变楚的预测5ι12xt，kur--F/m] 值，其中均方根误差为-，平均绝对值误整为-m，咱-1)附150准确的金融披动率预测为资本资产定价、投资组合、风险其中[f/m]为取整运算。此序列的样本方盏估计量为:管理等金融应用领域的研究提供了基础。[11叫作'1m]Ardm))=二LLJL(-LZ-J))2T/m k需1-T/rnk部l-4铺束语对于不同的m债，可以得到不同的va刘x(m))，当子样本容量m充分大时，有金融商频数据比低频数据包含了更多的市场信息，因此慕予金融高频时间序列的披动率估计也就比黎于低频时间叫你(m))咐:m序列的披动率估计要准确，而且金融高频领域采用"巳实现"其中。;为常数。于是波动作为金融波动率的度盘方法，避免了低频领域中复杂的参数估计。本文选用"已实现"双幕次变差这一具有无偏性、lnv问x(m))=c计(2H【2)lnm稳健性和有效性等良好统计性质的破动率估计盘进行建模，其中C俨叫。利用最小二乘法可以得到H的估计筒。H通过ARFIMA模型对"已实现"双幕次变主是时间序列的长记为Hurst值数，它是描述分数布朗运动的重要参数，它与忆性进行了很好的刻画。通过"已实现"双幕次变慧的ARFIMA模型中的分维数d有如下的确定关系:H=d+。因ARFIMA建模，发现中国上证综指的"日实现"双赛事次变菜的此，借助于估计H的方法即可以估计出分维数do金融搅动时间序列具有长记忆性，扰动项对波动凉的冲击会维持若干个时期才会逐渐消退。对"巳实现"双幕次变楚进行3提班研现A民FIMA建模后，还可以实现对金融波动率的准确预测，这对金融应用领域的研究具有重要意义。本文实证研究采用的高频数据为2ω…上证综指的1分钟间隔时段的收盘价，这期间共有963个交参考文献:易日，共有241x963=232083个数据。对r=s=1时的"已实现"[l]Andersen Tι厅'imBollerslev, . Diebold, et. al. Exchange Rate 双寨次变差建立ARFIMA怡，d，q)模型:Returns Standarrlized by Realized ’v olatility are (nearly) Gaussian [1]. Multinational Finance Journal , 2α泪，4.φ(L)(川)VRBVrμ)呻(L:问"'TJ，(1叫)[2]Andersen ., Tim Bollersl啊，. Diebold, . The D strihution 其中，L为滞后算子，0~d~1，μ为"己实现"双寨次变菜。fReal zed Exchange Rate Volatility [1]. Journal of the American 的均值，φ(L)与6(L)分别为p阶和q阶平稳的滞后算子多项Statistical Associati棚，2001,96. 式。{η，)I'f列反映了市场的信息，是市场波动产生的原因。者分[3]Andersen T.队，Tim Bollersl啊，. Diebod,et. al. The Distribu›维数d=O，则{ηJ序列对"巳实现"双幕次变提时间序列的影响tion of Realized Stock Return Volatility U]. Journal of Financ al 是短期的，{RBV，}为短记忆过程;辛iO<d<1，则{'TJ，}序列对"日实Economics, 2∞1，61(1). 现"双等次变菜时间序列的影响是长期的，{RBV，}具有波动持[4]Andersen ., Tim Bollerslev, F圃,et. al. Modelling刷ld续性;若d=1，则{咐序列对"已实现"双幕次变差时间序列的Forecasting Realized Volatility[1].悦conometrica，2∞3， 71(匀，[5]Barndor岱.Nielsen0缸，Shepharrl N. Power and Bipower Variat on 影响将是长期和永久持续的，{RBV，}具有波动持续性。with Stochastic Volatility and Jumps [1]. Journal of Financial 巳选取10分钟的金融高频数据进行A阳刚A怡，d呻建棋。conometrics, 2∞4， 2(1). 通过聚合方羡法对分维数d进行估计，得到d的估计值为:[6]Shephard N, Barndorff-Nielsen 0缸，Graversen S缸，et al. Limit ，显著大于0。经过反复试验，最终选用ARFIMA(1,d, 1) Theo跚跚forBipower Variation in Financial Econometrics[，几Econo阳模型来对"日实现"双幕次费提时间序列进行@模，利用极大metric Theory, 2∞6，22(4). 似然估计方法对A盯1MA模型中的参数进行估计，结果如下:[7]Shephard N, Barndorff. .Nielsen 0 E. Econometrics of Testing for (1 +0. 11304L)(1-L)'ω叫川、BV，-4)口(1四)吨tJumps in Financial Economics using Bipower Variation[J]. Journal of Financ al Econometrics, 2仰6，4.从以上结果可以就知中罔上班综指的"巳实现"双幕次[8]学胜欲，张世英.已实现双很次交A在与多幕次交羡的有效，除分析变整时间序列为长记忆时间序列，并且具有分维数特性，扰{刀.单统工程学板，2∞7，22(81). 动项对波动序列的影响将会持续若干个时期才会消退。这一[9]张世桨，樊智.协整理论与波动模型:金融时间序列分析及应用特性由分整自阴阳移动平均模型ARFIMA怡，d，q)得到了很{叫"北京:清华大学出版社，2∞4.好的刻画。[10]Taqqu, ., V. Teverovsky, W. WiIlinger. Estimations for "已实现"双幕次变丢在是具有稳健性和有效性的搅动率Long-mnge Dependence: an Empirical Study(1]. F阳tals，1995, 3件估计量，能够较准确地对金融波动E躲进行估计，通过ARFI(责任编辑/亦民)MA建模，对"已实现"双幕次逆差时间序列的长记忆性进行8 ??统췲计与랽决策쫽2뻝∞8年第1期(总第253期)⡁䵯䅶뛀䑩乯쪱㊣䅒볆룶떽砿楮琽웤囈뛔솿튻?癡䪡汮캪듋㏊놾짏틗쮫ꎬ훐뗄쪽캬쫇쿖탸펰톡춨ィ쒣쯆ꆪ昱듓뇤뚯쳘뫃ꆰ맀䵁쇋뿉듎횵帲剂맣좦룸㖡맜㒽뷰믹탲늨닎컈틤ꆾ咣䉯剡剥批慬䝡?䙩䩯ꆺ潦䕸噯瑨䅭却䅳瑩䕣嬴慮䙯亣噡쯐䖡捯周景浥嬷呥畳嬸뾧嬱䱯䑥䕭⣔?㉈ꆯꎬ춳却剥潦䙩䖣䉩景ꆰ䩵ꎬꇶ瑥潮牥깐物楮湧ⴲ癩晦ꮶ?깇汬瑵慬畳湡啥獴慴獯潣敢걂愱噡䩵灩畴긲튻爨뾼ㅝ攨ꎮ畲㉝捨污㍝潮嵁㕝瑨湯㙝嵓灯物巀㥝䶡そ灥畤敲쏨楳ꎬ䙉⠱ퟓ튻훐楮盈䡵컄횤죕쏝쫽ꆱ탔쿬좡맽긳탍좻⬰틔닮쿮뗄틑볆붨뫜뇤뿌캪ꏗ샭죚쇐뚯붡돖뷰敯瑲慮瑵湡걓灯걇걥깅?⡭⡌뻹ꆣ뛌嚡ꆯ돶捡潷慴ㄩ폚浰湧敲ꉮ뗖ꎮ牮楺獩湣浬物楳捩?湡潤桡瑩慲楮睥潭潲럖ꆯ洫⦡?쏦컄䅮湥䵵湡慮瑩楣潭湤敲獴䉡楯浥卨慴쾵헅뾣呡祛폫摡牮湣桥睥牡捯慧쫶斣벴䵁〱퇹룶孔돤ﶡ䌰牳뷨쪵ퟛꎬ듎搽쮫ꎻ붫뻛㠵살맀ꎮ짏쪱뛔평뿌솿쒣뫃닮ꎺ웤볈뗈룟뷰뗄ퟷ탔䅒뷸늨죴죚敲牥特캱敮?ⱔ獬敤慉敶扵瑩慴獴汩珟湤䱩楡整捡뚢⤨횵桽웚ꏒ䚣쇋楮来뻶牤楡灨?癥湯敧캬ﶡ늻쿗摥慲汴沣来汩慮楣敲獬牮瑲数整楯꒸춳쫀꺱煱敮䩝捥ꓑ몣業敶❖?呩瑩捡楯ꆪ整楣瑹潲浩物攩뎤걆캪쒣ꆣ놾뻛ꎯ럖끸㵬瓖훺횤횸릲뇤䳎ィ쏝죴쫇뫏㔶뛔볆ㄱ뷡볤늨뮭쿖ꎬ뗄ꆰ뷸瓊뚷훐략뷰욵죚뫍䙉탐붨뚯룉펦獬뚣浳닟楺?慲浥牥쫽ꎺ㇒ꎬ탲뗄쏝묱멩ꆰ牳汹楮갲瑹玣獥敶摯楣桡物湛릤펢놾疣捥?潬䚣潮溣ꎮ晦捳춬㈰敤?敮瑲䅒볇䑎䙄탍붫ꎬ뫏浝듳뗨湣뗊폚퇐뗄폐닮곔듎搽뎤훓랽ꆰ㌰맻탲뚯헻ꆣꆱ쓜뛔뿌틑탐놿냙뻹쒽죚쫽룟뷰䵁쇋쒣쪱룶폃敶궣獳撵킾?敮䚣慴〰깘?갲ꋲꎬ愱얾牦玣牤ⵎ捳䩝곕돌ꦣ걍ꎺ䙲캪뭌훐쇐ꎬ듎ㅴ楟틑〸楣䵁틤⧄仄훐쪱퓚탲캪ꆯ爰ﶣ맀뺿ㆷ㈴붨춺뇤沣웚닮쿔틑램㑌뿉쇐ퟔ쮫릻ꆰ뮭쪵풤첡ꆮ랽펦뻝욵싊죚놾킧쒣뫜ꎬ볤뫳쇬깘楬ꎮ〰楥〶㈰꿒楶쒹짏끸뗄?楯ァꆿ䚣昭갲ꋳ엊톧랮뫇慮慣쓪뎣⦡⡌랴晒뇤⮹ꎮ楴䑩ㆣ䵯汳〶?⡰맽ꏐ삼럖볤쎿쇐좡ꎬ⤽ꆣ곋뗄볆닉훖ㆡ솢ꆧ닮곔뫍뷰램훸쪵뛔⤨틔캪믘쏝뷏틑쿖닢ꎡ剂룹?폃뇈쪱맀늨컄탔탍뫃랢탲웚폲湡꼴䩯䚣ꎮㆣ깘䕣乩〰샓놨훇厣瑡뗚淖䑩?敢갹摥敮ꎬ泆?맄쫽ꌨ⧓펳䉖닮벶ꎮ畲갶潮敬㒣䕣ꊣꪴ꺣汳ꎬ돌춡춣캬탲룶ꎺ헻폐䌰ꆣﳊ럖䢵폃펼섹䅒쪱폀죚뛔듳쿖㇒믱뎤뗄맩듎ힼ쪵뷸ꆱ냒噴컳ꢶ쇬뗍볤볆뚯톡뗈쇐닅뮹깘㈲敢潬㚣䡩㒣?ꋨ떣湡ㄨ潭獥갲潮껒㈰킭걖ꎬ潬撣?湧焩뗄ꎵ겶쫽쇐ퟓ퓋ꆣ⬨샻쟃캬쒷㘳䙉뚷펣쇋볤ㄱ뻃룟럖폚ꆱ뭌횪볇펰틆뇤좷쿖뛸쮫瓒퇊楴ꊡ닮꿂폲욵탲튪싊폃솼ꆰ뿌훐뻟믡뿉퇐ꎮ⠴ퟜꎬ撣걥?ㄩ整⠱漭퇊〷헻Ꭓꎮㄹ뗚쒣럖녁撿筘퇹쯣겿㉈폃쫽붷룟㴲䵁걏뛔탲ꆣ돖욵캬ァ쮫⦡훐틤쿬뚯닮뗘ꆱ쏝묱?ⴱ캪쫔뗄쇐ힼꆰ뫃틑뮭맺폐훰틔뺿䑩⦣폚ꎬꋨ쫐緎풤ꎡ걥璣ꎮ物⦣뗏ꎬ샭呥㤵㈵탍헻剆놲짒ꆣ놾튻ퟮ擓ꢼ욵놶㌲⡰ꇜꆰ쇐緐탸쫽ꎾ쏝쒣?맺쪱붫욽뛔쮫㵴㢣꒲퇐뻝뗄좷뛈틑춳쪵짏뎤붥뻟璣깡敢殣⤽쫇ꆮ럖뎡ꪶ닢ꏍ捡?훋㈲싛癥ꎬ㏆깡ㆣꎬ닮䥍컊퓓沣쓚듋㈩摸훊탈뒿쫽캵〸撡틑뗄뻝撽궹듎탍밨짏볤믡뻹뻟뷰쏝氬긱뺿냼늨솿쪵볆쿖춨횤볇쿻폐潤?ꯃ⠸폫牯㌨剂뇰뗄첼백듎ㆣ깔풵폖럖䄨ﵤ쎾건쟳먱탲汮娭ﶲ짒뻝쓊㎸撣?쪵펰킶ꎬ뷸ﶷ뇤훐ꇭ횤돖쒣폐죚듎没㙸쳡몬뚯뛸랽쿖탔ꆱ맽ퟛ틤췋뛔훘㈰?ㄩ늨갲癳㐩깅桥嚡캪탅쟒뇤쎫쎵硣〳캱ꎮ뚯〰歹폅퓫炣ⶣ?㵬뻹쇐?돋변습풹캪헅걱ꎬ쿖쿬풡晒탐킹뒸닮뗄튻ퟛ탸탍컈늨뇤쪱릩쇋싊쟒램ꆱ훊쮫ꆰ횸탔ꆣ뷰튪整桡ꆯꏒ傽쾢ꎬ쒣㒣폚짹걤깏쾷ꎬ횵뗄램쫔쓈삼㈰첼ﶾ⧄ꆧꆱ쫇냒䉖䅒듊쪱닎剂횸죴붡뚯닮릭뻗쇋룼맀뷰쮫쏝틑뛔죚틢ꎮ붲湧㜱탍?垣믇ힺﶳ뫍떥⡆ꎬ쪱붲㊣퇹뿉쮶랶욳〲ꏐ캪쮫뎤퇊ꆣ䙬욣퓑볤쫽嘬뗄늢룉䙉탔싊쪲믹뛠볆죚뇜쏝늨듎쪵ꆰ죅틥?愱㈧江믍⠲ꎺ깗牡焩ꎬ겡뛔놾틔꾵ꢹꎮ곕ꎶ춣悔ꆰ쵱쫇쏝첣웚뗏ㆾ䵁겵탲뷸ⴱ쟒룶뫍볤욽襁뒡뗄튲룟쏢듎뚯뇤쿖틑ꆣ⦣뷰楬겵捴쒣퓲ꣀ궣폚랽뗃쓖?훎ㆣ푲?틑듎뗄횡?⡰쎵곗쇐탐뻟쪱冣폐탲뻹ꢼꆣ뻍욵쇋뇤싊닮ꆱ쪵쿮周ꎮ䀨뷗쫐믈?죚汩楯탍캪뒽걔만닮?쑶떽?떣곊긴?㵳쪵뇤ꎬ뇋킲뵤뷸맀〲폐웚걤킧쇐뻸?뇈쇬뗍쪱쮫쿖뛔뗄?캱湧䰩욽뎡ꎮ敲湡훐䅒럖뚨맀䢵ꪲ멈ﵤꆪ㵬쿖닮筒ꯃꢶ撣뗄헑탐볆硬닅ꎬ탔뛔ꋍ탅믹폲욵헢볤쏝ꆱ늨ힼ죽ㆡ컈늨㱤쿖탲ꎮ?뗄䵁킹돉볆쒹컊㵤ꆣ㈰닓쪱ꆱ䉖?꾳걭맀ꇓ붨ꎬ伭캬믡焩뎤횵뛗쾢폚닉쇬튻솿탲듎쮫뚯좷ꎮ⡸爨ꎣ뗄뚯㱬ꆱ쓓쇐䕳닎쒣?퇹楮솿삼ﶣ⬰〵퀹뗄쮫볤ꆣ캱훐붨볆썁뷡⨩쫽쿻뗃늨춨볇컳쫗ꎬ뗍폃폲뻟뷸쇐뇤쏝싊풤탐럖瑩겻훍닺ꎬ쮫砨쫽탍놾횵캪웖곋ꎮ㘳ꆰ쏝탲沾쒣剆맻㴨쳘췋떽뚯맽틤닮틲욵훐폐탐뗄듎닢ꎬꟐ컶浡ꄭ뫳짺퓲쏝瀽ꆣ죝ꎬꎺ떡ﳓ㖡ㄲ룶틑듎쇐?풡캪䥍샻죧ㆡ탔쇋싊䅒쾡듋쪱뢴컞붨뎤뗄뇤돥䶻뷐풷벰瑩焽솿뿉䥔ꍈ?ꏒꎮ붻쪵榣뇤쯣뗄管킲놼ꎺ䄨폃쿂ꨰꎬ헢뫜渭뷸듎㒣ꊷ볤퓓욫쒣볇닮믷훎펦潮⦣폃?캪틔㌰쿖닮펰ꢶㆣ벫ꎺꎮ죅튻탐길뗄탔ꎬ믡뷸깩ퟓ풭Ꟑ뇤ꎯ겵䥬뗃ꆱ쿬꾳걤듳㐲㥸?ꆢ탐ꎮ뛠틲닮沵뇗?킵ꎬ㐷楮搨쿮ꆣ킶뗄쑛?ㄩ㙌ꆪ폑澣죴풡풤咣⤬?鈴겡럖냒닢꽭熡戲뻈똩퇊ꆿ??
