统计与信息论坛 第19卷第5期5均t.,2004 {统计应用研究}中国股市存在"约瑟夫"效应吗?一一对我国股票市场的实证分析马丹(西商财经大学统计学院，四川成都610071)摘要约瑟效应"即长记忆性，是指股票价格存在长期持续与非周期的循环现象。为了对我国证券市场的长记忆性作比较全面的分析，文章选取上证综合指数和深圳成分指数，分阶段利用RIS方法、ARFlMA过程来识别收益凉的记忆特征，并用FIGARCH模型来刻画波动的记忆特征。分析发现，hurst指数以及ARFlMA模型袋明收益率序列存在比较微弱的长记忆特征，而利用FIGARæ模型则发现序列的世动存在较为强烈的长记忆性。提键词:长记忆;RIS分析;ARFIMA模型;FIGARCH模型中圄分提号:文献标识码:A文章编号:1007一3116(2004)05 -0068 05 20世纪六七十年代曼德尔布罗特(. Man›者总可以根据过去的信息在一定程度上推测未来的delbrot)对有效市场假说提出了强有力的挑战。他收挫，因此长记忆的存在使现代金融基石一一有效发现收益率的分布是尖峰胖腾的，而且收益率序列市场假设(EMH)彻底失败。还虽现长期相关性，并据此提出了股票价格的"诺亚1968年Mandelbrot[1)在他开创性的工作中首效应"(NoahEffect)和"约瑟效应"(joseph Effect)。次引进了分散布朗运动及分形的定义，奠定了长记所谓"诺亚效应"是指股票价格偶尔会发生不连续、忆分析的坚实的数学基础。到80年代，计量经济学突发性的大跳跃，并在一个大跳跃居常跟着…个大家们开始注意到长记忆研究在经济金融等领域的震跳跃，在一个小跳跃后回常跟着一个小跳跃，这导踉大作用。80年代初.Grangerand Joyeux (1980) and 股票收益的分布出现尖峰厚腾的现象:"约瑟效脏"Hosking (1981)[2]等人对传统的ARMA模型加以是指股黑价格存在长期持钱与非周期的循环现象，扩膛，提出了分数形协整的ARFIMA模型，使对具这导致收益存在长期相关性。这两个效应的发现实有分数雄的时间序列研究进人…个新阶段。1996陈上揭开了两类时间序列研究的方法的序幕。其中年.Baillie, Bollerslev and Mikkelsen[3)在Engle的之一是恩格尔的ARCH模型，实证研究表明这提模ARCH棋割据础之上，提出了反映披动率长记忆性型是捕捉"诺亚效应"的理想工具。另一个则是以分的FIGARCH模型，这大大提高了计量经济方法对黯自回归移动平均模型为代表的各类分整棋础。具有长记忆特征的金融市场的刻画力度。对证券市场的长记忆分析是近年来较为热门的…、研究背景话题。分析方法很多钮指标度理论和各种长记忆模时间序列的长记忆性是指序列中相距较远的时酬。其中栋度王理论是研究金融复杂性问题的重要理T 论和方法，也是金融工程新的研究课题。根据标度问问附具有峭的自相关性，即JKEPIlph)|…。不变性可以探索证券市场长期披动的规律，RIS方如果资产收益率具有较长的记忆性，那么技术分析法就是其中的一种[4]。值从目前来辛苦，日有的研究收稿日期:2004-02 -18 作者简介:马丹(1979…)，女，四川省宜宾市人，硕士生。研究方向:金融数据分析;市场调查与预测。68 ??췲랽쫽뻝뗚춳嘰㈰卥ꎺ튻ꆾ훐ꆪ십떤⣎햪뎡맽䅒캪맘컄摥랢뮹킧䕦춻쳸막쫇헢볊횮탍헻쪱?볤瀨죧헟쫕쫐ㄹ듎틤볒듳慮䩯䡯삩폐쓪䵩뗄뻟뛔뮰싛늻램ퟷ坉乯쯹ㆣ灴튻ⶣㄹ〴잿?튪뗄돌䙉볼춼쿗헂룥헟쪡ꎮ볆쫀汢쿖돊펦晥랢풾욱횸떼짏튻쫇ퟔ볤爩맻ퟜ뎡㘸틽럖쏇ퟷ祥獫햹歫䍈폐횤쳢ꆣ뫍뇤뻍춳틦긱ꆤꎺ먽ꎬꆢ뻭쓪쇒캽볤?ꆪ쾲뎤살䵁듊럖뇪뇠죕볲틋?ꎬꎺ폫맺볍牯쫕쿖ꆱ捴탔막훂뷒쫇늶믘탲䤽뿉볙쓪뷸컶뾪폃畸楮쫽䉡敬쒣䝁좯ꆣ웤랽뗚㧔볆뗄ꎬ㈰ꎺ욾ꆰ볇쪶쒣샠뫅웚뷩뇶퇐㗆탅?뎤쇹琩틦⡎⦺⦡뗄퓚욱쫕뾪뛷ힽ맩쇐룴ꇞ닺틔짨䵡쇋쪼ꆣ⠱木쳡캬楬獥탍剃볇쫐럖훐램뿉웤〴ꎺ뛔펦틲궴풼틤뇰탍뎤뫅싫억쫐?ꎺ볇쾢막웟뛔싊웚潡춡듳튻뗄볛틦쇋룱ꆰ틆ꆣ쫕룹⡅湤럖볡힢㠰㤸ㄹ돶汩湌믹䣄틤뎡컶뇪ꎬ틔훐뺿ꎺ즪탔쫕뇭볇㈰십죋폃틤퇇뻟듋컒싛ꎺ쪮폐뗄쿠냔쳸룶럖룱듦솽뛻억뚯뎤뻝䵈敬쫽쪵틢쓪〩㠱쇋쪱斣톱뒡ꏐ쳘랽뛈튲첽킧ퟷ틦쏷탔틤䘲?〷〴떤ꎬ놳ꎺ퇐뎤첳쫐ꆣ쓪킧럖맘볉풾킡늼듦퓚샠뗄퇇욽볇폐맽⦳扲떽듺慮⦡볤걂횮춣헷뎤램샭쫇쯷튻뎼펦뇈싊쫕ꎻ㈴ꆪ⠱쮶㴽맺펦뺿볇㴽뺰웑ꆱ뷏뗄틦劣ꎮ㌱듺쫐늼탔ꎬ쳸돶퓚뎤쪱䅒킧뻹틤뻟좥릵潴샊쫽돵?븲탲潬䕮짏곕뫜싛뷰횤훖〲㤷쪿㴽ꆱ쿔ꆿ벴좫볇싊꽳?ㄶ틤ꆪ㧒짺듦싼뎡쫇ꎬꟓ늢풾쿖뎤웚볤䍈펦쒣탔폐뗄嬱퓋톧䪵탎쇐汥杬뷰뛠죚좯ꆾꎻ막쫇㴽몣뎤쏦틤탲럖⠲ㄸ묩ꆣ뗂볙볢늢ꚡ퓚뫳웚쿠쒣ꆱ탍쫇훸뷏탅뗄Ʞ䫔뚯믹䝲죈킭퇐牳斵쳡죚냼릤쫐㑊㴽횸곋볇뗄쳘쇐컶〰ꎬ퇐욱㴽퓚뛻쮵럥뻝넨튻쏦돖맘쇐탍뗄캪횸뎤쾢??벰뒡퇐慮쮶헻뺿汥?돶쫐컶삨돌뎡ꆣ듦쒴틤럖헷듦ꎻ㐩막뗄얮뺿㴽늼쳡엖듋䩯룶뎣뫱탸탔퇐ꎬ샭듺탲뗄퓚?﮿럖ꆣ뺿来풴뷸쇋뎡쫇뇪뷰탂뎤떫㴽쫐ꢳ탔컶ꆣ퓚䅒〵ꎬ랽욱㴽ꆰ싞돶캲쳡獥듳룺폫ꆣ뺿쪵쿫뇭쇐ퟔ볇튻ꪴ탎떽퓚?ꯍ䅒죫랴?뗄뷼뛈죚웚듓즶ꎬ늢뇈䙉ꆪ䧋쿲쪹㴽볛뎡쳘쇋뗄돶灨쳸ퟅ럇헢횤릤훐틤뚨듐㠰뺭뎵䙉튻펳쮼뿌쓪샭뢴퇐늨쒿㴽밶쫇컄폃뷏䵁〰쑊ꎺ룱쿠쿖㴽풼횸헂䙉캢쒣㘸⡂잿ꎬ쇋풾튻쿖훜솽랽퇐뻟룷쿠탔돌풵뚨쓪볃쑁䵁룶늨웁뮭살싛퓓뺿뚯잰뷰㴽얼뗄듺〷막톡䝁죵탍ꆪ죚㴽ꎮ폐뛸뫳룶쿳웚램뺿ꆣ샠뻠맘ꎬ뛈쒹틥듺뷰前쒣탂뚯뾾솦뷏뫍탔뿎뗄살뛻㴽ㄩ욱좡剃뗄ꎻ〵뷰쫽즪䊣솦쟒뎣킡킧뇭쇭럖뷏쓇짏ꓗꎬ죚䇄탍뷗싊궼뛈캪룷컊쳢맦뾴㴽쪵믡탔볛짏䣄뎤䙉뻝㴽죚깍뗄쫕볛룺쳸ꆰ톭펦탲쏷튻헻풶쎴췆쒪볆뗈ꏐꎬ뛎뎤쎷ꆣ죈훖쳢싉㴽룱횤ꏐ볇䝁랢럖횤럲慮쳴틦룱ퟅ풾풼뮷뗄쒻헢룶쒣ꎬ벼닢믹탊뚨솿쇬춼쪹ꆣ볇붷쏅뎤룹틑㴽듦ퟛ췀틤剃컶짺㴽ꆪ햽싊뗄튻ꎬ즪쿖랢ꆣ샠퓲탍쪱쫵캴?쇋뺭폲폒뛔ㄹ틤ꢶ볇훘뻝劣폐쪯퓚뫏뒿쳘䣄ꎻ㴽럖늻벴㴽⋐ꆣ탲ꆰ룶헢킧쿳쿖웤쒣쫇럖살볃뗄?뻟㤶탔틤튪뇪꽳뎤횸첻헷ꏐ쫐ꆪ솬㴽웚쫽궲ꎬ?쯻쇐억듳떼펦쪵훐틔쯽뗄볇톧훘쒣샭뛈랽퇐뎡컶㴽ꆪ탸㴽돖뫍ꢶ뛸뗷ꟓ퇇훂ꆱ럖뺿ꆢ퓩폐탸짮꾵샻닩폫?쒼폃킧ꛂ?럇돉쟒䙉풤훜럖䝁닢웚횸?剃ꆣ뗄쫽䣄톭ꎬꎷꏐ뮷럖훎췔쿖뷗쿳뛎ꋏꆣ샻횣훐캪폃걨쇋劣畲킵뛔꽳獴쒲컒랽횸ꢶ맺램쫽꾴횤ꆢ틔좯䅒벰?쫐䙉?䵁
马丹:中国股市存在"约瑟夫"效应吗?结论却似乎不尽相同。有研究表明:证费市场不存持久性的水略可以通过H与的兹的大小来度在长记忆性特征(Hiemstra& Jones, 1997) j也有研量。Hurst指愈偏离，表明股票价格变动的相关究认为日收藏卒、周收益事甚至周收月收益率均存性愈大，信息反应时滞愈长jH愈越近于，表明股在较长的相关性[Barkoulas&Baum (1996), Baum 蝶价格变动的相关性愈小，倍息反应时带愈烦，市场& Travlos (2000 )[5], Sadique & Silvapulle 有效性愈强。(2001)[6] ]。(二)AFlMA模型尽管目前对长记忆的分析方法以日趋成熟，但RIS方法是一种比较简便的识别长记忆性的方是大部分分析仅仅用限于成鹏的证券市场(特别是法。但是实际上所需要的不仅仅是知道是否存在长柴圄证绊市场，对新兴市场(ECM)的分析比较记忆性，还希望建立可以刻踊这种特征的模型，从阳少[7]。与成熟市场相比，新兴市场一般具有规模可以对时间序列作出比较恰当的预测。ARFlMA小、流动性菇、波动性强以及投资者对信息反映较慢模型是目前远用较多的模型之一，对于观棋值序列等特点。这些特点可能使新兴市场的信息传递方式lxtl，如果满足:句成熟市场有所不同。最近几年，国内有学者对我φ(L)(l-L)d(X u) = El(L)乌t国证券市场的长记忆性作了分析，但是这些分析揍则lXtl服从分盖在自回归滑动平均模型，记为ARFI帽本上没有形成统一的结论。MA(p，d，q)模型。其中L为滞后算子，μ为坷的均为了对我国股票市场的长记忆性作比较全面的值，1~1为自噪声序列，ldl<，(1…L)d为分数整分析，越者选取上证综合指数和深圳成分指数，利用分算子。φ(L)=1…<ptL山阴13……白种四为p阶自RIS方法、ARFlMA过程来识别收益事的记忆特回归滞后算子多项式。El(L)= 1-—L —zL2- 1征，用FIGARCH模型来刻画波动的记忆特征。oq问为q阶滑动平均滞后算子多项式。这里φ(L)二、分析方法~El(L)先公因子，且φ(L)和El(L)的零点全在复平酣单位朋Izl=L<兰外，以保证平稳性。辈辈分算子(1(一)RIS分析-L)d按工项或展开为(卜L)d出2叫(】L)i，当O重标极差分析法(rescaledrange analysis, RIS) 是Hurst( 1951 )在研究水文学时首先提出来的。<d<时，lxtl是长记忆过程。Mandelbrot& Waills( 1969)将RIS分析用于测量时对ARFIMA模盟的结掏辩识与参数估计应尽间序列长程相关的强度，而厨RIS分析被广泛应用iiJ能地利用传统的ARMA模型建棋中的方法工具。于对金融时间序列长黯相关的分析之中，其蕃本思但与传统的ARMA模型相比，ARFlMA模琐的建路是对于时间序列lXll:立耍困难和复杂得多。在利用似然函数估计自协方令R(T)锺时，精确似然估计方法遇剖了计算上的困难[Sowell(1992)给出了极大似然估计法具体的计算百rna~l去Xj-E[xJI町mil)l扛一E[xJI钱j运Tj叫'隔j啄Ti叫'方法]。其中丁是子区间的长度，R(T);是T期间上的(二三)FIGARCH模型极差，这果民(T)随丁的增大耐增大(Feder，1988)。实陈上，可以把FIGARCH模型的思想着作是为比较不同类型的时间序列，Hurst用观测值的标ARFlMA模型思想在ARCH模型族中的延伸。传准整去除极整R(T)得到:统的ARCH模型是建立在序列没有单位根的前提RCT)日如土号码(αT)H之上的，如果具有黯数阶单位根则要将序列进行平S(丁)稳化处现(IGARCH)，因为黯敷阶单位根的限定过S(T)是T期间上的标准盖，a是常数，H是赫于严格与绝对。为了研究具有持鳞但并非永远延续斯特指数，且O~H~l(Mandelbrot, 1972)。麟斯特指数有三种不同典型:当日出时，原序列是标?能的波动变化，Baillie, Bollerslev和Mikkelsen(1996) 随机游珑的，现在不会影响将来，即原序列做定长期提出了介于GARCH与IGARCH之间的FIGARCH的统计相关;当0~H<时，原序列具有反持久模型(fractionallyint唱ratedGAR ) 0 FIGARCH 性，即序列是均值四复的，过去的增量与未来的增量模型的表达式可写为:负相关;当<H~1时，原序列具有持久性，即过;(L) (1…L)d~=句十[1…日(L)u~J去的增量与未来的增景是正相关的(Hurst，1951)。为了直观反映条件方差项，一般写为:69 ??췲랽쫽뻝십뷡퓚뺿♔⠲䪣卡뺡쫇쏀짙킡뗈폫맺놾캪럖劽헷뛾⣒훘牡慮䵡볤폚슷쇮刨㊡㊣웤벫ힼ뺯潫ㆣ匨쮹횸쯦뗄탔뢺좥돖솿욱폐⢶劣램볇뿉쒣筘컷퓲䵁횵摉믘兡쏦튻㱤뛔떫솢닮孓랽쪵횺춳횮컈쳡楮䝁뛡㘹?婉⣈湧牡摩卩瑥떤싛뎤죏뷏〰맜듳맺ꆾꆢ쳘돉횤짏쇋컶ꎬ묩뇪慬䡵湤탲뛔吩훐뇈닮쫽믺춳쿠뗄뻃ꆣ폺볛킧︩꽓틤탍⡌筘⡰㰰䱱䀨떥쓜폫튪쪱潷램뮯퇏늨돶쫇䰩?볊ꍭ癬煵汶쯣맩㴱ﴩ杲剃깘닮틔ꆪꎺ톶좴볇캪뎤〩ㄩ쒿늿횤㝉쇷뗣쫬좯쎻뛔ꎬ붷폃劣벫祳牳敬쇐뷰哊뷏좥쫇횸폐폎볆벴맘퓶탔䡵듳룱䅆랽떫綣⤨瑽管ꎮ䰩캻뗘뒫삧嶡䅒뗄뒦뚯쇋⡦횱潳?慰㢰慴횮䙉짏훐ꆪ쯆틤죕뗄?畬嬶잰럖좯ꆣ뚯쫐폐컒뇊ꢡ䙉꽳닮楳琨扲뎤죚쟗늻돽哆쫽죽ퟟ쿠탲ꎻ솿牓뇤폺䥍램쫇쒿곈㇒럾撣㖣ퟓ훍熽컞풲㗊샻춳쓑뺫氨䍈샭폫뷩牡敤䠩뇭맛檡ꎬ뛔㛐폚뒶㇒맺㴨췢䝁䥭汥뫵탔쫕쿠嵯뛔럖쫐폫헢뎡탎맺헟ꉁ䝁ꎬㄹ潴돌쪱폇춬벫?훖뗄맘쇐떱쮮瓖탅뚯잿䇄쫇쪵뮹잰뭌듓걱緎갨ힻ릫?놣폃뫍좷쒣죧⡉뻸뮯폚捴듯랴컶慸막쪱ꆣ뫳ꎬﻏ剃뭌ꩅ헢쑉늻쳘틦맘뎤컶뎡돉닮킩폐뗄막톡剆剃劣㔱♷쿠볤샠쟒ꎬꎻ쫇ィ캴욽룓쾢ꆣꏐ튻볊쾣퓋﯂⤸럖⧄ꪰ㇒겶틲걻뒫䅉뢴쯆㤲뿉탍맻䝁뛔楯쪽펳쫐慔쒣랽ꆭ틔䣄볤⤸뺡헷싊탔볇뷶ꎬ쫬ꆢ쳘쯹뎤춳욱좡䥍䣄램꽳⧔慩맘탲탍刨쾵ァ춬쿖떱뻹긵살뿉陼랴쿠?훖짏췻폃𧻓⡘헻ꏐퟔ뭌ꋙ쯣꿆ퟓ碡䱍퓓좻⦸쫇뻟剃ꆣ䉡湡䙉쳵듦틔學샯볤놣䵁ꏐ탲뷕ꆶ램퓚쿠⡈ꆢ孂틤뷶뛔쫐늨뗣늻볇튻짏䆹ꏐ⡲??汬뗄쇐쒳吩⥈쒱?샠ァ횵㱈틔ꯀ펦맘뇈쯹붨뷏ꆣퟔ춡⤸붾ꎬꍽ䇄뗃맀탍폐䠩캪楬䣓킴볾⡌ퟓ횤?냑䝁ꆰ쇐릿㵡춬楥훜慲뗄뻖탂뎡뚯뿉틤횤ﶳ췀敳킾猨잿뎤꒶쪱뗃ꇜ탍늻?믘퓶춨탔뷏탨솢뛠?튻ꏆ類캪淪쟒쫇䅒ꏐ볆헻ꎬ쇋汩랽嵬刨탲쒣욽풼䙉ꆣ浳쫕歯럖쿞탋쿠탔쓜뷡뗄ퟛ쳀뒿捡뿋ㄹ뛈돌筸좣볤떽벲ㄨꎺ믡㰰뢴㇊솿맽ꎮ훍폺볲튪뿉甩맩⤽뛠춺ꇞ뎤䵁췏랽쮼퓚쫽틲퇐斣䝁剃漫닮컈즪忛吩쇐탍폐瑲틦畬컶폚쫐뇈잿쪹ퟮퟷ싛뎤뫏듊첻汥껎㘹ꎬ쿠걒탲ꎺ䵡떱펰ꎮ뗄놣쫇䣓㖣폺킡뇣틔쒣㵀뮬큌킣쫽⡌볇퓚램ꮴ凳뷗캪뺿걂剃쿮汽ꨨ嬱럲㇒쿮탔쿫?퇐愦싊慳랽돉뎡ꎬ틔탂뷼쇋ꆣ볇횸뚱궲?쓑⦽뛸맘⡔쇐걡湤䠽쿬㗊곔헽겱뎤뗄늻뿌탍⡌뚯캪걬닮⦺틤좣샻폶떥헻뻟潬䣖ꎺ㇒굃튻ꆱꩭ쯦ퟷꆣ뺿䩯짵♂램쫬⡅탂벰탋벸럖틤쫽ꢶꟊꭒ뫳뗄⧊ꎬ쫇敬ィ붫놣맽귐쿠ꎮꎻ탅쪶뷶뮭횮⦡욽훍믷쪽펶쵀붨걁폃떽웈쎻캻폐汥꺼튻킧퓚뭌䈨닮䣄뇭湥훁慵틔뗄䍍탋춶쫐쓪컶탔뫍헒꾵뇊ꎯ劣럖楮읔咵䡵뎣扲긵살곔좥맘㖵䣓쾢뇰뷶헢돶튻뻹뫳⡌돌뷡쒣剆쯆쇋뮹폐룹뷗돖牳냣펦ﱌꆣ럖⥡䰩ꏐ싰쏷玣훜洨죕횤⦵쫐뎡ꎬퟷ짮쒼ퟏ厷꽳컶웚牳쫽潴쪱귐뗄킾쒲짆難랴뎤쫇훖쒣쯣ꆣ훐䥍좻볆삼䅒떥퓲탸汥쑆킴쯣ꆭ쓔㶡릹ꆶ?ꎺ갱쫕ㄹ쟷좯쒷뎡헟뗄맺떫뇈?쪵쟒죌훎럖횮볤瓓ꎬ벴퓶?⡈놼펦볇횪쳘뛔탍ퟓ튻䀨붡쓁䇄몯쯣욷춵캻튪皺䥇캪ퟓ왃䍈?횤㤹퓂㤶돉쫐훎튻뛔탅쓚쫇뷏쒼컶훐짏쎹䣊ㄹ풭킾솿킳畲쒴?ﳓ쪱틤뗀헷폚ꎬꏕ랽ꏐ쫽ꢾ룹붫늢쵍䅒ꎺ笲뇧쓋돰䰩⠱籬좯㜩쫕⦣쫬뎡냣탅쾢폐헢좫럖쟒?쏓놻ꎬ뗄?잺㜲탲?폫횾獴?훍탔쫇맛볇룘램춵맀?럇楫䍈볏ꎮ잡쪶쫐ꎻ틦걂ꎬ⣌좽뻟쾢뒫톧킩쏦횸뒵?맣웤?⦡쇐킷캴쏐ꇀ폺뗄럱쒣달캪䰲㴱ꯔ⣒릤쒽볆삧잰쿞폀步뎡튲싊慵떫??폐랴뗝헟럖뗄쫽쒡랺믹떵ꎺ쫇좱뒳살풣ㄹ뒶꾵㖣뛌랽듦탍횵䅒墡??뻟ퟔ쓑쒼쳡뷸뚨풶汳뭌塪떱ꆭ튻폫늻폐뻹?맦펳랽뛔컶ꎬ뿊펦놾쒱헋뇪랦횾뗄겼㔱쓏겱퓚탲䙉ꎵ䰩듆ꆣ킭웋듗탐맽퇓敮⥪듦퇐?쒣뷏쪽컒믹샻폃쮼만ힼ뎤퓶뒹⦡쫐듓쇐쒾ꆤ攱랽ퟥ욽탸⠱ꆪ뗄닎ꎬ싽폃?웚솿뎡뛸㤹튻䳒떱?䕛풤쫽훐?㘩?퇶믈硝뇄닢맀뗄䱐?敲ꆣ볆퇓캪㊡ꎬꆪ펦짬傽궡ㄹ㛐뺡ꆣퟗꓒ㠸쑉?뒫⦡䵁?
统计与倚息论坛citα。[1叫B(L)]-l+11…[1…B(L)]由l</>(L)日的上证缩合指数和深圳成分指数为样本。在来样期间包括三大救市措施的出台、交易制度改革、日涨(1-L)dl~ 跌幅限制、固有股减持以及PT制度终结等重大历口α。[1…B(L)]-1 + À(L)~ 史事件。为了分析宏观政策对证券市场的影响，将其中0~d~1，À(L)= _~ÀKLK，让~O，'v'k口1，2，K院1样本区间划分为两个阶段:1992年2月1日-1996…，以保证d非负。FIGARCH反映了外部冲岱对年12月16日为第一阶段;1996年12月17日以后条件方提具有持键性，并缓慢下降。为第二阶段。作这样划分的原因主要是1996年12FIGARCH模型的估计比较难，极大似然估计月16日出台涨跌幅不超过10%的限制政策对证券相对比较简单，并能为较多人所理解和应用。虽然市场有较大影响，此后的数据波动区间变得狭塔被金融时间序列往往是非正态分布，具有尖峰厚尾特压缩在(一，)之间，这将影响其实的数据生成征，但荒Bollerslev和W∞，ldridge( 1992 )指出:仍然过程，如果不加以区分难免有较大的误差。可以利用正态分布作似然估计，正态分布估计结果(…)RIS分析结果具有鲁棒性。为了进行似然估计，无穷阶滞后算子由于绒性依赖性会使Hurst指数偏离，为了消必须被简约为有限阶栅眉项，一般来说500-1000除原始数据自相关的影响，必须对原始数据进行处阶即可。这样，当向服从正态分布时，似然函数为:理。通过取AR(1)的残楚，可以降低偏离程度并希logL(~/Ût-l j 1;9) 0望由此降低结果的不显著性程度。此过程也就是预白噪芦处理。对日收益事乌进行AR(1)回归去掉←O盯ω川5点以一。5将序列的线性相关得残整序列lXtI。将Ixtl序列等分其中10是初始条件。为A个长度相等的子区间，每个子区间分别记为二、或因证券市场长期Ia，每个Ia上的X记为'对每个子区间计算累计t偏盏，以及每个子区间上的极差.，用(子阪问标准记忆特征的实证分析盖)去除之后计算算术平均数得到。最后得到回阳笔者选择1992年2月1日-2'∞2年12月30式(计算结果见表1，计算得到的log…log见图1)。10g(RIS) 10g(RIS) r皿甸回r-J咽'~ ~ ~ M四~/古沪 乒/X /" J卢 ~ ~ d卢~卢 , / ’" ~ /俨 1og(n) ~'7~ 10g(n) 23 69 199 575 23 69 199 575 因1止海深圳IR/S回(1992-2∞时费1Hurst指数计算结果蝇忆性并不是十分提出。两市相比较，从1992年2月时间段Hurst指数E(H)标准差A蓝1996年12月，上市的Hurst指数高于深市，这…1四川臼\01寸伽\12飞以 结果与现实的市场状况是相脚合的。90年代韧期上海1992\02\ 01-1996\12\16 O.ω 是我国浦东开发战略讯报推进的时期，这一时期经1996\12\17-2∞2\12飞 现出明盟的部弱沪强，上班指数成为整个市场的风199队ω\01-2∞2\12飞 向标。从1996年12月以后，香港回归的预期改变附111992\侃\01-1996飞12飞 了这…状况，此期间深证的Hurst指数反过来明显1996\12\17-2∞2\12\31 跑过了上市，以深发展为代表的回归概念股得到了市场的普遍认同。从表1可以看出:元论是整个时间段还是分时{工)ARFlMA模型结果间段上梅锦合指数与深圳成分指数的Hurst指数均笔者利用EML方法对上海鲸合指数与深圳成大于，我现出一定的长记忆特征，倒是这种长记70 ??췲랽쫽뻝춳⠱㶡웤ꆭ쳵䙉쿠뷰헷뿉뻟뇘〰뷗汯튻죽볇뇊䙩ㆣィ쿧ꎯ㖣ꎮꇎꆪ죕웚뗸쪷퇹쓪캪퓂쫐톹맽⣒평돽샭췻냗탲䥡욫닮쪽侣뛠컹㊣춼뇭쪱듓볤듳㜰틤훁뷡쫇쿖쿲쇋뎬⢶咣?ꎬ긷䡵긶긴긲깏길기긳?木쿧볤볆㞣㇉볾䝁뛔죚틔폐탫벴杌긲헟ꆫ뗄컊쫂놾ㄲ뗚ㄶ뎡쯵돌묩폚풭ꆣ평퓫쇐䆸닮⧈⢼?뇭뛎탔ㄹ맻컒돶뇪헢︩㵡튻훐ꎬꎯ맽뀱꼢?ꆢ틤럹劣傣晦牳뛎폫?쾺澣랽剃뇈쪱떫샻슳놻뿉⡘톡㈰짏냼볾쟸퓂뛾죕폐퓚ꎬ劣쿟쪼춨듋짹뗄쎿ꖳ웋ㆿィ늢㤶맺쏷튻ꆣ潛䰩澡틔꽓䡵쇋튻瓖탅ꇎꏉ컒쳘쿞닮䣄뷏볤쫇폃냴볲ꆣ璣퓱〲?횤삨ㄶ뷗돶⣒죧꽓탔쫽맽붵뒦쿟꒶룶틔牳짒몣긵늻쓪쿖웖쿔듓ힴ웕剆㇒㡽?놣짏쾢룊䈨긵瓖뻟ꏐ볲탲䉯헽탔풼헢꽮돵ㄹ쓪ퟛ죽캪뮮죕뛎첨듳묰맻럖틀뻝좡뗍샭죏䥡벰꺺풿ꎬ쫇ㄲ쪵뚫뗄뿶뇩䥍䕍맺헷훆싛?뭂ꆶꇜ횤ﶼ룊쫐䰩폐춵떥쇐汬첬ꆣ캪퇹Ⳓ쪼㤲ㄲ뫏듳쇋럖헇펰ꎮ늻컶삵ퟔ䅒뷡쿠짏쎿﮼뒳뇭쪮퓂뗄뾪짮㤶ꎬ죏䇄䲷첳ꎯ﵅횤뗄ꆢ웋⡌ㆣ뺮呬ꎬ돖쒹ꎬ췹敲럖캪폐묱쳵쓪퓂횸뻈뗚ퟷ뗸쿬ㆣ볓뷡탔쿠⠱맻뛔맘좵뗄룶웋ﮱ⡈쿖쫐랢죵듋춬ꏐ붷反嶽⥝걘럇⦱좯쪵맺탸삼늢췹獬늼쇋쿞떱ꎻ볾㋔㌰쫽쫐컶솽튻헢럹ꎬ갰틔맻믡맘⦵뗄죕뗃쓗塴ퟓ뱦뫎돶춻짏뎡햽뮦ㄲ웚ꆣ춽ꢶ퀫潧튻⡌뢺ㄹ짮탔욱쓜쫇敶ퟷ뷸뷗ꇪ䥯ꆣ숱뫍듫뫪룶퇹늻듋ꎮ쟸쪹뗄쒲쫕닐폇볇ꎬ?폫돶ힴ싔잿퓂볤퓉쫐횤폐벲ﮱ죫㤲ㄫ⤽ꆣꎬ좽캪럇뫍쯆탐훍璷ꎻ짮쪩맛뷗뛎뮮뎬뫳ㄩ럖䡵펰킲쿔틦닮볤볆??뚨뗄뿶톸틔랢쾺⠲?뎡럖막ꆫ⡌늢쿄뷏헽坯좻쯆뫳ﺴ〩?뗄헾뛎ꎻ럖맽횮쓑牳쿬훸싊탲填짏붾쯣쟕솽䡵쫇쏍횤ꏗ笱ꎬ䙉햹㈰뮺톣뛠첬潬맀좻쿮폕뎤컶돉돶복닟ꎺㄹ뗄쫽볤쏢瓖ꎬ겿탔牴쇐곃ꋳ流뗃﮸쫐牳쿠췆횤?튻⦡즻䝁㝣캪〲싽겼죋럖摲볆맀ꎬ첨뛔ㄹ㤶풭ꎥ뻝폐룊뇘짒돌뷸笩뾸벫ﶵ떽볇쿠瓖컇횸쿣䡵쿖嬱ꎮ剃웚돖듺?쿂ꮴ쯹늼楤ꎬ볆튻겷횸ꆢ횤㤲쓪틲뗄늨헢뷏ﷆ탫풽뛈탐ꆾ쎿닮쎵놼틤뇈룊뫏쫽룛牳⦶튻歌䢷뇭틔붵샭ꎬ来헽냣횲쫽붻좯쓪ㄲ훷쿞뚯붫듳ꯀ뛔떵ꆣ䅒瑽폇룶ꎺ붡汯쳘뷏ﶸ뗄쪱돉믘瓖䈨䮣듓뗄ꆣ웈뷢뻟⠱첬컞살볊혵캪틗쫐㋔퓂튪훆쟸펰뗄풭췆듋ퟓꎬꏗ枡캻헷?웚맩룊벰䰩걫돁믘뮹뫍폐㤹럖쟮쮵놣퇹훆뎡숱ㄷ쫇헾볤쿬컳곎쪼ꯀ맽⦻붫쟸폃ꩬ맊䡵ꎬ듓?㤰헻뗄ﶷ쏅巒ꇝ쯍ꆣ맩삼펦볢㈩늼뷗㔰곋놾뛈뗄죕ㄹ닟뇤헦닮꫁쫽돌?筘횱볤⣗潧잷牳떫쓪헢룶풤뒹?훆묱澣?폃럥횸맀훍ァ웈ꆣ룄펰ꆫ틔㤶뛔뗃쪵쯏뻝첶튲瑽볆폇쎵볻훊瓖쫇㤲킣듺튻쫐웚ﷀ룅튼ꆣ뫱돶볆뫳ꬱ뮺퓚룯쿬ㄹ쓪횤쿁뗄?뷸좲뻍ꖵ탲쟎쯣붻춼룊헢곕돵쪱뎡룄듃뛡걶뾳쓮뛈쯤캲ꎺ뷡쯣꿊닉ꆢꎬ㤶ㄲ좯햭쫽탐ꋏ쫇?쇐샛?ㄩﶾ훖㋔웚뗄뇤⡌欽막ꆣ훕좻쳘죔맻ퟓ퇹죕붫놻뻝뒦?풤뗈볆ꆣ뎤돊럧?ㆣ뗃좻ꪣ헇뷡짺럖?볇갲?ꆣ떽?돉뗈ꎬ쇋汯훘듳条샺筴튻ィ긵ꎮꎻ캮
马丹:中国股市存在"约瑟夫"效应吗?分指数收益率以及相应的绝对收益率进行估计，其结果见表20袋2AJtFI~()估计结果表时间段SH(1992叩2∞2)SH(I996-2∞2) SH(l992-2002) SZ(1992-1996) SZ(1996-2∞2) SZ(1992-2∞2) 模型(l,d,l) (1,d,1) (2,d,1) (2,d,!) (l,d,2) (2,d,O IRI估计销果d 费精铃幡份 99传幡铃铃铃惕。.36205警惕铸ARFlMA ARF如fAA议FIMAARF肌1AA汉FIMAARF肌1A模组(2,d,O) R估计结果 ,d,O) (O,d,1) (O,d,l) (1,d,1) ,d,1) 铮铮铮份份d 僻制06铮铮O.例966份传铸铮铮tì:铃表示在10%的水平下统计显著;铮铮表示在5%的水平下统计显著;铸铸幡表示在1%的水平下统计显藉。从以上估计结果E可以看出:无论是上证还是深稳性检验、ARCH效应检验。塔省对所有数据进行市其股指收益事序列的长期相关性十分微弱，几乎了ADF检验，发现收益事是平稳的。而对序列进衍都小余10%。而Peters曾垣建议Hurst指数与d之异方提检验发现直到高阶以后仍然存在较强的间的关系为d=H…，这基本上得到了印证。上ARCH效应，表明GARCH模型是适茧的。为了考梅和深圳股市收藏事序列d值虽然很小，但是从自察长记忆性，根据BBM提出FIGACH模型的背景，相关函数上观测到往往捕后几期的自相关函数连辑对d的自相关函数进行了分析。其分析珑明J序为正成为负，腿然不满足随机游走假定，市场有效性列的自相关磁数强现出一定的规律性，即往往在一比较弱。同时也发现从1996年以后收益攘的自相个比较长的时间范围内有相阔的符号，并且其绝对关性并没有想预期的那样下降。相反，1996年后部值缓慢地减少，并且直到表明当前滞后100期J序市的长记忆性似乎得到了增强。这种现象并不能说列的自相关函数仍然在2倍标准误之外。这褒明当明宏观政策失效，只能从数据特征发生改变上解释。前的变化要经过比较长的时间才能消失，而至少有由于1996年以蹄，数据基本上被压缩在(, 一部分搅动是商以预测的。设定FIGARCH模型具)之间，使得数据之间在符号、取值范围上都更加有如下形式:接近，因此数据之间的联系有可能更加紧宿。特别只口m+乌乌l'l"t-t-N(O，aD是前面提到的几件大事，均有可能使记忆性加强。(a1L+"飞口)(1血L)d{三)FIGARCH模黯估计结果。←w+[1甲卜bL叫...~LP1建立ARCH提模型一般来说应该首先进行平表3列出了利用极大似然估计法估计的结果。费3FIGARCH模剧估计结果辑阳taSH(19归-1996)SH(1996叩2ω2)SH(1992-2∞也)SZ(1992叫1996)SZ(1996币2∞2)SZ(1992 -2002) d 佣ω69 se 81 p O.ωoω O.ω000 O.创)()ωO.∞oω O.ω001 ωω I正耳目-1叫叩2ω四由叩血 93 汩汩 sc 3.ω295 用AIC、SIC准则反复比较各个模型，最后确定存在长记忆特征。并且随着时间推移，d值有比较p，q的阶数均为10为了简化，在此只列出了长记忆明显的下降越势，即长记忆性减弱。由FIGARCH磐数d的估计结果和相应的t统计量。根据估计结模型产生的条件均值预测值…般都比其它模型大，果可以看出:在能确定d值跟著的情况下会增加风险预测的把握第一，除了沪市综合指数以外几乎所有序列的度。d值都大于，并且均统计踉辛苦，说明时序的披动第二，FIGARCH模型估计结果与ARFIMA模71 ꏜ??췲랽쫽뻝십떤럖뷡뇭힢듓컈쫐쇋뚼틬볤䅒몣달쿠뛔캪쇐뇈룶맘횵쏷잰평튻ィ폐뷓奴整쫇?⡡⠭좩眫붨㐶㜰㤰侣㘹㌸獥ㄴ㤵㌱㐸㠱㌹㞣〸㒣㜹㜱ㄶ㔹㚣㜵〰䱯ꆪ㌷㎣㤳㜶㐷㈱千〵㖣㈸㘲폃傣닎맻뗚擖듦쒣퓚뛈ꆣィ㐷㔰〰〱㌱䅒䙉길긵긶기긱ꎮ柒ꆪ긹긲㵭爱?긴ꎺ긶기ㆣ㘰횸맻?틔탔웤䅄킡랽뗄뫍뎤맘헽뷏뇈뮺뫪폚긱죧뷼잰汌㏁䅉걱쫽뿉튻떶퓚탍쓜ꆣ듀暴㘱〵〰ㄲ㠰〷㐸〴㤵㔵ㄷ㠷㔸ㄹ묱?ꆪ㜷㤰ㄵ㌴㘶〲㤸㐹㐷ㄶ䙉䍈늿⭥ⴭ솢䝁㠹㐲㈳쿔뛾㈰〰긲㊣㜴훐⪱?ꆪ쫽볻짏볬막䚼폠닮맘짮볇몯믲ퟔ죵뷏늢싽뎤맛뇤ㄹ⧖쿂ꎬ쏦⮡킳䎡撵틔벴닺좷긹㖣㔲뗄?쇒䳴䵁剃?ꆪ맺?긲㚣㜱쫕뇭맀퇩횸볬쾵킧?틤쫽캪쿠ꆣ뎤쎻뗘볇헾뮯㤶럖꺼탎틲쳡귉⥆䅒ꉓ뷗쒹뾴돽뗄짺뚨ꎬ?ꆪ䱬ퟔ뭬?긵㎣㠱막⡰뻔䣄?䅉틦㊡볆ꆢ쫕ꎥ퇩캪막탔짏뢺맘춬뗄폐복틤닟튪쓪쪽듋떽社쯀䥃쫽삼돶쇋?擖?긷㎣㖣쫐??ꎬ펦쿠늨ꆫ䥇䍈ꏐ쿂䙉?긶긴곗싊?뷡䅒틦겷ꆣ랢搽쫐ꎬ맛몯쪱쿫짙탔쪧뺭틔곊ꎺ쫽뗄焩ﯓힼ뻹욽뮦쳘쳵뗏듦ィ?㌷撡춹맘丨틔맻䍈싊ꋏ뛸쿖䣒ꎬ쫕룹닢쿔쫽튲볤풤쯆킧맽뫳뚯릵뻝벸⠱䅒샠쎼퓲캪쫐㖣헷붵볾퓖䝁퓚ꖵꍱ삼몯澣ꆰ벰쓋뿉킧탲훊健횱묰틦뻝떽좻돊랢랶웚늢뫵죔ꎬ뇈쏊횮볾튻ꮴ랴ㆡ﮺ퟛ겲ꆣ뻹⦹뇭쫇䍈쒣욽쟷剃풼껆쫽겴쿠틔펦쇐헒瑥떽ꎮ싊䉂췹늻쿖캧뗄쟒뗃좻횻뷏ﶾ볤듳䰩뢴ꏎ췏뫏ꋇ늢횵쓇삼즪뷏펦뾴볬뗄牳룟㖣쏷탲䷌췹뷸싺돶듓쓚쓇횱떽퓚쓜뎤뻝뿉?쀩쫂㠱쒣탍웈뇈꫁횸튾쟒쫆풤䣄욽ﮱ䠨럲싍ꆪ뗄돶퇩뎤쫊퓸뷗곕쇐훍ퟣ튻ㄹ폐퇹떽쇋㊱듓믹꺼솪ꎬ뮹뷏쮼ꚵ쫽留쯦닢탐ꆱ뎼䝁틔탍튻?ꎬꏐ뻸ꎺꆣ웚쟆뺭틔擖뫳쯦뚨㤶쿠쿂뇭퓶뚱쫽쪱놾쾵뻹삼룷쑴뎼ퟅ횵슻쇋킧웏ﮱㄹ뛔컞뇊쿠뷎붨뫳鈴剃뗋䥇벸믺뗄쓪춬붵쏷잿뻝볤짏풤?폐맀냣욷룶꾣춳췢웏쪱벴ꆫ춹펦퓖럖?쫕싛헟맘좵틩죔뻉䅃웚폎맦틔뗄ꆣ떱볎쳘닅놻﮺뿉ㄽꢹ쒣곔볆벸퓖볤냣싰䣄컶닢볆살뎤삼?틦묪쫇뛔탔쒡䡵좻쾵뮺䣄뗄ퟟ싉뫳럻쿠잰헢헷쓜톹얡삼탍?솿뫵췆뚼펷㤲ꆣ⪱싊짏쯹쪮ꎶ牳듦쎵ꏐ?ퟔ볙탔쫕뫅랴훍훖껍랢쿻쯵뗄ꋈ룼쪹뷡쮵욵ꎬ쯖ꆣ곋틆볇뇈욽웤뷸횤폐럖瓖퓚뷁ꆣ춵쿠뚨ꎬ틦뫳쿖짺쪧ꇖ볓볇쒽ퟮ믁룹뗃헔췟췊ꆣ맻펦틤뻔ꆪ럖탐뮹쫽캢퓐룊뷏쯓겵쒱맘ꎬ벴싊늢ㄹ쿳ꏕ룄⣒떷뷴틤뫳킳뻝탲擖쯼꒲?맀쫇뻝죵잿ꇖ쟊ꯊ뎾몯컶쫐췹뗄쟒㤶テ늢뇤뛸묰짨뛎쏜탔룃ﮡ좷쇐뇐뗓쒣ﯓꎥ볆짮뷸ꎬ킽꒡잴낣쫽뎡췹ퟔ웤쓪?늻짏훁ꎮꟉꆣ볓?ㄹ뚨쮳킱탍쒰뇭뗄쪵뚨쎢쫗복ꎬ탐벸횮ꏉ폗?솬폐퓚쿠뻸뫳㋐쓜뷢짙ㆣ쾶쳘잿꒼뷡쒲좽듳퇎쮮쏷웤욽뫵?놵탸킧튻뛔짮쮵쫍폐䙉벸뇰ꆣ쿈쟒ꢶ죵ꎬ剆ꎺ㤶쿂탔ꆣﲼ?쒡닺䝁뷸ꆣ䥍춳楪?볆탲⥓ꏎ剃탐평䇄쿔훸꫁䣄욽䙉?뿳䠨ꎻ쮿ꏐ䝁⨪⪱?춾ㄹ剃䪡뻔??㤶ꎥ뗄?쮮ꆪ욽쿂㈰춳볆쿔〲훸ꆣ⥓䠨ㄹ㤲ꆪ㈰〲⥓娨ㄹ㤲ⴱ㤹㘩博⠱㤹㚡ꨲ〰㈩博⠱㤹㊡ꨲ〰㈩
统计与信息论坛这些最终都涌过市场交易活动反映在股价指数上，型有所不同。这是由于ARFIMA模型时针对均值使得股价指数所构成的时间序列呈现出非线性。问方程而宵的。分析的目的是为了反映r的长记忆特时笔者还发现并认为:宏观政策的作用并没有使得征。而FIGARCH模型中的d值是对d而宫，刻画的是持棋但井非永远菇棋的波动变化对条件均值的收益率长记忆性下降，反而有所增强。由于涨跌幅限制政策使得数据取值抱阁大大缩小，如果在一个影响。第五，培者注意到d的估计结果对时间段十分浓缩的空间中取值，那么数据之间的关联性是可能敏感。如果把这几个阶段再细分，则结果会有所不增强的。问但是基本上均大于。这说明证券市场虽然为(二)上海和深圳股市绝对收益率序列I1r t 1I和实证分析提供了丰商的数据来源，倒是尽管数据来平方收就率序列I~I具有很强的长记忆性自同一个总体，假由于用时间将总体划分为许多时用ARFIMA模型对I1rt 11估计的d值基本上集间段来样时，各个样本的代表性有所不同。计算结中在左右。而|巾的自相关函数序列则缓慢下果的盖鼻只能根据各个时间段证券市场行为特征来降，直到高阶还有较强的相关性。解释。(三)上海和深圳股市的波剧性具乎可长记忆性与持棋性四、结论在1992-1996年之间，由FIGARCH模型估计本文利用RIS分析、ARFIMA以及FIGARCH的d值基本上大于，并且统计显著。而1996年模型分析中周证券市场的长记忆性特征，从股市收以后，d值显著下降甚至低于。这说明建市之益率与被动性两个方面分阶段分析与研究上梅和深处，上海和深圳股票市场的披动具有长期记忆性，当圳股市的长记忆性。其结果褒明:时接受到的信息在其被接受到之后继键在很长一段(一}上海和深圳股市收越率序列Irtl的民/5统时间内影响未来。而1996年以后，d值下降长记忆计最接近，ARFIMA模型的d值接近0，自相关性避渐减弱甚至消失(如上海股市)，这说明宏观政性比较弱策尽管没有消除收益率本身的仅记忆性，但压制了尽管相关性并不强，但在一定程度上说明中国其波动的长时期蔓延"使波动的力度大大减弱，在股票市场并没有呈现出随机游寇的特性，并不是…规棍和调节股市良好运行方面显示成效。而在个独立过程，旧是表现出相互依存的关系。其原因1996年之后，市场对股市披动的消化能力增强，市在于借息以非线性的方式是现，人们也以非线性的场理性因素增加。方式对信息作出反应，股价被动也呈现非钱性，所有步考文献[1] (笑)协坠'OWllÎanmoti侧，fractio叫Bro州四川跚anda即Hcations[]].SIAM Review, 1968, (10) :422叩437. [2J (樊)H king ] R M. Fractional differ阻cing(]]. Biometrica ,1981,(68):165-176. [3J (柴油aillieR T, 8011时evT, Mikkel础HO. FractionaIly int叩毡tedgen叫ized刷刷咿出ve∞nditionaIhet也叫edasticity[]] . Journal of阳nometrics，1996 , (74):3 -30. [4J David Na咄咄.RIS Analysis and Long Tenn De阳dencein Stock Market Indices[]].Applied Financial Economics, (14): 237 284. [5J Ray, BK,TsayRS. Long-ranged吓阻dencein伽ilystock volatilities[]αmuù of Busin晒&Economic Statistics，则O.(18) :254町262.[6J (美)制iqueS. Silvapulle P. Long -t四nmemory in stock market returns: int四lationalevidence[J]. InternationaI Joun叫ofFinance and Econanics, 2ω1，(6) :59-67. [7] (美)Barkoulas J T, Baum C F, Travl N. Lot阴阳'IOryin the臼咄创ockmarket[]]. Applied Finan，创Economics，2棚，(10):177 184. {责任编辑:郭诗梦)72 ??췲랽쫽뻝춳탍랽헷뗄펰뗚쏴춬쪵ퟔ볤맻뷢쯄놾쒣틦?⣒볆탔뺡막룶퓚헢쪹쪱쫕쿞얨퓶⢶牴욽폃훐붵⣈돖틔뒦닟웤맦ㄹ뎡닎嬱䉭浯䉲湯慮慰剥㐳嬲?摩嬳咣楮来慵捯桥孊潦敯嬴乡䅴呥䑥却䥮䙩䕣㈳嬵䮣摥摡癯䉵⠱嬶玣傣浥獴浡牥敶䩯嬷瑨䡮⣔咣侣䱯?獴慮䝲前䵡瑩潷楳?㞣瑥湥湤睲灥湡㞡걔厣楬慴걂䚣亣獴氲睮걍璡牭潣걓깫牫瑵畲慮볆잿崨灬癩晦嶣浯嵄潬摩潮嵒污㠩걂깆湧?敥폐돌쫇쿬죽룐떫횤춬뛎뗄쫍컄탍싊막솿뇈맜욱뛀폚쪽킩뗃뇊틦훆쯵䅒晽ꎬﴩ탸ㄹ擖뫳뷓볤훰뺡늨랶㤶샭뾼獩楤ꆣ묩︩籽랽퓚ꎮ牫潮湩敳?杲牡楴牯潣湤湣ꨲ까楳慵걔氧ꆢ楡楫??楬浧特整牮湡敩潬牡폫쏀楣敷敲깊浥慶汳捥潭慹瑩ꎺ玣慮䙲慴汩楯獫歩敮整楡㠴?〱牡潮䥃쯹뛸돖ꆣꎬ쫇럖튻닉닮샻쫐뷓뷏쿠솢탅뛔ퟮ막헟싊헾뗄䙉맀횱탔㤲떻쫜쓚붥맜뚯쓪컄滷캱汥捴짏뫍쫕ィ?步杲癡ꆪ玣慬걦敤穥湡ꎮ捥?ㄹ捳癬䥬탅ꆣ⥍慦ꎬ⥈慣敮⥂潵瑲楤獛楣汩㈵⥓孊뷡牳楯늻퇔탸뇊죧믹컶룶퇹틬폃늨뗄뷼죵맘뎡맽쾢탅훕볛뮹뎤닟뿕䵁볆떽몣ꆫ鈴擖펰복쎻뗷횮틲쿗汳敳灵瑥멩捥牡?慳劣ꆪꎬ潳䥉䙉몣틦긳瑩汥湡쾢慮楯ㄹ潳捩慩牮楣䩝玣?㒡慤慲嶣捴慮獩瑩꽓䤧㈰汬牭湴捳춬뗄떫헟맻놾쳡ퟜ쪱횻劣훐뚯뎤ィ탔늢돌틔쾢뚼횸랢볇쪹볤쒣룟뫍ㄹ뻉뗏쿬죵폐뷚뫳쯘䕣孊궣?汬潮싛摤楯湳㘸歩湧汬捩慬玣ꎮ갨㠱敳〰ꨲ楱갲歯깁ꎬ䝁뫍싊ퟳ癥敲?慬ꆣ늢힢냑짏릩쳥ꎬ쓜꽓맺탔볇긵쎻럇ퟷ춨쫽쿖틤뗃훐탍擖뷗짮㤶쾴퓖탅캴짵쿻쪱막퓶湡瑹≬潮嶣㈰몹첳扭孊湧楥갱䅰ㄴ㘲略湡〰畬灰剃짮탲폒?来〰헢럖럇틢뻹쇋ꎬ룷룹횤솽틤ꆣ늻폐뛸쿟돶맽쯹늢탔쫽좡뛔떻뮹?쓪쾢살훁돽웚쫐볓潭瑩깉流璣嶣⠱㤹灬⦣ꎮ沣慳汩ꎬ䣄?쇐ꆣ潮쫇컶폀떽벸듳럡떫룶뻝좯탔䅒잿돊랴쫐릹죏쿂횵筊鈴폐막횮?슽퓚쿻쫕싻솼뎡깁깓〩깂㚣楥?깊楣湴갨敤ꯃ慬ꏐ막管뛸捴䥁ꎺ楯갨?潵㘩평뗄풶撵룶폚뢻퇹룷ꆢ쫐랽ꆣ䙉ꎬ쿖뇭펦뎡돉캪붵좡뻉뷏볤ꎮ뗉욱웤쪧틦퇓뫃뛔敲츩楯?㐲浥㜴牮폚쒿췖퇓쒹뷗ィ뗄놾룶뒨뎡쏦웤쫐䵁떫돶쿖랽ꎬ붻ꎺ횵쓇뙽쾼範잿㖣놻ㄹ⣈싊퓋막湡湡㊡瑦⦣慬㔹䅒뗄탸삼뛎긵쫽폃쪱寐럖뷡쒣퓚쯦돶쪽막틗뫪랴랶쎴?늨평겲솵뎡뷓㤶놾ꎬ탐쫐瑩킵쫕뻸뻟뉽?楣먳ꆪ䙉쫇뗄욽퓙ꆣ뻝쪱듺볤쑉뎤뷗맻탍튻믺쿠돊볛믮맛뛸캧쫽뚯ꋇ췓쫜쓪쾺짭쪹랽늨潮쑤틦뛔폐憣ꆪ㘷䵁캪늨쾸헢살볤뇭뛎볇뗄뚨폎뮥쿖뚯탲헾폐듳뻝맘탔䝁틍?떽틔ꎹ쏦慬갱㌰ꎮ횵싊쫕뫜ퟔ쒣쇋뚯﮶럖쮵풴붫탔횤틔틤쏷擖돌ퟟ틀ꎬ랴쇐닟쯹듳횮뻟剃뎼ꎮ뫳짊뎤쿔뗄㤸쫇탲틦잿쿠탍랴뇤퓊ꎬ쏷ퟜ폐좯벰탔컶ꎺ떽뛈뗄듦죋튲펳돊퓶쯵볤ꆣ䣄웏㖡뻟뫳퀩볇쪾쿻ㆣ뛔쇐싊뗄맘갨쪱펳뮯놼퓲횤떫쳥쯹쫐䙉쳘폫펽짏뗄쏇돊퓚쿖ퟷ잿킡뎤ꏐ퓖ꏕ폐볌擖ꎬ틤솦돉ꆶ汲탲뎤몯㘸헫犵뛔뷡좯쫇뮮늻뎡䝁헷퇐ﱏ쮵탔맘튲쿖막돶폃ꆣꎬ볇춹탸뗏헢뛈킧쓜⦣뛸瑽쇐볇쫽뛔쒳쳵컊맻쫐뺡럖춬탐剃ꎬ뺿ꆣ쏷쾵틔럇볛늢평죧솪틤삼ꎶ뗃웚퓚슽쮵듳솦먱뻹꒼퇔볾꺷믡뎡맜캪ꆣ?듓짏뗄ퟔ훐늢럇쿟횸쎻폚맻탔等틤탲볇뫜떳쏷떫듳뛸퓶㘵횵쟒뻹?폐쯤쫽탭볆쳘막몣쿠맺늻웤쿟탔헇퓚쫇폫㤹틤뎤꒼뫪톹복잿ꎬ劣쇐ꆪ횵쯹좻뻝뛠쯣헷쫐뫍맘쫇풭탔ꎬ짏ꆣ쪹뗸튻뿉㛄탖쟒맛훆죵ㄷ뿌꽳퓲?뗄늻캪살쪱뷡쫕짮튻틲쯹ꎬ춬뗃럹룶쓜뛎헾쇋쫐㚣뮭춳뮺?폐떱퓚싽쿂
