可转换债券的VAR风险分析毕业论文

1、本科生毕业抡文可转换债券的var风险分析the measure of value at risk of convertible bonds学生姓名 所在专业信息与计算科学 所在班级 申请学位理学学士 指导教师职称 副指导教师职称答辩时间目录摘要iabstract11 绪论错误!未定义书签。1. 1研究的背景错误!未定义书签。1.2 研究的意义22 风险价值var方法概述32. 1 var方法的产生32. 2 var方法的发展现状32. 3 var的定义错误!未定义书签。2.4 var计算的儿种方法错误!未定义书签。2. 4. 1方差-协方差法错误!未定义书签。2. 4. 2历史模拟法错误!未定

2、义书签。2. 4. 3蒙特卡罗模拟法错误!未定义书签。3可转换债券的var实证分析错误!未定义书签。3. 1数据选取及预处理错误!未定义书签。3. 1. 1正态性检验错误!未定义书签。3.1.2平稳性检验错误!未定义书签。3. 3基于蒙特卡罗模拟法的可转换债券的var度量错误!未定义书签。4可转换债券var模型检验错误!未定义书签。5 var的局限性错误!未定义书签。鸣谢14参考文献15摘要2008的金融危机，经济持续衰退,股市一直低迷，但是债市却异常火爆。业内人士称, 债市将成为经济减速时期和适当放松的货币政策的最大受益者。但是，投资债券也存在 一定的风险。为了让投资者减少风险，投资前必须做

3、风险分析，以将风险降到最低。本文 通过介绍风险价值法(value at risk),对可转换债券进行风险分析。选用可转换债券 一个月的收盘价做为样本，短期内的样本一般服从正态分布，从而基于蒙特卡罗建立模 型度量可转债的var。本文是把整个过程一步步写出来，让想投资得到收益又不太会风 险分析的人士在投资前可自己做风险分析。关键词:风险价值var;风险度量;蒙特卡罗模拟;可转换债券abstract2008 financial crisis, the economy has continued to decline, the stock market has been in the doldrums

4、, but the bond market is extremely strong. industry sources, the bond market will be a period of economic slowdown and the monetary policy appropriate to relax the biggest beneficiaries however, there is a certain bond investment risks. in order for investors to reduce risk, investment risk analysis

5、 to be done in order to minimize the risk.in this paper, the value of law by introducing the risk (value at risk), convertible bonds on the risk analysis. optional convertible bonds as a onc-month closing price of the sample, a sample of short-term general normal distribution, which measure based on

6、 the monte carlo model of the convertible bonds var. in this paper, the whole process is to write out step by step, so that investment income would also not be in risk analysis to their own pre-investment risk analysis.keywords:value at risk;thc measure of risk;montc carlo simulaton;convcrtiblc bond

7、s可转换债券的var风险分析信息与计算科学,200511921123,罗诗敏指导教师：柴华金1绪论1. 1研究的背景金融市场是高风险市场，对金融市场风险度量的方法有很多种，其中上世纪90 年代兴起的风险价值法(即var方法)是目前金融界最流行的方法之一，var法的应用 范围十分广泛。证券市场是金融市场里的核心部分，对于广大投资者来说，客观认识 和防范证券市场风险，加强风险管理有很强的现实意义，尤其是机构投资者，从事证 券投资不仅要考虑收益问题，更要注重选择风险更小的投资组合。2008金融危机中，众多美国百年金融老店或关停倒闭、或改旗易帜，其影响和破坏 程度曾被格林斯潘喻为“百年一遇”，危机述在

8、蔓延，殃及的“池鱼”也许会更多。当 下，国内外经济金融形势不容乐观，尽管各国政府以及金融机构本身都在努力进行着各 类救赎和图存活动，但是潜在的系统风险和各类非系统风险仍然不可小视；经济持续衰 退，股市低迷成就了债市火爆。业内人士称，债市将成为经济减速时期和适当放松的货 币政策的最大受益者。但是，投资债券也存在一定的风险。监管者想更好地控制金融风 险，金融市场的全球化，科学技术的进步这等等因素带来了var的革命。因此，研究var 法在债券投资中的应用非常必要.1.2研究的意义本文的研究意义在于：从风险价值法var (value at risk)的起源到应用，使人们 懂得如何应用计算机做投资前的风

9、险预测，对风险损失给予及吋和集中的关注，使有不 同风险偏好的投资者能清楚他们的损失状态，使风险管理者能够根据自身风险偏好，选 择最恰当的风险管理手段，这将对风险投资项目的遴选、评价及管理起指导作用，具有 一定的理论意义和实践意义。本文以一种可转换债券为研究对象，并期望研究能达到以下目的：第一，建立起基于蒙特卡洛模拟法的var风险分析方法，选择重要度量指标，结合 风险投资项n风险特征，构建一个可行的风投项n风险度量理论模型。第二，利用可转换债券的var风险度量值，使投资者清楚他们的最大损失，为投资 可转换债券提供参考。2 var方法概述var即value at rick（中文译为“风险价值”或“

10、在险值”），是最近儿年才发展起 来的一种风险度量技术，是一种用于量化市场风险的简单易懂的方法，推出后不久就受 到了包括国际清算银行、巴塞尔委员会等官方机构和各类银行、非银行金融机构（如保 险、证券、特别是机构投资者）等众多组织的普遍欢迎，现己发展成为管理市场风险的 主流方法。与传统的风险度量方法相比，var提供一种考虑杠杆、相关性和当前头寸的组合风 险的整体观点，是一种有远见的风险衡量方法。var不仅适用于衍生工具，而且还适用 于所有的金融工具。因此，var方法在金融风险管理中被广泛使用。2. 1 var的产生自上世纪70年代起，全球金融市场的波动性日趋加剧，金融自由化与金融全球化 迅猛发展，

11、金融风险管理成为现代金融机构经营管理的基础和核心。金融衍生产品作为 金融市场风险加剧的产物，由于其具有根据顾客对风险和收益偏好“量身定做”、成本 低、高杠杆等优点，在近30年来获得了爆发性的增长。然而衍生工具的发展似乎超越 了人们对其的认识和控制能力。衍生交易的膨胀和资产证券化趋势并行使全球金融市场 发生了基础性的变化一市场风险代替了信用风险成为金融机构面临的最重要的风险。在 资产结构日益复杂化的条下，传统的风险管理方法的缺陷越来越明显。20世纪90年 代初重人的金融灾难，即发生在美国加州奥兰治县财政部门、巴林银行、德国金融股份 公司、日本大和银行，以及其他一些金融机构的一些灾难性事件是vei

12、r产生的根源。 这些事件的共同教训是由于金融风险的监督和管理不力导致数十亿美元的损失。金融市场风险和机会并存，人们在运用金融工具创造超额收益的同时，又承担着 巨人的风险。传统的风险度量如方差、久期等都只能适应特定的金融工具或者在特定的 范围内使用，市场需要一种能够反映和说明金融机构或者投资组合所承担的整个市场 风险的方法，var方法就是在这一背景下产生的。1997年7月出版的g-30报告使术语“风 险价值”开始走上历史舞台2。今天，许多银行、经纪公司、投资基金，其至非金融公 司都会使用类似的方法来评估它们所面临的金融风险。以统计为基础的风险管理系统 var得到了银行和证券市场管理机构以及私营部

13、门的广泛认可。2. 2 var的发展现状最初，var被作为一种方法来报告金融风险，它只是作为在风险数量上的衡量方 法。随后，许多机构学会把var作为一种控制工具加以运用。一个简单的例子就是公司 可以设置风险额度，从而限制交易者交易头寸。口前，var已经发展成为一种积极的风险管理工具，公司运用var工具，可以对投 资行为进行绩效评估，以及进行资本有效配置等。var也已经成为金融业管理金融风险 的通用准则，它是a前金融机构和监管当局最流行、也最为有效的风险管理技术。当然, 该模型也有自身的缺陷和局限性，例如，var基本模型只能用來度量市场风险，而对信 用风险、流动性风险以及操作风险无能为力；另外，

14、var基本模型只能度量一般性正常 事件的风险，无法度量极端风险。针对这些问题，近些年，学者们进行了大量的研究， 使得模型不断得到拓展和补充。如今，var不仅可以用来评估所有资产的整体市场风险, 股票风险，债券风险，衍生工具风险以及商品风险。随着该方法的不断发展，var还可 以用来计量信用风险，流动性风险和操作风险。2.3 var的定义在一本关于var的开山之作中，p. jorion是这样定义var的：var是资产在给定的 置信水平和目标时段下预期的最大损失（或最坏情况下的损失）血。bij：pxobp>var）= -c（1）其中，prob:资产价值损失小于可能损失上限的概率；ap：资产在持

15、有期内的损失；var：置信水平c下处于风险中的价值；c：给定的概率-置信水平。例如，某投资组合的日var在95%的置信水平下为100万，也就是说，在正常的市 场环境下，一天下来，最大损失超过100万的概率是5%。通过定义我们可以看出，计算var的三个基本要素是叫（1）一定的置信水平的选择置信水平的选择依赖于对var验证的需要、内部风险资本需求、监管要求以 及在不同机构之间进行比较的需要。不同机构使用不同的置信水平报告其vair数值，例 如银行家信托公司在99%的置信水平下计算var； jp morgan在95%的置信水平下计算 varo（2）资产收益的分布情况在计算var时，往往假定冋报服从正

16、态分布，但是金融经济学的实证研究表明，冋 报往往不服从标准的正态分布，而是存在尖峰、厚尾特性。不同的冋报分 布假设，即使在相同的置信水平假设下也对应着不同的值。因此在用参数法计算 var时，有必要说明假设的资产收益分布情况。（3）资产持有期的选择。持有期是计算var的时间范围。由于波动性与时间长度呈正相关，所以var随持有 期的增加而增加。通常的持有期是一天或一个月，但某些金融机构也选取更长的持有期 如一个季度或一年。在1997年底生效的巴塞尔委员会的资本充足性条款屮，持有期为 两个星期(10个交易口)。一般來讲，金融机构使用的最短持有期是一天，但理论上可 以使用小于一天的持有期。2.4 va

17、r计算的儿种主要方法计算var值常用的方法有三种：方差-协方差法、历史模拟法、蒙特卡罗模拟法。2. 4. 1方差-协方差法方差协方差法,又称为徳塔正态法。它的优点是原理简单，计算快捷。缺点三个方 面：一是不能预测突发事件的风险，原因是方差协方差法是基于历史数据来估计未来 的，其成立的假设条件是未来和过去存在着分布的一致性，而突发事件打破了这种分布 的一致性，其风险无法从历史序列模型中得到揭示。二是方差协方差法的正态假设条 件受到质疑，由于“肥尾“现彖”广泛存在，许多金融资产的收益率分布并不符合正态 分布，这样，基于正态近似的模型往往会低估实际的风险值。三是方差协方差法只反 映了风险因子对整个组

18、合的一阶线性影响，无法充分度量非线性金融工具(期权)的风 险。2.4.2历史模拟法历史模拟法直接根据市场因子的历史数据对资产的未来收益进行模拟，不需要对收 益率的统计分布做任何限制，它从历史的收益率序列中取样，例如可以选取过去90天 的历史样本。历史模拟法的优点有:概念直观、计算简单实施容易，容易被监管当局和风险管理 者接受；是全值估计方法，可以较好地处理市场大幅波动、非线性等情况，捕捉各种风 险；是一种非参数方法，不需要假定市场因子变化的统计分布，可有效处理分布的厚尾 和非对称问题(dowd, 1998, jorio, 1997)。正因为其稳健性和直观性,巴塞尔协议1993 年条款采用历史模

19、拟法作为市场风险的基本度量方法(basle committee on banking supervision, 1995)。但是，历史模拟法也遭到了很多批评。首先，它的基本假设是过去能反映不远的将 来。但是，engle(1982)13已经指岀，波动率有着显著而且可以预测的时变性。当波动 率在短期内变化较大时，历史模拟法将估计不准。其次，这个方法给予所有的观测值相 等的权重，这与现实不符。一般来说，离现在越近的观测值对未来的影响越大。通常当 去掉一个旧的观测值后，用该方法算出的var值变化很大。最后，该方法结果的准确性 依赖于样本区间的长度。如果样本容量太小，var将估计不准。当置信水平很大时，

20、样 本容量必须足够大才能算出var,这样的效率就比较低了，特别是涉及到结构很复杂的 投资组合时，计算量就更大了。2.4.3蒙特卡罗模拟法和历史模拟法一样，蒙特卡罗法也是通过获得大量的样本来计算var。所不同的是, 历史模拟法是从历史数据中抽样，而蒙特卡罗法则假定了收益率的分布，再从这个分布 抽样。所以采用蒙特卡罗法可以产生那些我们认为将要发生，但历史观测值中没有出现 的事件。这个方法首先要求风险管理者设定金融变量服从的随机过程，并指定相应参数。 这个方法的模拟过程如图1。这一方法的主要优点是:可产生大量情景，比历史模拟法更精确可靠；是一种全值 估计方法，可处理非线性、大幅波动及厚尾等问题；可模

21、拟收益的不同行为（如白噪声、 自回归等）和不同分布。主要缺点有:计算量大，计算时间长，较历史模拟法和参数方法更复杂；依赖于特 定的随机过程和所选择的历史数据来估计组合的最终价值和var;产生的数据序列是伪 随机数，可能导致错误结果，而且随机数中存在群聚效应从而浪费了大量的观测值，降 低了模拟效率。图1蒙特卡罗模拟法3可转换债券的var实证分析3.1数据选取及预处理选取恒源转债2009年2月份的20个日收盘价数据作为样本x。数据来源于广发证券。 原始数据及预处理结果见表1,在计量经济学中，一般取其自然对数y=log(x),这样有 利于数据的统计分析；s是对x取自然对数后的一阶差分值，即转债的对数

22、收益率。 整个实证分析均使用经济计量软件eviews 5.0完成。表1：原始数据与预处理结果日期收盘价xy=log(x)s=dlog(x)2009/02/02123.34.81462na2009/02/03124. 694.8258310. 011212009/02/041254.8283140.0024832009/02/051254.82831402009/02/06127.64. 84890.0205872009/02/09126.484.840084-0.0088162009/02/10126. 444.839768-0.0003162009/02/11126. 274.838422-

23、0.0013452009/02/121264.836282-0.0021412009/02/1312& 484.8557730.0194912009/02/16129. 924.8669190.0111462009/02/17127. 984. 851874-0.0150452009/02/18122. 44.807294-0.044582009/02/19123. 134.8132410.0059462009/02/20125.414.8315880.0183482009/02/23129. 324.862290. 0307022009/02/24128. 064.852499-0.

24、0097912009/02/25127. 674.849449-0.003052009/02/26124. 154.821491-0.0279582009/02/27121.264.797937-0.0235543. 2 收益率s的描述性统计3. 2. 1止态性检验图2：收益率序列s的基本分布图初步判定此序列可能服从正态series: ssample 1 20observations 19mean-0.000878media n-0.000316maximum0.030702minimum-0.044580std. dev.0.018408skewn ess-0.532968kurtosis3

25、.095291jarque-bera0.906694probability0.635497图3:恒源转债的收益率s的统计特征总体分布的正态性检验一般采取jarque-bera检验。正态分布的偏度（三阶矩）匕=0,峰度（四阶矩）g2=3,若样本来自正态总体，则他们分别在0, 3附近。基于此构造一个包含才（卡方）统计量：丿b = /?（g：+（g2-3）2/4）/6 （n为样本容量）由图3可知，恒源转债的收益率s的偏度系数为-0.532968 <0有点左偏，但峰度系数为3.095291 3,jljarque和bera证明了在正态性假定下，jb渐进的服从自由度为2 的*分布，查力2分布表，得到

26、加（）5（2） = 5.991。而由图2知jb统计量为0.906694,显然小于5%显著性水平下的临界才值，拒绝菲正态分布原假设，表明收益率序列 s服从正态分布。3. 2.2平稳性检验研究收益率序列s的平稳性，对其进行adf单位根检验，回归模型为：p亠=。亠-1+工 0吕（2）7=1结果如表2所示。在软件处理过程屮，根据aic信息准则，回归模型屮包括的滞后差分 项阶数为2,计算得到的adf统计量为-4. 147160,小于显著性水平为1%、5%、10%的 临界值，故拒绝s非平稳的假设，说明收益率序列s是平稳的。表2：恒源转债收益率序列s的adf检验结果null hypothesis: d（s）

27、 has a unit rootexoge no us: consta ntlag length: 2 （automatic based on sic, maxlag=3）t-statisticprob.*augmented dickey-fuller test statistic 4.1471600.0071test critical values:1% level-3.9591485% level-3.08100210% level-2.681330*mackinnon (1996) one-sided p-valueswarning: probabilities and critical

28、 values calculated for 20observations and may not be accurate for a sample size of 15augmented dickey-fuller test equationdependent variable: d(s,2)method: least squaresdate: 04/19/09time: 16:00sample (adjusted): 6 20in eluded observati ons: 15 after adjustme ntsvariablecoefficientstd. errort-statis

29、ticprob.d(s(-1)-2.1283830.513215-4.1471600.0016d(s(-1),2)0.8041290.3965082.0280280.0675d(s(-2),2)0.5556730.2508472.2151910.0488c-0.0044170.005662-0.7800850.4518r-squared0.745206mean dependent var-0.001079adjusted r-squared0.675716s.d.dependent var0.038255se of regression0.021785akaike info criterion

30、-4.592049sum squared resid0.005220schwarz criterion-4.403236log likelihood38.44037f-statistic10.72403durbin-watson stat1.832123prob(f-statistic)0.0013553. 3基于蒙特卡罗模拟法的可转换债券的var度量由上面分析可知恒源转债收益率序列s服从正态分布，即sb皿“,夕）。其中，/：序列的期望（即序列总体均数）; o:序列的标准差；a2:序列的方差。收益率序列s的概率密度为：兀 o由图2知道期望“二-0.000878,标准差（t = 0.018408

31、 ,方差（t2二0.000339 采用matlab产生随机数,部分程序如下何：randn (，state', sum(100*clock);%利用时钟设置随机种子，这样每次产生的随机数就不同了n二1000; %设置样本个数s 二-0. 000878 + sqrt (0. 000339) * randn (n, 1);v=sort(s) ;%对1000个随机数进行升序排列var=v (50) ;%var值就是第950个最大的损失表3是根据历史样本模拟出1000个恒源转债价格收益率在1 d内可能出现的变化 值s和对s升序排序后的vo表3:模拟恒源转债价格收益率s变化轨迹序号sv10. 00

32、44-0. 05582-0. 0020-0. 05423-0. 0102-0. 053440. 0312-0. 05295-0. 0050-0. 0526 500. 0068-0. 0330 9990. 00520. 05051000-0. 00320. 0509说明：由于篇幅原因，表3只列出了部分数据，完全数据见附录。对得到的s进行从小到大排序，可知恒源转债价格的损益的分布.如果选定的置信 度为95%,那么10 00个数据+ , var值就是第950个最大的损失"，恒源转债的var为 0. 0330o假设初始投资额为100万元，那么在给定为95%的概率水平(置信度)下，可转 债在未

33、来1 d内最大可能的损失就是0.0330*100万元二3. 3万元，或者它在1 d屮只有5% 的时间里损失超过3. 3万元。同时，可以在求出1天的var的基础上求出t天的var,因为根据实践证明，t天的 var大致等于历乘以1天的var。例如在本例中，10天以后的var为3.3怖 万元。4可转换债券var模型检验var模型的准确性检验是指，var模型的测量结果对实际损失的覆盖程度.例如，假设是在给定为95%的置信度下的var,则var模型的准确性是指实际损益结果超过 var的概率是否小于5%var模型有很多种检验方法，在这里选用p值的点估计。假设超额数是b(l, p)分布随机变量，可以自由选择

34、返回检验数据点的个数，用最 大似然估计方法估计p值：(5)(6)其中k是超额的个数，n返回检验数据的个数.方差估计为n对于任意的n,可以计算区间j：j = i-(p+vv),i-(p-vv)若选定的置信水平落人区间j内，则模型就是适合的，var估计较为准确何.下面验证恒源转债的var的有效性.观测从2009年3月2日到4月15日恒源转债的29个收盘价数据，并对其取自然 对数后求一阶差分值，如表4o这29个之中有2个损失超出了 var值，置信度选定为 95%.由(4), (5), (6)式可得j： 0. 8839, 0. 9881,而置信度95%落在此区间.经 检验可知，vdr值估计较为准确.至

35、此，整个估计可转债的市场风险的过程结朿了，即 在置信度95%下，2009年2月27 h的未来1 d内最大可能的损失就是超过3. 3万 元, 或者说它在未来1 d中只有5%的时间里损失超过3.3万元.表4:恒源转债2009年3月2日到4月15日收盘价数据日期xy 二 log(x)s 二 dlog(x)2009/02/27121. 264.797937na2009/03/02120. 874.794716-0.0032212009/03/03120. 91. 7919610.0002482009/03/0412-1. 74.8259110. 0309472009/03/05125.214.8299

36、920. 0040812009/03/06129. 494.8636040.0336112009/03/09127. 574.848665-0.0149382009/03/10126. 934.843636-0.0050292009/03/11126. 944.8437157. 88e-052009/03/12125. 64.810103-0.0336122009/03/13126. 574.8407960. 0076932009/03/16127. 254.8461540. 0053582009/03/17130. 564.8718330.0256792009/03/18134. 794.9

37、037180.0318852009/03/19139.84.9402130.0364952009/03/20145.54.9801760.0399632009/03/2314&014. 997280.0171042009/03/241184.997212-6. 76e-052009/03/25117. 84.99586-0.0013522009/03/26148.55. 0005850.0047252009/03/27117. 84.99586-0.0047252009/03/30147. 514.993896-0.0019642009/04/03156.485. 0529280.05

38、90322009/04/07153.65.017852-0.0350762009/04/08150.415.013365-0.0209872009/04/09151.85. 0225640. 0091992009/04/10153. 385. 0329190.0103552009/04/13158.875. 0680860.0351682009/04/141575.056246-0.011842009/04/15161.015.0814660. 0252215 var的局限性var方法也有其局限性。var方法衡量的主要是市场风险，如单纯依靠var方法， 就会忽视其他种类的风险如信用风险。另外，

39、从技术角度讲。var值表明的是一定置信 度内的最大损失，但并不能绝对排除高于var值的损失发生的可能性。例如假设一天的 99%置信度下的var =1000万美元，仍会有1 %的可能性会使损失超过1000万美元。这 种情况一旦发牛，给投资者带来的后果就是灾难性的。所以在投资项目风险分析中，var 方法并不能涵盖一切，仍需综合使用各种其他的定性、定量分析方法。风险价值法并不 能预测到投资项目的确切损失程度，也无法捕捉到市场风险与信用风险间的相互关系。鸣谢（宋体小四号，1.25倍行距）参考文献1 姚禄仕，徐文龙.风险价值法及其在证券投资中的应用j.价值工 程，2008 (2), 149-150.2

40、(美)菲利普乔瑞.风险价值varm陈跃等译.北京：中信出版社.2005.3 李夫明.金融市场风险var方法的研究d.上海:华东师范大学统计系,2005.4 龚锐在险价值(var)方法在中国金融市场风险度量中的应用d.重庆:重庆大学， 2005.5 张雪莹，金德环.金融计量学教程m.上海财经大学出版社.2005.6 陈守红可转换债券投融资-理论与实务m.上海财经大学出版社.2005.7 高铁梅计量经济分析方法与建模m.清华大学出版社.2006.邱子源，刘纪显基于蒙特卡罗模拟法的可转换债券var测度j.改革与战略,2008(3):46-49.9 盛骤，谢式千，潘承毅.概率论与数理统计m.第三版.北

41、京:高等教育出版社.2001.10 姜启源，邢文训，谢金星，杨顶辉.大学数学实验m.清华大学出版社.2005.11 杨立洪，蓝雁书，张婷婷.蒙特卡罗模拟法度量可转换债券的风险价值j.吉首大 学学报(自然科学版),2006 (4), 6-8.12 philippe jorion, value at risk:the new benchmark for controlling market risk. new york:mcgraw-hi 11 companies, ins, 1997 .13 engle r. f. and ng. v. k. , (1993).measuring and tes

42、ting the impact of news on volatility, journalof finance 48, 1749 一 1801.14 kupiee. p techniques for verifying the accuracy of risk measurement models journalof derivatives, 1995, 3:73一84.15 dowd, k. (2002) measuring market risk. chichester and new york:wiley and sons.序号sv10. 0044-0. 05582-0. 0020-0

43、. 05423-0. 0102-0. 053440. 0312-0. 05295-0. 0050-0. 05266-0.0188-0. 048770. 0263-0. 04678-0. 0073-0. 046690.0113-0. 0458100. 0075-0. 045211-0.0159-0. 045012-0. 0068-0. 0435130. 0056-0. 043514-0.0189-0. 0433150.0132-0. 043216-0. 0034-0. 042917-0. 0018-0. 042918-0.0112-0. 042919-0. 0092-0. 0426200.013

44、2-0. 0424210. 0019-0. 0423220. 0331-0. 042323-0. 0142-0. 0400240. 0270-0. 039825-0. 0048-0. 0386260. 0208-0. 038427-0. 0087-0. 038128-0.0150-0. 037829-0. 0040-0. 037830-0. 0095-0. 0367310. 0075-0. 036532-0. 0037-0. 036333-0. 0037-0. 036134-0. 0049-0. 036135-0. 0398-0. 035936-0.0110-0. 0351370. 0078-

45、0. 0350380. 0046-0. 034639-0.0110-0. 034640-0. 0065-0. 034641-0. 0329-0. 034242-0. 0082-0. 0341430. 0277-0. 0341440.0150-0. 033945-0. 0169-0. 0339460. 0096-0. 0338470. 0007-0. 033748-0. 0010-0. 0337490.0172-0. 0331500. 0068-0. 033051-0. 0337-0. 0329520. 0095-0. 032953-0. 0235-0. 0321540.0119-0. 0319

46、550.0109-0. 0319560.0173-0. 0314570. 0054-0. 031258-0.0180-0. 0304590. 0215-0. 030360-0. 0208-0. 0302610. 0142-0. 030162-0. 0024-0. 030163-0.0117-0. 030064-0. 0089-0. 029665-0.0117-0. 0295660. 0258-0. 029367-0. 0284-0. 0290680.0119-0. 028669-0. 0070-0. 0285700. 0021-0. 028471-0. 0078-0. 0284720. 005

47、6-0. 028373-0.0168-0. 028274-0. 0094-0. 028075-0. 0133-0. 0278760. 0054-0. 027877-0. 0264-0. 027378-0.0128-0. 0273790. 0001-0. 0273800.0196-0. 0273810. 0091-0. 027182-0.0116-0. 0269830. 0095-0. 0267840. 0067-0. 026785-0. 0092-0. 026586-0. 0230-0. 0264870.0157-0. 026288-0. 0220-0. 0261890. 0029-0. 02

48、5990-0. 0002-0. 025991-0. 0337-0. 025792-0. 0423-0. 0255930. 0060-0. 0254940. 0147-0. 0253950. 0324-0. 025296-0. 0103-0. 025297-0.0012-0. 025098-0. 0254-0. 0245990. 0400-0. 02441000. 0218-0. 02431010.0129-0. 02421020. 0028-0. 02421030. 0100-0. 02411040. 0168-0. 02401050. 0229-0. 02401060. 0259-0. 02

49、40107-0.0105-0. 0238108-0. 0282-0. 0235109-0. 0145-0. 02351100. 0222-0. 0235111-0.0011-0. 0234112-0.0150-0. 0230113-0. 0129-0. 02291140. 0005-0. 0229115-0.0191-0. 0229116-0. 0092-0. 02281170. 0021-0. 02271180. 0395-0. 02271190.0118-0. 0226120-0. 0010-0. 02251210. 0240-0. 02251220.0186-0. 0224123-0.

50、0240-0. 02231240. 0013-0. 0223125-0. 0301-0. 0222126-0. 0124-0. 02201270.0114-0. 0218128-0. 0042-0. 02171290.0158-0. 0216130-0. 0054-0. 0216131-0. 0050-0. 02151320. 0097-0. 0215133-0. 0023-0. 0214134-0. 0529-0. 0212135-0. 0020-0. 0211136-0.0195-0. 0210137-0. 0002-0. 02081380. 0334-0. 02081390.0111-0

51、. 0208140-0. 0208-0. 02081410. 0321-0. 0208142-0.0186-0. 0207143-0. 0096-0. 02061440.0125-0. 02061450. 0443-0. 02061460. 0041-0. 0204147-0. 0186-0. 0203148-0. 0064-0. 0203149-0. 0094-0. 0202150-0.0107-0.0199151-0. 0033-0.01981520. 0254-0. 0198153-0. 0008-0.01971540. 0018-0.01961550. 0234-0.0195156-0. 0136-0.0195157-0. 0053-0.01951580. 0031-0.0194159-0. 0207-0.01921600.0158-0.0191161-