金融计量学张成思Lecture 6-1
如果 0 则暗示着 0 ，因为 yt [(1 ) 0 c ] (1 )ct yt 1 t c c yt 1 t H0 : 0 H A : 0
金融计量学
张成思
第6章
6.1
6.2 6.3 6.4
单位根检验法
DF单位根检验法
ADF单位根检验法 其他单位根检验法 各种单位根检验法的应用
6.1 DF单位根检验法 6.1.1 DF检验的基本概念 yt c yt 1 t H0 : 1 H A : 1 在原假设条件下，序列 yt 是非平稳 的，所以传统的t-检验统计量将不再服 从t分布。这样，传统的t-检验使用的 临界值就是无效的。
6.2 ADF单位根检验法 6.2.1 ADF检验介绍 ADF检验，全称为Augmented Dickey-Fuller检验，是DF检验的拓展。 因为在DF检验中，所有情况对应的模型 都是AR（1）的形式，而没有考虑高阶 AR模型。ADF检验将DF检验从AR（1）拓 展到一般的AR(p)形式。
yt c yt 1 i yt (i 1) t
*MacKinnon (1996) one-sided p-values. Augmented Dickey-Fuller Test Equation Dependent Variable: Sample (adjusted): 08 12 Included observations: 161 after adjustments Variable c t Coefficient 0.038121 9.39E-05 -0.013357 0.063963 0.091457 -0.097766 -0.105299 -0.051348 -0.009242 0.219082 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat 0.108413 0.055272 0.104960 1.663493 139.6359 1.903039 Std. Error 0.115444 0.000330 0.024863 0.082862 0.082759 0.082469 0.081768 0.081032 0.080839 0.080865 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) t-Statistic 0.330214 0.284682 -0.537237 0.771925 1.105107 -1.185499 -1.287779 -0.633678 -0.114322 2.709216 Prob. 0.7417 0.7763 0.5919 0.4414 0.2709 0.2377 0.1998 0.5272 0.9091 0.0075 -0.002059 0.107986 -1.610384 -1.418993 2.040105 0.038526
图6-5 EViews中ERS-DFGLS 检验对话框
ERS检验步骤
首先定义 yt 的准差分形式，即： t 1 yt , d ( yt a) yt ayt 1 , t 1 其中:a是一个给定的点，ERS建议a的值为 xt {1} 1 7 / T , a 1 13.5 / T , xt {1, t} 其中： t {1}表示 xt 对应的是常数项，而 x xt {1, t}表示其对应的是常数项和时间趋 势两个变量。
i 2
p
H0 : 0 H A : 0
6.2.2 ADF检验的应用 利用ADF的两种情况（II和III）分 析中国国际股票价格指数（取自然对 数）月度数据是否含有单位根。 下图绘制了这个时序变量随时间变 动的情况。从图中并不能清楚地判断 改序列是否存在一个确定性的趋势。 因此，我们可以分别使用情况II和III 进行ADF单位根检验。
6.3 其他单位根检验法 除了ADF单位根检验之外，成熟的 单位根检验理论方法还包括ERS-DFGLS 检验、Phillips-Perron检验、KPSS检 验、ERS Point-Optimal检验和NgPerron检验等。
图6-4 EViews中的各种 单位根检验对话框
6.3.1
ERS-DFGLS检验 ERS-DFGLS检验是Elliott, Rothenberg, and Stock (1996)提出的 一种单位根检验法，全称为DickeyFuller Test with GLS Detrending (DFGLS)，即“使用广义最小二乘法去除 趋势的DF检验”。
0.098132
-0.091670 -0.099779 -0.046353 -0.004081 0.224366 R-squared Adjusted R-squared 0.107935 0.060984
0.079128
0.079398 0.079196 0.078870 0.078542 0.078468 Mean dependent var S.D. dependent var
原假设是模型为随机游走过程。 如果待检验序列的均值不为0，并 且不随时间变化，则可以考虑使用情况 III来进行DF检验。
3)情况I 情况I是情况II的一种特殊情况， 即截距项为0。在这种情况下，原假设 和备择假设与情况II的完全相同。 但是，由于没有截距项的模型暗 示 yt 序列的均值为0，而这样的情况往 往比较少，因此在实际应用中并不建 议使用情况I。
1.240166
-1.154555 -1.259913 -0.587713 -0.051963 2.859322
0.2168
0.2501 0.2096 0.5576 0.9586 0.0048 -0.002059 0.107986
S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
更一般地，
yt c 1 yt 1 L p yt p t yt c yt 1 i yt ( i 1) t
i2 p
( i ) 1
i 1
p
i j
j i
p
相对于情况III的ADF模型：
yt c t yt 1 i yt (i 1) t
i 1
要设立这两种情况下分别对应的 滞后期数，可以利用信息准则，如AIC 或者SIC等。由于是月度数据，可以考 虑设定最大的滞后期数为12，然后依 据信息准则确定最优滞后期数。
图6-3 EViews中的 ADF检验对话框
pt11 pt 2
表6-1 中国国际股票价格序 列的ADF检验结果：情况II
0.104642 1.664386 139.5927 1.903462
Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
-1.622270 -1.450018 2.298887 0.023605
pt11 pt 3 5 6 4 2
在原假设条件下, 情况I:随机游走过程； 情况II:带有截距项的随机游走过程； 情况III:既带有截距项又带有时间趋 势的随机游走过程。
6.1.2 DF检验的三种情况 1）情况 III
yt c t yt 1 t H0 : 0 H A : 0
情况III用来检验的原假设是随机 游走过程而备择假设是趋势平稳过程。
表6-2中国国际股票价格序 列的ADF检验结果：情况III
Lag Length: 8 (Automatic based on AIC, MAXLAG=12) Augmented Dickey-Fuller test statistic Test critical values: t-Statistic -0.537237 -4.016064 -3.437977 -3.143241 Prob.* 0.9809
*MacKinnon (1996) one-sided p-values. Augmented Dickey-Fuller Test Equation Dependent Variable: Sample (adjusted): 08 12 Included observations: 161 after adjustments Variable c Coefficient 0.067623 -0.019215 0.071099 Std. Error 0.050720 0.013914 0.078741 t-Statistic 1.333259 -1.381055 0.902957 Prob. 0.1844 0.1693 0.3680
ERS-DFGLS检验实质： 利用广义最小二乘法首先对要检 验的数据进行一次“准差分”，然后 利用准差分后的数据对原序列进行去 除趋势处理，再利用ADF检验的模型形 式对去除趋势后的数据进行单位根检 验，但是此时ADF检验模型中不再包含 常数项或者时间趋势变量。
ERS检验最终还是要利用ADF检验的 形式，所以在EViews软件中，ERSDFGLS检验的对话界面与ADF检验是相 同的，如后图所示。
金融计量学 - 复旦大学经济学院
三、二叉树模型在可转债定价中的应用 可转债的二叉树定价步骤如下：
第一步，先计算出对应股票的二叉树节点上的数值。利用股价的历史 数据（一般利用过去3个月或者半年的股价数据）估计出股票的波动 率 ，然后计算出二叉树的几个重要参数。 r t u e t , d 1/ u, p (e d ) (u d ) rf t ( T t ) m 其中 ，t，T分别指的是可转债的初始和期末时刻， 为无风 险利率，使用这些参数就可以推出股票的价格树图。 第二步，通过可转债的相关条件来递推价格树中各个节点的可转债的 价格。
资产价格Байду номын сангаас动的随机过程
三、漂移参数 和波动率参数 的估计
上述方程的几何布朗运动中有两个未知参数 和 可以用经验方法进 行估计。假定我们有股价Pt 在等时间间隔 t 上的个观测值，观测到的 股价序列 P , Pn ，其中 t 1, 2, , n 。 1, P 2, 令 rt ln(Pt ) ln(Pt 1 )，存在 Pt Pt 1 exp(rt ) ，其中 rt 为第t个时间间隔上的连 续复合收益率。根据Ito引理，并且假定股价 Pt 服从一个几何布朗运动， 2 我们得到 rt 服从均值为( / 2)t ，方差为 2 t 的正态分布。
三、波动率与波动率微笑 1、历史波动率
对于理想的欧式期权而言，BS期权定价模型仅依赖于五 个参数：股票价格、期权的执行价格、期权的到期时间、 无风险利率和股票的价格波动率。在这些参数中，和由发 行的金融合约的条款所定，和可从市场得到。唯一需要确 定的参数就是波动率。 请注意，BS模型中波动率是指在t 0 到 t T 的未来时期 内的标的资产的波动率。由于在现实金融市场上，证券价 格的波动是一个随机过程，估计波动率并不是一件简单的 事情。通常，有两种方法可以对波动率进行估计，即历史 波动率(historical volatility)与隐含波动(imp volatility)。
06-风险与收益率-研究生教学
2000
2001 2002
-10％
35％ -5％
-10％
35％ -5％
-10％
35％ -5％
2003
平均收益 标准差
15％
15％ 22.6%
15％
15％ 22.6%
15％
15％ 22.6%
分析：（1）单独投资A、B的标准差和组合投资AB的标准差一样，风
由特殊原因引起； 只影响某种股票的收益； 可以通过股票多样化来消除或者分散； 其来源和表现主要有经营风险和财务风险。
不可分散风险（Non－diversifiable risk）又称相同 风险或者市场风险，是指由于某种因素对股票市场 上所有的股票都出现价格变动的现象，能给一切投 资证券都带来损失或者收益，主要特点：
. 15 . . . . .
0
. .
-10
2016/2/4
-10
.
.
-10
21
两种完全正相关资产的股票 收益率分布
股票 M
25 15 0 25 15 0
股票 M’
25
15 0
投资组合 MM’
-10
2016/2/4
-10
-10
22
当两只股票完全负相关，所有的风险都可 以被消除掉；当股票完全正相关时，投资 组合的风险与单只股票的风险无异。 大多数股票是正相关，但并不是完全正相 关 所以，投资分散化可以降低股票本身的风 险，但不能消除这种风险
硕士研究生学位课程
《现代财务管理》 第6讲：风险与收益率
华工 经济与贸易学院 授课教师： 张彩江 zcj@
2016/2/4 1
2012版金融计量学课后习题答案
⇒ yt = (1 − θ1 ) −1 c − (θ1 − α 1 ) yt −1 − θ1 (θ1 − α1 ) yt − 2 − θ1 (θ1 − α1 ) yt −3 + …… + ε t
2
（3） 结论变为
yt = (1 − α1 ) −1 c + ε t yt = (1 − θ1 ) −1 c + ε t
+…+
∂yt + j ∂ε t + j
= α j −1 (αb1 + b2 ) + α j −2 (αb1 + b2 ) + … + (αb1 + b2 ) + b1 = b1 ∑ α i + b2 ∑ α i
i =0 i =0 j −1
3、 解方程得，λ1 = 1 ，λ2 = 0.2. 有一个单位根， （1） 特征方程：λ2 − 1.2λ + 0.2 = 0 ， 是非平稳的。 逆特征方程：1 − 1.2 z + 0.2 z 2 = 0 ，解方程得， z1 = 1 ，z 2 = 5.（互为倒数） ， （ 2 ） 特 征 方 程 ： λ 2 − 1 .2 λ + 0 .4 = 0 ， 解 方 程 ， 无 实 数 解 ， 复 数 解 为
2
（2）
(1 − α 1 L) yt = c + (1 − θ1 L)ε t 两边同时乘以(1 − θ1 L) −1，得 (1 − α 1 L)(1 − θ1 ) −1 yt = (1 − θ1 ) −1 c + ε t ⇒ (1 − α 1 L)(1 + θ1 L + θ1 L2 + ……) yt = (1 − θ1 ) −1 c + ε t
金融计量学张成思Lectu
图1-1 中国国际股票价格指数
Price Index (USD, Log Scaling) Jan 31 2002 to Jan 26 2007 60 50 40 30 20 10
Jan 1 2003 Jan 1 2004 Jan 3 2005 Jan 2 2006 Jan 1 2007
(b)2002年1月31日—2007年1月26日
1980年1月－2006年6月
zhangcs@
图1-5 中国M1增长率
20 16 12 8 4 0 -4 1981 1984 1987 1990 1993 1996 1999 2002 2005
1981年第1季度－2005年第1季度
zhangcs@
从这几幅图可以看到，不同的金融 时间序列变量展示出各种各样的变动轨 迹，经济学者经常把金融时间序列变量 的这种随时间变化的轨迹称为“动态路 径”，其中“动态”一词的含义实质上就是 指“随时间变化”。
组具有相同特性的随机变量。
zhangcs@
FX ,Y (x, y;) Pr( X x,Y y)
1.2.3 随机分布: X和Y的联合分布可定义为： FX ,Y (x, y;) Pr( X x,Y y)
对于季度频率数据，年度化的增 长率计算公式为:
100% ln( Pt )4 400% ln( Pt )
Pt 1
Pt 1
zhangcs@
对于月度频率数据，年度化的增 长率计算公式是:
100% ln( Pt )12 1200% ln( Pt )
Pt 1
rt
100% ln( Pt ) Pt 1
zhangcs@
对于多期（multi-period）来说,
第1章 金融计量学介绍
25
三、金融数据的主要类型和特点
1. 金融数据的主要类型
横截面数据（Cross-sectional data） 是指对变量在某一时点上收集的数据的集合，例如， 某一时间点上海证券交易所所有股票的收益率，2004 年世界上发展中国家的外汇储备等。 平行数据（Panel data） 是指多个个体同样变量的时间序列数据按照一定顺 序排列得到的集合，例如30家蓝筹股过去3年每日的收
需要科学的数量分析方法
●分析和检验所得数量结论的可靠性
需要运用统计方法 结论：客观上需要一门学科研究这类问题——计量经济学
14
一、计量经济学及其地位 1. 计量经济学的一般性定义：
计量经济学是以经济理论和经济数据的事实为依 据，运用数学和统计学的方法，通过建立数学模 型来研究经济数量关系和规律的一门经济学科。
9
10
本章要点
一、计量经济学及其地位
二、金融计量学的方法论与应用步骤 三、金融数据的主要类型和特点 四、金融计量学软件的使用
11
11
一、计量经济学及其地位
若干实例：
1. 研究中国股票价格波动 ●股票价格变动的情况怎样?（如用股价指数观测）
●影响股票价格变动的因素是什么?（宏观、行业、企
研究的主体（出发点、归宿、核心）：
经济现象及数量变化规律
研究的工具（手段）：
模型、数学和统计方法 必须明确：
方法手段要服从研究对象的本质特征（与数学不同） 方法是为经济问题服务
15
注意：计量经济研究的三个方面：
理论：经济理论，即说明所研究对象经济行为的
理论
——计量经济研究的基础
数据：对所研究对象经济行为观测所得到的信息
《金融计量学ch》PPT课件
复旦大学金融研究院 张宗新
编辑ppt
1
第一章 导论
学习目标
金融计量内涵； 金融计量建模步骤； 常用金融计量软件，尤其是Eviews 和SAS的
使用； 金融计量学所具备的基础知识。
编辑ppt
2
第一章 导论
第一节 金融计量学含义及其建模步骤 第二节 常用金融计量软件介绍 第三节 本书的统计学与概率知识
3、SPSS
4、Matlab
5、S-PLUS
6、Statistica
编辑ppt
12
常用金融计量软件介绍
常用金融计量软件网址
软件名称
网址
Eviews
SAS
SPSS
Matlab
S-PLUS
编辑ppt
7
金融计量建模的基本步骤
金融理论或经济理论
建立待估计的金融计量模型
数据收集
模型估计 模型检验
不通过
通过
重新建立模型
解释模型
模型的应用
编辑ppt
8
金融计量学含义及其建模步骤
三、金融模型中的数据
（一）金融数据类型
时间序列数据（time series data） 横截面数据（cross-sectional data） 面板数据（panel data）
编辑ppt
14
常用金融计量软件介绍
1、数据导入
使用计量软件进行金融计量的第一个步骤就是进 行数据数据，建立一个数据集。在File菜单中选 择New命令，接着选择Workfile命令，就出现如 图1-2所示的“Workfile Creat”对话框。
编辑ppt
15
常用金融计量软件介绍
《金融计量学》教学大纲(本科)
《金融计量学》教学大纲（一）课程地位金融计量学是金融工程专业学生在继统计学、多元统计、计量经济学等课程后学习的又一门统计计量工具类课程，为金融学研究和金融业界定量分析的重要工具，也是金融数据挖掘、金融计算等后续课程的先修课程之一。
（二）课程目标1.在计量经济学基础上进一步掌握一系列更深层次的时间序列模型，如ARIMA、VAR、VECM、GARCH等模型，理解其基本原理、适用条件。
2.要求学生熟练应用EViews软件，构建多种时间序列模型，学会调试模型和解读模型输出结果。
二、课程目标达成的途径与方法本课程本着学以致用的原则，结合当前的实践，以课堂教学、上机实验为主，结合自学、课堂讨论、课外作业等方式，通过模型建立和估计的原理、方法的教学，使学生在解决实际金融计量问题的过程中学会金融计量方法，并将其在软件中实现。
三、课程目标与相关毕业要求的对应关系四、课程主要内容与基本要求第一章金融计量学初步主要内容：金融计量学的范畴，金融时间序列数据，金融计量分析中的基本概念。
要求学生了解金融计量学的研究对象，掌握金融时间序列的概念，了解金融计量分析的基本步骤。
第二章金融计量软件介绍主要内容：各类金融计量软件的使用简介。
要求学生了解各种软件擅长的方面。
第三章差分方程、滞后运算与动态模型主要内容：一阶差分方程，动态乘数与脉冲响应函数，高阶差分方程，滞后算子与滞后运算法。
要求学生掌握一阶差分方程的组成，掌握动态乘数与脉冲响应函数的概念，了解高阶差分方程，掌握查分方程系统稳定的条件与判断方法，掌握滞后算子与滞后运算法。
第四章平稳AR模型主要内容：一阶自回归模型AR （1）, p阶自回归模型AR （p）o要求学生掌握自回归模型的定义，掌握自协方差和自相关函数的定义与计算，掌握判断自回归过程平稳的条件。
第五章平稳ARMA模型主要内容：移动平均过程（MA）,自回归移动平均过程（ARMA）,部分自相关函数，自相关性检验。
要求学生掌握MA的定义、ARMA定义、部分自相关函数的定义，掌握偏自相关函数和自相关函数在各种模型下的图形特征，掌握ARMA滞后节数的初步判断，掌握自相关的Q检验和LM检验。
金融计量学张成思Lecture 6-2
yi ,t −1
† ˆ ˆ ij ∆ yi ,t − j + xit β i† ) = yi ,t −1 − ( ∑ α
然后，假设回归模型(6.41)得到的 回归方程的标准差为S，则可以分别将 ∆ y i , t 和 yi ,t −1标准化为： ∆ %i , t = ∆ y i , t / S y
这种方法实质上是利用拔靴技术针对一系列可值模拟出最小二乘估计的有限样本分布利用格点搜索法计算hansen的蒙特卡洛模拟表明无论是平稳的时间序列模型还是局部含有单位根的非平稳模型格点拔靴估计都能提供正确的置信区间
6.3.6 面板单位根检验 面板单位根检验，是对面板数据进 行的单位根检验。如果我们有几个不同 变量的时间序列数据，并且其时间跨度 一致，那么就可以对这样一组时间序列 变量进行单位根检验。所以，面板单位 根检验可以理解成对多个序列同时进行 单位根检验。
ρ2 ˆ ρ R
ρ
表6-3 1980Q1-2007Q1中国通货膨胀ADF模型系数 ρ 的估计
格点拔靴估计 最小二乘估计
中值无偏
90%置信区间
p-auto
滞后期
CPI
0.940
[0.883 , 1.011]
0.922 (0.030)
0.94
0.56
6
RPI
0.942
[0.866 , 1.019]
0.918 (0.041)
应用于单位根检验的拔靴法是基于 Hansen (1999)的格点拔靴方法。这种方 法实质上是利用拔靴技术针对一系列可 能的 ρ 值模拟出最小二乘估计的有限样 本分布，利用格点搜索法计算 ρ 值的置 信区间。
Hansen的蒙特卡洛模拟表明，无论 是平稳的时间序列模型还是局部含有单 位根的非平稳模型，格点拔靴估计都能 提供正确的置信区间。所以，可以使用 服从拔靴分布的百分位数函数构造ADF 检验模型中系数 ρ 的90%置信区间，进 而利用格点拔靴估计的50％百分位数计 算通胀惯性系数的中值无偏估计。
《金融计量学》笔记(共17章节)
《金融计量学》笔记（共17章节）前14章节为重点章节第一章：导论（重要）金融计量学，作为金融学的一个重要分支，致力于运用数学、统计学和计算机技术等方法对金融市场进行量化分析和建模。
这一学科的重要性不言而喻，它为我们提供了一种理性的、基于数据的视角来审视和理解金融市场。
1.金融计量学的定义与重要性金融计量学不仅仅是关于数字和公式的学科，它更是一种思维方式，一种将复杂的金融问题转化为可量化、可分析的形式，并通过数据来寻求答案的方法。
在金融领域，无论是投资决策、风险管理还是资产定价，都需要依靠金融计量学来提供科学的依据。
2.金融计量学在金融领域的应用金融计量学的应用广泛而深入。
在投资组合管理中，它可以帮助我们确定最优的投资组合，以最大化收益并最小化风险。
在风险管理领域，金融计量学可以为我们提供精确的风险度量工具，帮助我们更好地识别和管理风险。
在资产定价方面，金融计量学则为我们提供了一种理性的、基于市场数据的定价方法。
3.金融计量学与其他学科的关系金融计量学并不是孤立存在的，它与金融经济学、统计学、计算机科学等多个学科都有着紧密的联系。
金融经济学为金融计量学提供了理论基础和研究方向，而统计学和计算机科学则为金融计量学提供了数据分析和建模的工具和方法。
4.本课程的学习目标与方法学习金融计量学，我们的目标不仅仅是掌握一些具体的模型和方法，更重要的是培养一种基于数据的、理性的思维方式。
在学习过程中，我们需要注重理论与实践的结合，通过实际的金融数据来应用和验证我们所学的模型和方法。
第二章：金融时间序列数据在金融计量学中，时间序列数据是我们分析的基础。
这一章我们将深入探讨时间序列数据的特性、收集和处理方法。
1.时间序列数据的定义与特性时间序列数据是指按照时间顺序排列的一系列观测值。
在金融领域，时间序列数据无处不在，如股票价格、汇率、利率等。
时间序列数据具有趋势性、周期性、随机性等特性，这些特性对我们的分析和建模都有着重要的影响。
金融计量presentation讲义
1《财经问题研究》中国核心类期刊、中国期刊方阵双效期刊、全国双十佳社科学报。
北大核心，也就是cssci的来源。
2Logit：也译作“分类评定模型”，或Logistic regression，“逻辑回归”），是离散选择法模型之一，属于多重变量分析范畴，是社会学、生物统计学、临床、数量心理学、计量经济学、市场营销等统计实证分析的常用方法。
Probit：是一种广义的线性模型，服从正态分布。
目前已发展成为一个由一元Probit模型,多元Probit模型(MPM),多项Probit模型(MNP),有序Probit模型(OP)等模型及处理方法组成的模型体系。
5多数研究认为多元化经营损害公司价值…而归核化经营创造价值，这似乎意味着公司应该选择归核化而不是多元化，然而，为什么每年多元化经营成功的企业几乎与专业化的企业一样为数众多?那么在国内最典型的例子莫过于“巨人集团”，在涉足房地产和生物制药业后而轰然倒闭。
在国外最典型的例子是美国的“安然公司”，因多元化经营不当引发财务危机，最终导致破产。
8托宾Q值(Tobin's Q Ratio)，由诺贝尔经济学奖得主詹姆斯·托宾（James Tobin）于1969年提出。
托宾Q值是公司市场价值对其资产重置成本的比率。
反映的是一个企业两种不同价值估计的比值。
分子上的价值是金融市场上所说的公司值多少钱，分母中的价值是企业的“基本价值”——重置成本。
公司的金融市场价值包括公司股票的市值和债务资本的市场价值。
重置成本是指今天要用多少钱才能买下所有上市公司的资产，也就是指如果我们不得不从零开始再来一遍，创建该公司需要花费多少钱。
其计算公式为：托宾Q值= 公司的市场价值/资产重置成本当Q>1时，购买新生产的资本产品更有利,这会增加投资的需求；当Q<1时，购买现成的资本产品比新生成的资本产品更便宜,这样就会减少资本需求。
ROSS等人撰写的著名MBA教材《公司金融》里，指出“多元化本身并不能创造公司价值”。