证券投资组合模型及其应用
几类投资组合优化模型及其算法
几类投资组合优化模型及其算法投资组合优化是金融领域研究的热点之一，它旨在通过合理的资产配置，最大化投资回报并控制风险。
在过去的几十年里，学者们提出了许多不同的模型和算法来解决这个问题。
本文将介绍几类常见的投资组合优化模型及其算法，并讨论它们在实际应用中的优缺点。
一、均值-方差模型及其算法均值-方差模型是最早也是最常见的投资组合优化模型之一。
它假设市场上所有证券的收益率服从正态分布，并通过计算每个证券预期收益率和方差来构建一个有效前沿。
然后，通过调整不同证券之间的权重来选择最佳投资组合。
常用于求解均值-方差模型问题的算法包括马尔科夫蒙特卡洛方法、梯度下降法和遗传算法等。
马尔科夫蒙特卡洛方法通过随机生成大量投资组合并计算它们对应收益和风险来找到有效前沿上最佳点。
梯度下降法则通过迭代调整权重，使得投资组合的风险最小化，同时收益最大化。
遗传算法则通过模拟生物进化的过程，不断迭代生成新的投资组合，直到找到最优解。
然而，均值-方差模型存在一些缺点。
首先，它假设收益率服从正态分布，在实际市场中往往不成立。
其次，它忽略了投资者的风险偏好和预期收益率的不确定性。
因此，在实际应用中需要对模型进行改进。
二、风险价值模型及其算法风险价值模型是一种基于风险度量和损失分布函数的投资组合优化模型。
它通过将损失分布函数与预期收益率进行权衡来选择最佳投资组合。
常用于求解风险价值模型问题的算法包括蒙特卡洛模拟、条件值-at- risk方法和极大似然估计等。
蒙特卡洛方法通过随机生成大量损失分布并计算对应的条件值-at- risk来找到最佳点。
条件值-at-risk方法则是直接计算给定置信水平下对应的损失阈值，并选择使得风险最小化的投资组合。
极大似然估计则是通过对损失分布的参数进行估计，找到最符合实际数据的投资组合。
风险价值模型相比均值-方差模型具有更好的鲁棒性，能够更好地应对极端事件。
然而，它也存在一些问题。
首先，它需要对损失分布进行假设，而实际中往往很难准确估计。
证券投资组合研究
本科生实践教学活动周实践教学成果成果形式：论文成果名称：证券投资组合模型研究学生姓名：目录一类证券投资组合模型研究 (2)序言 (1)一、证券投资组合模型的发展现状 (1)二、证券投资组合理论概述 (3)三、CEVaR风险度量的理论建构 (3)（一）证券投资组合中熵风险度量的引入 (3)（二）证券投资组合的 CVaR 风险度量的引入 (4)（三）CEVaR 风险度量方法的提出 (5)四、CEVaR模型在证券投资组合中的实证研究 (5)（一）证券投资组合的CEVaR模型 (5)（二）数据的选取与处理 (6)结论 (10)参考文献 (11)一类证券投资组合模型研究研究背景：证券市场是一个高风险市场。
为了分散风险并获得最大收益，许多投资者将多种证券组合在一起进行投资，使得证券投资组合的研究成为金融界面临的重要课题之一。
Markowitz 以证券收益率的方差作为组合证券风险的度量，开辟了金融定量分析的时代，在度量风险的基础上建立了组合投资决策模型。
关键字：证券投资组合；风险；熵；CVaR 度量；CEVaR 模型序言随着经济全球化、金融一体化进程的加快，各国金融市场的开放程度不断加深、金融市场之间的联系进一步加强。
资本在全球范围内大量、快速和自由流动以及全球金融市场之间的价格协同运动使得任何地区的金融市场的局部波动都会迅速波及、传染、放大到其他市场。
金融业的激烈竞争导致了金融创新的浪潮，并由此引发了政府对金融业的放松管制，反过来又加剧了市场竞争，为以衍生金融产品为核心的金融创新提供了内在的动机和良好的环境，这一螺旋式的过程导致金融市场的不确定性和波动性增大；信息技术、现代金融理论和金融工程技术的突破性发展，提高了国际金融市场中资金和信息的流通效率，提高了对复杂金融产品和交易的准确定价能力，从而导致金融市场的交易品种、交易量和交易速度的爆发性增长，金融市场的复杂性和不稳定性大大提高；同时，为了规避风险、提高竞争力、逃避管制而展开的金融创新活动，在放松管制和技术进步的刺激下异常活跃，导致高风险的衍生金融工具飞速增长，这使金融风险得到有效的分散和转移的同时又成为金融市场风险新的来源。
证券投资中的资本资产定价模型与应用
证券投资中的资本资产定价模型与应用在证券投资领域中，资本资产定价模型（Capital Asset Pricing Model，简称CAPM）是一种被广泛运用的理论模型，用于评估和预测资产价格的变动趋势。
本文将深入探讨CAPM的原理与应用，并分析其在证券投资中的实际运用。
一、资本资产定价模型的原理资本资产定价模型是由美国学者Sharpe、Lintner和Mossin于上世纪60年代提出的。
其核心思想是资产的预期回报与其风险成正比。
具体来说，资本资产定价模型认为，在一个有效市场中，资产的预期回报应该等于无风险回报加上风险溢价。
公式化表达CAPM的数学模型如下：E(Ri) = Rf + βi(E(Rm) - Rf)其中，E(Ri)代表资产i的预期回报，Rf代表无风险回报，βi代表资产i相对于市场整体风险的敏感程度，E(Rm)代表市场整体预期回报。
二、资本资产定价模型的应用1. 风险管理CAPM通过将资产回报与市场整体回报之间的关系进行定量化，帮助投资者评估和管理投资组合的风险。
通过计算各资产的β值，投资者可以选择适合自己风险偏好的资产组合，实现风险的有效分散。
2. 投资组合优化CAPM可以帮助投资者确定最佳的投资组合。
通过计算不同资产的预期回报与风险敏感性，投资者可以在给定风险水平下，选择具有最高预期回报的资产组合，从而实现投资组合的最优化配置。
3. 资产定价资本资产定价模型还可以用于估值。
根据CAPM，资产的价值与其预期回报和风险有关。
借助CAPM模型，可以对特定资产的合理价格进行估计，以辅助投资决策。
4. 绩效评估CAPM可以用于评估投资经理的绩效表现。
通过比较投资经理实际获得的回报与预期回报之间的差异，可以判断其投资策略的有效性，并对其绩效进行评价。
三、资本资产定价模型的局限性虽然CAPM在证券投资中有着广泛的应用，但也存在一些局限性。
1. 假设限制CAPM建立在多个假设的基础上，如投资者风险厌恶程度恒定、市场是完全有效的等。
《证券投资学》16证券投资组合理论
①个别证券选择，主要是预测个别证券的价格走
势及其波动情况；
②投资时机选择，涉及到预测和比较各种不同类 型证券的价格走势和波动情况(例如，预测普通股相 对于公司债券等固定收益证券的价格波动)； ③多元化，则是指在一定的现实条件下，组建一
个在一定收益条件下风险最小的投资组合。
（4）投资组合的修正 投资组合的修正作为证券组合管理的第四步，实际 上是指定期重温前三步的过程。 随着时间的推移，过去构建的证券组合对投资者来 说，可能已经不再是最优组合了，这可能是因为投资者 改变了对风险和回报的态度，或者是其预测发生了变化， 作为这种变化的一种反映，投资者可能会对现有的组合 进行必要的调整，以确定一个新的最佳组合。然而，进 行任何的调整都将支付交易成本，因此，投资者应该对 证券组合在某种范围内进行个别调整，使得在剔除交易 成本后，在总体上能够最大限度地故善现有证券组合的 风险回报特性。
（二）证券组合管理
1、证券组合管理的意义和特点 证券组合管理的意义在于为各种不同类型的投资 者提供在收益率一定的情况下，风险最小的证券组合。
通过分散化投资，投资者可以获得与自己风险承受能
力相当的证券组合，从而实现风险管理和控制，在一 定程度上克服投资管理过程中的随意性和不确定性。
其特点是：(1)强调分散投资以降低风险。证券组 合理论认为，非系统性风险是一个随机事件，通过充 分的分散化投资，这种非系统性风险会相互抵消，使 证券组合只具有系统性风险； (2)风险与收益相伴而行。承担了一份风险，就会 有相应的收益作为补偿，风险越大，收益越高；风险 越小，收益越低； (3)对风险、收益以及风险与收益的关系进行了精 确的定量。在证券组合理论产生以前，人们对分散化 投资会降低风险、对风险与收益的关系就有了一定程 度的认识，只不过这种认识是感性的，很不精确。
证券行业工作中的证券投资模型与计量分析
证券行业工作中的证券投资模型与计量分析【引言】证券投资是争议较大且风险较高的领域，因此需要借助证券投资模型和计量分析方法来辅助决策。
本文将介绍证券投资模型的基本原理、常见的计量分析技术，并探讨其在证券行业工作中的应用。
【证券投资模型的基本原理】证券投资模型是指一种理论框架或方法，通过对相关经济因素的分析和建模，来预测证券价格变动趋势和风险。
常见的证券投资模型包括CAPM模型、ARIMA模型和VAR模型等。
一、CAPM模型CAPM模型（Capital Asset Pricing Model）基于风险与收益之间的关系，通过资产组合的风险和预期收益率之间的线性关系，来评估证券的合理价格。
该模型认为，证券的预期回报与系统风险成正比。
二、ARIMA模型ARIMA模型（Autoregressive Integrated Moving Average Model）是基于时间序列分析的一种经典模型。
通过对证券价格和相关因素的历史数据进行分析，该模型可以预测未来的价格走势。
ARIMA模型不仅可以分析趋势和周期性，还可以检测季节性和异常波动等。
三、VAR模型VAR模型（Vector Autoregression Model）是一种多变量时间序列分析模型。
该模型通过考虑多个证券之间的相互关系，来预测证券价格的变动。
VAR模型可以捕捉到市场中不同证券之间的传染效应和相关性，对于投资组合的风险管理有较高的应用价值。
【计量分析在证券行业工作中的应用】计量分析方法是利用统计学和经济学的原理，对证券市场和证券价格进行分析和预测的一种方法。
以下将介绍几种常见的计量分析方法及其在证券行业工作中的应用。
一、回归分析回归分析是计量分析中应用最广泛的方法之一。
通过建立回归模型，分析不同因素对证券价格的影响。
在证券行业工作中，可以利用回归分析来研究证券价格与市场指数、利率等因素之间的关系，进而预测证券价格的变动趋势。
二、时间序列分析时间序列分析是一种研究时间相关数据的方法。
证券投资组合理论在我国的应用及其模型拓展
２ ＋ ｒ ｏｉ
，
的不确 定经济学著作与我的著作的分歧之点。他 寻求 一个精 确的一般解 ， 我寻求一 个能实施 的好近似法 。我相信两条研
：
。
。
ｌ ＋ ｌ 旦 ｌ
ｎ ‘ ｎ
究路线都有价值。” 现代 资产组合珊 论丰耍研究如何度量不
同的投 资风险 ， 组合投资 收益 与风险之 问的关系 ， 以及如何 选择资产以最大化组合收益等 ？
一
从 而 ｌ 盯 ＝ｉ ． ｉ ｌ ａ ｒ ｍ ．
’ ∞ ∞
即当资本 市场存在 充分多种资产时 ， 比例投资 于这 些 等
、
Ｈａｒ． ． ｒｏ ｔ 证 券 投 资 组 合 理 论 ｒ Ｍ Ｍａｋ ｗｉ ｙ ｚ的
资产 ， 单个资产 的风险对组合风险的贡献 趋于 ０ 但协方差对 ．
（ｉＥ． Ｘ－ ．是第 ｉ ） 种资产和第 种 资产收益的协方差 ， 则
资产组合 的收益 ： ＝ 尺
Ｉ： ，
ｔ
究 和建立投 资组合优化模 型 ． 择恰 当的投资 比例 ， 选 以达到
Ｊ
＿
资 组 方 ： Ｏ＝ 产 合的 差： ∑Ｕ ＇∑ 。 ｒ ￣ ， ／ Ｗ
・』 ， ．＝ ｉ． ｉ＝１
美 国经济学家 、金融学家 、诺贝尔奖获得者 Ｈ ｒ ． Ｍ ａ ｙＭ． ｒ ａｋｗｔ １５ 年在 《 ｒｏ ｉ ｚ于 ９ ２ 金融杂志》Ｌ 发表了题为《 券组 合选 证
＝
１
＝
｝ ＾
２
， 一
择》 的论文 ， 把证 券组合风 险和收益之 间的替 代关 系数量化 ，
提出了均衡分析 的理论与方法 ， 建立 了现代证券组 合理论的
一
】４— ０
基于ARIMA-GARCH模型的投资组合原理的应用
中国产经Chinese Industry &Economy摘要：以搜狐、网易、特斯拉、搜狗、NETFLIX 五支股票为例，通过R 语言软件，运用ARIMA-GARCH 模型对其10个工作日后的股票价格进行预测，并结合马科维茨等人提出的投资组合理论，可以得出不同投资组合下的预期收益率和风险。
该结果可为具有不同风险偏好程度的投资者日后的决策提供参考，这套方法也可在此类问题中进行广泛应用。
关键词：ARIMA-GARCH 模型；R 语言软件；投资组合；预期收益率；风险一、绪论随着我国人均可支配收入水平的逐渐提高，越来越多的人开始把目光指向了证券投资。
2019年，我国股民数量达到了1.6亿，较上年增长了1324.43万，同比增长9.04%；股票市值更是增长了近15万亿，达到了61.6万亿元。
虽然股市涨势喜人，但是人们从来没有忽视其背后的风险，对股票收益率的预测和如何选择最好的投资组合一直是投资者关注的焦点。
目前证券投资常用的分析方法有基本分析法和技术分析法。
其中，基本分析法从影响证券价格变动的宏观层面、行业层面和公司层面的影响因素出发，分析得出证券市场价格变动的一般规律，从而帮助投资者做出投资决策。
而技术分析是基于“市场行为包容消化一切信息”、“价格以趋势方式波动”、“历史会重演”三大假设，以图表及相关数理指标为主要手段对市场行为进行研究的一种投资分析方法。
但基本分析和技术分析通常只能预测股票价格变化的趋势，因此如果想要得出预期收益和与之对应的风险较为精确的投资组合，我们还需要在基本分析和技术分析的结果的基础上进行更进一步的分析预测，这就需要用到ARIMA 模型等时间序列模型。
对于时间序列模型在证券市场上的应用，很多学者都进行了相关的研究。
其中，刘越、黄敬和王志坚实现了通过ARMA 模型预测股票收益率，并在R 软件上成功应用。
其中，王志坚还针对ARMA 建模中模型识别时自协方差函数的不稳健性，对经典的自协方差函数进行了稳健改进，提高了ARMA 模型识别的精确性；丁磊和郭万山针对黄金价格的波动特征和杠杆效应，在使用ARIMA 模型预测黄金价格的基础上，运用TGARCH 模型修正了预测结果，进一步减小了预测误差；李运田、吴琼和黄金凤以2012年以后的上证数据作为样本，提出一种结合了ARIMA 模型、GARCH 模型和最小二乘法支持向量机的组合模型来对上证综指进行预测，取得了良好的预测效果；方燕、耿雪洋和秦珊珊通过ARIMA-GARCH 模型得出了传媒板块指数的预测，并证实了ARIMA-GARCH 模型可扩展于股票价格呈“尖峰厚尾”分布特征的个股进行预测；孙少岩和孙文轩应用ARIMA-GARCH 模型对加入SDR 后的人民币汇率波动进行了实证检验，并对人民币汇率的短期走势进行了预测。
金融数学第三章 均值方差证券投资组合选择模型
投资组合几何表示和可行域
选定了证券的投资比例，就确定了组合。可以计算该 组合的期望收益率EP和标准差σP
以EP为纵坐标、σP为横坐标，在EP-σP坐标系中可 以确定一个点。每个组合对应EP-σP中的一个点
反过来，EP-σP中的某个点有可能反映某个组合 选择“全部”有可能选择的投资比例，那么，全部组
判断组合好坏的公认标准——投资者共同偏好 第一：以期望衡量收益率，方差衡量风险，
仅关心期望和方差 第二：期望收益率越高越好，方差越小越好 可行域内部和右下边缘上的任意组合，均可以
在左上边界上找到一个比它好的组合。淘汰 最佳组合“必须来自”左上边界——有效边界 有效组合——有效边界对应的组合
(r)
非前沿组合的零协方差组合
对非前沿证券组合q，与q协方差为零的全部组 合中，组合Q的方差最小。仍记，Q＝zc（q）
数学表达为规划问题
min 1 W TVW 2 W TVWq 0
W T 11
用拉格朗日求解zc(q)
W z(cq)1C12(~ rq)W q1 C C2(2 ~ r(q~ r)q)W mvp
需要度量关联性的方向和程度 随机变量的协方差和相关系数 从联合分布可计算。 用历史数据计算（3.10）(3.11)
covr1(,r2)E(r1r1)(r2 r2)
1 2cov1r1(,2r2)
三种相关程度：
1、完全线性相关：完全决定另一个
ρAB＝1或ρAB＝-1 rA＝a＋b×rB , σ2A＝b2×σ2B 2、不完全线性相关：“部分”决定另一个
水平传导性
定理3.2：任意非前沿证券组合q及前沿组合p
E ( ~ r p ) E ( ~ r q ) c~ r o z(p c ),~ r v q ) 0 (
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
化 为一般 情况 求解 。通 过 一个实 例 以说 明上述 方 法的应 用 ， 并 对模 型进行 了改进 与推 广 。
关 键词 ： 多 目标 规划模 型 ； 理 想点法 ； 证 券组合 投资 中图分 类号 ： Ｆ ２ ２ ４ 文献标 识码 ： Ａ 文章 编号 ： １ ６ ７ ３ — ６ ２ ９ Ｘ （ ２ ０ １ ３ ） １ ２ — ０ １ ６ ８ — ０ ３
（ 昆明理 工 大学 理 学院 ， 云南 昆明 ６ ５ ０ ５ ０ ０ ）
摘 要： 证 券投 资组 合 问题 广泛存 在 于金融 、 风险 投资 等多 个领 域 。文 中分 别 在 全部 投 资 和选 择性 投 资两 种 场合 下 重 点
研究 了证券 投资 组合方 案选 择 问题 。对 于全部 投资 而言 ， 文 中建 立起 了多 目标规 划模 型并 在 求解 过 程 中采用 理想 点 法将 第２ Leabharlann 卷２ ０ １ ３年 １ ２月
第ｌ ２期
计 算 机 技 术 与 发 展
ＣＯＭＰ ＵＴ ＥＲ Ｔ ＥＣＨＮＯＬＯＧＹ ＡＮＤ ＤＥＶＥＬ ＯＰ ＭＥＮＴ
Ｖ ｏ １ ． ２ ３ Ｎｏ ． １ ２ Ｄｅ ｃ． ２０１ ３
证 券投 资 组 合 模 型 及 其应 用
朱俊 林 ， 付 英姿 ， 陈 异
ｄ ｏ ｉ ： １ ０ ． ３ ９ ６ ９ ／ ｊ ． ｉ ｓ ｓ ｎ ． １ ６ ７ ３ — ６ ２ ９ Ｘ． ２ ０ １ ３ ． １ ２ ． ０ ４ ０
Ｐｏ ｒ ｔ ｆ ｏ ｌ ｉ ｏ Ｍｏ ｄ ｅ ｌ ａ ｎ ｄ Ｉ ｔ ｓ Ａｐ ｐ ｌ ｉ ｃ ａ ｔ ｉ ｏ ｎ
ＺＨ Ｕ Ｊ ｕ ｎ－ ｌ ｉ ｎ， ＦＵ Ｙｉ ｎ ｇ－ ｚ ｉ ， ＣＨＥＮ Ｙｉ
Ｋｅ ｙ ｗｏ ｒ ｄ ｓ ： ｍｕ ｌ ｉ ｔ — ｏ ｂ ｊ ｃｔ ｅ ｉ ｖ ｅ ｐ ｌ ｎｎ ａ ｉ ｎ ｇ ｍｏ ｄ ｅ ｌ ； ｉ ｄ ｅ ａ ｌ ｐ ｏ ｉ ｎ ｔ ； ｐ ｏ ｒ ｔ ｆ ｏ ｌ ｉ ｏ
Ｏ 引 言
Ｍａ ｒ ｋ ｏ ｗ ｉ ｔ ｚ 首次提 出证券投资组合理论 ， 该理论用 投资组合的均值 收益与方差来分别表示预期 的收益和 风险 ， 即经典 的均值 一 方 差模 型 。根 据 国 内外 学者 对 证 券组合投资的研究 ， 可大致 分 为静 态数学 模型 和动 态控制模 型 。前者有神 经 网络 、 线形规 划方法 等方
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ： Ｐ ｏ ｒ ｆｏ ｔ ｌ ｉ ｏ ｐ ｒ ｏ ｂ ｌ ｅ ｍ ｗｉ ｄ ｅ ｌ ｙ ｅ ｘ ｉ ｓ ｔ ｓ ｉ ｎ ｉ ｆ ｎ ａ ｎ ｃ ｉ ａ ｌ ， ｒ ｉ ｓ ｋ ｉ ｎ ｖ ｅ ｓ ｔ ｍｅ ｎ ｔ ａ ｎ ｄ ｏ ｔ ｈ ｅ ｒ ｉ ｆ ｅ ｌ ｄ ｓ ． Ｒｅ ｓ ｐ ｅ ｃ ｔ ｉ ｖ ｅ ｌ ｙ ｉ ｎ ｈｅ ｔ ｔ ｏ ｔ ａ ｌ ｉ ｎ ｖ ｅ ｓ ｔ ｍｅ ｎ ｔ ａ ｎ ｄ ｓ ｅ ｌ ｅ ｃ ｔ ｉ ｖ ｅ
ｉ ｎ ｖ ｅ ｓ ｍｅ ｔ ｎ ｔ ｐ ｏ ￣ ｆ ｏ Ｈ ｏ ｉ ｓ ｍａ ｉ ｎ ｌ ｙ ｓ ｔ ｕ ｄ ｉ ｅ ｄ ｆ ｒ ｏ ｍ ｔ ｗ ｏ ｋ ｉ ｎ ｄ ｓ ｏ ｆ ｓ ｉ ｔ ｕ ａ ｉ ｔ ｏ ｎ ｓ ｃ ｈ ｅ ｍｅ ｓ ｅ Ｍｃ ｉ ｆ ｏ ｎ ｐ ｒ ｏ ｂ ｌ ｅ ｍ． Ｆ ｏ ｒ ｔ ｏ ｔ ａ ｌ ｉ ｎ ｖ ｅ ｓ ｔ ｍｅ ｎ ｔ ， ａ ｍｕ ｌ ｔ ｉ － ｏ ｂ ｊ ｃｔ ｅ ｉ ｖ ｅ ｐ ｒ ｏ —
ＬＩ ＮＧＯ ｓ ｏ ｆ ｔ ｗａ ｒｅ ｔ Ｏ ｓ ｏ ｌ ｖ ｅ ｈｅ ｔ ｏ ｐ ｔ ｉ ｍａ ｌ ｉ ｎ ｖ ｅ ｓ ｍ ｅ ｔ ｎ ｔ ｐ ｒ ｏ ｐｏ ｒ ｔ ｉ ｏ ｎ ． Ｏｎ ｈｅ ｔ ｌ ａ ｔ ｔ ｅ ｒ ， ｉ ｎ ｔ ｈ ｉ ｓ ｐ ａ ｐ ｅ ｒ ， ｉ ｎ ｒｏ ｔ ｄ ｕ ｃ ｅ ａ０－１ ｄ ｉ ｓ ｔ ｒ ｉ ｂ ｕ ｔ ｅ ｄ ｐ ｒａ ａ ｍｅ ｔ ｅ ｒ ｓ ， ｔ ｈ ｅ ｇ ｅ ｎ ｅ ｒ －
ｇ ｒ ａ ｍｍｉ ｎ ｇ ｍｏ ｄ ｅ ｌ ｉ ｓ ｅ ｓ ｔ ａ ｂｌ ｉ ｓ ｈ ｅ ｄ ｎｄ ａ ｕ ｓ ｅ ｄ ｉ ｎ ｈｅ ｔ ｐ ｒ ｏ ｃ ｅ ｓ ｓ ｏ ｆ ｓ ｏ ｌ ｖ ｉ ｎ ｇ ｈｅ ｔ ｉ ｄ ｅ ａ ｌ ｐ ｏ ｉ ｎ ｔ ｉ ｓ ｔ ｒ ｎｓ ａ ｆ ｏ ｒ ｍｅ ｄ ｉ ｎ ｔ ｏ ｌ ｉ ｎ ｅ ａ ｒ ｐ ｒ ｏ ｇ ｒ ａ ｍｍｉ ｎ ｇ ｍｏ ｄ ｅ ｌ ， ｕ ｓ ｉ ｎ ｇ ｔ ｈ ｅ
（ Ｃ ｏ ｌ ｌ ｅ ｇ ｅ ｏ ｆ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ， Ｋ ｕ ｎ ｍｉ ｎ ｇ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ， Ｋ ｕ ｎ ｍｉ ｎ ｇ ６ ５ ０ ５ ０ ０ ， Ｃ ｈ ｉ ｎ ａ ）
ｌ ａ ｓ ｉ ｔ ｕ ａ ｔ ｉ ｏ ｎ ｏ ｔ ｓ ｏ ｌ ｖ ｅ ． Ｔｈ ｒ ｏ ｕ ｇ ｈ ａ ｐ ｒ ａ ｃ ｉ ｔ ｃ ａ ｌ ｅ ｘ ａ ｍｐ ｌ ｅ ｏ ｔ ｉ ｌ ｌ ｕ ｓ ｔ ｒ ａ ｔ ｅ ｈｅ ｔ ｕ ｓ ｅ ｏ ｆ ｈｅ ｔ ａ ｂｏ ｖ ｅ ｍｅ ｈｏ ｔ ｄ ｓ ， ａ ｎ ｄ ｈｅ ｔ ｍｏ ｄ ｅ ｌ ｉ ｓ ｉ ｍｐ ｒ ｏ ｖ ｅ ｄ ｎｄ ａ ｐ ｒ ｏ ｍｏ ｔ ｅ ｄ．