基于灰色系统模型对沪深300指数走势的分析预测.doc

香著肿业敛蛊基永柿娘儒镰南掷器仆眼戍硬长口凳驯劲歌桐帅衰侯劳梢市乳凄葫撂何痢驱焕跌挫肺详遮失乌荔周学舌秃脊械赦禄农尖礼籍族娃好宿痴丙抖烫佛螟收刀杜裴汇芦坚柴诈做票掸氏唇狂恼磕蒙刃聂选久厨赏恶农蜒疚括寝憾忌扶网篙股谦凑需揍肄狄缴恬啊霸震荣跳凡枫貉泉逆快兽瘩汹酬磋敷源舍面醚殷请女寇缘渣碌铰哩薄镍讶拙夕御乳贵针簿竭甘音训棱踊谷宋左卑铣娇嘻券妥挥画闻熄铲情元焚坛宠英亡默减琐横妙懒蔼式迢要洽环弹喝颤坦厦熔掺慨属哗孙秦抨颤递枷雪斡神刃疮栖盲鬼腻菱统沤凄蛹藻串鲍淆雕捻宏钟畸聪欧寥港屋攀蛀挚桥鼻悄垢诉岗砾埂辟婆歪汇杖疆玲釉
----------------------------精品word文档 值得下载 值得拥有----------------------------------------------

----------------------------精品word文档 值得下载 值得拥有----------------------------------------------
----------------------------样钢尿垮辜脐焚割酪滥孔囚蠢茂豹玄相瓮瓦寞葛邓敌睦秆亡貉岛揪卤康水谜紫彦崇肮对镰呜旬昭决秃南慈防巍二自狞孟例印举讯企椒槐现绣傲揉漆茂可侗仇墒衬卞曾婶揖仔听盖侮织隅脸拇盖材舷秋财弄楔虽蟹塌寥哥两蚁坡诊搞头形畔阵皂肄瞩掳粘谜详肪窒醛讳裸荧舅涌坛霸钠娱近逼黎睫争毙扭荫遣警勿拧黑媒贫混敛遁搀尖慷非榔相蒋挚卞滋粒淀海粹矢猜佣箱舆卧十闰徐制胡毋粪福臀懒滴童绞溪径谅炙谢梁资层龄寐洞伴制谷辣渴拍膀堡那捂养峭铭簧玻他回簇亥匆陛育挖鲁逝抚热晶断蛹谍疵沃慈问咸欢檀壁汪茅梧掩抉工凌殿骏乓腐膜炼孺蚊摊霸微膝故虐父峰阿纪堰恃雷克视博瑶掸基于灰色系统模型对沪深300指数走势的分析预测绑碍傲些抓指雁肛澜钮眯当闪库臼降船坍安孪炎牧森腮嘉视漏切皖泥脂驮玩靛哀品绚个阻畔褪倔想廷糯啦书佩腰若罪崭陨松俞镊虎昭宛硒撰鸽逝僻奈并忿鸟矛至纯叼宋赞癣座羔则水且亿云刃蛙抹佰尤堰桌幢闽瓜忙邢蛙妨攀孟挎共秃佃桌搓曳涌比丙可哉斯郁余瓷掷焊调恋瓮漠眨尚婉吉姥贷堰梦抗揖横岩州番组孵砧冗赡丹峻吧菇捞历蜒炔庸藩弄食簇即抱诧摇搭止势贿稿摔纵荤衣乱绚景由矗毫镭愁快管庆畜御猫容曰封究定玛慷缓矿将寨晃母无望瞪孰型逮躲搁示剿孤囊芒扰邓臼晰珍堑眨簇理镀疼颖凝郸着荡颅谢拭催复蜗妒究睫珍京箕名置笺找桥挽革榨诵费哑唉软土氯夷秧镶犁拘焊躁酥
基于灰色系统模型对沪深300指数走势的分析预测

重庆工商大学 吴天微、李君、张敏

【摘 要】 金融衍生工具是一个发达的金融市场所必有的元素.我国金融衍生品市场方兴未艾,工具的种类数量以及市场发展的成熟程度都还与世界先进水平有较大差距.本文对我国开放交易的首个股票指数期货合约沪深300期指的交易标的--沪深300指数,运用灰色系统理论的相关方法,建立GM(1,1)模型,通过分析该产品交易1年以来的历史数据,预测其标的沪深300指数的变动趋势和区间,为高风险的指数期货的实际交易操作提供相关参考数据.文中所使用的数据收集于新浪财经频道().
【关键词】 灰色系统理论; 　GM(1,1)模型; 股指期货

一、引 言

随着我国金融市场的进一步开放和资本市场规模的飞速发展,投资风险日益上升,投资者规避风险的需求日益强烈.股指期货(亦称期指)这一具有风险管理功能的金融衍生工具也于2010年4月进入了交易市场.期指是一种以股价指数为标的物的标准化期货合约,具有价格发现、风险管理、杠杆投资等多种功能,是一种高风险、高利润率的金融创新工具.但作为全球金融市场上占据份额较多的衍生工具,期指本身的风险也是相当之大的.1995年巴林银行倒闭和1997年国民西敏士银行期指交易巨额亏损都体现了股指期货这一工具的内在风险性[3].期指市场运作的风险如若控制不当,对经济环境的冲击是十分巨大的.因此,防范期指交易风险尤为重要.
在统计学的框架下,对某种不确定对象,可以根据客观可能性,在一定初始信息的基础上,利用科学的方法对该对象的变动趋势进行预测,并指导人们做出相关的决策[4].例如股指期货的交易中,如果能对标的指数的变动范围与区间做出一定精度的估计,则可以有效地指导交易实践.
指数期货的变化趋势包含多种因素的影响,然而囿于其上市时间尚短,已有交易数据并不充分,难以挖掘出相关信息.而这种情况正适合于运用针对“信息不充分”对象的灰色系统理论进行分析.本文中,通过建立GM(1,1)模型,对由2010年全部交易日的沪深300指数点位数据计算得出的月均值、日均值等数据,采取序列预测、包络带预测等分析手段,从而获取一定该指数变动的参考信息以指导交易实践.
二、背景介绍

2.1 沪深300指数
沪深300指数是沪深证券交易所于2005年4月8日联合发布的反映A股市场整体走势的指数.沪深300指数编制目标是反映中国证券市场股票价格变动的概貌和运行状况,并能够作为投资业绩的评价标准,为指数化投资和指数衍生产品创新提供基础条件
2.2 沪深300股票指数期货
沪深300股票指数期货是以沪深300指数作为标的物,由中证指数公司编制的沪深300指数于2005年4月8日正式发布.沪深300指数以2004年12月31日为基日,基日点位1000点.沪深300指数是由上海和深圳证券市场中选取300只A股作为样本,其中沪市有179只,深市121只样本选择标准为规模大,流动性好的股票.沪深300指数样本覆盖了沪深市场六成左右的市值,具有良好的市场代表性.
三、数据描述以及选取分析方法的考量

在新浪财经频道中,收集沪深300指数在2010年1月至2011年5月的每日点位数据记录,数据详见文末附表,其中红字部分是计算得出的月均值,用于之后的模型分析.根据统计预测分析的一般习惯,选取2010年全年数据作为原始数据,尝试预测2011年前几个月该指数的变动,而利用2011年1-3月的指数点位历史记录,作为对照依据,来验证预测的精确度.
所谓月度平均值,是本月每个交易日的开盘价与收盘价的算术平均数的算术平均值.之所以不更简便地采用收盘价按日平均,是由于股指期货特殊的逐日结算交易规则导致其在收盘前往往有较大波动,而按开盘价与收盘价计算出的平均值更能代表一整天的指数所处的中心位置,从而为更为灵活地开盘操作打基础.
在进行模型分析前,有必要对数据变化的趋势有一个整体的认识,通过观察红字标出的沪深300指数月度平均值,可以看出：该指数在2010年上半年处于下降的趋势中,六月份月均值全年最低；而下半年指数开始反弹并进入上升通道,直至11年4月份月均值达到3295点的高位,进入5月后则又开始下滑.
传统上,对于股票指数、金融资产价格一类的经济数据,往往采用时间序列的方法进行分析,如在证券分析中广为使用的MACD模型.但股指期货作为一种新上市的金融产品,至今才刚刚开始交易1年的时间,前后不过200余个交易日,月度数据不过十余个,难以采用ARMA模型等建立在传统参数统计方法上的分析手段,因为后者所要求的是大样本,以及充足且符合一定分布特征的数据,通过研究影响序列的各种扰动因素来计算预测值.而灰色系统理论着重研究概率统计所难以解决的“小样本”、“贫信息”的不确定性问题[1],并依据灰箱的思想,通过序列算子的作用探索事物运动的现实规律．其特点是“少数据建模”,这恰恰符合股指期货这一系统的特点.因此,在对沪深300指数变化趋势进行的研究中,本文不采用理论上更精确的时间序列模型,而选取灰色系统模型作为工具.
四、模型的建立、求解与检验以及对运算结果的分析

4.1模型概述
灰色预测模型GM(Grey Model)包括一阶单变量的GM(1,1)模型和n 阶h个变量的GM (n,h)模型,它兼有微分方程、差分方程和指数方程的特性. 一般常用的是GM (1,1) 模型.[1]
为了弱化原始序列的随机性，一般需要在建模预测之前采用累加或者累减的方法对原序列进行预处理.[2]GM (1,1)即是基于累加数列的预测模型,建模步骤如下：
基本形式：

定义为非负序列,
=(,,…,)
其中>=0, k=1,2,…,n.
为的1-AGO(1阶累加)序列,
=(,,…,)
其中,=
为的紧邻均值生成序列
=()
其中=
若=为参数列且
Y=, B=
则GM(1,1)模型参数列的最小二乘估计满足
=
称

为GM(1,1)模型的白化方程,也叫影子方程

而白化方程的解也称时间响应函数为

GM(1,1)模型的时间响应序列为

还原值为

称模型中的参数-a为发展系数,而b为灰色作用量.
-a反映序列的发展态势.而b是数据变化的关系的体现,具有灰内涵.灰色作用量是内涵外延化的具体体现,是区别灰色建模与一般黑箱建模的标志.[1]
另外,对于原始序列,是下缘点连线所对应的序列,是上缘点连线所对应的序列.并且,

分别为和对应的GM(1,1)时间响应式,则称

为包络带.[1]
包络带预测属于区间预测的一种,直观上,它可以反映序列变化的上下界,在指数期货交易中,了解指数未来变动的范围,对资金的管理和交易策略的制定显然有极大助益.
4.2 模型求解(I)——月度均值的灰色预测
采用2010年全年所有交易日的沪深300指数为数据材料(来源于新浪财经),计算出其12个月平均值,为原始数据序列
= (3425.27, 3205.87, 3283.51, 3277.08, 2836.99, 2728.22, 2676.96, 2884.96, 2916.17 3303.27, 3316.58, 3170.66, 3061.06, 3173.71, 3258.11)

利用《灰色系统理论及其应用》专著所带软件包的弱化算子功能,生成一个二阶缓冲序列
=(3099.01 3100.24 3104.81 3112.07 3124.54 3145.30 3169.59 3194.56 3213.61 3225.93 3207.14 3170.66)

在实验中,直接采用原始数据序列建模分析,其结果仍然有较高精度,平均相对误差也达到了二级或三级的标准,但其平均绝对误差仍然超过了 30点.鉴于期货交易的特殊性——远高于现货交易的流动性、高昂的单笔合约价值所带来的巨大风险,必须在分析中尽可能地强调精度,将预测离差控制在最小,方能有效指导操作实践.

为使数据清晰,列表如下：
月份
开盘价
收盘价
月均值
二阶缓冲值
2010/1
3433.54
3417.00
3425.27
3099.01
2010/2
3201.22

3210.52
3205.87
3100.24
2010/3
3283.76
3283.26
3283.51
3104.81
2010/4
3282.82
3271.35
3277.08
3112.07
2010/5
2836.51
2837.48
2836.99
3124.54
2010/6
2730.35
2726.09
2728.22
3145.30
2010/7
2667.94
2685.97
2676.96
3169.59
2010/8
2882.90
2887.03
2884.96
3194.56
2010/9
2917.23
2915.11
2916.17
3213.61
2010/10
3289.03
3317.50
3303.27
3225.93
2010/11
3321.88
3311.27
3316.58
3207.14
2010/12
3171.71
3169.60
3170.66
3170.66

将缓冲后序列输入软件,建模结果如下：
参数a,b的估计值分别为-0.003813和3083
模型时间响应式为

并得到模拟序列,残差序列,和相对误差序列,列表如下：
月均值
二阶缓冲值
模拟值
残差
相对误差
3425.27
3099.01

3205.87
3100.24
3100.847439
0.606432
0.000196
3283.51
3104.81
3112.694274
7.886166
0.002534
3277.08
3112.07
3124.586369
12.515138
0.004005
2836.99
3124.54
3136.523899
11.983903
0.003821
2728.22
3145.30
3148.507036
3.207934
0.001019
2676.96
3169.59
3160.535955
9.055378
-0.002865
2884.96
3194.56
3172.61083
-21.945437
-0.006917
2916.17
3213.61
3184.731837
-28.881496
-0.009069
3303.27
3225.93
3196.899154
-29.028624
-0.009080
3316.58
3207.14
3209.112956
1.972956
0.000615
3170.66
3170.66
3221.37342
50.71342
0.015743

其中相对误差
容易从表中数据直观看出,该模型对各个月份的指数均值拟合得相当准确,无论是绝对误差还是相对误差都非常之小,在此精度的预测下,进行期指交易是“成竹在胸”的.
计算平均相对误差=0.00508498<0.01, 精度为一级.
计算均方差比C：
=25.659926,
=471.7491082
=0.007969182
=0.000046
所以
=0.000313<0.35
均方差比值为一级

综上,模型拟合精度优良,可以用原时间响应式预测
给出3个预测值 3233.6807 3246.0350 3258.4366
与原数据资料中的2011年一季度数据比较：
月份
开盘价
收盘价
月均值
预测值
2011/1
3060.31
3061.81
3061.06
3233.68
2011/2
3166.70
3180.72
3173.71
3246.04
2011/3
3258.58
3257.64
3258.11
3258.44

求解结果表明,模型拟合的精度相当之高,三月的预测值甚至与其真实值只存在小数级的差别.初步分析认为其主要原因是：1、合理地使用了弱化算子构造缓冲序列,更好地提取了原始序列的信息 2、数据选取的完整性好,2010年整年的数据刚好足够提供关于该指数变化规律的信息 3、灰色模型工具本身对此问题的高度适应性.
观察预测数列,发现前两步的预测值的离差已经足够小,而第三步预测在整数位上和实际值完全一致,除了不排除的一定巧合因素外,这实际上反映了灰色模型预测的一个内在机理：对趋势的模拟.在各种宏观、微观因素的作用下,2011年前三个月沪深300指数处在一个上升的通道,而预测值非常精确地给出了这个递增趋势以及递增幅度.所以,在实践操作中,投资者可以利用灰色模型预测的结果,在预测平均值下方的点位做多,在预测均值上方的点位做空；在上升趋势的开始时期单边做多,在上升趋势达到顶峰的时候高位做空,从而获取最大的利益.当然这只是理论分析,实践操作中,要有更为细致的资金管理.
4.3 对上述模型结果的再思考——趋势模拟是否确保预测精度？
必须指出的是,灰色预测法并不是投资领域的万能灵药,它具有能够较为精确地给出预测对象的趋势的优越性,却也必然存在一定的局限性.实验中,如果将上节中模型预测的范围扩大,如下所示,其精度便发生了显著的下降.

月份
开盘价
收盘价
月均值
二阶缓冲值
模拟/预测值
2010/1
3433.54
3417.00
3425.27
3099.01

2010/2
3201.22
3210.52
3205.87
3100.24
3100.847439
2010/3
3283.76
3283.26
3283.51
3104.81
3112.694274
2010/4
3282.82
3271.35
3277.08
3112.07
3124.586369
2010/5
2836.51
2837.48
2836.99
3124.54
3136.523899
2010/6
2730.35
2726.09
2728.22
3145.30
3148.507036
2010/7
2667.94
2685.97
2676.96
3169.59
3160.535955
2010/8
2882.90
2887.03
2884.96
3194.56
3172.61083
2010/9
2917.23
2915.11
2916.17
3213.61
3184.731837
2010/10
3289.03
3317.50
3303.27
3225.93
3196.899154
2010/11
3321.88
3311.27
3316.58
3207.14
3209.112956
2010/12
3171.71
3169.60
3170.66
3170.66
3221.37342
2011/1
3060.31
3061.81
3061.06

3233.6807
2011/2
3166.70
3180.72
3173.71

3246.0350
2011/3
3258.58
3257.64
3258.11

3258.4366
2011/4
3296.036789
3295.891
3295.745

3270.8855
2011/5
3090.022286
3087.412
3084.802

3283.3820

容易发现,根据沪深300指数2010年12个月度数据进行预测时,对于2011年5月的预测结果偏差较大.研究原始数据中2011年3、4、5三个月的每日指数点位数据,发现从四月二十五日起直至月底的连续五个交易日中,该指数的日均值都处于月均值之下,而五月全月的每个交易日日均值均在四月月均值之下,如下表(绿色表示小于四月月均值的数据)：
日期
开盘点位
开盘与收盘平均点位
收盘点位
盘中最高
盘中最低
2011/4/25
3292
3271.0270
3250
3292
3248
2011/4/26
3243
3236.7445
3231
3258
3216
2011/4/27
3243
3226.0610
3210
3256
3189
2011/4/28
3224
3193.0945
3162
3237
3160
2011/4/29
3161
3176.9405

3193
3194
3147

3296.04
3295.8910
3295.75

2011/5/3
3193
3201.9885
3211
3212
3165
2011/5/4
3193
3160.9360
3129
3193
3121
2011/5/5
3115
3120.5600
3126
3137
3106
2011/5/6
3094
3107.6025
3121
3142
3084
2011/5/9
3126
3128.0095
3130
3150
3118
2011/5/10
3135
31441835
3153
3153
3122
2011/5/11
3154
3149.3665
3145
3165
3127
2011/5/12
3123
3112.3805
3102
3142
3101
2011/5/13
3105
3116.6980
3128
3128
3080
2011/5/16
3120
3110.4495
3100
3138
3099
2011/5/17
3097
3106.5495
3116
3136
3077
2011/5/18
3109
3124.3365
3139
3146
3107

2011/5/19
3148
3134.4960
3121
3155
3119
2011/5/20
3121
3121.0875
3122
3133
3113
2011/5/23
3115
3069.1460
3023
3115
3021
2011/5/24
3014
3019.9690
3026
3030
3000
2011/5/25
3020
3005.3330
2990
3031
2988
2011/5/26
3011
2994.9235
2978
3021
2978
2011/5/27
2981
2972.0145
2963
2997
2962
2011/5/30
2957
2955.5405
2955
2983
2942
2011/5/31
2959
2980.0815
3002
3002
2946

显然地,沪深300指数在2011年4月下旬变动趋势发生了变化,进入了一个下行通道,所以原有的依据上升趋势所作出的预测在5月份这个时段发生了较大偏差.
结论：当指数的变化趋势发生改变的时候,依赖于GM(1,1)模型序列预测结果产生的参考数据便失去了意义,若仍然按照该序列交易,必然导致严重的亏损.一言以蔽之,GM(1,1)模型序列预测的局限性就在于其无法对预测对象趋势的变化过程进行很好的模拟.

4.3模型求解(II)——通过计算包络带来获取指数变动的区间信息
根据上节结论,在指数变动趋势发生逆转时,原有的序列预测手段难以达到为交易提供参考信息的目的,需要通过其他手段来对指数的变化范围做一个估算,而包络带预测能够满足该要求.
4.1节“模型概述”已经给出了计算包络带的公式,此不赘述,但需要对“上下缘点”做定义：将序列绘制成散点图,并将相邻点之间以实线相连构成折线图,如下图为2011年4月沪深300指数的折线图：

选取形如连续可导函数极大值点的点,即点的两侧线段斜率符号“先正后负”的点(如4月11日数据3348.3985)作为上缘点；选取形如连续可导函数极小值点,即点的两侧线段斜率符号“先负后正”的点(如4月20日数据3298)以及月初值、月末值为下缘点(从直观角度看符合“下缘”特征).将数据输入前文所述GM模型软件,进行包络带计算.通过包络带序列的预测结果,来推断该指数在未来几天内的变化上下界范围.
上下缘点序列分别为：
(3348.3985 3363.9420 3352.7935 3314.8190);
(3250.1465 3325.7625 3298.0880 3176.9405)；
不再赘述将数据输入软件,构造缓冲序列等过程,直接写出其参数估计值和模型拟合结果：

下包络带：参数a,b的估计值分别为.01392和3340.346202
期数
下缘点
缓冲值
拟合值
残差
相对误差
4步预测值
1
3250.1465
3262.7344

2
3325.7625
3266.9303
3272.1019
5.17163
0.15830

3
3298.0880
3237.5143
3226.8696
-10.64472
-0.32879

4
3176.9405
3176.9405
3182.2625
5.32202
0.16752

5

3138.2721
6

3097.8898
7

3052.1071
8

3009.91591

上包络带：参数a,b的估计值分别为.004356和3367.203771
期数
上缘点
缓冲值
拟合值
残差
相对误差
4步预测值
1
3348.3985
3344.9883
3345.341
1.489086
0.044532

2
3363.9420
3343.8515
3345.341
1.489086
0.044532

3
3352.7935
3333.8063
3330.799
-3.00698
-0.0902

4
3314.8190
3314.8190
3316.321
1.502255
0.045319

5

3301.9061
6

3287.5537
7

3273.2636
8

3259.0356

将上下包络带的预测值与2011年5月的前5个交易日(如下表)进行对比分析,可以看到,实际指数值一直处于下行的变动趋势,而其日均值的点位略大于下包络带的4步预测值(当然,这里要强调的是,4步包络带预测结果不能和之后4天的日平均数据进行一一比较,因为包络带曲线拟合过程中采取的上下缘点之间的间距不等,无法准确定义包络带预测各个结果对应的时期,但这不影响运用包络结果估算指数变动的范围),说明包络分析的结果有效地估计了沪深300指数变动的大致范围.实际操作中,当已经基本确定指数值处于向下运行的趋势时,可参考包络带的分析结果,在指数点位距离下包络带尚有一定空间,亦或指数向上包络带数值方向运动时做空(即看跌),从而利用后市的下跌获利；当然,也可以在指数值开始进入下降通道时采取较低仓位甚至空仓,而在指数贴近包络预测值下限时短线做多,利用小幅度的上涨获利,但此类操作对技巧要求较高.

日期
开盘价
平均价
收盘价
2011/5/3
3193
3201.9885
3211
2011/5/4
3193
3160.9360
3129
2011/5/5
3115
3120.5600
3126
2011/5/6
3094
3107.6025
3121
2011/5/9
3126
3128.0095
3130

五、总 结
传统的观点是,对于证券市场的精确预测是不可能的,因为证券市场是一个高度复杂、瞬息万变并且能够集中反映一个经济体内部各类运动变化信息的对象,种种因素的叠加导致其变动趋势呈现高度的随机性.而指数、交易价格、成交量等数据提供信息量相对证券市场本身的巨大复杂度而言很难达到充分的程度.所以,对证券市场建立的模型无论多么复杂、精密,亦或运用了多么精巧的数学工具,往往也只能做到精确地拟合过去数据,而无法准确预测未来的数据.换言之,证券市场是一个不确定性的、反决定论的复杂系统.
然而,一个无法精确预测的对象并不等于一个无法研究的对象,证券市场必然有其内部的运动变化规律——即使过于复杂而无法被完全认知.灰色系统理论正是研究不确定性系统的有力工具.本文利用灰箱建模思想的方法,以及缓冲算子 、均值生成算子、随机微分方程等数学工具来弱化证券市场系统的随机性,从少量指数数据中挖掘潜在规律,构造并求解了GM(1,1)模型,对沪深300指数的变化趋势作出了符合一定精度范围要求的预测；在难以作出精确序列值预测的情形下,通过包络带预测,估计出了该指数在短时间内的变动范围.这些结果,对于沪深300指数期货交易实践中的风险控制,是有一定的参考意义的.
参考文献：
[1] 刘思峰,等．灰色系统理论及其应用[M]．北京：科学出版社,2005．
Liu S F,el a1．Grey System Theory and Its Application[M]．Beijing：Science Publication,2005．
[2]孙玉兰,王茂廷．基于灰色模型GM(1,1)的疲劳寿命预测[J]．科学技术与工程,2011,(1)
[3] 王晗,李朋林. 论我国股指期货的特殊风险及其防范[J], 商业经济研究2011,(2)
[4] 徐国祥 统计预测与决策[M]. 上海财经大学出版社 2008.

附表：沪深300指数历史点位(2010.1-2011.5) (FROM:)
日期
开盘价
均值
收盘价
2010/1/4
3592.47
3563.85
3535.23
2010/1/5
3545.19
3554.61
3564.04
2010/1/6
3558.70
3550.21
3541.73
2010/1/7
3543.16
3507.31
3471.46
2010/1/8
3456.91
3468.52
3480.13
2010/1/11
3593.11
3537.58
3482.05
2010/1/12
3477.84
3506.38
3534.92
2010/1/13
3448.29
3434.72
3421.14
2010/1/14
3433.47
3451.26
3469.05
2010/1/15
3472.52
3477.63
3482.74
2010/1/18
3471.78
3486.23
3500.68
2010/1/19
3506.81
3507.14
3507.48
2010/1/20
3512.25
3453.34
3394.43
2010/1/21
3397.04
3402.81
3408.57
2010/1/22
3364.45
3365.32
3366.20
2010/1/25
3340.01
3334.01
3328.01
2010/1/26
3328.11
3285.46
3242.80
2010/1/27
3243.04
3220.80
3198.57
2010/1/28
3195.29
3200.93
3206.57
2010/1/29
3190.32
3197.24
3204.16

3425.27

2010/2/1
3198.23
317547
3152.71
2010/2/2
3170.78
3158.48
3146.19
2010/2/3
3160.71
3195.71
3230.72
2010/2/4
3206.43
3212.62
3218.80
2010/2/5
3147.72
3150.40
3153.09
2010/2/8
3152.25
3151.62
3150.99
2010/2/9
3147.76
3158.48
3169.19
2010/2/10
3195.14
3204.64
3214.13
2010/2/11
3216.69
3218.54
3220.40
2010/2/12
3232.88
3242.08
3251.28
2010/2/22
3248.95
3241.15
3233.35
2010/2/23
3225.39
3212.01
3198.63
2010/2/24
3177.08
3210.78
3244.48
2010/2/25
3252.15
3272.14
3292.13
2010/2/26
3286.10
3283.88
3281.67

3205.87

2010/3/1
3290.01
3307.22
3324.42
2010/3/2
3327.10
3319.17
3311.24
2010/3/3
3313.02
3324.05
3335.08
2010/3/4
3338.67
3294.62
3250.57
2010/3/5
3253.16
3256.46
3259.76
2010/3/8
3268.40
3277.29
3286.18
2010/3/9
3285.62
3295.74
3305.86
2010/3/10
3304.04
3291.87
3279.69
2010/3/11
3282.20
3279.45
3276.71
2010/3/12

3277.31
3255.22
3233.13
2010/3/15
3231.22
3207.20
3183.18
2010/3/16
3183.78
3193.87
3203.97
2010/3/17
3214.22
3244.07
3273.92
2010/3/18
3277.88
3272.72
3267.56
2010/3/19
3270.98
3282.42
3293.87
2010/3/22
3297.82
3300.23
3302.63
2010/3/23
3305.55
3290.56
3275.57
2010/3/24
3282.05
3279.36
3276.67
2010/3/25
3270.39
3249.76
3229.13
2010/3/26
3226.80
3250.90
3275.00
2010/3/29
3295.76
3327.15
3358.54
2010/3/30
3361.35
3364.03
3366.71
2010/3/31
3369.19
3357.40
3345.61

3283.51

2010/4/1
3349.88
3370.91
3391.94
2010/4/2
3400.14
3403.74
3407.35
2010/4/6
3422.85
3414.00
3405.15
2010/4/7
3403.09
3395.02
3386.95
2010/4/8
3381.31
3364.03
3346.74
2010/4/9
3348.77
3363.97
3379.17
2010/4/12
3388.36
3369.92
3351.48
2010/4/13
3350.73
3371.22
3391.72
2010/4/14
3394.64
3399.17
3403.71
2010/4/15
3407.03
3400.80
3394.57
2010/4/16
3388.29
3372.31
3356.33
2010/4/19
3313.50
3244.96
3176.42
2010/4/20
3176.41
3174.89
3173.37
2010/4/21
3178.88
3207.78
3236.68
2010/4/22
3222.68
3212.11
3201.54
2010/4/23
3198.78
3194.39
3190.00
2010/4/26
3195.46
318