基于多元回归分析的上证指数预测模型

发布时间：2020-04-17 07:36:39 来源：文档文库

小中大

字号：

手机查看

基于多元回归分析的上证指数预测模型

上证指数预测模型

摘要

股票市场是我国资本市场的重要组成部分，在推动我国经济发展进程中起到了非常重要的作用。为了更好地理解股票市场以及获得更高的收益，股市的预测成了重多投资者和学术研究者研究和分析的热点问题。而上证指数是研究和判断股票价格变化趋势必不可少的重要依据,在一定程度上反映了我国的经济实力，是宏观经济的晴雨表，也是分析微观经济的重要指标，所以研究上证指数的预测模型具有非常重要的现实意义和使用价值。

本文在充分分析影响股市价格众多因素的基础上，选择多组变量，基于多元回归线性分析建立上证指数的预测模型。首先需要尽可能多的选择原始数据，在这里为了方便计算选择了3月到5月上证指数及各变量的数据（除去休盘日）共64组，22个变量。使用SPSS软件进行线性分析后，剔除某些无关，甚至关联很小的变量后，得出了回归方程的系数，从而得出了上证指数的预测模型

然后利用图表分析了此模型的好坏程度。

关键词：1上证指数；2多元回归分析法；3 SPSS分析；

一、问题的背景与提出

上证指数，是上海证券综合指数的简称。是最早发布的指数，以上海证券交易所挂牌上市的全部股票为计算范围，以发行量为权数的加权综合股价指数。它是研究和判断股票价格变化趋势必不可少的重要依据,在一定程度上反映了我国的经济实力，是宏观经济的晴雨表，也是分析微观经济的重要指标，所以研究上证指数的预测模型具有非常重要的现实意义和使用价值。

本文将在此背景下，充分分析上证指数的组成，使用多元线性回归的方法对其进行合理的预测，建立模型，具有实际意义，以预测未来上证指数的变化趋势。

二、基本假设

1. 忽略除文中提到的影响因素之外的因素对上证指数的影响。

2. 假设经济形势稳定，不会出现较为明显的通货膨胀或通货紧缩。

三、主要变量符号说明

为了便于描述问题，我们用一些符号来代替问题中涉及的一些基本变量，如表1所示。

表1 主要变量符号说明一览表

	DIFF
	DEA
	RSI
	D指标
	J指标
	财政收入增长率
	财政支出增长率
	货币供应量
	货币流通量
	居民消费价格指数
	固定资产投资情况
	WR
	PSY
	OBV
	今日收盘价
	今日成交量
	昨日收盘价
	昨日成交量
	近5日平均收盘价
	近5日平均成交量

	近20日平均收盘价
	近20日平均成交量

【注】其余没有列出的符号，我们将在文章第一次出现时给出具体说明

四、问题的分析

对上证指数进行预测，需要对影响上证指数的主要因素进行分析进行分析[1]：对整体股票市场而言，其状态最基本的表现方式是股票价格指数和成交量，而这两项指标又受社会、政治、经济、政策、心理等多种因素的影响。

首先选择表中可以查到的数据作为变量：MACD:DIFF, DEA;RSI;KDJ:D指标,J指标;WR;PSY;OBV

其次选择以下变量：财政收入增长率、财政支出增长率、货币供应量、货币流通量、居民消费价格指数、固定资产投资情况。

由于股民心理受收盘价和成交量的影响，故对上证指数的影响可用以下变量表示：今日收盘价；今日成交量；昨日收盘价；昨日成交量；近5日平均收盘价；近5日平均成交量；近20日平均收盘价；近20日平均成交量.

以上均采用最近三个月的数据（包括上证指数）

五、问题模型的建立和求解

5.1问题的求解

5.1.1多元线性回归分析的数学模型[2]

设明日收盘价为y,影响因素为22个，分别为，，，，，，，，，，，，，，，，，，，，，,它们之间有以下线性关系

5.1.2模型求解

使用SPSS[3]进行回归分析得

模型汇总
模型	R	R 方	调整 R 方	标准估计的误差
1	.997a	.994	.991	6.97007

a. 预测变量: (常量), x22, x17, x15, x18, x10, x5, x16, x14, x19, x20, x13, x4, x12, x3, x9, x21, x2, x1, x11。

模型		平方和	df	均方	F	Sig.
1	回归	332809.226	19	17516.275	360.552	.000b
	残差	2137.602	44	48.582
	总计	334946.828	63

a. 因变量: y

b. 预测变量: (常量), x22, x17, x15, x18, x10, x5, x16, x14, x19, x20, x13, x4, x12, x3, x9, x21, x2, x1, x11。

系数a
模型		非标准化系数		标准系数	t	Sig.
模型		B	标准误差	试用版	t	Sig.
1	(常量)	-774.860	11619.193		-.067	.947
	x1	.677	.495	.291	1.368	.178
	x2	-.703	.423	-.310	-1.662	.104
	x3	-.230	.323	-.035	-.712	.480
	x4	.180	.239	.048	.754	.455
	x5	-.032	.126	-.014	-.256	.799
	x9	-11.195	19.037	-.130	-.588	.559
	x10	18.203	121.877	.031	.149	.882
	x11	-21.964	46.006	-.144	-.477	.635
	x12	-.019	.120	-.007	-.157	.876
	x13	.387	.238	.081	1.629	.111
	x14	-.258	.687	-.020	-.376	.709
	x15	-.030	.012	-.058	-2.582	.013
	x16	-4.824E-010	.000	-.040	-1.759	.086
	x17	-.003	.009	-.006	-.322	.749
	x18	-3.391E-010	.000	-.028	-1.372	.177
	x19	-.017	.030	-.022	-.561	.578
	x20	2.887E-010	.000	.019	.543	.590
	x21	.834	.053	.846	15.595	.000
	x22	1.800E-010	.000	.010	.114	.909

a. 因变量: y

5.1.3 模型结果

6、结果分析与进一步推广

6.1多元线性回归分析结果

图表

从上图可以看出标准化残差的分布情况总体总体呈正态，集中在0的附近，这可以说明该回归方程的准确性是比较高的。

由以上图表可知较为精确与实际值接近。

6.2预测模型准确情况分析

在matlab中做出实际值与预测值的比较图如下

七、模型的评价

优点：

1. 可推广性。该多元线性回归法可以应用到多变量线性关系问题评估中。

2. 严谨性。SPSS与MATLAB相结合进行建模与模型评估，大大提高了模型的严谨性，较大程度的减少了人为计算可能会出现的误差。

4. 全面性。变量的选择几乎涵盖了所有可能的影响因素，因此此建模过程是较为全面的。

5. 实用性。本文所建模型与实际紧密联系，结合实际情况对数据进行合理的处理，使模型更加贴近实际，通用性强，具有现实意义。

缺点：

1. 由于时间的限制，对数据的统计和整理还不完善，其中读取数据量很大，有待进一步修改。

2. 由于选取变量的时间范围较窄，因此模型的准确性还有待在数据更多的条件下进一步的验证。

八、参考文献：

[1] 邹艳芬.上证指数的主要影响因素分析.江苏连云港：连云港化工高等专科学校学报，2002.

[2] 李金海.多元回归分析在预测中的应用.河北；河北工业大学学报，1996年第三期

[3] 包凤达等.多元回归分析的软件求解与案例解读.数理统计与管理，2000年第五期

附录一：变量数据表

x1	x2	x3	x4	x5	x6	x7	x8	x9	x10	x11	x12	x13	x14	x15	x16	x17	x18	x19	x20	x21	x22	y
-69.58	-78.35	40.4	52.86	8.45	6.5	15.4	22.1	4.4	99.6	10.7	68.07	50	508	2733.170	187********	2687.98	20741070900	2842.82	25512188820	2898.68635	22411552685	2914.92
-60.31	-78.35	50.01	51.63	44.28	6.5	15.4	22.1	4.4	99.6	10.7	28.57	58.33	520.78	2849.68	27096178300	2733.170	187********	2876.47	26437693180	2908.01945	22390342195	2922.65
-51.55	-78.35	50.75	53.67	65.84	6.5	15.4	22.1	4.4	99.6	10.7	25.15	58.33	513.65	2859.76	28747821000	2849.68	27096178300	2879.04	23798046740	2915.56765	22087390535	2930.00
-42.95	-78.35	51.88	57.59	81.14	6.5	15.4	22.1	4.4	99.6	10.7	20.28	58.33	516.78	2874.17	31249516900	2859.76	28747821000	2868.04	21944803140	2922.7755	21752066710	2937.30
-33.87	-78.35	53.73	62.8	94.09	6.5	15.4	22.1	4.4	99.6	10.7	11.18	66.67	518.95	2897.34	21746683600	2874.17	31249516900	2855.26	182********	2929.5433	21222320195	2944.97
-26.06	-78.35	54.07	68.44	102.23	6.5	15.4	22.1	4.4	99.6	10.7	9.79	75	521.28	2901.39	23348266100	2897.34	21746683600	2847.70	177********	2937.3298	21418637735	2953.52
-22.73	-78.35	50.24	72.44	96.46	6.5	15.4	22.1	4.4	99.6	10.7	21.07	66.67	519.45	2862.56	138********	2901.39	23348266100	2840.29	16384914840	2944.78995	21412534685	2962.15
-24.48	-78.35	45.05	72.93	75.8	6.5	15.4	22.1	4.4	99.6	10.7	39.25	66.67	518.06	2804.73	19481603000	2862.56	138********	2841.87	173********	2952.08315	21822234910	2971.31
-25.12	-78.35	45.64	71.5	62.99	6.5	15.4	22.1	4.4	99.6	10.7	37.21	66.67	519.33	2810.31	12724755400	2804.73	19481603000	2861.89	17444659980	2961.09485	21787677925	2981.13
-21.42	-78.35	50.74	70.79	66.55	6.5	15.4	22.1	4.4	99.6	10.7	21.53	75	521.28	2859.50	19481603000	2810.31	12724755400	2890.86	21166363600	2972.2775	22251531775	2990.88
-17.88	-78.35	51.23	69.94	64.8	6.5	15.4	22.1	4.4	99.6	10.7	26.48	75	522.92	2864.37	16338666700	2859.50	19481603000	2922.72	24318051760	2980.48505	22191044965	2999.18
-14.43	-78.35	51.88	69.59	67.53	6.5	15.4	22.1	4.4	99.6	10.7	29.73	83.33	524.78	2870.43	186********	2864.37	16338666700	2949.72	26457864860	2990.59865	22924127860	3006.09
-8.81	-78.35	55.58	71.51	82.7	6.5	15.4	22.1	4.4	99.6	10.7	10.89	83.33	526.78	2904.83	20029021300	2870.43	186********	2977.62	27067563400	3001.19515	23032854335	3010.70
-0.29	-78.35	60.42	74.74	93.55	6.5	15.4	22.1	4.4	99.6	10.7	8.24	83.33	529.92	2955.15	31333273500	2904.83	20029021300	2988.85	27801887200	3009.85955	22979468525	3012.61
11.46	-78.35	65.6	78.53	101.24	6.5	15.4	22.1	4.4	99.6	10.7	3.72	83.33	533.44	3018.80	35240043800	2955.15	31333273500	2993.71	25036719380	3013.78605	22329327410	3012.78
18.98	-78.35	62.86	81.34	98.2	6.5	15.4	22.1	4.4	99.6	10.7	11.32	75	530.74	2999.36	27037732200	3018.80	35240043800	2981.51	22029135440	3014.98695	21349991220	3011.84
25.52	-78.35	63.76	83.86	99.01	6.5	15.4	22.1	4.4	99.6	10.7	7.18	75	532.91	3009.96	21697746200	2999.36	27037732200	2965.60	20280895900	3013.6478	21413825705	3010.73
26.42	-78.35	56.81	83.19	79.15	6.5	15.4	22.1	4.4	99.6	10.7	26.33	66.67	530.54	2960.97	23700640300	3009.96	21697746200	2963.74	20148775680	3010.7943	21275972640	3010.22
28.31	-78.35	58.67	82.15	75.93	6.5	15.4	22.1	4.4	99.6	10.7	23.44	75	532.29	2979.43	175********	2960.97	23700640300	2972.33	198********	3010.7078	20776998965	3009.73

27.74	-78.35	55.62	79.18	61.32	6.5	15.4	22.1	4.4	99.6	10.7	33.81	75	530.27	2957.82	20202124100	2979.43	175********	2978.35	20446346960	3009.0696	20530908460	3008.60
23.95	-78.35	50.59	73.12	36.8	6.5	15.4	22.1	4.4	99.6	10.7	62.3	66.67	528.44	2919.83	182********	2957.82	20202124100	2997.40	21540529020	3009.4136	20109360275	3006.93
27.16	-78.35	59.16	70.92	57.7	6.5	15.4	22.1	4.4	99.6	10.5	16.17	66.67	530.54	3000.65	21037145100	2919.83	182********	3023.55	22526463140	3011.1055	198********	3004.58
29.62	-78.35	59.47	70.97	71.26	8.6	12.4	22.9	6	99.8	10.5	19.83	66.67	532.75	3003.92	22041344500	3000.65	21037145100	3025.11	22737424240	3008.35275	19490330865	3001.36
31.66	-78.35	60.04	72.91	84.56	8.6	12.4	22.9	6	99.8	10.5	15.27	66.67	534.81	3009.53	20654586600	3003.92	22041344500	3021.31	22087248000	3005.073	189********	2988.74
36.37	-78.35	64.29	76.47	97.84	8.6	12.4	22.9	6	99.8	10.5	2.8	66.67	537.38	3053.07	25673034400	3009.53	20654586600	3026.20	22356697160	3000.7285	187********	2975.24
39.44	-78.35	63.87	80.01	101.22	8.6	12.4	22.9	6	99.8	10.5	5.95	58.33	535.06	3050.59	23226205100	3053.07	25673034400	3020.32	20876463640	2997.6385	182********	2960.60
38.04	-78.35	56.94	79.99	79.85	8.6	12.4	22.9	6	99.8	10.5	34.33	50	532.85	3008.42	22091950600	3050.59	23226205100	3023.53	22431287540	2995.001	178********	2944.72
34.64	-78.35	53.43	76.73	57.17	8.6	12.4	22.9	6	99.8	10.5	49.27	50	530.97	2984.96	187********	3008.42	22091950600	3038.31	22177654020	2945.2425	177********	2927.05
35.48	-78.35	59.17	75.85	70.63	8.6	12.4	22.9	6	99.8	10.5	72.94	50	533.17	3033.96	22001832400	2984.96	187********	3056.95	22211822380	2937.6	177********	2916.78
34.92	-78.35	57.54	64.69	67.07	8.6	12.4	22.9	6	99.8	10.5	24.64	50	531.34	3023.65	18271866800	3033.96	22001832400	3056.89	21477546140	2927.5315	17247644510	2905.77
37.51	-78.35	62.27	74.46	73.6	8.6	12.4	22.9	6	99.8	10.5	19.58	50	534.44	3066.64	31000324600	3023.65	182********	3060.72	20953836780	2918.201	17013028500	2894.87
40.37	-78.35	63.87	76.06	85.71	8.6	12.4	22.9	6	99.8	10.5	10.5	58.33	536.52	3082.36	20823783000	3066.64	31000324600	3041.91	20416656240	2906.662	16144700545	2883.48
41.81	-78.35	63.08	77.89	88.51	8.6	12.4	22.9	6	99.8	10.5	13.52	58.33	534.63	3078.12	189********	3082.36	20823783000	3016.02	20040036620	2893.8995	156********	2872.75
38.91	-78.35	55.27	76	64.64	8.6	12.4	22.9	6	99.8	10.5	46.45	50	532.79	3033.68	183********	3078.12	189********	2992.24	189********	2882.5365	153********	2863.29
36.93	-78.35	56.48	73.41	57.86	8.6	12.4	22.9	6	99.8	10.5	39.75	50	534.76	3042.82	156********	3033.68	183********	2974.84	178********	2873.0365	150********	2854.95
29.36	-78.35	46.05	68	35.59	8.6	12.4	22.9	6	99.8	10.5	64.85	41.67	531.53	2972.58	28314421900	3042.82	156********	2959.22	17066611660	2861.271	14920408540	2847.26
21.51	-78.35	43.59	60.81	17.67	8.6	12.4	22.9	6	99.8	10.5	75.1	33.33	529.03	2952.89	189********	2972.58	28314421900	2955.43	14021080080	2852.9875	14062662800	2840.43
15.63	-78.35	44.63	54	13.08	8.6	12.4	22.9	6	99.8	10.5	71.79	41.67	531.01	2959.24	137********	2952.89	189********	2953.97	130********	2846.617	136********	2833.94
9.84	-78.35	42.92	47.34	7.64	8.6	12.4	22.9	6	99.8	10.5	78.34	41.67	529.75	2946.67	12585624300	2959.24	137********	2949.79	12448187780	2840.8375	135********	2827.48

6.63	-78.35	46.15	42.75	15.02	8.6	12.4	22.9	6	99.8	10.5	68.95	50	530.92	2964.70	11771160400	2946.67	12585624300	2944.98	133********	2834.5875	135********	2821.02
3.16	-78.35	44.47	38.87	15.57	8.6	12.4	22.9	6	99.8	10.5	73.7	41.67	529.62	2953.67	130********	2964.70	11771160400	2950.30	14259045820	2827.107	134********	2815.74
-0.24	-78.35	43.22	35.76	17.11	8.6	12.4	22.9	6	99.8	10.5	78.07	41.67	528.23	2945.59	138********	2953.67	130********	2959.13	14538320680	2820.5455	132********	2810.04
-3.48	-78.35	42.05	32.86	15.46	8.6	12.4	22.9	6	99.8	10.5	78.31	33.33	527.15	2938.32	10931062800	2945.59	138********	2772.66	159********	2814.3185	131********	2803.44
-1.64	-78.35	52.5	34.38	43.51	8.3	13.6	23.7	6.3	99.5	9.6	41.85	41.27	528.82	2922.64	16870364300	2938.32	10931062800	2751.42	173********	2808.525	131********	2807.19
-0.3	-78.35	52.24	40.69	78.54	8.3	13.6	23.7	6.3	99.5	9.6	42.76	33.33	527.17	2991.27	16540710600	2922.64	16870364300	2733.41	16364852540	2808.224	133********	2812.11
1.29	-78.35	53.44	49.25	100.64	8.3	13.6	23.7	6.3	99.5	9.6	7.47	41.67	528.62	2997.84	14483138300	2991.27	16540710600	2702.57	157********	2798.59	132********	2817.09
-4.24	-78.35	39.48	47.61	37.77	8.3	13.6	23.7	6.3	99.5	9.6	99.77	33.33	526.55	2013.25	20679649800	2997.84	14483138300	2670.17	156********	2787.520556	131********	2823.95
-14.99	-78.35	31.01	42.22	9.86	8.3	13.6	23.7	6.3	99.5	9.6	94.37	33.33	524.75	2832.11	180********	2013.25	20679649800	2832.94	137********	2833.065882	12687471212	2832.98
-23.2	-78.35	31.1	35.88	-2.15	8.3	13.6	23.7	6.3	99.5	9.6	93.26	41.67	525.95	2832.59	12082931000	2832.11	180********	2836.69	12438714660	2833.125625	12353073600	2832.99
-29.02	-78.35	32.05	30.17	-4.07	8.3	13.6	23.7	6.3	99.5	9.6	90.13	41.67	527.31	2837.04	135********	2832.59	12082931000	2838.91	12489509740	2833.161333	12371083107	2832.66
-33.34	-78.35	31.92	27	7.99	8.3	13.6	23.7	6.3	99.5	9.6	75.52	41.67	525.95	2835.86	136********	2837.04	135********	2833.00	12583356940	2832.884286	12284764286	2832.09
-37.04	-78.35	30.93	24.88	12.13	8.3	13.6	23.7	6.3	99.5	9.6	79.45	33.33	524.8	2827.11	11431971000	2835.86	136********	2827.21	12088505260	2832.655385	12180994962	2832.08
-37.03	-78.35	36.76	24.64	23.18	8.3	13.6	23.7	6.3	99.5	9.6	68.8	41.67	525.95	2850.86	11465359200	2827.11	11431971000	2826.89	11976129040	2833.1175	12243413625	2832.76
-38.23	-78.35	15.77	24.91	26.56	8.3	13.6	23.7	6.3	99.5	9.6	72.02	41.47	524.72	2843.68	12336906400	2850.86	11465359200	2825.45	12092466300	2831.504545	12314145845	2833.65
-41.15	-78.35	31.13	23.58	15.58	8.3	13.6	23.7	6.3	99.5	9.6	88.18	41.67	523.31	2807.51	14048782600	2843.68	12336906400	2821.04	11854133920	2830.287	12311869790	2834.66
-43.02	-78.35	31.06	22.85	18.74	8.3	13.6	23.7	6.3	99.5	9.6	88.46	33.33	522.2	2806.91	11159507100	2807.51	14048782600	2822.56	11114922700	2832.817778	12118879478	2836.50
-42.51	-78.35	36.11	26.2	46.32	8.3	13.6	23.7	6.3	99.5	9.6	61.5	41.67	523.28	2825.48	10870089900	2806.91	11159507100	2825.67	10953566580	2836.05625	12238801025	2839.07
-40.18	-78.35	40.74	33.55	77.63	8.3	13.6	23.7	6.3	99.5	9.6	21.09	41.67	524.49	2843.65	12047045500	2825.48	10870089900	2824.78	10976465060	2837.567143	12434331186	2842.53
-39.65	-78.35	37.18	38.77	70.07	8.3	13.6	23.7	6.3	99.5	9.6	48.88	41.67	523.37	2821.67	11145244500	2843.65	12047045500	2820.54	10693447740	2836.553333	12498878800	2848.93

-39.3	-78.35	36.15	41.52	58.04	8.3	13.6	23.7	6.3	99.5	9.6	57.2	41.67	522.34	2815.09	10352726500	2821.67	11145244500	2839.53	12769605660	2839.53	12769605660	2864.94
-38	-78.35	38.24	43.95	58.54	8.3	13.6	23.7	6.3	99.5	9.6	47.61	41.67	523.49	2822.44	10352726500	2815.09	10352726500	2845.64	133********	2845.64	133********	2871.29
-36.66	-78.35	37.98	45.77	56.71	8.3	13.6	23.7	6.3	99.5	9.6	49.37	33.23	522.39	2821.05	10984582300	2822.44	10352726500	2853.37	14380858433	2853.373333	14380858433	2879.84
-30.07	-78.35	38.44	48.38	64.02	8.3	13.6	23.7	6.3	99.5	9.6	47.6	41.67	523.45	2822.45	10631958900	2821.05	10984582300	2869.54	16078996500	2869.535	16078996500	2893.08
-25.92	-78.35	59.92	55.23	96.34	8.3	13.6	23.7	6.3	99.5	9.6	0.38	50	525.6	2916.62	21526034100	2822.45	10631958900	2916.62	21526034100	2916.62	21526034100	2913.51

附录二：MATLAB程序

%% 导入电子表格中的数据

% 用于从以下电子表格导入数据的脚本:

% 工作簿: C:\Users\www.0001.Ga\Documents\数学建模\第二次小模拟\工作簿2.xlsx 工作表: Sheet1

% 要扩展代码以供其他选定数据或其他电子表格使用，请生成函数来代替脚本。

% 由 MATLAB 自动生成于 2016/07/03 13:33:07

%% 导入数据

[~, ~, raw] = xlsread('C:\Users\www.0001.Ga\Documents\数学建模\第二次小模拟\工作簿2.xlsx','Sheet1','A2:W65');

%% 创建输出变量

data = reshape([raw{:}],size(raw));

%% 将导入的数组分配给列变量名称

x1 = data(:,1);

x2 = data(:,2);

x3 = data(:,3);

x4 = data(:,4);

x5 = data(:,5);

x6 = data(:,6);

x7 = data(:,7);

x8 = data(:,8);

x9 = data(:,9);

x10 = data(:,10);

x11 = data(:,11);

x12 = data(:,12);

x13 = data(:,13);

x14 = data(:,14);

x15 = data(:,15);

x16 = data(:,16);

x17 = data(:,17);

x18 = data(:,18);

x19 = data(:,19);

x20 = data(:,20);

x21 = data(:,21);

x22 = data(:,22);

y = data(:,23);

%% 清除临时变量

clearvars data raw;

%% 画图

x=[1:64]

f=-774.860+(0.677*x1)-(0.703*x2)-(0.230*x3)+(0.180*x4)-(0.032*x5)-(11.195*x9)+(18.203*x10)-21.964*x11-(0.019*x12)+(0.387*x13)-(0.258*x14)-(0.030*x15)-(4.824e-10*x16)-(0.003*x17)-(3.391e-10*x18)-(0.017*x19)+(2.887e-10*x20)+(0.834*x21)+(1.800e-10*x22);

plot(x,y,'r-')

hold on

plot(x,f,'k-')

grid on

本文来源：https://www.2haoxitong.net/k/doc/fd03f3e1905f804d2b160b4e767f5acfa0c783da.html