Eviews应用时间序列分析实验手册

1、应用时间序列分析实验手册目录目 录 2第二章 时间序列的预处理 3.一、平稳性检验 3.二、纯随机性检验 9.第三章 平稳时间序列建模实验教程 1.0一、模型识别 1.0.二、模型参数估计如何判断拟合的模型以及结果写法 14三、模型的显著性检验 1.7.四、模型优化 1.8.第四章 非平稳时间序列确实定性分析 1.9一、趋势分析 1.9.二、季节效应分析 3.4.三、综合分析 3.8.第五章 非平稳序列的随机分析 4.4一、差分法提取确定性信息 4.4二、ARIMA 模型 5.7.三、季节模型 6.2.第二章时间序列的预处理、平稳性检验时序图检验和自相关图检验一时序图检验根据平稳时间序列均值、

2、方差为常数的性质，平稳序列的时序图应该显示出该序列 始终在一个常数值附近随机波动，而且波动的范围有界、无明显趋势及周期特征例2.1检验1964年1999年中国纱年产量序列的平稳性1.在Eviews软件中翻开案例数据图1:翻开外来数据图2：翻开数据文件夹中案例数据文件夹中数据文件中序列的名称可以在翻开的时候输入，或者在翻开的数据中输入图3:翻开过程中给序列命名EVxcys也因FlLe EIj I Oljji-ulL 艺 Il 虫丄k Ojjtk UlL脈IpRai1Group: UITITLED Torkfile: PH.L4 ZXUntitled口Q|凶b?rreezi叵EZEZll19&4i

3、n nl%71?E7门&2196319EG137719G9谆I8D519701370205.2I9711971I90.D17?1S72Ififi fil,ihr1时19731刃刁诃R飞1974It - nciw图4:翻开数据2绘制时序图可以如下列图所示选择序列然后点Quick选择Scatter或者XYline ;绘制好后可以双击图片对其进行修饰，如颜色、线条、点等图1绘制散点图Vip/J -n丄勺斥VPA Pf-r?： h|ft-r Prrr gw prl f y I巴罚=“门山f I ATnhrp; Tih Tn /r - rntriiph: nirLILED WftTJtf 1 jfi：

4、JH爱I 一八IhrrM十 2d 匚巨冈Rdnct. 1日压Sa mo Ik 13G-M M w M wif宜6P|I = e： I D9 = nmt I W = PftAl.2图2:年份和产出的散点图60000500400300200I9601970198019902000YEAR图3:年份和产出的散点图二自相关图检验例2.3导入数据，方式同上；在Quick菜单下选择自相关图，对Qiwen原列进行分析；可以看出自相关系数始终在零周围波动，判定该序列为平稳时间序列。图1:序列的相关分析图2:输入序列名称图2:选择相关分析的对象图3:序列的相关分析结果：1.可以看出自相关系数始终在零周围波动，判

5、定该序列为平稳时间序列2看Q统计量的P值：该统计量的原假设为X的1期，2期k期的自相关系数均等于0，备择假设为自相关系数中至少有一个不等于0，因此如图知，该 P值都5%的显著性水平，所以接受原假设，即序列是纯随机序列，即白噪声序列因为序列值之间彼此之间 没有任何关联，所以说过去的行为对将来的开展没有丝毫影响，因此为纯随机序列，即白噪声序列.有的题目平稳性描述可以模仿书本33页最后一段三平稳性检验还可以用:单位根检验：ADF,PP检验等; 非参数检验：游程检验口迫因口 Fili Ediil Rlri4 5 _uu _b -IT56一塑的9&-q797-9L97盘T37ccTFHeE比j?L97J

6、I WEI卯&iflflnJ1CC.37ir196.0图1序列的单位根检验Srcaj Jl-s.liat丄=3Zi t imat b 1! qufi.t i onEstimate VAR Fth = c； I IB = nut WF=RL.ZEViptp - fSerl f?ft: OniPTIT Tnrlrfilft：JlTTnTiTl eril图2:单位根检验的方法选择图3: ADF检验的结果：如图，单位根统计量 ADF=-0.016384都大于EVIEWS给出的显著 性水平1%-10%的ADF临界值，所以接受原假设，该序列是非平稳的。、纯随机性检验计算Q统计量，根据其取值判定是否为纯随机

7、序列。例2.3的自相关图中有 Q统计量，其P值在K=6、12的时候均比拟大，不能拒绝原假 设，认为该序列是白噪声序列。另外，小样本情况下，LB统计量检验纯随机性更准确。第三章平稳时间序列建模实验教程一、模型识别1翻开数据鮒w*匚上农1E.- La ,la.t Qbjwt 如“ Hroc UJKk 0,.Lieusmir :2*匕 ProcILTLkAfiJLes 酣迟 1 5n 1r )北Hft3| 1D J L X卜CifSeirift3 Slatisti 刑 Cfpvi 畫申 MirtieF Ktjn4iV.EEtinlA JfJtR.WnI 1 t . defier ate Seri c

8、 s-a(riHl#rKT LintLis.5Hfhr a t U.冋冈Lj關Jw e耳祎r*tk t J IB EKM 1 W 图1:翻开数据2绘制趋势图并大致判断序列的特征一一 8 jf M-| 4jiii-ek 口MaiiiliKaBHH.berLXV U .Xf1J obifEAPDOCX使仃1350B35 1119=513 1i|j1352135271 0i 19621SE37B3E 1资，41SF4?05F 岸片19E5BOE- H1355?3 619S71957?5 2ISUjU135日握1196S71 4z195Q19611961I9b21Sfa2B4 4*ciJ|号町什十rm

9、yxi5g|创4卜|勺飞口4/-|饷丘Me怜 |P*qi：|lioefaPa I It S uni；图2 :绘制序列散点图图3:输入散点图的两个变量图4:序列的散点图3绘制自相关和偏自相关图bEYEARDDCyIYEAR口；lEfcUlEfetiB351951195163196271 01期19G3?G 21 195419647051预1956005僚合195673619571357仁1ETH155RR91嗓19697- 4195013jQ衍619S119G1?QH19521962图1在数据窗口下选择相关分析图2:选择变量图3:选择对象图4:序列相关图4根据自相关图和偏自相关图的性质确定模型类

10、型和阶数如果样本(偏)自相关系数在最初的 d阶明显大于两倍标准差范围，而后几乎95%的自相关系数都落在2倍标准差的范围以内，而且通常由非零自相关系数衰减为小值波动的过程非 常突然。这时，通常视为(偏)自相关系数截尾。截尾阶数为 d。本例：自相关图显示延迟 3阶之后，自相关系数全部衰减到2倍标准差范围内波动，这表明序列明显地短期相关。但序列由显著非零的相关系数衰减为小值波动的过程相当 连续，相当缓慢，该自相关系数可视为不截尾偏自相关图显示除了延迟1阶的偏自相关系数显著大于2倍标准差之外，其它的偏自相关系数都在2倍标准差范围内作小值随机波动，而且由非零相关系数衰减为小 值波动的过程非常突然，所以该

11、偏自相关系数可视为一阶截尾AR模型:XtMA模型：XtARMA模型:12P t1AR(1)*BAR(2)*BAR(P)*B(1 MA (1)* B MA (2)* B2MA(q)*B3 t1 MA(1)*B MA(2)*B2MA (q)* Bq2P t1 AR(1)* B AR (2)* BAR (P) * B(其中模型中的ar(1)MA (1)表示的是求出来的系数就是常数项)所以可以考虑拟合模型为AR(1)自相关系数偏相关系数模型定阶拖尾P阶截尾AR(p)模型Q阶截尾拖尾MA (q)模型拖尾拖尾ARMA(P,Q)模型具体判别什么模型看书 58到62的图例。、模型参数估计根据相关图模型确定为

12、AR(1)，建立模型估计参数在ESTIMATE中按顺序输入变量 ex c cx(-1)或者ex c ar(1)选择LS参数估计方 法，查看输出结果，看参数显著性，该例中两个参数都显著。细心的同学可能发现两个模型的C取值不同，这是因为前一个模型的C为截距项；后者的C那么为序列期望值，两个常数的含义不同。图1:建立模型图2:输入模型中变量，选择参数估计方法图3:参数估计结果图4:建立模型图5:输入模型中变量，选择参数估计方法图6:参数估计结果AR模型：Xt81.32034110.703332B三、模型的显著性检验检验内容：整个模型对信息的提取是否充分； 参数的显著性检验，模型结构是否最简。图1:模

13、型残差图2 :残差的平稳性和纯随机性检验对残差序列进行白噪声检验，可以看出ACF和PACF都没有显著异于零，Q统计量的P值都远远大于0.05,因此可以认为残差序列为白噪声序列，模型信息提取比拟充分。常数和滞后一阶参数的 P值都很小，参数显著；因此整个模型比拟精简，模型较优。四、模型优化当一个拟合模型通过了检验，说明在一定的置信水平下，该模型能有效地拟合观察值 序列的波动，但这种有效模型并不是唯一的。当几个模型都是模型有效参数显著的，此时需要选择一个更好的模型，即进行优化。 优化的目的，选择相对最优模型。优化准那么：最小信息量准那么(An In formation Criterio n)指导思想

14、似然函数值越大越好 未知参数的个数越少越好AIC准那么的缺陷在样本容量趋于无穷大时，由AIC准那么选择的模型不收敛于真实模型，它通常比真实模型所含的未知参数个数要多AICnln( ?2) 2(未知参数个数)SBC nln( ?2) ln( n)(未知参数)但是本例中滞后二阶的参数不显著，不符合精简原那么，不必进行深入判断。第四章 非平稳时间序列确实定性分析第三章介绍了平稳时间序列的分析方法，但是自然界中绝大多数序列都是非平稳的， 因而对非平稳时间序列的分析跟普遍跟重要，人们创造的分析方法也更多。这些方法分为 确定性时序分析和随机时序分析两大类，本章主要介绍确定性时序分析方法。一个序列在任意时刻

15、的值能够被精确确定或被预测，那么该序列为确定性序列，如正弦序列、周期脉冲序列等。而某序列在某时刻的取值是随机的，不能给以精确预测，只知 道取某一数值的概率，如白噪声序列等。Cramer分解定理说明每个序列都可以分成一个确 定序列加一个随机序列，平稳序列的两个构成序列均平稳，非平稳时间序列那么至少有一部 分不平稳。本章先分析确定性序列不平稳的非平稳时间时间序列的分析方法。确定性序列不平稳通常显示出非常明显的规律性，如显著趋势或者固定变化周期，这 种规律性信息比拟容易提取，因而传统时间序列分析的重点在确定性信息的提取上。常用确实定性分析方法为因素分解。分析目的为：克服其他因素的影响，单纯测度 某一

16、个确定性因素的影响；推断出各种因素彼此之间作用关系及它们对序列的综合影响。、趋势分析绘制序列的线图，观测序列的特征，如果有明显的长期趋势，我们就要测度其长期趋 势，测度方法有：趋势拟合法、平滑法。一 趋势拟合法1线性趋势拟合例1:以澳大利亚政府1981-1990年每季度消费支出数据为例进行分析。图1 :导入数据图2 :绘制线图，序列有明显的上升趋势长期趋势具备线性上升的趋势，所以进行序列对时间的线性回归分析。图3:序列支出zc对时间t进行线性回归分析B円evi 卜心8jgct | Print | Nanrw | Frgs呵EtiiT已te FcrgQst |汝习佔只砂日岀|Included d

17、bservattons; 4VaiatleCoeffidertrtd. Error b2tati-.icProb.C049B.KE137 917JE1.E2150O.OOCET89 12251史 8t219315.20293O.ODCEJF*3CUetJfed0 050004Medii JtiptndriL var10325.70Adjuated R-squrtd0 (KCCOOS 0. dependent var112-4 273S.E. ofrocrotctfln7 5603Aoiko nfo crtoficntfi.00474Suit quarsd niE6D36C.Schwan cri

18、tsrionIt.08313I ig hkplih?inr-290 C940F-static2311291DurL| 2ujIii |ViewVtevd山口 日：如一山 丄.：金 rrv I npp3h-亦 岡-“疋收弋利建咱賈支町 -图9:残差序列的曲线图步检验剔除了长期趋势后可以看出残差序列具有平稳时间序列的特征，我们可以进 的残差序列的平稳性，第三章知识这里不在表达。2曲线趋势拟合例2 :对上海证券交易所每月月末上正指数序列进行拟合。Help(Im 即品 ObjecH Print | 利mm日冃已日第aulbBE-;-4，.- d za-41-0- o 3 3 J 7 3 3 07 I

19、3bd 1 m -cn Bgd5bo 11237H3.Hu歸留啜存3 s - n- 0 2 3 i141Z1U229二匸Tioirtl 升ersposfj :隹cit 斗/jFniJl*-助#日M Tit 4 兰曰吨1 日图1:导入数据图2 :绘制曲线图可以看出序列不是线性上升，而是曲线上升，尝试用二次模型拟合序列的开展。Dependent Variable: ISW&thod. Lcaoi SquaresDale: 03/3 1/08 Time: 13.01Sample 1 13DIncluded obseivations： 130VariableCoefficiantSid. Errort

20、-StatisticProb.IC T T*T457.53531.911S9G0.06223667.924476 7359422.3G37500.76S92B0.0177014.&45T930.00 W0.4SQS0.0000;R-squartd Adjusted R-squared S.E. of regr&eeiari Sun 1 squared lesid Log likelihood Durbin-Watson 767395 7fJ4U3Z 24.1013 0205879-yci2.ay&y0.32BE23Mean depeildent var S.D. cimpendent var

21、Akirks iihfo critenorii Schwai z 匚iileriunF-StatisticP ro b(F-stati =t i c)10-14.037546.JJ/S/13.33GaG14.000032J6.1626 o.ooaoooo*.TT I 口 rmaaacrH-lPrailJraaitasirgr-j-fc-afl tB-jt.* yView I Proc| ObjeLt jPi-jnl: Mamje Fr ecaeEstimate Fcrucast| 5tats 口9亠图3:模型参数估计和回归效果评价 因为该模型中T的系数不显著，我们去掉该项再进行回归分析。图4:

22、新模型参数估计和回归效果评价豁去血士凹屮押讪比U忡丁E FD Wojtkfifp：附泉匚理2吨r舉凹I已已即址 Object mu Ssv Qjjhdc poflariK VAidcijM Jjdp_ fll XWie內Proc Cib ject | Phint_ Marne | Ft eese | |EstimateFcreBr| St曰l?s| 口 gsids|Z?FActual: MSF Die udt sarn p 1 e. 1 130 incluoea oDrvations. 1 juR n-?kt hJfiF5 r| 11J ra d F rrArrA5U 口Cl?玄M Qra A

23、bfol u*Lq E rr*r201.0S25t/l e a n Abs- Pei cent ErrorIhil InquJlity CotTicint .IdHUUaSi js ProprtiicnQ.OOOOOOMarinap Pro-pm rti nunn门科口口口7 oviriin cq Proportion _QJ3000!3口 Pmth _ ci厂 | DB _ ncn& j WF-Ff掾 1,9 | /图5:新模型的预测效果分析】换川叫如,出丄牌血廿晅0亡0严匸匕|.卜。Fault_* | Sort iTrsnspcseJ Ech：4| Empl+卜Tit bs7F| 它g_H

24、J1 1P，-1丐 3034/3809234v1a21252y31吳1734/19曲33亠Bcl4392HUm 阳24出24X71旳2 3必95CI3 1CI06504.6321but.b/ytj506 9173509 9542511 7793 创曰72E 51S.9G2751 B 3431 t2d.9uy523 6752529 7G)Dlid JI IZ11191 113633.1 LI1S、nrc n?ufu| PuLh 工 LDC = nurie图6:原序列和预测序列值图7:原序列和预测序列值曲线图o1 xHie讪 Pro亡 |鱼坦训 PrcipeEtleg Print| Marne |

25、Freex亡| 5mpie| 血nr In亡或| St归：1血比| Line _Bar A.ugm$m$d Dkky r川曲 Unit RoZ Tst on ENull Hypothesis: E has a unit rootExogenous: ConstantLag Length： 0 (Automatic based on AIC, lv1WLA0=12)t-StatisiicPrcb.*Augmented Dickey-Fuller test statistic3.3503950.0145Test critical values:1% level3 4316235% I沁I-2.88

26、393010% level2 576768*MacKinnon (1996) one-sided p-vahes.Augmented Dickey-FullerTest Equation Dependent Variable: D(E)Method. Least SquaresDate： 03/31/08 Time: 13:38Sample (adjusted): 2 130Included obserjations: 129 after adjuetinanis|Path=c; DD =皿 |WF =阴录 1,9 . Z图9:对预测误差序列进行单位根检验拒绝原假设，认为序列没有单位根，为平稳

27、序列，说明模型对长期趋势拟合的效果还不错。 同样，序列与时间之间的关系还有很多中，比方指数曲线、生命曲线、龚柏茨曲线等等， 其回归模型的建立、参数估计等方法与回归分析同，这里不再详细表达。二 平滑法除了趋势拟合外，平滑法也是消除短期随机波动反响长期趋势的方法，而其平滑法可 以追踪数据的新变化。平滑法主要有移动平均方法和指数平滑法两种，这里主要介绍指数 平滑方法。例3:对北京市1950-1998年城乡居民定期储蓄所占比例序列进行平滑。黑Km血U J.L 拥祖d MlWLll.训驰Il I JILF 电 fa- - - fc 举一 E_ 一書， IobcnbflYEARVTAR1!V.11日EM1

28、950 1! iM 1952 1AS3 1954 195G5-rnplr a.Cjcnxci atc Sei ies. 金a曲Irmpt ! up nl-r Fdt-w195719S/?5 21958196869. 119SEJ196971 4I960I96073 61D61196170 a1962196284.4inr.: a153R4 11364gm1F3F5155B3 1196S196681.619B71 CMKh53*1 A1 fQf a -*11樹(Myu| Path de=ncn#WF-刖甘予L,519641! H iis图1 :翻开序列，进行指数平滑分析站F /Th f.Z-L戈

29、f j ：辽广艺?乎 QI 4咛I Hlii I oTiJmJ I PrLI阳HI冊| PFinf | hMii出円mH| 论门吐| 总抑 w 百I 叭絶 15tatw| Id日nt Ll引 &利 |Dale n3/31/0B Time: 13 15Sample: 1950 1990Included obsi&rvsiitions: 49Method： Single Exponential! Oriyinl SriyCXELFortiCistCXDLSMParam&taro; AlphaSurn of 5quarwd etiduaisRnnt hr1p?in Squa-tfcI Frrror(

30、J.5JUO 767.d2S*0End ot Period Levels:MeanUJ.LLlt-UOlJ| Path - c; DCneneW-阳录】兀 jA图2:系统自动给定平滑系数趋势0.53,超过0.5用给定方法为选择使残差平方和最小的平滑系数，该例中平滑系数去 一次平滑效果不太好4田File Edit Object View 旦8 匚 Qu 紀 k. Oetjons Window Htelp|除h EV页二丽 Pfi录丁图3:平滑前后序列曲线图yie Edit Qbct Mew Prot Quick OctiGns Windovy iHeln-餌箕*e內P no亡 | Ofajett

31、 FYcip&rties | P mt rianne | Fr&eae | Samp le | Genr 5h eet 15tats KI enti Lnm龄r Date: 03Z3W9 Time: 13.17Sample: (950 1H08Includsd otoaorvalicins. J9 Method. Double Exponential Original Scries U乂吕L ruttjudh-i Stslies. CXDLSWPaFameters: AlpliaSum of Squared Hesiriuals Root Mean Squared Error0.1340 fc

32、HiCL7bK2 .06.7703End of Period Levels：MeanS5.94243TrendC.110544LJPoth - c: DO *- none : WF Pft录图4:用二次平滑修匀原序列可以看出，平滑系数为 0.134,平均差为4.067708，修匀或者趋势预测效果不错。图5:二次平滑效果图例4:对于有明显线性趋势的序列，我们可以采用Holt两参数法进行指数平滑对北京市1978-2000年报纸发行量序列进行Holt两参数指数平滑图1:报纸发行量的曲线图图2: Holt两参数指数平滑指定平滑系数图3:预测效果检验图4:系统自动给定平滑系数时平滑效果图5:原序列与预测

33、序列曲线图其中FXSM为自己给定系数时的平滑值，FXSM2为系统给定系数时的平滑值、季节效应分析许多序列有季节效应，比方：气温、商品零售额、某景点旅游人数等都会呈现明显的季 节变动规律。例5:以北京市1995-2000年月平均气温序列为例，介绍季节效应分析操作。-Workfiie st.ructur电 tyjeregiilar fr?Irrexiltf D&ted uid Ptnel workfiEgE m iy b made from Uns true tured workfilss by later specifying date uidforOKCajucelFreijueStartEm

34、dgey |Hontljjri(1995. 1|20GO. 1?|-N泗EE仪|i珀齐； 1-D宜t色 specificalion图1 :建立月度数据新工作表图2:新工作表中添加数据图3:五年的月度气温数据韶护聞呻跖加皿 巩p的； UNMJJntiriedj Ne Edit Object View BfCK 塾哋 lo祜 Witter HelpMie叫谑鬧 Qbje匸ies| PrintMarne |FrtEZ吕loefautt 5orJi Edfc4/- 5|口1科-|_吕bel-hpjL0 T：5eiby EquatKjri. .R-esarnple,!.Seasonal Mustment

35、EApurierUlal Oti luull kii ig. .Hodrick-Presco比 Filter - .rFrequency Filter.,Ce-nsus X12.X_11 (Hlsloi IloiI)-.Tramo/Seats.,.Movinn 卫屮eyge： Methods.I995M022 ICO口JU19R6M037 7noor*n1995M041 4.7aoI 995M05ig.srcoo1995M0524.3noao1995M0725.900001995M0S25.400001995M0919.000W95M10U.5XCI01995M1177000101996M12

36、-.40ooao199eM01-2.200000199CM02-0.400000199EM03 iidm ri0rii11WF = untitled理=匹|1邑图4:进行季节调整移动平均法图5 :移动平均季节加法图6: 12个月的加法调整因子Ranqe: 1S3M0l 2000M1 272 ots72 ctssFSl cIej re aidUntitled X TJcw Page /rtfi = nnnH图7:翻开三个序列季节调整序列、原序列、调整后序列wf = nnnrlrl翹 盘gw& - Gpiip; UN.pjJffl- WorKgre;.UMTIXLfSWPtlfigtfj豐聊 Fi

37、le Edit Object Vies! Prct Qjuick Options A/indow H&lpWie理j Pro匚 fobje匚t Printhlame jFreeze | DefaultQW|QW1995M022.100000-12.2216114.321811995MO37.7D0000-5.96763913 667641995M04U.70D001.50496113.195141995MO519.800007.27996112.520211995M0624.3000012.1806912.119311995MO7259000?13.32TO12.O7Q141995M0825.

38、4000012.3873613 01264-o.7oaDoa-16.5634715.66B47QQQQabs &hs 1995M01寸 5QrtTrwrspQe| Edt4-#- Stnpl十卜irisDelFntbls saJSA1996MO919.000007 37402511 625971995M1014 500000.91152913.S99471995M117700000-7.47253915.172641995M12-0.40000D-13.237641263764199&M01-2.XXOO-16.5684714.60471996M02-0.40X00-12.2216111 62

39、1811996M036.200000-6 96763912.167641996MO4U.3QOOO1.60486112.79514199BM0521.600007.27996114.320211996 MQG25 4000012.1S06913.219311996M0725.5XO013.3292611 670141996M082J9000012.3873611.61264199&M09207000a7.37402813.325971996M10H苓月|Path = c; |PB=DoreV|匕IWF 二 urWB丁图&三个序列季节调整序列、原序列、调整后序列取值图9 :三个序列季节调整序列、

40、原序列、调整后序列曲线图 另外季节调整还可以用 X11 , X12等方法进行调整。三、综合分析前面两局部介绍了单独测度长期趋势和季节效应的分析方法，这里介绍既有长期趋势 又有季节效应的复杂序列的分析方法。附录1.11对1993 2000年中国社会消费品零售总额序列进行确定性分析图1:绘制1993 2000年中国社会消费品零售总额时序图 可以看出序列中既有长期趋势又有季节波动图2:进行季节调整图3: 12个月的季节因子图4:经季节调整后的序列 SSAFile Edif 爭匕亍龙匚* Tieij Trac 虫jiFl Options- iiLdnir KflpZDOOHqiiatinn： IT T

41、LEIJWork+1 I TW 199H.i*.- |-Qi： 一|Pm(t |l1 induced hserartlains-CoetflCKHlSLdl Errort1SlKigrR&NO101654721134K0型 92113剧 70630 3102 6SSU82oaooo 0 00M1 R-sc|Lar?dMlu 曲倾auaffdi 1 SJE MlW日询知 1 Sun squired residl 1 Log Relfiocd 1 F-s1s*b1ic 1 FroT-5-3tl5tlC：0 570402 D埶删 H0&3M3 1D33925.-5M 4A19 3041 G740 ODQOTQMean dec indent阳r SO. pnderilvir Al-Jiki info ciNengn SdTrtarzalteriDn Hanrtsnu