




版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、實(shí)驗(yàn)七(G)ARCH模型在金融數(shù)據(jù)中的應(yīng)用一、實(shí)驗(yàn)?zāi)康睦斫庾曰貧w異方差(ARCH)模型的概念及建立的必要性和適用的場合。了解(G)ARCH模型的各種不同類型,如GARCH-M模型(GARCHinmean),EGARCH模型(ExponentialGARCH)和TARCH模型(又稱GJR)。掌握對(G)ARCH模型的識(shí)別、估計(jì)及如何運(yùn)用Eviews軟件在實(shí)證研究中實(shí)現(xiàn)。二、基本概念p階自回歸條件異方程ARCH(p)模型,其定義由均值方程(7.1)和條件方程方程(7.2)給出:yt=Pxt+&(7.1)222ht=var(St|Q1)=a0+a1St+a2stn+ap&(7.2)其中,表示t-1時(shí)
2、刻所有可得信息的集合,ht為條件方差。方程(7.2)表示誤差項(xiàng)備的方差ht由兩部分組成:一個(gè)常數(shù)項(xiàng)和前p個(gè)時(shí)刻關(guān)于變化量的信息,用前p個(gè)時(shí)刻的殘差平方表示(ARCH)。廣義自回歸條件異方差GARCHp,q)模型可表示為:yt=Bxt+&(7.3)22ht=var(&|Q。=a0+a1stA+.+ap&.十九+一十%“(7.4)三、實(shí)驗(yàn)內(nèi)容及要求1、實(shí)驗(yàn)內(nèi)容:以上證指數(shù)和深證成份指數(shù)為研究對象,選取1997年1月2日2002年12月31日共6年每個(gè)交易日上證指數(shù)和深證成份指數(shù)的收盤價(jià)為樣本,完成以下實(shí)驗(yàn)步驟:(一)滬深股市收益率的波動(dòng)性研究(二)股市收益波動(dòng)非對稱性的研究(三)滬深股市波動(dòng)溢出效
3、應(yīng)的研究2、實(shí)驗(yàn)要求:(1)深刻理解本章的概念;(2)對實(shí)驗(yàn)步驟中提出的問題進(jìn)行思考;(3)熟練掌握實(shí)驗(yàn)的操作步驟,并得到有關(guān)結(jié)果。四、實(shí)驗(yàn)指導(dǎo)(一)滬深股市收益率的波動(dòng)性研究1、描述性統(tǒng)計(jì)(1)導(dǎo)入數(shù)據(jù),建立工作組打開Eviews軟件,選擇File單中的NewWorkfile選項(xiàng),在Workfilefrequency”框中選擇undatedorirregular,在Startobservation和aEndobservation框中分另U輸入1和1444,單擊OK。選擇File菜單中的Import-ReadText-Lotus-Excel”選項(xiàng),找到要導(dǎo)入的名為EX6.4.xls的Excel
4、文檔完成數(shù)據(jù)導(dǎo)入。(2)生成收益率的數(shù)據(jù)列在Eviews窗口主菜單欄下的命令窗口中鍵入如下命令:genrrh=log(sh/sh(-1),回車后即形成滬市收益率的數(shù)據(jù)序列rh,同樣的方法可得深市收益數(shù)劇序列rz。(3)觀察收益率的描述性統(tǒng)計(jì)量雙擊選取rh”數(shù)據(jù)序列,在新出現(xiàn)的窗口中點(diǎn)擊ViewaDescriptiveStatistics”HistogramandStats”,則可得滬市收益率rh的描述性統(tǒng)計(jì)量,如圖71所示:圖71滬市收益率rh的描述性統(tǒng)計(jì)量同樣的步驟可得深市收益率rz的描述性統(tǒng)計(jì)量。觀察這些數(shù)據(jù),我們可以發(fā)現(xiàn):樣本期內(nèi)滬市收益率均值為0.027%,標(biāo)準(zhǔn)差為1.63%,偏度為-
5、0.146,左偏峰度為9.07,遠(yuǎn)高于正態(tài)分布的峰度值3,說明收益率rt具有尖峰和厚尾特征。JB正態(tài)性檢驗(yàn)也證實(shí)了這點(diǎn),統(tǒng)計(jì)量為2232,說明在極小水平下,收益率rt顯著異于正態(tài)分布;深市收益率均值為-0.012%,標(biāo)準(zhǔn)差為1.80%,偏度為-0.027,左偏峰度為8.172,收益率rt同樣具有尖峰、厚尾特征。深市收益率的標(biāo)準(zhǔn)差大于滬市,說明深圳股市的波動(dòng)更大。2、平穩(wěn)性檢驗(yàn)再次雙擊選取rh序列,點(diǎn)擊ViewUnitRootTest,出現(xiàn)如圖72所示窗口:UnitRaotTesl.TestType&AugmentedDidciayFuierPhillips-PerronTestfenunitr
6、ootin:Leveldifference2nddifferenceIncludeintestequation:InterceptTrendandinterceptNoneLaggeddifferences:OKXcel圖7-2單位根檢驗(yàn)對該序列進(jìn)行ADF單位根檢驗(yàn),選擇?t后4階,帶截距項(xiàng)而無趨勢項(xiàng),所以采用窗口的默認(rèn)選項(xiàng),得到如圖73所示結(jié)果:圖7-3rhADF檢驗(yàn)結(jié)果同樣對rz做單位根檢驗(yàn)后,得到如圖7-4所示結(jié)果:圖74rzADF檢驗(yàn)結(jié)果在1%的顯著水平下,兩市的收益率rt都拒絕隨機(jī)游走的假設(shè),說明是平穩(wěn)的時(shí)間序列數(shù)據(jù)。這個(gè)結(jié)果與國外學(xué)者對發(fā)達(dá)成熟市場波動(dòng)性的研究一致:Pagan(19
7、96)和Bollerslev(1994)指出:金融資產(chǎn)的價(jià)格一般是非平穩(wěn)的,經(jīng)常有一個(gè)單位根(隨機(jī)游走),而收益率序列通常是平穩(wěn)的。3、均值方程的確定及殘差序列自相關(guān)檢驗(yàn)通過對收益率的自相關(guān)檢驗(yàn),我們發(fā)現(xiàn)兩市的收益率都與其滯后15階存在顯著的自相關(guān),因此對兩市收益率rt的均值方程都采用如下形式:rt=c+an*&(7.5)(1)對收益率做自回歸在Eviws主菜單中選擇QuickEstimationEquation,出現(xiàn)如圖75所示窗口:EquatiodSpecificatianEquaboriSpecificiondependentvariablefolowedbyE$tcfregressor
8、sincludingARMAandPDLternn*.URan剪pliciequationI火eV=c1Hc2fXrhe而叫EstimationSettings:如t府日:|L5-LeastSquares(NLSandARMA)3Sample:11443一圖7-5對收益率rh做自回歸在Method”中選擇LS(即普通最小二乘法),然后在Estimationsettings上方空白處輸入圖75所示變量,單擊“OK,則出現(xiàn)圖7-6所示結(jié)果:打四1”專-CEfctiou:VITITLEDVotkfil*:OTITLED)13ilsEditQbjtetsiewtrocsquickOptions.Win
9、dow151X|ViewjFr”15|jbjects|Print|Mame|Fme|Estimate|Fmcs三11St.tw|Residw|DependentVariable:RHMethod:LeastSquaresDate10727/05Time16:24SampIe(adjusted):171443includedobservations:1427afteradjustingendpointsVariableCoefficientStd.Errort-StatisticProb.c0.0002260.000431U5247E30.990RH卜0.0946970.02630113.600
10、5070.0003R-squared009015MeandependentygrD.Q0D253AdjustedR-squared0.003320S.D.dependentvar0.016346S.E.ofregression0015279Akaikeinfocriterion-5.396425Sumsquaredresid0.377654Schwarzcriterior-5.309048Loglikelihood3852.349F-statistic1296355Durbin-Watsonstat2024254ProbfF-statistic)0.000326IMFtth=c:vifrws3
11、DBnoiktV7:=antitied圖7-6收益率rh回歸結(jié)果(2)用Ljung-BoxQ統(tǒng)計(jì)量對均值方程擬和后的殘差及殘差平方做自相關(guān)檢驗(yàn):點(diǎn)擊ViewResidualTestCorrelogram-Q-statistics”,選擇10階滯后,則可得滬市收益率rh殘差項(xiàng)的自相關(guān)系數(shù)acf值和pacf值,如圖77所示:圖7-7滬市收益率rh殘差項(xiàng)的自相關(guān)系數(shù)acf值和pacf值點(diǎn)擊ViewResidualTestCorrelogramSquaredResiduals”,選擇10階滯后,則可得滬市收益率rh殘差平方的自相關(guān)系數(shù)acf值和pacf值,如圖78所示:圖7-8滬市收益率rh殘差平方的
12、自相關(guān)系數(shù)acf值和pacf值采用同樣的方法,可得深市收益率rz的回歸方程及殘差、殘差平方的acf值和pacf值。結(jié)果表明兩市的殘差不存在顯著的自相關(guān),而殘差平方有顯著的自相關(guān)。(3)對殘差平方做線性圖。對rh進(jìn)行回歸后在命令欄輸入命令:genrres1=residA2,得到rh殘差平方序列resl,用同樣的方法得到rz殘差平方序列res2。雙擊選取序列resl,在新出現(xiàn)的窗口中選擇ViewLineGraph,得到resl的線性圖如圖7-9所示圖7-9rh殘差平方線狀圖同理得到rz殘差平方線狀圖圖7-10rz殘差平方線狀圖可見&2的波動(dòng)具有明顯的時(shí)間可變性(timevarying)和集簇性(c
13、lustering),適合用GARCH類模型來建模。(4)對殘差進(jìn)行ARCH-LMTest依照步驟(1),再對rh做一次滯后15階的回歸,在出現(xiàn)的“Equation”窗口中點(diǎn)擊“View”“ResidualTest”“ARCHLMTest”,選擇一階滯后,得到如圖711所示結(jié)果:股OTTTLEDTorkfil*:VWTITLBJ1JFileEdit0bjectsViewProcs審aiuk0E.tionsWindowHelpViewFt白esi口卜此已七里|0七|Nam檔|Ff電電工2|/5士上七口|Frueeg5t慰.士5|Re.ids|ARCHTest:F-Statislic444soi2
14、ProbabilityO.OODOOOObs*R-squared43.19040Probability0.000000TestEquation口叩end即tVariable:RESIDA2Method:LeasiSquaresDate:10/27/05Time:17:19Sanrtpiofadjusted)IB1443Includedobservations:1426afteradjustingendpointsVariableCoefficientStd.Errort-StatisticProb.C0.0002192.09E-0510,432640.0000RESlDt-U0174043D2
15、6O96666934200R-squaired0.030290M”ndependentvar0.000265AdjustedR-squared0.029609S.D.dependentvar0.000755S.E.ofregression0000743Akaikeinfocriterion11.56967Sunnsquaredresid0.000787Schwarzcriterion-11.56229Loglikelihood8251170F-Statistic44.46012Durbin-Watsonstat2.039221Prob(F-statistic)o.ooooooFathsc:DB
16、=xunw|VF=untitltd圖7-11rhARCH-LMTest對rz方程回歸后的殘差項(xiàng)同樣可做ARCH-LMTest,結(jié)果表明殘差中ARCH應(yīng)是很顯著的。4、GARCHI模型建模(1) GARCH(1,1)模型估計(jì)結(jié)果點(diǎn)擊“Quick”aEstimateEquation”,在出現(xiàn)的窗口中Method選項(xiàng)選擇ARCH,可以得到如圖712所示的對話框。在這個(gè)對話框中要求用戶輸入建立GARCH類模型相關(guān)的參數(shù):“MeanEquationSpecification欄需要填入均值方差的形式;“ARCH-Mterm”欄需要選擇ARCH-M項(xiàng)的形式,包括方差、標(biāo)準(zhǔn)差和不采用三種;“ARCHSpeci
17、fication”欄需要選擇ARCH和GARCH項(xiàng)的階數(shù),以及估計(jì)方法包括GARCH、TARCH和EGARCH等等;“VarianceRegressors”欄需要填如結(jié)構(gòu)方差的形式,由于Eviews默認(rèn)條件方差方程中包含常數(shù)項(xiàng),因此在此欄中不必要填入“C”。我們現(xiàn)在要用GARCH(1,1)模型建模,以滬市為例,只需要在“MeanEquationSpecification”欄輸入均值方差“RHCRH(-15)”,其他選擇默認(rèn)即可,得到如圖713和圖714所示的結(jié)果。圖712EquationSpecification窗口置JEViet,-EqasGQiL:QSTITLEDWTITLED-JOIX|
18、口EiltEditQbjctsfie*ftuickOttioftsIindawHelpiew工口史寫IClbjwcit|FrintFarecaEt|ftats|ResidsDependentVariable;RHMethod,ML-ARCHDate10/27/05Time17:29Sample(adjusted):171443Includedobservations1427afteradjuslingendpointsConvergenceachievedafter25iterationsCoefficientSidErrorz-StatisticProbc-2.21E-OB0.000203-
19、B.0077950.9938RH(-16)0.0693020.020200293574500033VarianceEquationC872E-061.45E-066.0035430.0000ARCH(1)0.176514001524211,59078口.000。GARCH(1)08073910.01370356920G000000Rsquared0.007543Meandependentvar0.000253AdjustedR-squared0.004751S.D.dependentvar0.016348S.E.ofregression0.016309Akaikeinfocriterion-6
20、.645039Sumsquaredresid0.379216Schwarzcriterion5.626597Loglikelihood4032.735F-statistic27D1026Durbin-Watsonstat2.023588Prob(F-statistic)0.029225MFath=Xtvisws3IiB=rmm胖=uMirUd會(huì)EYiis-Equation.UITITUDTorkfilt.ITHTITLEDI寸FileEditDbjfistsViwPrcsgiukOs.tioiliXWindowHalp.|國|巽View|FrocslObjFrintiHamelFrre工uEs
21、timate|Forets5tl5lti|HrsiAeDependentVariable:RZMethod:ML.ARCHDate:10/27AJ5Time:17:28Sample(adjusted):171443includedobservations.1427afteradjustingendpoinlsConvergenceachievedafter29iterationsCodhciernSidErrorz-StatisticProbc-UOOO57SO.ODD327-1.77(3677a.O7G6RZ(-15)0.0575420.0219142.S2576BO.OOSSVarianc
22、eEquationc6.32E-061.29E-064.906562o.oooaARCH(1)1221S30.009763124G695,0000GARCHnBE3BMO.OD923193.56S23a.ooooRsquared0,005931Meandependentwar-0.000173AdjustedR-squaredU.M3135SD.depsndeiitvar0.017933S.E.ofregression0.0179KAkwikeinfocrrterioni-5.47E727Sumsquaredresid0456386Schwarzcriterion6.456285Loglike
23、lihood3912.646F-statiistic2.120990Durbin-Watsonstat1.91436Prob(F-statistic)0.075965二|IEPtth=c:i:views3DB=nDnWF=untitl:UHTITUDOFile旦查LObjectsViewProcsauickOfitifnsWindowHel*5DependantVairiabh:RZMethod:ML-ARCHDale:10/2705Time:17:36.Sample(adjusted):171443Includedobservatioins:1427afteradjustingendpoin
24、tsConvergenceachievedafter29iterationsCoefficintStd,Errorz-StaiiisticPrab.c-,07840.000355-2.20681302730.056272002224J2.52973D0114VananceEquationc5.74E-06123F-064B71746ooonARCH(1)U.Q96SD20.0D97519.927374O.OOOU(RESIDJJiARCHfl)0.M7B69,0143873.3272760.0009GARCH(1)0.967877n.00075499,140710000R-squared.OS
25、2D5Meandependentvar-0.000173AdjustedR-squared0.001705S.D.dependentvar0.017933S.Eofregression.17S10AKaikeinfocriterion-5.47F775Sumsquaredresidl,456219Schwarzent&rion-5.456645Loglikelihood3915.1D6F-statistiic1.406995Path=c:Sifivier3DB=monoWF-untitlsd圖7-18深市收益率TARCH(1,1)模型估計(jì)結(jié)果在TARCH中,qdt二項(xiàng)的系數(shù)估計(jì)值都大于0,而且
26、都是顯著的。這說明滬深股市中壞消息引起的波動(dòng)比同等大小的好消息引起的波動(dòng)要大,滬深股市都存在杠桿效應(yīng)。2、EARCH模型估計(jì)結(jié)果rz在圖7-12的“ARCHSpecification”下拉列表中選擇“EGARCH則可得到rh、的EGARCH莫型估計(jì)結(jié)果,分別如下圖7-19和圖7-20所示。lEVievs-TEquation.UTTITLEDTorkfil*:VHTLTLZDI11FileEdlitOLj*ct-EVioas童uiukOjtionsWindowHlpVi”|FrtiCEOhectwPrintHstim晝tc|Fcirecest|StatwKisidm|DependentVaria
27、ble:RHMethod:ML,ARCHDale:10/27JO5Time.17:43Sample(adjusted).171443Includedobservations.1427afteradjuMingendpoint;Convergenceachievedafter57iterationsCoefficientStd.Erraiz-StaiisticPn)b.cRH(15)-0.000276054325o.oonsQj0.020970*,9080022.5906690.36390.0096VarianceEquationCIRES1/5QRGARCH1RES/SQRGARCH(1)EG
28、ARCH-0.512770 279B14-0D51846 9639030057778002221G0.011154O005960-0.07406712,59365-4.64311516171940ooooOOODOoooonO0000R-squaredlAdjustedR-squaredS.E.ofregressionSumsquaredresidlLoglikelihood.0(E3900.Q0Q8930.01632403786554050.076MeandependentvarS.D.dependentvarAkaikeimfbcriterionSchwarzcriterionF-stat
29、istic.002530.01634B5.6679415.B45ei11.B27619二1Path二c:tevide:;nolleWF-untitZ-edEViews-EquatiQii:UBTITLEBTorkfile:VBTITLED-1x!EiLeRdi1QbjadroctQuickOjtiOXikgild。*Ulp_|ffjx|Yi*|Pro=|口b.ct.|FrintKtmt|FrtztEi+ft+lFwyt|StHiR”idi|DependentVariable:RZ一Method:ML-ARCHDate:10/27/05Time:17:41SamplB(adjusted)-171
30、443includedobseivations】427afteradjustingendpomtsConwergencanotachievedafter100iterationsCoefficientStd.Errorz-StatisticProb.C-0.000775000340-22776340227RZ(-15)0D49J52002237322103260.0271VarianceEquationC-0.3713630.045840-3.1012130.0000PEc|/S?RC-APLHfl23664501587114.92301,OQOORES/SQR(GARCH(1)-003206
31、90DO0Q9S3.60277S00003EGARCH0.97B4B60.005116190.38190.0000R-squared0.004B09Meandependentvar-0.000173AdjustedR-squared0.001307S.D.dependentvar0.017933S.Eofregression017922Akaikeinfocriterion與487199Sumsquaredresid0456401Schwancnierion-5,65060Loglikelihood3921116Fatalistic1.373207Path=c:eviews3DB=noneWF
32、=untitled圖7-20深市收益率EGARCH(1,1膜型估計(jì)結(jié)果在EGARCH中,告三項(xiàng)的系數(shù)估計(jì)值都小于零。在估計(jì)結(jié)果中滬市為-0.051846,深市為-0.032059,而且都是顯著的,這也說明了滬深股市中都存在杠桿效應(yīng)。(三)滬深股市波動(dòng)溢出效應(yīng)的研究當(dāng)某個(gè)資本市場出現(xiàn)大幅波動(dòng)的時(shí)候,就會(huì)引起投資者在另外的資本市場的投資行為的改變,將這種波動(dòng)傳遞到其他的資本市場。這就是所謂的“溢出效應(yīng)”。例如9.11恐怖襲擊后,美國股市的大震蕩引起歐洲及亞洲股市中投資者的恐慌,從而引發(fā)了當(dāng)?shù)刭Y本市場的大動(dòng)蕩。接下來我們將檢驗(yàn)深滬兩市之間的波動(dòng)是否存在“溢出效應(yīng)”。1、檢驗(yàn)兩市波動(dòng)的因果性(1)提取
33、條件方差重復(fù)前面GARCH-MI型建模的步驟,選擇主菜單欄“Procs”下的“MakeGARCVarianceSeries,得到rh回歸方程殘差項(xiàng)的條件方差數(shù)據(jù)序列GARCHQ1同樣的步驟rz回歸方程殘差項(xiàng)的條件方差數(shù)據(jù)序列GARCH02(2)檢驗(yàn)兩市波動(dòng)的因果性在“WorMle”中同時(shí)選中“GARCH01和“GARCH02,右擊,選擇“Open”一“AsGroup”,在彈出的窗口中點(diǎn)擊ViewGrangerCausality”,并選擇滯后階數(shù)5,得到如圖721所示結(jié)果。圖7-21Granger因果檢驗(yàn)可見,我們不能拒絕原假設(shè):上海的波動(dòng)不能因果深圳的波動(dòng)。但是可以拒絕原假設(shè):深圳的波動(dòng)不能因
34、果上海的波動(dòng)。這初步證明滬深股市的波動(dòng)之間存在溢出效應(yīng),且是不對稱,單向的,表明是由于深圳市場的波動(dòng)導(dǎo)致了上海市場的波動(dòng),而不是相反。2、修正GARCH-罐!型在滬市GARCH-M模型的條件方差方程中加入深市波動(dòng)的滯后項(xiàng),應(yīng)該會(huì)改善估計(jì)結(jié)果。在EquationSpecification”窗口中,按圖7-22示輸入如下變量,即在模型的條件方差方程中加入了深市波動(dòng)的滯后項(xiàng)。圖7-22修正GARCH-罐!型點(diǎn)擊“OK,則得到加入滯后項(xiàng)GARCH0后滬市GARCH-MI型重新估計(jì)的結(jié)果,如圖723所不。-.51lX9EVievs-LEquation:UITITLEDVorkfile:CMATTER6.4.FileEdit0bjctsViewFrees
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 誠信教育與安全
- 《八國聯(lián)軍侵華戰(zhàn)爭》侵略與反抗課件-5
- 左炔諾孕酮宮內(nèi)節(jié)育系統(tǒng)聯(lián)合宮腔鏡下子宮內(nèi)膜息肉電切除術(shù)對子宮內(nèi)膜息肉患者子宮內(nèi)膜厚度及復(fù)發(fā)情況的影響
- 動(dòng)物產(chǎn)科學(xué)復(fù)習(xí)題+參考答案
- 71周年國慶節(jié)模板
- 2025年教師招聘考試186個(gè)教育法律法規(guī)知識(shí)
- 2025年健康知識(shí)競賽試題(帶答案)
- 反恐維穩(wěn)知識(shí)
- 餐廳投資合作協(xié)議
- 吉利全民合伙人活動(dòng)規(guī)則
- 鋼結(jié)構(gòu)吊裝安全專項(xiàng)施工方案
- 2024年歐洲乙蟲腈市場主要企業(yè)市場占有率及排名
- 醫(yī)護(hù)人員手衛(wèi)生知識(shí)培訓(xùn)課件
- 2025屆高考作文寫作素材:6月時(shí)事熱點(diǎn)素材(適用話題+運(yùn)用示例)
- 《有機(jī)化學(xué)》課件-電子效應(yīng)
- QCT457-2023救護(hù)車技術(shù)規(guī)范
- 公對公車輛租賃合同范本
- HYT 262-2018 海水中溶解甲烷的測定 頂空平衡-氣相色譜法(正式版)
- 普通植物病理學(xué)智慧樹知到期末考試答案章節(jié)答案2024年東北農(nóng)業(yè)大學(xué)
- 人事檔案轉(zhuǎn)遞通知單
- 《離散數(shù)學(xué)》試題帶答案
評論
0/150
提交評論