0：消息备忘：

准备金率上调至17%。


这两幅图属于旧图更新：市盈率曲线（蓝色）最后一个点的数据是4月的，为21.67；进入5月，大跌，目前已至20.6倍。一个颇有趣味的现象是去年8月以来的调整，三次上冲5年期人民币“市盈率（27.78倍）=其利率（3.6%）倒数”，未能站在其上方，终于掉头下行。第二幅图是直接看利率，沪市市盈率的倒数即“股利率”为4.6%，比5年期人民币利率3.6%高出一个百分点。

在第一幅图中有根红线代表市盈率的中位数=32.3；它比平均数33.03要低，也比众数33低。这三个统计量的相同之处主要表现在：都是来描述数据集中趋势的统计量。因为在阅读和思考了欧阳首承教授的理论后，对于平均数开始警惕了。非常认同他说的“数量可以将不存在的事物，计算得比存在的事物更精确”即“平均数不等于实在，其可以出现的概率比实际的小概率事件还要小”。平均数是一个“虚拟”的数，是通过数量计算得到的，它不是数据中的原始数据。而中位数是一个不完全“虚拟”的数。当一组数据有奇数个时，它就是该组数据排序后最中间的那个数据，是这组数据中真实存在的一个数据；但在数据个数为偶数的情况下，中位数是最中间两个数据的平均数，它不一定与这组数据中的某个数据相等，此时的中位数就是一个虚拟的数。中位数需要将数据排序后才能得出，它就象一条分界线，将数据分成上下两部分。在一组数据中出现次数最多的数叫做这组数据的众数。众数是一组数据中的原数据，它是真实存在的。市盈率数据是从1993年7月开始，到2010年4月，一共201个月数据，也就是说，这201个月中，刚好有100个月的月末市盈率在32.3之上，也有100个月在32.3之下。用中位数比用平均数能给我们较为具体的信息。只是上图的整个大盘的市盈率数据也是个大平均数，掩盖了许多真是信息，只能反映“一般”“大概”。

附录下面的两个例子：

手表序号：：  1， 2， 3， 4，  5，  6，  7， 8， 9， 10

日走时误差(秒)： -2， 0， 2， 1， -3， -1，  0， 2， 4， -3

   即检验某厂生产的手表质量时,检查人员随机抽取了10只手表,在上表中记下了每只手表的走时误差(正数表示比标准时间快,负数表示比标准时间慢),这10只手表误差的平均数为：
:[(-2)+0+1+(-3)+(-1)+0+2+4+(-3)+2]÷10=0÷10=0
从这个平均数看,仿佛这10只手表走时非常精度,没有误差,但实际上有8只手表存在着误差,使用平均数掩盖了个别手表存在误差的事实,而中位数（本例中也为0）似乎也不能反映问题，但明白了它是中间的那个数，就传来了信息：其两侧是存在有误差的手表的！所以，中位数更能反映实际问题。

另外两个统计量：极差和方差可以用来描述数据系列的离散程度。比如上面的序列的极差=7，即最大的数与最小的数的差值。其方差=5.62，即各数据与它们的平均数的差的平方的平均数。方差单独看是无意义的，两列数据比较时，才有意义。

平均值为0，方差为常数，一般称之为零和平稳数据序列。上面的数据序列即为一例。

又如：为筹备联谊会,班长对全班同学爱吃哪几种水果作了民意调查，最终买什么水果？该问题应由调查数据中的平均数,中位数还是众数决定呢？毫无疑问,当然由众数决定,因为各种水果喜好人数的中位数或平均都没有什么意义。

通过上述探讨,就发现股金比就不存在平均数的弊端，或许其估值更实际：