├── Helloworld.py ├── 30000词 ├── keyweight.csv ├── top500comment.csv ├── sentiment.marshal.3 └── positive_words.txt ├── sentiment.marshal.3 ├── K线导出_000001_60分钟数据.xls ├── K线导出_688180_60分钟数据.xls ├── marshal └── sentiment.marshal.3 ├── project_data ├── keyweight.csv ├── top500comment.csv ├── sentiment.marshal.3 ├── stopwords.txt └── positive_words.txt ├── Introduction └── project introduction.pdf ├── getmarshal.py ├── Closeline.py ├── getCorrelation.py ├── getkeyweight.py ├── README.md ├── getSentiment.py ├── getpos_neg_train.py ├── RNN with sentiment.py ├── getHoursSentiment.py ├── LSTM without sentiment.py ├── SVM with sentiment.py ├── SVM without sentiment.py ├── LSTM with sentiment.py ├── RNN without sentiment.py └── 688180stockdata /Helloworld.py: -------------------------------------------------------------------------------- 1 | print("hello word") -------------------------------------------------------------------------------- /30000词/keyweight.csv: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/KK-Kris/Stock-sentimnet-analysis/HEAD/30000词/keyweight.csv -------------------------------------------------------------------------------- /sentiment.marshal.3: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/KK-Kris/Stock-sentimnet-analysis/HEAD/sentiment.marshal.3 -------------------------------------------------------------------------------- /K线导出_000001_60分钟数据.xls: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/KK-Kris/Stock-sentimnet-analysis/HEAD/K线导出_000001_60分钟数据.xls -------------------------------------------------------------------------------- /K线导出_688180_60分钟数据.xls: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/KK-Kris/Stock-sentimnet-analysis/HEAD/K线导出_688180_60分钟数据.xls -------------------------------------------------------------------------------- /30000词/top500comment.csv: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/KK-Kris/Stock-sentimnet-analysis/HEAD/30000词/top500comment.csv -------------------------------------------------------------------------------- /30000词/sentiment.marshal.3: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/KK-Kris/Stock-sentimnet-analysis/HEAD/30000词/sentiment.marshal.3 -------------------------------------------------------------------------------- /marshal/sentiment.marshal.3: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/KK-Kris/Stock-sentimnet-analysis/HEAD/marshal/sentiment.marshal.3 -------------------------------------------------------------------------------- /project_data/keyweight.csv: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/KK-Kris/Stock-sentimnet-analysis/HEAD/project_data/keyweight.csv -------------------------------------------------------------------------------- /project_data/top500comment.csv: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/KK-Kris/Stock-sentimnet-analysis/HEAD/project_data/top500comment.csv -------------------------------------------------------------------------------- /project_data/sentiment.marshal.3: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/KK-Kris/Stock-sentimnet-analysis/HEAD/project_data/sentiment.marshal.3 -------------------------------------------------------------------------------- /Introduction/project introduction.pdf: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/KK-Kris/Stock-sentimnet-analysis/HEAD/Introduction/project introduction.pdf -------------------------------------------------------------------------------- /getmarshal.py: -------------------------------------------------------------------------------- 1 | from snownlp import sentiment 2 | sentiment.train('project_data/negative_snownlp+mine.txt', 'project_data/posositive_snownlp+mine.txt') 3 | # sentiment.train('neg_title.txt', 'pos_title.txt') 4 | sentiment.save('sentiment.marshal') 5 | 6 | -------------------------------------------------------------------------------- /Closeline.py: -------------------------------------------------------------------------------- 1 | # 读取数据 2 | from math import sqrt 3 | 4 | import numpy as np 5 | import pandas as pd 6 | 7 | from matplotlib import pyplot as plt 8 | 9 | stockdatawithsentiment = pd.read_csv('+-stock_sentiment_data.csv', index_col='date') 10 | stockdatawithsentiment['volume'] = [int(c.replace(",", "")) for c in stockdatawithsentiment['volume']] 11 | 12 | plt.plot(stockdatawithsentiment['close'].values, color='r') 13 | plt.title('Stock Close Data') 14 | plt.xlabel('Time Point') 15 | plt.ylabel('Close') 16 | plt.legend() 17 | # plt.tick_params(labelsize=8) 18 | # xticks = np.arange(0, stockdatawithsentiment.shape[0], 100) 19 | # xtick_labels = stockdatawithsentiment['date'].values[2:] 20 | # plt.xticks(ticks=xticks, labels=xtick_labels, rotation=25) 21 | plt.show() -------------------------------------------------------------------------------- /getCorrelation.py: -------------------------------------------------------------------------------- 1 | import pandas as pd 2 | import matplotlib.pyplot as plt 3 | import seaborn as sns 4 | from numpy import int16 5 | # from snownlp import SnowNLP 6 | import numpy as np 7 | 8 | # from keras.losses import mean_absolute_error, mean_squared_error 9 | # from sklearn.metrics import r2_score 10 | 11 | sentiment = pd.read_csv('feature_data.csv') 12 | sentiment.columns = ['date', 'open', 'high', 'low', 'volume', 'sentiment'] 13 | print(sentiment) 14 | 15 | # data = sentiment['open', 'high', 'low', 'close', 'volume', 'sentiment'] 16 | # print(data) 17 | sentiment_corr = sentiment.corr() 18 | print(sentiment_corr) 19 | plt.figure(1) 20 | sns.heatmap(sentiment_corr, annot=True, vmax=1, square=True) # 绘制df_corr的矩阵热力图 21 | plt.show() # 显示图片 22 | ## 相关性低是好事 23 | -------------------------------------------------------------------------------- /getkeyweight.py: -------------------------------------------------------------------------------- 1 | import pandas as pd 2 | import matplotlib.pyplot as plt 3 | from snownlp import SnowNLP 4 | import numpy as np 5 | import jieba as jb 6 | 7 | df = pd.read_csv('project_data/60000comments.csv', encoding='gbk') # header=0表示第一行是表头，就自动去除了 8 | print(df) 9 | title = df['title'] 10 | print(title) 11 | words = [] 12 | for i in df['title']: 13 | comment = list(jb.cut(str(i))) 14 | words.extend(comment) 15 | print('相同类型股票评论单词数量：', len(words)) 16 | print('相同类型股票评论不重复单词数量：', len(set(words))) 17 | 18 | with open('project_data/stopwords.txt', 'r', encoding="utf8") as stopwords: 19 | stopword = stopwords.read().split('\n') 20 | stopword = set(stopword) 21 | # print(stopword) 22 | print("停止词的数量：", len(set(stopword))) 23 | 24 | words_without_stopword = [] 25 | for word in words: 26 | if word not in stopword: 27 | words_without_stopword.append(word) 28 | print("去除停止词的评论单词数量", len(words_without_stopword)) 29 | print("去除停止词+去重的评论单词数量", len(set(words_without_stopword))) 30 | 31 | 32 | count = {} 33 | for word in words_without_stopword: 34 | if word in count: 35 | count[word] = count[word] + 1 36 | if word not in count: 37 | count[word] = 1 38 | 39 | 40 | for word, count_number in count.items(): 41 | count[word] = count_number/len(words_without_stopword) 42 | 43 | top_words = {} 44 | for word in sorted(count, key=count.get, reverse=True)[:1000]: 45 | top_words[word] = count[word] 46 | 47 | print(top_words) 48 | 49 | with open('project_data/top1000comment.csv', 'w') as f: 50 | for word, count in top_words.items(): 51 | f.write("%s,%s\n" % (word, count)) 52 | 53 | -------------------------------------------------------------------------------- /README.md: -------------------------------------------------------------------------------- 1 | # Stock-sentimnet-analysis 2 | 3 | # provide a new method for the Chinese stock comment sentiment analysis 4 | 5 | SnowNLP is a corpus-based model that automatically counts word sentiment polarity to judge text sentiment by using corpus of related fields and correlation calculation rules combined with machine learning. The official point out that the high accuracy of e-commerce comments is because its corpus is mainly e-commerce comments data. So at this coding, we have change the e-commerce comments into the Chinese Stock's comments. 6 | # This repository have using the combination of the emotional dictionary and the machine learning to analysis the target stock's sentiment. 7 | Depends on the two-hour leading ability of investor sentiment to predict price.vWe get the stock hour line data, EastMoney Gub's comment which predictiong needs, and the stopwords that need to divide words from sentence. 8 | Stock in the same industry to help us get the most frequent 1000 words which needs we manually label the characteristic. That words is a part of emotional dictionary. 9 | After the combine the frequent words and the emotional dictionary as a new dictionary, we use the new dictionary to label the comment's characteristic. 10 | \p When we get the new positive and negetive corpus, we retrain the SnowNLP .marshal to help us classify the stock comment and get the sentiment index which give us a very important index to predict the stock price. 11 | # For processing the stock sentiment, we get the average of sentiment of comment two hours before the time point. 12 | We get this repository to provide a new method to give a predict about the JunShi Biological and we will test the accuracy between the real value and the predict value to find the value of sentiment index. 13 | 14 | 15 | -------------------------------------------------------------------------------- /getSentiment.py: -------------------------------------------------------------------------------- 1 | from math import sqrt 2 | 3 | # 引用词典 4 | # Fuwei Jiang, Joshua Lee, Xiumin Martin, and Guofu Zhou.“Manager Sentiment and Stock Returns” Journal of Financial Economics 132(1), 2019,126-149 5 | # 姜富伟、孟令超、唐国豪，“媒体文本情绪与股票回报预测”，《经济学(季刊)》，2021年第4期，第1323-1344页 6 | 7 | import pandas as pd 8 | import matplotlib.pyplot as plt 9 | from snownlp import SnowNLP 10 | import numpy as np 11 | 12 | # from keras.losses import mean_absolute_error, mean_squared_error 13 | # from sklearn.metrics import r2_score 14 | 15 | df = pd.read_csv('688180comments.csv', encoding='gbk') # header=0表示第一行是表头，就自动去除了 16 | print(df) 17 | title = df['title'] 18 | sentimentslist = [] 19 | for i in title: 20 | s = SnowNLP(i) 21 | print(s.sentiments) 22 | sentimentslist.append(s.sentiments) 23 | 24 | # with open('sentiment.csv', 'w', encoding='utf-8') as f: 25 | # for title in sentimentslist: 26 | # f.write(str(title)+"\n") 27 | # f.close() 28 | 29 | 30 | # df1 = pd.DataFrame([df['date'].index, sentimentslist], columns=['date', 'sentiment']) 31 | # print(df1) 32 | df['sentiment'] = sentimentslist 33 | print(df) 34 | 35 | # print(df_close) 36 | 37 | dfJS = pd.read_csv('project_data/JunShi60test.csv', encoding='gbk') # header=0表示第一行是表头，就自动去除了 38 | print(dfJS) 39 | 40 | df['date'] = [c.replace("-", "/") for c in df['date']] 41 | 42 | 43 | def change_time_format(title_data): 44 | ##先弄后面 再弄前面 45 | transportation = [] 46 | changedtimeformat = [] 47 | for commenttime in title_data['date']: 48 | # print(commenttime) 49 | # print(commenttime[8]) 50 | if commenttime[8] == "0": 51 | transportationtime = commenttime[:8] + commenttime[9:] 52 | # print(transportationtime) 53 | transportation.append(transportationtime) 54 | else: 55 | transportation.append(commenttime) 56 | for commenttime in transportation: 57 | # print(commenttime) 58 | # print(commenttime[5]) 59 | if commenttime[5] == "0": 60 | changedtime = commenttime[:5] + commenttime[6:] 61 | # print(changedtime) 62 | changedtimeformat.append(changedtime) 63 | else: 64 | changedtimeformat.append(changedtime) 65 | # print(changedtimeformat) 66 | title_data['date'] = changedtimeformat 67 | 68 | change_time_format(df) 69 | 70 | print(df) 71 | # 72 | # outputpath='sentiment_data.csv' 73 | # df.to_csv(outputpath, sep=',', index=False, header=False) 74 | 75 | -------------------------------------------------------------------------------- /getpos_neg_train.py: -------------------------------------------------------------------------------- 1 | import pandas as pd 2 | import matplotlib.pyplot as plt 3 | from snownlp import SnowNLP 4 | import numpy as np 5 | import jieba as jb 6 | 7 | df = pd.read_csv('project_data/60000comments.csv', encoding='gbk') # header=0表示第一行是表头，就自动去除了 8 | print(df) 9 | title = df['title'] 10 | print(title) 11 | 12 | keyweight = pd.read_csv('project_data/keyweight1000.csv', encoding='gbk') 13 | keyweight.columns = ['word', 'posORneg'] 14 | print(keyweight) 15 | print(keyweight.shape) 16 | 17 | positive_word = keyweight.loc[keyweight['posORneg'] == 1, 'word'].to_list() 18 | print(positive_word) 19 | pos_word = [c.replace("\n", "") for c in positive_word] 20 | print(pos_word) 21 | negative_word = keyweight.loc[keyweight['posORneg'] == -1, 'word'].to_list() 22 | neg_word = [c.replace("\n", "") for c in negative_word] 23 | print(neg_word) 24 | 25 | neutral_word = keyweight.loc[keyweight['posORneg'] == 0, 'word'].to_list() 26 | neu_word = [c.replace("\n", "") for c in neutral_word] 27 | print(neu_word) 28 | 29 | count = {} 30 | for title in df['title']: 31 | title_words = jb.cut(str(title)) 32 | for word in title_words: 33 | if word in pos_word: 34 | if title in count: 35 | count[title] = count[title] + 1 36 | if title not in count: 37 | count[title] = 1 38 | if word in neg_word: 39 | if title in count: 40 | count[title] = count[title] - 1 41 | if title not in count: 42 | count[title] = -1 43 | if word in neu_word: 44 | if title in count: 45 | count[title] = count[title] 46 | if title not in count: 47 | count[title] = 0 48 | if title not in count: 49 | count[title] = 0 50 | print("one title is OK") 51 | 52 | 53 | print(count) 54 | 55 | pos_title = [] 56 | neg_title = [] 57 | neu_title = [] 58 | for title in df['title']: 59 | print(title) 60 | if count[title] > 0: 61 | pos_title.append(title) 62 | if count[title] == 0: 63 | neu_title.append(title) 64 | if count[title] < 0: 65 | neg_title.append(title) 66 | 67 | print(pos_title) 68 | print(neg_title) 69 | # print(neu_title) 70 | print(len(pos_title)) 71 | # print(len(neu_title)) 72 | print(len(neg_title)) 73 | 74 | with open('project_data/pos_title.txt', 'w', encoding='utf-8') as f: 75 | for title in pos_title: 76 | f.write(title+"\n") 77 | f.close() 78 | 79 | with open('project_data/neg_title.txt', 'w', encoding='utf-8') as f: 80 | for title in neg_title: 81 | f.write(title+"\n") 82 | f.close() -------------------------------------------------------------------------------- /RNN with sentiment.py: -------------------------------------------------------------------------------- 1 | # 读取数据 2 | from math import sqrt 3 | 4 | import numpy as np 5 | import pandas as pd 6 | from keras import Sequential 7 | from keras.layers import LSTM, Dropout, Dense, SimpleRNN 8 | from keras.losses import mean_squared_error, mean_absolute_error 9 | from matplotlib import pyplot as plt 10 | from sklearn.metrics import r2_score 11 | from sklearn.model_selection import train_test_split 12 | from sklearn.preprocessing import MinMaxScaler 13 | 14 | stockdatawithsentiment = pd.read_csv('+-stock_sentiment_data.csv', index_col='date') 15 | stockdatawithsentiment['volume'] = [int(c.replace(",", "")) for c in stockdatawithsentiment['volume']] 16 | 17 | standard = MinMaxScaler() 18 | standard = standard.fit(stockdatawithsentiment) 19 | normaldata = standard.fit_transform(stockdatawithsentiment) 20 | print(normaldata[:5, :]) 21 | # 打印前5行 22 | 23 | # 将ndarray的dtype为float32，防止报错 24 | normaldata = normaldata.astype(np.float32) 25 | # 训练集:验证集=7:3 26 | X_train, X_test, Y_train, Y_test = train_test_split(normaldata[:, :-1], normaldata[:, -1], test_size=0.2, shuffle=False) 27 | 28 | # reshape input to be 3D [samples, timesteps, features] 29 | X_train = X_train.reshape((X_train.shape[0], 1, X_train.shape[1])) 30 | X_test = X_test.reshape((X_test.shape[0], 1, X_test.shape[1])) 31 | 32 | # print(X_train) 33 | RNN = Sequential() 34 | RNN.add(SimpleRNN(units=5, input_shape=(X_train.shape[1], X_train.shape[2]))) 35 | RNN.add(Dense(units=1)) 36 | RNN.compile(optimizer='adam', loss='mean_squared_error') 37 | train_predict = RNN.fit(X_train, Y_train, epochs=100, batch_size = 100, validation_split=0.1) 38 | 39 | def inverse_transform_single(standard, initital, colume): 40 | initital = initital.copy() 41 | initital -= standard.min_[colume] 42 | initital /= standard.scale_[colume] 43 | return initital 44 | 45 | Y_predict = RNN.predict(X_test)[:,0] 46 | 47 | stockdatawithsentiment = pd.read_csv('+-stock_sentiment_data.csv') 48 | col_n = stockdatawithsentiment.shape[1]-2 49 | initialY_predict = inverse_transform_single(standard, Y_predict, col_n) 50 | initialY_Test = inverse_transform_single(standard, Y_test, col_n) 51 | initialY_train = inverse_transform_single(standard, Y_train, col_n) 52 | 53 | Y_train_length = initialY_train .shape[0] 54 | Y_length = Y_train_length+initialY_predict.shape[0] 55 | plt.plot(initialY_Test, color='b', label='Sample') 56 | plt.plot(initialY_predict, color='r', label='Predict') 57 | 58 | # ax=plt.gca() #gca:get current axis得到当前轴 59 | # #设置图片的右边框和上边框为不显示 60 | # ax.spines['right'].set_color('none') 61 | # ax.spines['top'].set_color('none') 62 | 63 | # plt.title('Stock Price Prediction without Sentiment -LSTM') 64 | # plt.legend(loc='lower') 65 | plt.legend(bbox_to_anchor=(0.5, -0.15), loc=8, ncol=2, frameon=False)# borderaxespad=0 66 | # plt.xlabel('Time Point') 67 | # plt.ylabel('Close') 68 | # plt.savefig("picture/RNN有.png", dpi=500, bbox_inches='tight') # 解决图片不清晰，不完整的问题 69 | 70 | 71 | 72 | Sentiment_Test = [int(c) for c in initialY_Test] 73 | Sentiment_Predict = [int(c) for c in initialY_predict] 74 | normaldata = normaldata.astype(np.float32) 75 | Sentiment_Test = np.array(Sentiment_Test).astype(np.float64) 76 | Sentiment_Predict = np.array(Sentiment_Predict).astype(np.float64) 77 | mse = mean_squared_error(Sentiment_Test, Sentiment_Predict) 78 | 79 | print("Sentiment_data\'s mean_absolute_error:", mean_absolute_error(Sentiment_Test, Sentiment_Predict)) 80 | print("Sentiment_data\'s mean_squared_error:", mean_squared_error(Sentiment_Test, Sentiment_Predict)) 81 | print("Sentiment_data\'s rmse:", sqrt(mean_squared_error(Sentiment_Test, Sentiment_Predict))) 82 | print("Sentiment_data\'s r2 score:", r2_score(Sentiment_Test, Sentiment_Predict)) 83 | plt.show() 84 | 85 | 86 | -------------------------------------------------------------------------------- /getHoursSentiment.py: -------------------------------------------------------------------------------- 1 | import pandas as pd 2 | import matplotlib.pyplot as plt 3 | from numpy import int16 4 | from snownlp import SnowNLP 5 | import numpy as np 6 | 7 | # from keras.losses import mean_absolute_error, mean_squared_error 8 | # from sklearn.metrics import r2_score 9 | 10 | sentiment = pd.read_csv('sentiment_data.csv') 11 | sentiment.columns = ['date', 'title', 'sentiment'] 12 | print(sentiment) 13 | 14 | # print(sentiment['title']) 15 | 16 | stockdata = pd.read_csv('688180stockdata.csv') 17 | print(stockdata) 18 | 19 | avg_sentiment = [] 20 | count = 0 21 | for i in range(0, len(stockdata), 1): ## 22 | # print(i) 23 | trade = stockdata['tradingtime'][i] 24 | stock_date = trade[:-6] 25 | stock_time = trade[-5:] 26 | print(stock_date) 27 | sentiment_1030 = 0 28 | number_1030 = 0 29 | sentiment_1130 = 0 30 | number_1130 = 0 31 | sentiment_1400 = 0 32 | number_1400 = 0 33 | sentiment_1500 = 0 34 | number_1500 = 0 35 | if stock_time == "10:30": 36 | for j in range(0, len(sentiment) - 1, 1): 37 | if sentiment['date'][j][:-5] == stock_date: 38 | sentiment_time = sentiment['date'][j][-4:] 39 | if 830 < int(sentiment_time) < 1030: 40 | sentiment_1030 = sentiment_1030 + sentiment['sentiment'][j] 41 | number_1030 = number_1030 + 1 42 | if stock_time == "11:30": 43 | for j in range(0, len(sentiment) - 1, 1): 44 | if sentiment['date'][j][:-5] == stock_date: 45 | sentiment_time = sentiment['date'][j][-4:] 46 | if 930 < int(sentiment_time) < 1130: 47 | sentiment_1130 = sentiment_1130 + sentiment['sentiment'][j] 48 | number_1130 = number_1130 + 1 49 | if stock_time == "14:00": 50 | for j in range(0, len(sentiment) - 1, 1): 51 | if sentiment['date'][j][:-5] == stock_date: 52 | sentiment_time = sentiment['date'][j][-4:] 53 | if 1200 < int(sentiment_time) < 1400: 54 | sentiment_1400 = sentiment_1400 + sentiment['sentiment'][j] 55 | number_1400 = number_1400 + 1 56 | if stock_time == "15:00": 57 | for j in range(0, len(sentiment) - 1, 1): 58 | if sentiment['date'][j][:-5] == stock_date: 59 | sentiment_time = sentiment['date'][j][-4:] 60 | if 1300 < int(sentiment_time) < 1500: 61 | sentiment_1500 = sentiment_1500 + sentiment['sentiment'][j] 62 | number_1500 = number_1500 + 1 63 | if stock_time == "10:30": 64 | if number_1030 > 0: 65 | sentiment_1030 = sentiment_1030 / number_1030 66 | avg_sentiment.append(sentiment_1030) 67 | if number_1030 == 0: 68 | avg_sentiment.append(0.5) 69 | if stock_time == "11:30": 70 | if number_1130 > 0: 71 | sentiment_1130 = sentiment_1130 / number_1130 72 | avg_sentiment.append(sentiment_1130) 73 | if number_1130 == 0: 74 | avg_sentiment.append(0.5) 75 | if stock_time == "14:00": 76 | if number_1400 > 0: 77 | sentiment_1400 = sentiment_1400 / number_1400 78 | avg_sentiment.append(sentiment_1400) 79 | if number_1400 == 0: 80 | avg_sentiment.append(0.5) 81 | if stock_time == "15:00": 82 | if number_1500 > 0: 83 | sentiment_1500 = sentiment_1500 / number_1500 84 | avg_sentiment.append(sentiment_1500) 85 | if number_1500 == 0: 86 | avg_sentiment.append(0.5) 87 | count = count + 1 88 | print(count) 89 | 90 | print(avg_sentiment) 91 | print(len(avg_sentiment)) 92 | stockdata['sentiment'] = avg_sentiment 93 | print(stockdata) 94 | outputpath ='stock_sentiment_data.csv' 95 | stockdata.to_csv(outputpath, sep=',', index=False, header=False) 96 | -------------------------------------------------------------------------------- /LSTM without sentiment.py: -------------------------------------------------------------------------------- 1 | # 读取数据 2 | from math import sqrt 3 | 4 | import numpy as np 5 | import pandas as pd 6 | from keras import Sequential 7 | from keras.layers import LSTM, Dropout, Dense 8 | from keras.losses import mean_squared_error, mean_absolute_error 9 | from matplotlib import pyplot as plt 10 | from sklearn.metrics import r2_score 11 | from sklearn.model_selection import train_test_split 12 | from sklearn.preprocessing import MinMaxScaler 13 | 14 | ##把stock_sentiment_data中的close和sentiment交换一下 15 | 16 | stockdatawithsentiment = pd.read_csv('stock_no_sentiment_data.csv', index_col='date') 17 | 18 | stockdatawithsentiment['volume'] = [int(c.replace(",", "")) for c in stockdatawithsentiment['volume']] 19 | # print(stockdatawithsentiment) 20 | 21 | standard = MinMaxScaler() 22 | standard = standard.fit(stockdatawithsentiment) 23 | normaldata = standard.fit_transform(stockdatawithsentiment) 24 | print(normaldata[:5, :]) 25 | # 打印前5行 26 | 27 | # 将ndarray的dtype为float32，防止报错 28 | normaldata = normaldata.astype(np.float32) 29 | # 训练集:验证集=7:3 30 | X_train, X_test, Y_train, Y_test = train_test_split(normaldata[:, :-1], normaldata[:, -1], test_size=0.2, shuffle=False) 31 | 32 | # reshape input to be 3D [samples, timesteps, features] 33 | X_train = X_train.reshape((X_train.shape[0], 1, X_train.shape[1])) 34 | X_test = X_test.reshape((X_test.shape[0], 1, X_test.shape[1])) 35 | 36 | # print(X_train) 37 | 38 | # 搭建LSTM模型 39 | LSTM = Sequential() 40 | LSTM.add(Dense(64, input_shape=(X_train.shape[1], X_train.shape[2]))) 41 | LSTM.add(Dropout(0.4)) 42 | LSTM.add(Dense(1, activation='relu')) 43 | # 模型编译 44 | LSTM.compile(loss='mse', optimizer='adam') 45 | # 模型训练 46 | train_predict = LSTM.fit(X_train, Y_train, epochs=50, batch_size=30, validation_data=(X_test, Y_test), shuffle=False, verbose=0) 47 | 48 | def inverse_transform_single(standard, initital, colume): 49 | initital = initital.copy() 50 | initital -= standard.min_[colume] 51 | initital /= standard.scale_[colume] 52 | return initital 53 | 54 | Y_predict = LSTM.predict(X_test)[:,0] 55 | 56 | # 反归一化 57 | stockdatawithsentiment = pd.read_csv('stock_no_sentiment_data.csv') 58 | col_n = stockdatawithsentiment.shape[1]-2 59 | initialY_predict = inverse_transform_single(standard, Y_predict, col_n) 60 | initialY_Test = inverse_transform_single(standard, Y_test, col_n) 61 | initialY_train = inverse_transform_single(standard, Y_train, col_n) 62 | 63 | 64 | Y_train_length = initialY_train .shape[0] 65 | Y_length = Y_train_length+initialY_predict.shape[0] 66 | 67 | plt.plot(initialY_Test, color='b', label='Sample') 68 | plt.plot(initialY_predict, color='r', label='Predict') 69 | 70 | # ax=plt.gca() #gca:get current axis得到当前轴 71 | # #设置图片的右边框和上边框为不显示 72 | # ax.spines['right'].set_color('none') 73 | # ax.spines['top'].set_color('none') 74 | 75 | # plt.title('Stock Price Prediction without Sentiment -LSTM') 76 | # plt.legend(loc='lower') 77 | plt.legend(bbox_to_anchor=(0.5, -0.15), loc=8, ncol=2, frameon=False)# borderaxespad=0 78 | # plt.xlabel('Time Point') 79 | # plt.ylabel('Close') 80 | plt.savefig("picture/LSTM无1.png", dpi=500, bbox_inches = 'tight') # 解决图片不清晰，不完整的问题 81 | 82 | 83 | Sentiment_Test = [int(c) for c in initialY_Test] 84 | Sentiment_Predict = [int(c) for c in initialY_predict] 85 | normaldata = normaldata.astype(np.float32) 86 | Sentiment_Test = np.array(Sentiment_Test).astype(np.float64) 87 | Sentiment_Predict = np.array(Sentiment_Predict).astype(np.float64) 88 | mse = mean_squared_error(Sentiment_Test, Sentiment_Predict) 89 | print("Sentiment_data\'s mean_absolute_error:", mean_absolute_error(Sentiment_Test, Sentiment_Predict)) 90 | print("Sentiment_data\'s mean_squared_error:", mean_squared_error(Sentiment_Test, Sentiment_Predict)) 91 | print("Sentiment_data\'s rmse:", sqrt(mean_squared_error(Sentiment_Test, Sentiment_Predict))) 92 | print("Sentiment_data\'s r2 score:", r2_score(Sentiment_Test, Sentiment_Predict)) 93 | plt.show() 94 | -------------------------------------------------------------------------------- /SVM with sentiment.py: -------------------------------------------------------------------------------- 1 | # 读取数据 2 | from math import sqrt 3 | 4 | import numpy as np 5 | import pandas as pd 6 | from keras import Sequential 7 | from keras.layers import LSTM, Dropout, Dense 8 | # from keras.losses import mean_squared_error, mean_absolute_error 9 | from keras.losses import mean_squared_error, mean_absolute_error 10 | from matplotlib import pyplot as plt 11 | from sklearn import svm 12 | from sklearn.decomposition import PCA 13 | from sklearn.metrics import r2_score 14 | from sklearn.model_selection import train_test_split 15 | from sklearn.preprocessing import MinMaxScaler 16 | 17 | ##把stock_sentiment_data中的close和sentiment交换一下 18 | from sklearn.svm import SVR 19 | 20 | stockdatawithsentiment = pd.read_csv('+-stock_sentiment_data.csv', index_col='date') 21 | stockdatawithsentiment['volume'] = [int(c.replace(",", "")) for c in stockdatawithsentiment['volume']] 22 | # print(stockdatawithsentiment) 23 | 24 | standard = MinMaxScaler() 25 | standard = standard.fit(stockdatawithsentiment) 26 | normaldata = standard.fit_transform(stockdatawithsentiment) 27 | print(normaldata[:5, :]) 28 | # 打印前5行 29 | 30 | # 将ndarray的dtype为float32，防止报错 31 | normaldata = normaldata.astype(np.float32) 32 | # 训练集:验证集=7:3 33 | X_train, X_test, Y_train, Y_test = train_test_split(normaldata[:, :-1], normaldata[:, -1], test_size=0.2, shuffle=False) 34 | 35 | print(X_train) 36 | 37 | clf = SVR() 38 | clf.fit(X_train, Y_train) 39 | Y_predict = clf.predict(X_test) 40 | print(Y_predict) 41 | 42 | def inverse_transform_single(standard, initital, colume): 43 | initital = initital.copy() 44 | initital -= standard.min_[colume] 45 | initital /= standard.scale_[colume] 46 | return initital 47 | 48 | 49 | stockdatawithsentiment = pd.read_csv('+-stock_sentiment_data.csv') 50 | col_n = stockdatawithsentiment.shape[1]-2 51 | initialY_predict = inverse_transform_single(standard, Y_predict, col_n) 52 | initialY_Test = inverse_transform_single(standard, Y_test, col_n) 53 | initialY_train = inverse_transform_single(standard, Y_train, col_n) 54 | 55 | 56 | Y_train_length = initialY_train .shape[0] 57 | Y_length = Y_train_length+initialY_predict.shape[0] 58 | plt.plot(initialY_Test, color='b', label='Sample') 59 | plt.plot(initialY_predict, color='r', label='Predict') 60 | 61 | # ax=plt.gca() #gca:get current axis得到当前轴 62 | # #设置图片的右边框和上边框为不显示 63 | # ax.spines['right'].set_color('none') 64 | # ax.spines['top'].set_color('none') 65 | 66 | # plt.title('Stock Price Prediction without Sentiment -LSTM') 67 | # plt.legend(loc='lower') 68 | plt.legend(bbox_to_anchor=(0.5, -0.15), loc=8, ncol=2, frameon=False)# borderaxespad=0 69 | # plt.xlabel('Time Point') 70 | # plt.ylabel('Close') 71 | plt.savefig("picture/SVM有.png", dpi=500, bbox_inches='tight') # 解决图片不清晰，不完整的问题 72 | 73 | 74 | # 真实曲线绘制 75 | # plt.plot(np.concatenate([initialY_train, initialY_Test]), color='r', label='sample') 76 | # # 预测曲线绘制 77 | # plt.plot([x for x in range(Y_train_length, Y_length)], initialY_predict, color='g', label='predict') 78 | # plt.title('SVM Prediction of Stock Prices with Sentiment') 79 | # plt.xlabel('date') 80 | # plt.ylabel('close') 81 | # plt.legend() 82 | # plt.tick_params(labelsize=8) 83 | # xticks = np.arange(0, Y_length, 100) 84 | # xtick_labels = [stockdatawithsentiment['date'].values[x][2:] for x in xticks] 85 | # plt.xticks(ticks=xticks, labels=xtick_labels, rotation=25) 86 | Sentiment_Test = [int(c) for c in initialY_Test] 87 | Sentiment_Predict = [int(c) for c in initialY_predict] 88 | 89 | 90 | normaldata = normaldata.astype(np.float32) 91 | Sentiment_Test = np.array(Sentiment_Test).astype(np.float64) 92 | Sentiment_Predict = np.array(Sentiment_Predict).astype(np.float64) 93 | mse = mean_squared_error(Sentiment_Test, Sentiment_Predict) 94 | 95 | print("Sentiment_data\'s mean_absolute_error:", mean_absolute_error(Sentiment_Test, Sentiment_Predict)) 96 | print("Sentiment_data\'s mean_squared_error:", mean_squared_error(Sentiment_Test, Sentiment_Predict)) 97 | print("Sentiment_data\'s rmse:", sqrt(mean_squared_error(Sentiment_Test, Sentiment_Predict))) 98 | print("Sentiment_data\'s r2 score:", r2_score(Sentiment_Test, Sentiment_Predict)) 99 | plt.show() 100 | 101 | 102 | -------------------------------------------------------------------------------- /SVM without sentiment.py: -------------------------------------------------------------------------------- 1 | # 读取数据 2 | from math import sqrt 3 | 4 | import numpy as np 5 | import pandas as pd 6 | from keras import Sequential 7 | from keras.layers import LSTM, Dropout, Dense 8 | # from keras.losses import mean_squared_error, mean_absolute_error 9 | from keras.losses import mean_squared_error, mean_absolute_error 10 | from matplotlib import pyplot as plt 11 | from sklearn import svm 12 | from sklearn.decomposition import PCA 13 | from sklearn.metrics import r2_score 14 | from sklearn.model_selection import train_test_split 15 | from sklearn.preprocessing import MinMaxScaler 16 | 17 | ##把stock_sentiment_data中的close和sentiment交换一下 18 | from sklearn.svm import SVR 19 | 20 | stockdatawithsentiment = pd.read_csv('stock_no_sentiment_data.csv', index_col='date') 21 | stockdatawithsentiment['volume'] = [int(c.replace(",", "")) for c in stockdatawithsentiment['volume']] 22 | # print(stockdatawithsentiment) 23 | 24 | standard = MinMaxScaler() 25 | standard = standard.fit(stockdatawithsentiment) 26 | normaldata = standard.fit_transform(stockdatawithsentiment) 27 | print(normaldata[:5, :]) 28 | # 打印前5行 29 | 30 | # 将ndarray的dtype为float32，防止报错 31 | normaldata = normaldata.astype(np.float32) 32 | # 训练集:验证集=7:3 33 | X_train, X_test, Y_train, Y_test = train_test_split(normaldata[:, :-1], normaldata[:, -1], test_size=0.2, shuffle=False) 34 | 35 | print(X_train) 36 | 37 | clf = SVR() 38 | clf.fit(X_train, Y_train) 39 | Y_predict = clf.predict(X_test) 40 | print(Y_predict) 41 | 42 | def inverse_transform_single(standard, initital, colume): 43 | initital = initital.copy() 44 | initital -= standard.min_[colume] 45 | initital /= standard.scale_[colume] 46 | return initital 47 | 48 | 49 | stockdatawithsentiment = pd.read_csv('stock_no_sentiment_data.csv') 50 | col_n = stockdatawithsentiment.shape[1]-2 51 | initialY_predict = inverse_transform_single(standard, Y_predict, col_n) 52 | initialY_Test = inverse_transform_single(standard, Y_test, col_n) 53 | initialY_train = inverse_transform_single(standard, Y_train, col_n) 54 | 55 | 56 | Y_train_length = initialY_train .shape[0] 57 | Y_length = Y_train_length+initialY_predict.shape[0] 58 | plt.plot(initialY_Test, color='b', label='Sample') 59 | plt.plot(initialY_predict, color='r', label='Predict') 60 | 61 | # ax=plt.gca() #gca:get current axis得到当前轴 62 | # #设置图片的右边框和上边框为不显示 63 | # ax.spines['right'].set_color('none') 64 | # ax.spines['top'].set_color('none') 65 | 66 | # plt.title('Stock Price Prediction without Sentiment -LSTM') 67 | # plt.legend(loc='lower') 68 | plt.legend(bbox_to_anchor=(0.5, -0.15), loc=8, ncol=2, frameon=False)# borderaxespad=0 69 | # plt.xlabel('Time Point') 70 | # plt.ylabel('Close') 71 | plt.savefig("picture/SVM无.png", dpi=500, bbox_inches='tight') # 解决图片不清晰，不完整的问题 72 | 73 | 74 | # 真实曲线绘制 75 | # plt.plot(np.concatenate([initialY_train, initialY_Test]), color='r', label='sample') 76 | # # 预测曲线绘制 77 | # plt.plot([x for x in range(Y_train_length, Y_length)], initialY_predict, color='g', label='predict') 78 | # plt.title('SVM Prediction of Stock Prices without Sentiment') 79 | # plt.xlabel('date') 80 | # plt.ylabel('close') 81 | # plt.legend() 82 | # plt.tick_params(labelsize=8) 83 | # plt.legend() 84 | # xticks = np.arange(0, Y_length, 100) 85 | # xtick_labels = [stockdatawithsentiment['date'].values[x][2:] for x in xticks] 86 | # plt.xticks(ticks=xticks, labels=xtick_labels, rotation=25) 87 | Sentiment_Test = [int(c) for c in initialY_Test] 88 | Sentiment_Predict = [int(c) for c in initialY_predict] 89 | 90 | 91 | normaldata = normaldata.astype(np.float32) 92 | Sentiment_Test = np.array(Sentiment_Test).astype(np.float64) 93 | Sentiment_Predict = np.array(Sentiment_Predict).astype(np.float64) 94 | mse = mean_squared_error(Sentiment_Test, Sentiment_Predict) 95 | 96 | print("Sentiment_data\'s mean_absolute_error:", mean_absolute_error(Sentiment_Test, Sentiment_Predict)) 97 | print("Sentiment_data\'s mean_squared_error:", mean_squared_error(Sentiment_Test, Sentiment_Predict)) 98 | print("Sentiment_data\'s rmse:", sqrt(mean_squared_error(Sentiment_Test, Sentiment_Predict))) 99 | print("Sentiment_data\'s r2 score:", r2_score(Sentiment_Test, Sentiment_Predict)) 100 | plt.show() 101 | 102 | 103 | -------------------------------------------------------------------------------- /LSTM with sentiment.py: -------------------------------------------------------------------------------- 1 | # 读取数据 2 | from math import sqrt 3 | 4 | import numpy as np 5 | import pandas as pd 6 | from keras import Sequential 7 | from keras.layers import LSTM, Dropout, Dense 8 | from keras.losses import mean_squared_error, mean_absolute_error 9 | from matplotlib import pyplot as plt 10 | from sklearn.metrics import r2_score 11 | from sklearn.model_selection import train_test_split 12 | from sklearn.preprocessing import MinMaxScaler 13 | 14 | ##把stock_sentiment_data中的close和sentiment交换一下 15 | 16 | stockdatawithsentiment = pd.read_csv('+-stock_sentiment_data.csv', index_col='date') 17 | 18 | stockdatawithsentiment['volume'] = [int(c.replace(",", "")) for c in stockdatawithsentiment['volume']] 19 | # print(stockdatawithsentiment) 20 | 21 | standard = MinMaxScaler() 22 | standard = standard.fit(stockdatawithsentiment) 23 | normaldata = standard.fit_transform(stockdatawithsentiment) 24 | print(normaldata[:5, :]) 25 | # 打印前5行 26 | 27 | # 将ndarray的dtype为float32，防止报错 28 | normaldata = normaldata.astype(np.float32) 29 | # 训练集:验证集=7:3 30 | X_train, X_test, Y_train, Y_test = train_test_split(normaldata[:, :-1], normaldata[:, -1], test_size=0.2, shuffle=False) 31 | 32 | # reshape input to be 3D [samples, timesteps, features] 33 | X_train = X_train.reshape((X_train.shape[0], 1, X_train.shape[1])) 34 | X_test = X_test.reshape((X_test.shape[0], 1, X_test.shape[1])) 35 | 36 | LSTM = Sequential() 37 | LSTM.add(Dense(64, input_shape=(X_train.shape[1], X_train.shape[2]))) 38 | LSTM.add(Dropout(0.4)) 39 | LSTM.add(Dense(1, activation='relu')) 40 | 41 | LSTM.compile(loss='mse', optimizer='adam') 42 | train_predict = LSTM.fit(X_train, Y_train, epochs=50, batch_size=30, validation_data=(X_test, Y_test), shuffle=False, verbose=0) 43 | 44 | def inverse_transform_single(standard, initital, colume): 45 | initital = initital.copy() 46 | initital -= standard.min_[colume] 47 | initital /= standard.scale_[colume] 48 | return initital 49 | 50 | Y_predict = LSTM.predict(X_test)[:,0] 51 | 52 | stockdatawithsentiment = pd.read_csv('+-stock_sentiment_data.csv') 53 | col_n = stockdatawithsentiment.shape[1]-2 54 | initialY_predict = inverse_transform_single(standard, Y_predict, col_n) 55 | initialY_Test = inverse_transform_single(standard, Y_test, col_n) 56 | initialY_train = inverse_transform_single(standard, Y_train, col_n) 57 | 58 | Y_train_length = initialY_train .shape[0] 59 | Y_length = Y_train_length+initialY_predict.shape[0] 60 | plt.plot(initialY_Test, color='b', label='Sample') 61 | plt.plot(initialY_predict, color='r', label='Predict') 62 | 63 | # ax=plt.gca() #gca:get current axis得到当前轴 64 | # #设置图片的右边框和上边框为不显示 65 | # ax.spines['right'].set_color('none') 66 | # ax.spines['top'].set_color('none') 67 | 68 | # plt.title('Stock Price Prediction without Sentiment -LSTM') 69 | # plt.legend(loc='lower') 70 | plt.legend(bbox_to_anchor=(0.5, -0.15), loc=8, ncol=2, frameon=False)# borderaxespad=0 71 | # plt.xlabel('Time Point') 72 | # plt.ylabel('Close') 73 | # plt.savefig("picture/LSTM有1.png", dpi=500, bbox_inches='tight') # 解决图片不清晰，不完整的问题 74 | 75 | 76 | Sentiment_Test = [int(c) for c in initialY_Test] 77 | Sentiment_Predict = [int(c) for c in initialY_predict] 78 | normaldata = normaldata.astype(np.float32) 79 | Sentiment_Test = np.array(Sentiment_Test).astype(np.float64) 80 | Sentiment_Predict = np.array(Sentiment_Predict).astype(np.float64) 81 | mse = mean_squared_error(Sentiment_Test, Sentiment_Predict) 82 | 83 | print("Sentiment_data\'s mean_absolute_error:", mean_absolute_error(Sentiment_Test, Sentiment_Predict)) 84 | print("Sentiment_data\'s mean_squared_error:", mean_squared_error(Sentiment_Test, Sentiment_Predict)) 85 | print("Sentiment_data\'s rmse:", sqrt(mean_squared_error(Sentiment_Test, Sentiment_Predict))) 86 | print("Sentiment_data\'s r2 score:", r2_score(Sentiment_Test, Sentiment_Predict)) 87 | 88 | plt.show() 89 | df = [] 90 | df.append(mean_absolute_error(Sentiment_Test, Sentiment_Predict)) 91 | df.append(mean_squared_error(Sentiment_Test, Sentiment_Predict)) 92 | df.append(sqrt(mean_squared_error(Sentiment_Test, Sentiment_Predict))) 93 | df.append(r2_score(Sentiment_Test, Sentiment_Predict)) 94 | 95 | # with open('picture/LSTM_YES_Result.csv', 'w') as f: 96 | # for word in df: 97 | # f.write("%s" % word) 98 | # 99 | 100 | 101 | -------------------------------------------------------------------------------- /RNN without sentiment.py: -------------------------------------------------------------------------------- 1 | # 读取数据 2 | from math import sqrt 3 | 4 | import numpy as np 5 | import pandas as pd 6 | from keras import Sequential 7 | from keras.layers import LSTM, Dropout, Dense, SimpleRNN 8 | from keras.losses import mean_squared_error, mean_absolute_error 9 | from matplotlib import pyplot as plt 10 | from sklearn.metrics import r2_score 11 | from sklearn.model_selection import train_test_split 12 | from sklearn.preprocessing import MinMaxScaler 13 | 14 | ##把stock_sentiment_data中的close和sentiment交换一下 15 | 16 | stockdatawithsentiment = pd.read_csv('stock_no_sentiment_data.csv', index_col='date') 17 | stockdatawithsentiment['volume'] = [int(c.replace(",", "")) for c in stockdatawithsentiment['volume']] 18 | # print(stockdatawithsentiment) 19 | print(stockdatawithsentiment) 20 | 21 | standard = MinMaxScaler() 22 | standard = standard.fit(stockdatawithsentiment) 23 | normaldata = standard.fit_transform(stockdatawithsentiment) 24 | print(normaldata[:5, :]) 25 | # 打印前5行 26 | 27 | # 将ndarray的dtype为float32，防止报错 28 | normaldata = normaldata.astype(np.float32) 29 | # 训练集:验证集=7:3 30 | X_train, X_test, Y_train, Y_test = train_test_split(normaldata[:, :-1], normaldata[:, -1], test_size=0.2, shuffle=False) 31 | 32 | # reshape input to be 3D [samples, timesteps, features] 33 | X_train = X_train.reshape((X_train.shape[0], 1, X_train.shape[1])) 34 | X_test = X_test.reshape((X_test.shape[0], 1, X_test.shape[1])) 35 | 36 | RNN = Sequential() 37 | RNN.add(SimpleRNN(units=5, input_shape=(X_train.shape[1], X_train.shape[2]))) 38 | RNN.add(Dense(units=1)) 39 | RNN.compile(optimizer='adam', loss='mean_squared_error') 40 | train_predict = RNN.fit(X_train, Y_train, epochs=100, batch_size=100, validation_split=0.1) 41 | 42 | def inverse_transform_single(standard, initital, colume): 43 | initital = initital.copy() 44 | initital -= standard.min_[colume] 45 | initital /= standard.scale_[colume] 46 | return initital 47 | 48 | Y_predict = RNN.predict(X_test)[:,0] 49 | 50 | stockdatawithsentiment = pd.read_csv('stock_no_sentiment_data.csv') 51 | col_n = stockdatawithsentiment.shape[1]-2 52 | initialY_predict = inverse_transform_single(standard, Y_predict, col_n) 53 | initialY_Test = inverse_transform_single(standard, Y_test, col_n) 54 | initialY_train = inverse_transform_single(standard, Y_train, col_n) 55 | 56 | Y_train_length = initialY_train .shape[0] 57 | Y_length = Y_train_length+initialY_predict.shape[0] 58 | 59 | plt.plot(initialY_Test, color='b', label='Sample') 60 | plt.plot(initialY_predict, color='r', label='Predict') 61 | 62 | # ax=plt.gca() #gca:get current axis得到当前轴 63 | # #设置图片的右边框和上边框为不显示 64 | # ax.spines['right'].set_color('none') 65 | # ax.spines['top'].set_color('none') 66 | 67 | # plt.title('Stock Price Prediction without Sentiment -LSTM') 68 | # plt.legend(loc='lower') 69 | plt.legend(bbox_to_anchor=(0.5, -0.15), loc=8, ncol=2, frameon=False)# borderaxespad=0 70 | # plt.xlabel('Time Point') 71 | # plt.ylabel('Close') 72 | plt.savefig("picture/RNN无.png", dpi=500, bbox_inches='tight') # 解决图片不清晰，不完整的问题 73 | 74 | 75 | # plt.legend(frameon=False) 76 | 77 | # plt.plot(np.concatenate([initialY_train, initialY_Test]), color='r', label='sample') 78 | # plt.plot([x for x in range(Y_train_length, Y_length)], initialY_predict, color='g', label='predict') 79 | # plt.title('Stock Prices Prediction without Sentiment - RNN') 80 | # plt.xlabel('date') 81 | # plt.ylabel('close') 82 | # plt.legend() 83 | # plt.tick_params(labelsize=8) 84 | # 85 | # xticks = np.arange(0, Y_length, 100) 86 | # xtick_labels = [stockdatawithsentiment['date'].values[x][2:] for x in xticks] 87 | # plt.xticks(ticks=xticks, labels=xtick_labels, rotation=25) 88 | 89 | Sentiment_Test = [int(c) for c in initialY_Test] 90 | Sentiment_Predict = [int(c) for c in initialY_predict] 91 | normaldata = normaldata.astype(np.float32) 92 | Sentiment_Test = np.array(Sentiment_Test).astype(np.float64) 93 | Sentiment_Predict = np.array(Sentiment_Predict).astype(np.float64) 94 | mse = mean_squared_error(Sentiment_Test, Sentiment_Predict) 95 | 96 | print("Sentiment_data\'s mean_absolute_error:", mean_absolute_error(Sentiment_Test, Sentiment_Predict)) 97 | print("Sentiment_data\'s mean_squared_error:", mean_squared_error(Sentiment_Test, Sentiment_Predict)) 98 | print("Sentiment_data\'s rmse:", sqrt(mean_squared_error(Sentiment_Test, Sentiment_Predict))) 99 | print("Sentiment_data\'s r2 score:", r2_score(Sentiment_Test, Sentiment_Predict)) 100 | plt.show() 101 | 102 | 103 | -------------------------------------------------------------------------------- /project_data/stopwords.txt: -------------------------------------------------------------------------------- 1 | 打开天窗说亮话 2 | 到目前为止 3 | 赶早不赶晚 4 | 常言说得好 5 | 何乐而不为 6 | 毫无保留地 7 | 由此可见 8 | 这就是说 9 | 这么点儿 10 | 综上所述 11 | 总的来看 12 | 总的来说 13 | 总的说来 14 | 总而言之 15 | 相对而言 16 | 除此之外 17 | 反过来说 18 | 恰恰相反 19 | 如上所述 20 | 换句话说 21 | 具体地说 22 | 具体说来 23 | 另一方面 24 | 与此同时 25 | 一则通过 26 | 毫无例外 27 | 不然的话 28 | 从此以后 29 | 从古到今 30 | 从古至今 31 | 从今以后 32 | 大张旗鼓 33 | 从无到有 34 | 从早到晚 35 | 弹指之间 36 | 不亦乐乎 37 | 不知不觉 38 | 不止一次 39 | 不择手段 40 | 不可开交 41 | 不可抗拒 42 | 不仅仅是 43 | 不管怎样 44 | 挨家挨户 45 | 长此下去 46 | 长话短说 47 | 除此而外 48 | 除此以外 49 | 除此之外 50 | 得天独厚 51 | 川流不息 52 | 长期以来 53 | 挨门挨户 54 | 挨门逐户 55 | 多多少少 56 | 多多益善 57 | 二话不说 58 | 更进一步 59 | 二话没说 60 | 分期分批 61 | 风雨无阻 62 | 归根到底 63 | 归根结底 64 | 反之亦然 65 | 大面儿上 66 | 倒不如说 67 | 成年累月 68 | 换句话说 69 | 或多或少 70 | 简而言之 71 | 接连不断 72 | 尽如人意 73 | 尽心竭力 74 | 尽心尽力 75 | 尽管如此 76 | 据我所知 77 | 具体地说 78 | 具体来说 79 | 具体说来 80 | 近几年来 81 | 每时每刻 82 | 屡次三番 83 | 三番两次 84 | 三番五次 85 | 三天两头 86 | 另一方面 87 | 老老实实 88 | 年复一年 89 | 恰恰相反 90 | 顷刻之间 91 | 穷年累月 92 | 千万千万 93 | 日复一日 94 | 如此等等 95 | 如前所述 96 | 如上所述 97 | 一方面 98 | 切不可 99 | 顷刻间 100 | 全身心 101 | 另方面 102 | 另一个 103 | 猛然间 104 | 默默地 105 | 就是说 106 | 近年来 107 | 尽可能 108 | 接下来 109 | 简言之 110 | 急匆匆 111 | 即是说 112 | 基本上 113 | 换言之 114 | 充其极 115 | 充其量 116 | 暗地里 117 | 反之则 118 | 比如说 119 | 背地里 120 | 背靠背 121 | 并没有 122 | 不得不 123 | 不得了 124 | 不得已 125 | 不仅仅 126 | 不经意 127 | 不能不 128 | 不外乎 129 | 不由得 130 | 不怎么 131 | 不至于 132 | 策略地 133 | 差不多 134 | 常言道 135 | 常言说 136 | 多年来 137 | 多年前 138 | 差一点 139 | 敞开儿 140 | 抽冷子 141 | 大不了 142 | 反倒是 143 | 反过来 144 | 大体上 145 | 当口儿 146 | 倒不如 147 | 怪不得 148 | 动不动 149 | 看起来 150 | 看上去 151 | 看样子 152 | 够瞧的 153 | 到了儿 154 | 呆呆地 155 | 来不及 156 | 来得及 157 | 到头来 158 | 连日来 159 | 于是乎 160 | 为什么 161 | 这会儿 162 | 换言之 163 | 那会儿 164 | 那么些 165 | 那么样 166 | 什么样 167 | 反过来 168 | 紧接着 169 | 就是说 170 | 要不然 171 | 要不是 172 | 一方面 173 | 以至于 174 | 自个儿 175 | 自各儿 176 | 之所以 177 | 这么些 178 | 这么样 179 | 怎么办 180 | 怎么样 181 | 谁知 182 | 顺着 183 | 似的 184 | 虽然 185 | 虽说 186 | 虽则 187 | 随着 188 | 所以 189 | 他们 190 | 他人 191 | 它们 192 | 她们 193 | 倘或 194 | 倘然 195 | 倘若 196 | 倘使 197 | 要么 198 | 要是 199 | 也罢 200 | 也好 201 | 以便 202 | 依照 203 | 以及 204 | 以免 205 | 以至 206 | 以致 207 | 抑或 208 | 因此 209 | 因而 210 | 因为 211 | 由于 212 | 有的 213 | 有关 214 | 有些 215 | 于是 216 | 与否 217 | 与其 218 | 越是 219 | 云云 220 | 一般 221 | 一旦 222 | 一来 223 | 一切 224 | 一样 225 | 同时 226 | 万一 227 | 为何 228 | 为了 229 | 为着 230 | 嗡嗡 231 | 我们 232 | 呜呼 233 | 乌乎 234 | 无论 235 | 无宁 236 | 沿着 237 | 毋宁 238 | 向着 239 | 照着 240 | 怎么 241 | 咱们 242 | 在下 243 | 再说 244 | 再者 245 | 怎样 246 | 这边 247 | 这儿 248 | 这个 249 | 这里 250 | 这么 251 | 这时 252 | 这些 253 | 这样 254 | 正如 255 | 之类 256 | 之一 257 | 只是 258 | 只限 259 | 只要 260 | 只有 261 | 至于 262 | 诸位 263 | 着呢 264 | 纵令 265 | 纵然 266 | 纵使 267 | 遵照 268 | 作为 269 | 喔唷 270 | 自从 271 | 自己 272 | 自家 273 | 自身 274 | 总之 275 | 要不 276 | 哎呀 277 | 哎哟 278 | 俺们 279 | 按照 280 | 吧哒 281 | 罢了 282 | 本着 283 | 比方 284 | 比如 285 | 鄙人 286 | 彼此 287 | 别的 288 | 别说 289 | 并且 290 | 不比 291 | 不成 292 | 不单 293 | 不但 294 | 不独 295 | 不管 296 | 不光 297 | 不过 298 | 不仅 299 | 不拘 300 | 不论 301 | 不怕 302 | 不然 303 | 不如 304 | 不特 305 | 不惟 306 | 不问 307 | 不只 308 | 朝着 309 | 趁着 310 | 除非 311 | 除了 312 | 此间 313 | 此外 314 | 从而 315 | 但是 316 | 当着 317 | 的话 318 | 等等 319 | 叮咚 320 | 对于 321 | 多少 322 | 而况 323 | 而且 324 | 而是 325 | 而外 326 | 而言 327 | 而已 328 | 尔后 329 | 反之 330 | 非但 331 | 非徒 332 | 否则 333 | 嘎登 334 | 各个 335 | 各位 336 | 各种 337 | 各自 338 | 根据 339 | 故此 340 | 固然 341 | 关于 342 | 果然 343 | 果真 344 | 哈哈 345 | 何处 346 | 何况 347 | 何时 348 | 哼唷 349 | 呼哧 350 | 还是 351 | 还有 352 | 或是 353 | 或者 354 | 极了 355 | 及其 356 | 及至 357 | 即便 358 | 即或 359 | 即令 360 | 即若 361 | 即使 362 | 既然 363 | 既是 364 | 继而 365 | 加之 366 | 假如 367 | 假若 368 | 假使 369 | 鉴于 370 | 几时 371 | 较之 372 | 接着 373 | 结果 374 | 进而 375 | 尽管 376 | 经过 377 | 就是 378 | 可见 379 | 可是 380 | 可以 381 | 况且 382 | 开始 383 | 开外 384 | 来着 385 | 例如 386 | 连同 387 | 两者 388 | 另外 389 | 慢说 390 | 漫说 391 | 每当 392 | 莫若 393 | 某个 394 | 某些 395 | 哪边 396 | 哪儿 397 | 哪个 398 | 哪里 399 | 哪年 400 | 哪怕 401 | 哪天 402 | 哪些 403 | 哪样 404 | 那边 405 | 那儿 406 | 那个 407 | 那里 408 | 那么 409 | 那时 410 | 那些 411 | 那样 412 | 乃至 413 | 宁可 414 | 宁肯 415 | 宁愿 416 | 你们 417 | 啪达 418 | 旁人 419 | 凭借 420 | 其次 421 | 其二 422 | 其他 423 | 其它 424 | 其一 425 | 其余 426 | 其中 427 | 起见 428 | 起见 429 | 岂但 430 | 前后 431 | 前者 432 | 然而 433 | 然后 434 | 然则 435 | 人家 436 | 任何 437 | 任凭 438 | 如此 439 | 如果 440 | 如何 441 | 如其 442 | 如若 443 | 若非 444 | 若是 445 | 上下 446 | 尚且 447 | 设若 448 | 设使 449 | 甚而 450 | 甚么 451 | 甚至 452 | 省得 453 | 时候 454 | 什么 455 | 使得 456 | 是的 457 | 首先 458 | 首先 459 | 其次 460 | 再次 461 | 最后 462 | 您们 463 | 它们 464 | 她们 465 | 他们 466 | 我们 467 | 你是 468 | 您是 469 | 我是 470 | 他是 471 | 她是 472 | 它是 473 | 不是 474 | 你们 475 | 啊哈 476 | 啊呀 477 | 啊哟 478 | 挨次 479 | 挨个 480 | 挨着 481 | 哎呀 482 | 哎哟 483 | 俺们 484 | 按理 485 | 按期 486 | 默然 487 | 按时 488 | 按说 489 | 按照 490 | 暗中 491 | 暗自 492 | 昂然 493 | 八成 494 | 倍感 495 | 倍加 496 | 本人 497 | 本身 498 | 本着 499 | 并非 500 | 别人 501 | 必定 502 | 比起 503 | 比如 504 | 比照 505 | 鄙人 506 | 毕竟 507 | 必将 508 | 必须 509 | 并肩 510 | 并没 511 | 并排 512 | 并且 513 | 并无 514 | 勃然 515 | 不必 516 | 不常 517 | 不大 518 | 不单 519 | 不但 520 | 而且 521 | 不得 522 | 不迭 523 | 不定 524 | 不独 525 | 不对 526 | 不妨 527 | 不管 528 | 不光 529 | 不过 530 | 不会 531 | 不仅 532 | 不拘 533 | 不力 534 | 不了 535 | 不料 536 | 不论 537 | 不满 538 | 不免 539 | 不起 540 | 不巧 541 | 不然 542 | 不日 543 | 不少 544 | 不胜 545 | 不时 546 | 不是 547 | 不同 548 | 不能 549 | 不要 550 | 不外 551 | 不下 552 | 不限 553 | 不消 554 | 不已 555 | 不再 556 | 不曾 557 | 不止 558 | 不只 559 | 才能 560 | 彻夜 561 | 趁便 562 | 趁机 563 | 趁热 564 | 趁势 565 | 趁早 566 | 趁着 567 | 成心 568 | 乘机 569 | 乘势 570 | 乘隙 571 | 乘虚 572 | 诚然 573 | 迟早 574 | 充分 575 | 出来 576 | 出去 577 | 除此 578 | 除非 579 | 除开 580 | 除了 581 | 除去 582 | 除却 583 | 除外 584 | 处处 585 | 传说 586 | 传闻 587 | 纯粹 588 | 此后 589 | 此间 590 | 此外 591 | 此中 592 | 次第 593 | 匆匆 594 | 从不 595 | 从此 596 | 从而 597 | 从宽 598 | 从来 599 | 从轻 600 | 从速 601 | 从头 602 | 从未 603 | 从小 604 | 从新 605 | 从严 606 | 从优 607 | 从中 608 | 从重 609 | 凑巧 610 | 存心 611 | 达旦 612 | 打从 613 | 大大 614 | 大抵 615 | 大都 616 | 大多 617 | 大凡 618 | 大概 619 | 大家 620 | 大举 621 | 大略 622 | 大约 623 | 大致 624 | 待到 625 | 单纯 626 | 单单 627 | 但是 628 | 但愿 629 | 当场 630 | 当儿 631 | 当即 632 | 当然 633 | 当庭 634 | 当头 635 | 当下 636 | 当真 637 | 当中 638 | 当着 639 | 倒是 640 | 到处 641 | 到底 642 | 到头 643 | 得起 644 | 的话 645 | 的确 646 | 等到 647 | 等等 648 | 顶多 649 | 动辄 650 | 陡然 651 | 独自 652 | 断然 653 | 对于 654 | 顿时 655 | 多次 656 | 多多 657 | 多亏 658 | 而后 659 | 而论 660 | 而且 661 | 而是 662 | 而外 663 | 而言 664 | 而已 665 | 而又 666 | 尔等 667 | 反倒 668 | 反而 669 | 反手 670 | 反之 671 | 方才 672 | 方能 673 | 非常 674 | 非但 675 | 非得 676 | 分头 677 | 奋勇 678 | 愤然 679 | 更为 680 | 更加 681 | 根据 682 | 个人 683 | 各式 684 | 刚才 685 | 敢情 686 | 该当 687 | 嘎嘎 688 | 否则 689 | 赶快 690 | 敢于 691 | 刚好 692 | 刚巧 693 | 高低 694 | 格外 695 | 隔日 696 | 隔夜 697 | 公然 698 | 过于 699 | 果然 700 | 果真 701 | 光是 702 | 关于 703 | 共总 704 | 姑且 705 | 故此 706 | 故而 707 | 故意 708 | 固然 709 | 惯常 710 | 毫不 711 | 毫无 712 | 很多 713 | 何须 714 | 好在 715 | 何必 716 | 何尝 717 | 何妨 718 | 何苦 719 | 何况 720 | 何止 721 | 很少 722 | 轰然 723 | 后来 724 | 呼啦 725 | 哗啦 726 | 互相 727 | 忽地 728 | 忽然 729 | 话说 730 | 或是 731 | 伙同 732 | 豁然 733 | 恍然 734 | 还是 735 | 或许 736 | 或者 737 | 基本 738 | 基于 739 | 极大 740 | 极度 741 | 极端 742 | 极力 743 | 极其 744 | 极为 745 | 即便 746 | 即将 747 | 及其 748 | 及至 749 | 即刻 750 | 即令 751 | 即使 752 | 几度 753 | 几番 754 | 几乎 755 | 几经 756 | 既然 757 | 继而 758 | 继之 759 | 加上 760 | 加以 761 | 加之 762 | 假如 763 | 假若 764 | 假使 765 | 间或 766 | 将才 767 | 简直 768 | 鉴于 769 | 将近 770 | 将要 771 | 交口 772 | 较比 773 | 较为 774 | 较之 775 | 皆可 776 | 截然 777 | 截至 778 | 藉以 779 | 借此 780 | 借以 781 | 届时 782 | 尽快 783 | 近来 784 | 进而 785 | 进来 786 | 进去 787 | 尽管 788 | 尽量 789 | 尽然 790 | 就算 791 | 居然 792 | 就此 793 | 就地 794 | 竟然 795 | 究竟 796 | 经常 797 | 尽早 798 | 精光 799 | 经过 800 | 就是 801 | 局外 802 | 举凡 803 | 据称 804 | 据此 805 | 据实 806 | 据说 807 | 可好 808 | 看来 809 | 开外 810 | 绝不 811 | 决不 812 | 据悉 813 | 决非 814 | 绝顶 815 | 绝对 816 | 绝非 817 | 可见 818 | 可能 819 | 可是 820 | 可以 821 | 恐怕 822 | 来讲 823 | 来看 824 | 快要 825 | 况且 826 | 拦腰 827 | 牢牢 828 | 老是 829 | 累次 830 | 累年 831 | 理当 832 | 理该 833 | 理应 834 | 例如 835 | 立地 836 | 立刻 837 | 立马 838 | 立时 839 | 联袂 840 | 连连 841 | 连日 842 | 路经 843 | 临到 844 | 连声 845 | 连同 846 | 连袂 847 | 另外 848 | 另行 849 | 屡次 850 | 屡屡 851 | 缕缕 852 | 率尔 853 | 率然 854 | 略加 855 | 略微 856 | 略为 857 | 论说 858 | 马上 859 | 猛然 860 | 没有 861 | 每当 862 | 每逢 863 | 每每 864 | 莫不 865 | 莫非 866 | 莫如 867 | 莫若 868 | 哪怕 869 | 那么 870 | 那末 871 | 那些 872 | 乃至 873 | 难道 874 | 难得 875 | 难怪 876 | 难说 877 | 你们 878 | 凝神 879 | 宁可 880 | 宁肯 881 | 宁愿 882 | 偶而 883 | 偶尔 884 | 碰巧 885 | 譬如 886 | 偏偏 887 | 平素 888 | 迫于 889 | 扑通 890 | 其次 891 | 其后 892 | 其实 893 | 其它 894 | 起初 895 | 起来 896 | 起首 897 | 起头 898 | 起先 899 | 岂但 900 | 岂非 901 | 岂止 902 | 恰逢 903 | 恰好 904 | 恰恰 905 | 恰巧 906 | 恰如 907 | 恰似 908 | 前后 909 | 前者 910 | 切莫 911 | 切切 912 | 切勿 913 | 亲口 914 | 亲身 915 | 亲手 916 | 亲眼 917 | 亲自 918 | 顷刻 919 | 请勿 920 | 取道 921 | 权时 922 | 全都 923 | 全力 924 | 全年 925 | 全然 926 | 然而 927 | 然后 928 | 人家 929 | 人人 930 | 仍旧 931 | 仍然 932 | 日见 933 | 日渐 934 | 日益 935 | 日臻 936 | 如常 937 | 如次 938 | 如果 939 | 如今 940 | 如期 941 | 如若 942 | 如上 943 | 如下 944 | 上来 945 | 上去 946 | 瑟瑟 947 | 沙沙 948 | 啊 949 | 哎 950 | 唉 951 | 俺 952 | 按 953 | 吧 954 | 把 955 | 甭 956 | 别 957 | 嘿 958 | 很 959 | 乎 960 | 会 961 | 或 962 | 既 963 | 及 964 | 啦 965 | 了 966 | 们 967 | 你 968 | 您 969 | 哦 970 | 砰 971 | 啊 972 | 你 973 | 我 974 | 他 975 | 她 976 | 它 977 | ——— 978 | 》）， 979 | ）÷（１－ 980 | ”， 981 | ）、 982 | ＝（ 983 | : 984 | → 985 | ℃ 986 | & 987 | * 988 | 一一 989 | ~~~~ 990 | ’ 991 | . 992 | 『 993 | .一 994 | ./ 995 | -- 996 | 』 997 | ＝″ 998 | 【 999 | ［＊］ 1000 | ｝＞ 1001 | ［⑤］］ 1002 | ［①Ｄ］ 1003 | ｃ］ 1004 | ｎｇ昉 1005 | ＊ 1006 | // 1007 | ［ 1008 | ］ 1009 | ［②ｅ］ 1010 | ［②ｇ］ 1011 | ＝｛ 1012 | } 1013 | ，也 1014 | ‘ 1015 | Ａ 1016 | ［①⑥］ 1017 | ［②Ｂ］ 1018 | ［①ａ］ 1019 | ［④ａ］ 1020 | ［①③］ 1021 | ［③ｈ］ 1022 | ③］ 1023 | １． 1024 | －－ 1025 | ［②ｂ］ 1026 | ’‘ 1027 | ××× 1028 | ［①⑧］ 1029 | ０：２ 1030 | ＝［ 1031 | ［⑤ｂ］ 1032 | ［②ｃ］ 1033 | ［④ｂ］ 1034 | ［②③］ 1035 | ［③ａ］ 1036 | ［④ｃ］ 1037 | ［①⑤］ 1038 | ［①⑦］ 1039 | ［①ｇ］ 1040 | ∈［ 1041 | ［①⑨］ 1042 | ［①④］ 1043 | ［①ｃ］ 1044 | ［②ｆ］ 1045 | ［②⑧］ 1046 | ［②①］ 1047 | ［①Ｃ］ 1048 | ［③ｃ］ 1049 | ［③ｇ］ 1050 | ［②⑤］ 1051 | ［②②］ 1052 | 一. 1053 | ［①ｈ］ 1054 | .数 1055 | ［］ 1056 | ［①Ｂ］ 1057 | 数/ 1058 | ［①ｉ］ 1059 | ［③ｅ］ 1060 | ［①①］ 1061 | ［④ｄ］ 1062 | ［④ｅ］ 1063 | ［③ｂ］ 1064 | ［⑤ａ］ 1065 | ［①Ａ］ 1066 | ［②⑧］ 1067 | ［②⑦］ 1068 | ［①ｄ］ 1069 | ［②ｊ］ 1070 | 〕〔 1071 | ］［ 1072 | :// 1073 | ′∈ 1074 | ［②④ 1075 | ［⑤ｅ］ 1076 | １２％ 1077 | ｂ］ 1078 | ... 1079 | ................... 1080 | …………………………………………………③ 1081 | ＺＸＦＩＴＬ 1082 | ［③Ｆ］ 1083 | 」 1084 | ［①ｏ］ 1085 | ］∧′＝［ 1086 | ∪φ∈ 1087 | ′｜ 1088 | ｛－ 1089 | ②ｃ 1090 | ｝ 1091 | ［③①］ 1092 | Ｒ．Ｌ． 1093 | ［①Ｅ］ 1094 | Ψ 1095 | －［＊］－ 1096 | ↑ 1097 | .日 1098 | ［②ｄ］ 1099 | ［② 1100 | ［②⑦］ 1101 | ［②②］ 1102 | ［③ｅ］ 1103 | ［①ｉ］ 1104 | ［①Ｂ］ 1105 | ［①ｈ］ 1106 | ［①ｄ］ 1107 | ［①ｇ］ 1108 | ［①②］ 1109 | ［②ａ］ 1110 | ｆ］ 1111 | ［⑩］ 1112 | ａ］ 1113 | ［①ｅ］ 1114 | ［②ｈ］ 1115 | ［②⑥］ 1116 | ［③ｄ］ 1117 | ［②⑩］ 1118 | ｅ］ 1119 | 〉 1120 | 】 1121 | 元／吨 1122 | ［②⑩］ 1123 | ２．３％ 1124 | ５：０ 1125 | ［①］ 1126 | :: 1127 | ［②］ 1128 | ［③］ 1129 | ［④］ 1130 | ［⑤］ 1131 | ［⑥］ 1132 | ［⑦］ 1133 | ［⑧］ 1134 | ［⑨］ 1135 | …… 1136 | —— 1137 | ? 1138 | 、 1139 | 。 1140 | “ 1141 | ” 1142 | 《 1143 | 》 1144 | ！ 1145 | ， 1146 | ： 1147 | ； 1148 | ？ 1149 | ． 1150 | , 1151 | ． 1152 | ' 1153 | ? 1154 | · 1155 | ——— 1156 | ── 1157 | ? 1158 | — 1159 | < 1160 | > 1161 | （ 1162 | ） 1163 | 〔 1164 | 〕 1165 | [ 1166 | ] 1167 | ( 1168 | ) 1169 | - 1170 | + 1171 | ～ 1172 | × 1173 | ／ 1174 | / 1175 | ① 1176 | ② 1177 | ③ 1178 | ④ 1179 | ⑤ 1180 | ⑥ 1181 | ⑦ 1182 | ⑧ 1183 | ⑨ 1184 | ⑩ 1185 | Ⅲ 1186 | В 1187 | " 1188 | ; 1189 | # 1190 | @ 1191 | γ 1192 | μ 1193 | φ 1194 | φ． 1195 | × 1196 | Δ 1197 | ■ 1198 | ▲ 1199 | sub 1200 | exp 1201 | sup 1202 | sub 1203 | Lex 1204 | ＃ 1205 | ％ 1206 | ＆ 1207 | ＇ 1208 | ＋ 1209 | ＋ξ 1210 | ＋＋ 1211 | － 1212 | －β 1213 | ＜ 1214 | ＜± 1215 | ＜Δ 1216 | ＜λ 1217 | ＜φ 1218 | ＜＜ 1219 | = 1220 | ＝ 1221 | ＝☆ 1222 | ＝－ 1223 | ＞ 1224 | ＞λ 1225 | ＿ 1226 | ～± 1227 | ～＋ 1228 | ［⑤ｆ］ 1229 | ［⑤ｄ］ 1230 | ［②ｉ］ 1231 | ≈ 1232 | ［②Ｇ］ 1233 | ［①ｆ］ 1234 | ＬＩ 1235 | ㈧ 1236 | ［－ 1237 | ...... 1238 | 〉 1239 | ［③⑩］ 1240 | 第二 1241 | 一番 1242 | 一直 1243 | 一个 1244 | 一些 1245 | 许多 1246 | 种 1247 | 有的是 1248 | 也就是说 1249 | 末##末 1250 | 啊 1251 | 阿 1252 | 哎 1253 | 哎呀 1254 | 哎哟 1255 | 唉 1256 | 俺 1257 | 俺们 1258 | 按 1259 | 按照 1260 | 吧 1261 | 吧哒 1262 | 把 1263 | 罢了 1264 | 被 1265 | 本 1266 | 本着 1267 | 比 1268 | 比方 1269 | 比如 1270 | 鄙人 1271 | 彼 1272 | 彼此 1273 | 边 1274 | 别 1275 | 别的 1276 | 别说 1277 | 并 1278 | 并且 1279 | 不比 1280 | 不成 1281 | 不单 1282 | 不但 1283 | 不独 1284 | 不管 1285 | 不光 1286 | 不过 1287 | 不仅 1288 | 不拘 1289 | 不论 1290 | 不怕 1291 | 不然 1292 | 不如 1293 | 不特 1294 | 不惟 1295 | 不问 1296 | 不只 1297 | 朝 1298 | 朝着 1299 | 趁 1300 | 趁着 1301 | 乘 1302 | 冲 1303 | 除 1304 | 除此之外 1305 | 除非 1306 | 除了 1307 | 此 1308 | 此间 1309 | 此外 1310 | 从 1311 | 从而 1312 | 打 1313 | 待 1314 | 但 1315 | 但是 1316 | 当 1317 | 当着 1318 | 到 1319 | 得 1320 | 的 1321 | 的话 1322 | 等 1323 | 等等 1324 | 地 1325 | 第 1326 | 叮咚 1327 | 对 1328 | 对于 1329 | 多 1330 | 多少 1331 | 而 1332 | 而况 1333 | 而且 1334 | 而是 1335 | 而外 1336 | 而言 1337 | 而已 1338 | 尔后 1339 | 反过来 1340 | 反过来说 1341 | 反之 1342 | 非但 1343 | 非徒 1344 | 否则 1345 | 嘎 1346 | 嘎登 1347 | 该 1348 | 赶 1349 | 个 1350 | 各 1351 | 各个 1352 | 各位 1353 | 各种 1354 | 各自 1355 | 给 1356 | 根据 1357 | 跟 1358 | 故 1359 | 故此 1360 | 固然 1361 | 关于 1362 | 管 1363 | 归 1364 | 果然 1365 | 果真 1366 | 过 1367 | 哈 1368 | 哈哈 1369 | 呵 1370 | 和 1371 | 何 1372 | 何处 1373 | 何况 1374 | 何时 1375 | 嘿 1376 | 哼 1377 | 哼唷 1378 | 呼哧 1379 | 乎 1380 | 哗 1381 | 还是 1382 | 还有 1383 | 换句话说 1384 | 换言之 1385 | 或 1386 | 或是 1387 | 或者 1388 | 极了 1389 | 及 1390 | 及其 1391 | 及至 1392 | 即 1393 | 即便 1394 | 即或 1395 | 即令 1396 | 即若 1397 | 即使 1398 | 几 1399 | 几时 1400 | 己 1401 | 既 1402 | 既然 1403 | 既是 1404 | 继而 1405 | 加之 1406 | 假如 1407 | 假若 1408 | 假使 1409 | 鉴于 1410 | 将 1411 | 较 1412 | 较之 1413 | 叫 1414 | 接着 1415 | 结果 1416 | 借 1417 | 紧接着 1418 | 进而 1419 | 尽 1420 | 尽管 1421 | 经 1422 | 经过 1423 | 就 1424 | 就是 1425 | 就是说 1426 | 据 1427 | 具体地说 1428 | 具体说来 1429 | 开始 1430 | 开外 1431 | 靠 1432 | 咳 1433 | 可 1434 | 可见 1435 | 可是 1436 | 可以 1437 | 况且 1438 | 啦 1439 | 来 1440 | 来着 1441 | 离 1442 | 例如 1443 | 哩 1444 | 连 1445 | 连同 1446 | 两者 1447 | 了 1448 | 临 1449 | 另 1450 | 另外 1451 | 另一方面 1452 | 论 1453 | 嘛 1454 | 吗 1455 | 慢说 1456 | 漫说 1457 | 冒 1458 | 么 1459 | 每 1460 | 每当 1461 | 们 1462 | 莫若 1463 | 某 1464 | 某个 1465 | 某些 1466 | 拿 1467 | 哪 1468 | 哪边 1469 | 哪儿 1470 | 哪个 1471 | 哪里 1472 | 哪年 1473 | 哪怕 1474 | 哪天 1475 | 哪些 1476 | 哪样 1477 | 那 1478 | 那边 1479 | 那儿 1480 | 那个 1481 | 那会儿 1482 | 那里 1483 | 那么 1484 | 那么些 1485 | 那么样 1486 | 那时 1487 | 那些 1488 | 那样 1489 | 乃 1490 | 乃至 1491 | 呢 1492 | 能 1493 | 你 1494 | 你们 1495 | 您 1496 | 宁 1497 | 宁可 1498 | 宁肯 1499 | 宁愿 1500 | 哦 1501 | 呕 1502 | 啪达 1503 | 旁人 1504 | 呸 1505 | 凭 1506 | 凭借 1507 | 其 1508 | 其次 1509 | 其二 1510 | 其他 1511 | 其它 1512 | 其一 1513 | 其余 1514 | 其中 1515 | 起 1516 | 起见 1517 | 起见 1518 | 岂但 1519 | 恰恰相反 1520 | 前后 1521 | 前者 1522 | 且 1523 | 然而 1524 | 然后 1525 | 然则 1526 | 让 1527 | 人家 1528 | 任 1529 | 任何 1530 | 任凭 1531 | 如 1532 | 如此 1533 | 如果 1534 | 如何 1535 | 如其 1536 | 如若 1537 | 如上所述 1538 | 若 1539 | 若非 1540 | 若是 1541 | 啥 1542 | 上下 1543 | 尚且 1544 | 设若 1545 | 设使 1546 | 甚而 1547 | 甚么 1548 | 甚至 1549 | 省得 1550 | 时候 1551 | 什么 1552 | 什么样 1553 | 使得 1554 | 是 1555 | 是的 1556 | 首先 1557 | 谁 1558 | 谁知 1559 | 顺 1560 | 顺着 1561 | 似的 1562 | 虽 1563 | 虽然 1564 | 虽说 1565 | 虽则 1566 | 随 1567 | 随着 1568 | 所 1569 | 所以 1570 | 他 1571 | 他们 1572 | 他人 1573 | 它 1574 | 它们 1575 | 她 1576 | 她们 1577 | 倘 1578 | 倘或 1579 | 倘然 1580 | 倘若 1581 | 倘使 1582 | 腾 1583 | 替 1584 | 通过 1585 | 同 1586 | 同时 1587 | 哇 1588 | 万一 1589 | 往 1590 | 望 1591 | 为 1592 | 为何 1593 | 为了 1594 | 为什么 1595 | 为着 1596 | 喂 1597 | 嗡嗡 1598 | 我 1599 | 我们 1600 | 呜 1601 | 呜呼 1602 | 乌乎 1603 | 无论 1604 | 无宁 1605 | 毋宁 1606 | 嘻 1607 | 吓 1608 | 相对而言 1609 | 像 1610 | 向 1611 | 向着 1612 | 嘘 1613 | 呀 1614 | 焉 1615 | 沿 1616 | 沿着 1617 | 要 1618 | 要不 1619 | 要不然 1620 | 要不是 1621 | 要么 1622 | 要是 1623 | 也 1624 | 也罢 1625 | 也好 1626 | 一 1627 | 一般 1628 | 一旦 1629 | 一方面 1630 | 一来 1631 | 一切 1632 | 一样 1633 | 一则 1634 | 依 1635 | 依照 1636 | 矣 1637 | 以 1638 | 以便 1639 | 以及 1640 | 以免 1641 | 以至 1642 | 以至于 1643 | 以致 1644 | 抑或 1645 | 因 1646 | 因此 1647 | 因而 1648 | 因为 1649 | 哟 1650 | 用 1651 | 由 1652 | 由此可见 1653 | 由于 1654 | 有 1655 | 有的 1656 | 有关 1657 | 有些 1658 | 又 1659 | 于 1660 | 于是 1661 | 于是乎 1662 | 与 1663 | 与此同时 1664 | 与否 1665 | 与其 1666 | 越是 1667 | 云云 1668 | 哉 1669 | 再说 1670 | 再者 1671 | 在 1672 | 在下 1673 | 咱 1674 | 咱们 1675 | 则 1676 | 怎 1677 | 怎么 1678 | 怎么办 1679 | 怎么样 1680 | 怎样 1681 | 咋 1682 | 照 1683 | 照着 1684 | 者 1685 | 这 1686 | 这边 1687 | 这儿 1688 | 这个 1689 | 这会儿 1690 | 这就是说 1691 | 这里 1692 | 这么 1693 | 这么点儿 1694 | 这么些 1695 | 这么样 1696 | 这时 1697 | 这些 1698 | 这样 1699 | 正如 1700 | 吱 1701 | 之 1702 | 之类 1703 | 之所以 1704 | 之一 1705 | 只是 1706 | 只限 1707 | 只要 1708 | 只有 1709 | 至 1710 | 至于 1711 | 诸位 1712 | 着 1713 | 着呢 1714 | 自 1715 | 自从 1716 | 自个儿 1717 | 自各儿 1718 | 自己 1719 | 自家 1720 | 自身 1721 | 综上所述 1722 | 总的来看 1723 | 总的来说 1724 | 总的说来 1725 | 总而言之 1726 | 总之 1727 | 纵 1728 | 纵令 1729 | 纵然 1730 | 纵使 1731 | 遵照 1732 | 作为 1733 | 兮 1734 | 呃 1735 | 呗 1736 | 咚 1737 | 咦 1738 | 喏 1739 | 啐 1740 | 喔唷 1741 | 嗬 1742 | 嗯 1743 | 嗳 1744 | -- 1745 | ? 1746 | “ 1747 | ” 1748 | 》 1749 | －－ 1750 | 一 1751 | 一下 1752 | 一些 1753 | 一切 1754 | 一则 1755 | 一天 1756 | 一定 1757 | 一方面 1758 | 一旦 1759 | 一时 1760 | 一来 1761 | 一样 1762 | 一次 1763 | 一片 1764 | 一直 1765 | 一致 1766 | 一般 1767 | 一起 1768 | 一边 1769 | 一面 1770 | 万一 1771 | 上下 1772 | 上升 1773 | 上去 1774 | 上来 1775 | 上述 1776 | 上面 1777 | 下列 1778 | 下去 1779 | 下来 1780 | 下面 1781 | 不一 1782 | 不久 1783 | 不仅 1784 | 不会 1785 | 不但 1786 | 不光 1787 | 不单 1788 | 不变 1789 | 不只 1790 | 不可 1791 | 不同 1792 | 不够 1793 | 不如 1794 | 不得 1795 | 不怕 1796 | 不惟 1797 | 不成 1798 | 不拘 1799 | 不敢 1800 | 不断 1801 | 不是 1802 | 不比 1803 | 不然 1804 | 不特 1805 | 不独 1806 | 不管 1807 | 不能 1808 | 不要 1809 | 不论 1810 | 不足 1811 | 不过 1812 | 不问 1813 | 与 1814 | 与其 1815 | 与否 1816 | 与此同时 1817 | 专门 1818 | 且 1819 | 两者 1820 | 严格 1821 | 严重 1822 | 个 1823 | 个人 1824 | 个别 1825 | 中小 1826 | 中间 1827 | 丰富 1828 | 临 1829 | 为 1830 | 为主 1831 | 为了 1832 | 为什么 1833 | 为什麽 1834 | 为何 1835 | 为着 1836 | 主张 1837 | 主要 1838 | 举行 1839 | 乃 1840 | 乃至 1841 | 么 1842 | 之 1843 | 之一 1844 | 之前 1845 | 之后 1846 | 之後 1847 | 之所以 1848 | 之类 1849 | 乌乎 1850 | 乎 1851 | 乘 1852 | 也 1853 | 也好 1854 | 也是 1855 | 也罢 1856 | 了 1857 | 了解 1858 | 争取 1859 | 于 1860 | 于是 1861 | 于是乎 1862 | 云云 1863 | 互相 1864 | 产生 1865 | 人们 1866 | 人家 1867 | 什么 1868 | 什么样 1869 | 什麽 1870 | 今后 1871 | 今天 1872 | 今年 1873 | 今後 1874 | 仍然 1875 | 从 1876 | 从事 1877 | 从而 1878 | 他 1879 | 他人 1880 | 他们 1881 | 他的 1882 | 代替 1883 | 以 1884 | 以上 1885 | 以下 1886 | 以为 1887 | 以便 1888 | 以免 1889 | 以前 1890 | 以及 1891 | 以后 1892 | 以外 1893 | 以後 1894 | 以来 1895 | 以至 1896 | 以至于 1897 | 以致 1898 | 们 1899 | 任 1900 | 任何 1901 | 任凭 1902 | 任务 1903 | 企图 1904 | 伟大 1905 | 似乎 1906 | 似的 1907 | 但 1908 | 但是 1909 | 何 1910 | 何况 1911 | 何处 1912 | 何时 1913 | 作为 1914 | 你 1915 | 你们 1916 | 你的 1917 | 使得 1918 | 使用 1919 | 例如 1920 | 依 1921 | 依照 1922 | 依靠 1923 | 促进 1924 | 保持 1925 | 俺 1926 | 俺们 1927 | 倘 1928 | 倘使 1929 | 倘或 1930 | 倘然 1931 | 倘若 1932 | 假使 1933 | 假如 1934 | 假若 1935 | 做到 1936 | 像 1937 | 允许 1938 | 充分 1939 | 先后 1940 | 先後 1941 | 先生 1942 | 全部 1943 | 全面 1944 | 兮 1945 | 共同 1946 | 关于 1947 | 其 1948 | 其一 1949 | 其中 1950 | 其二 1951 | 其他 1952 | 其余 1953 | 其它 1954 | 其实 1955 | 其次 1956 | 具体 1957 | 具体地说 1958 | 具体说来 1959 | 具有 1960 | 再者 1961 | 再说 1962 | 冒 1963 | 冲 1964 | 决定 1965 | 况且 1966 | 准备 1967 | 几 1968 | 几乎 1969 | 几时 1970 | 凭 1971 | 凭借 1972 | 出去 1973 | 出来 1974 | 出现 1975 | 分别 1976 | 则 1977 | 别 1978 | 别的 1979 | 别说 1980 | 到 1981 | 前后 1982 | 前者 1983 | 前进 1984 | 前面 1985 | 加之 1986 | 加以 1987 | 加入 1988 | 加强 1989 | 十分 1990 | 即 1991 | 即令 1992 | 即使 1993 | 即便 1994 | 即或 1995 | 即若 1996 | 却不 1997 | 原来 1998 | 又 1999 | 及 2000 | 及其 2001 | 及时 2002 | 及至 2003 | 双方 2004 | 反之 2005 | 反应 2006 | 反映 2007 | 反过来 2008 | 反过来说 2009 | 取得 2010 | 受到 2011 | 变成 2012 | 另 2013 | 另一方面 2014 | 另外 2015 | 只是 2016 | 只有 2017 | 只要 2018 | 只限 2019 | 叫 2020 | 叫做 2021 | 召开 2022 | 叮咚 2023 | 可 2024 | 可以 2025 | 可是 2026 | 可能 2027 | 可见 2028 | 各 2029 | 各个 2030 | 各人 2031 | 各位 2032 | 各地 2033 | 各种 2034 | 各级 2035 | 各自 2036 | 合理 2037 | 同 2038 | 同一 2039 | 同时 2040 | 同样 2041 | 后来 2042 | 后面 2043 | 向 2044 | 向着 2045 | 吓 2046 | 吗 2047 | 否则 2048 | 吧 2049 | 吧哒 2050 | 吱 2051 | 呀 2052 | 呃 2053 | 呕 2054 | 呗 2055 | 呜 2056 | 呜呼 2057 | 呢 2058 | 周围 2059 | 呵 2060 | 呸 2061 | 呼哧 2062 | 咋 2063 | 和 2064 | 咚 2065 | 咦 2066 | 咱 2067 | 咱们 2068 | 咳 2069 | 哇 2070 | 哈 2071 | 哈哈 2072 | 哉 2073 | 哎 2074 | 哎呀 2075 | 哎哟 2076 | 哗 2077 | 哟 2078 | 哦 2079 | 哩 2080 | 哪 2081 | 哪个 2082 | 哪些 2083 | 哪儿 2084 | 哪天 2085 | 哪年 2086 | 哪怕 2087 | 哪样 2088 | 哪边 2089 | 哪里 2090 | 哼 2091 | 哼唷 2092 | 唉 2093 | 啊 2094 | 啐 2095 | 啥 2096 | 啦 2097 | 啪达 2098 | 喂 2099 | 喏 2100 | 喔唷 2101 | 嗡嗡 2102 | 嗬 2103 | 嗯 2104 | 嗳 2105 | 嘎 2106 | 嘎登 2107 | 嘘 2108 | 嘛 2109 | 嘻 2110 | 嘿 2111 | 因 2112 | 因为 2113 | 因此 2114 | 因而 2115 | 固然 2116 | 在 2117 | 在下 2118 | 地 2119 | 坚决 2120 | 坚持 2121 | 基本 2122 | 处理 2123 | 复杂 2124 | 多 2125 | 多少 2126 | 多数 2127 | 多次 2128 | 大力 2129 | 大多数 2130 | 大大 2131 | 大家 2132 | 大批 2133 | 大约 2134 | 大量 2135 | 失去 2136 | 她 2137 | 她们 2138 | 她的 2139 | 好的 2140 | 好象 2141 | 如 2142 | 如上所述 2143 | 如下 2144 | 如何 2145 | 如其 2146 | 如果 2147 | 如此 2148 | 如若 2149 | 存在 2150 | 宁 2151 | 宁可 2152 | 宁愿 2153 | 宁肯 2154 | 它 2155 | 它们 2156 | 它们的 2157 | 它的 2158 | 安全 2159 | 完全 2160 | 完成 2161 | 实现 2162 | 实际 2163 | 宣布 2164 | 容易 2165 | 密切 2166 | 对 2167 | 对于 2168 | 对应 2169 | 将 2170 | 少数 2171 | 尔后 2172 | 尚且 2173 | 尤其 2174 | 就 2175 | 就是 2176 | 就是说 2177 | 尽 2178 | 尽管 2179 | 属于 2180 | 岂但 2181 | 左右 2182 | 巨大 2183 | 巩固 2184 | 己 2185 | 已经 2186 | 帮助 2187 | 常常 2188 | 并 2189 | 并不 2190 | 并不是 2191 | 并且 2192 | 并没有 2193 | 广大 2194 | 广泛 2195 | 应当 2196 | 应用 2197 | 应该 2198 | 开外 2199 | 开始 2200 | 开展 2201 | 引起 2202 | 强烈 2203 | 强调 2204 | 归 2205 | 当 2206 | 当前 2207 | 当时 2208 | 当然 2209 | 当着 2210 | 形成 2211 | 彻底 2212 | 彼 2213 | 彼此 2214 | 往 2215 | 往往 2216 | 待 2217 | 後来 2218 | 後面 2219 | 得 2220 | 得出 2221 | 得到 2222 | 心里 2223 | 必然 2224 | 必要 2225 | 必须 2226 | 怎 2227 | 怎么 2228 | 怎么办 2229 | 怎么样 2230 | 怎样 2231 | 怎麽 2232 | 总之 2233 | 总是 2234 | 总的来看 2235 | 总的来说 2236 | 总的说来 2237 | 总结 2238 | 总而言之 2239 | 恰恰相反 2240 | 您 2241 | 意思 2242 | 愿意 2243 | 慢说 2244 | 成为 2245 | 我 2246 | 我们 2247 | 我的 2248 | 或 2249 | 或是 2250 | 或者 2251 | 战斗 2252 | 所 2253 | 所以 2254 | 所有 2255 | 所谓 2256 | 打 2257 | 扩大 2258 | 把 2259 | 抑或 2260 | 拿 2261 | 按 2262 | 按照 2263 | 换句话说 2264 | 换言之 2265 | 据 2266 | 掌握 2267 | 接着 2268 | 接著 2269 | 故 2270 | 故此 2271 | 整个 2272 | 方便 2273 | 方面 2274 | 旁人 2275 | 无宁 2276 | 无法 2277 | 无论 2278 | 既 2279 | 既是 2280 | 既然 2281 | 时候 2282 | 明显 2283 | 明确 2284 | 是 2285 | 是否 2286 | 是的 2287 | 显然 2288 | 显著 2289 | 普通 2290 | 普遍 2291 | 更加 2292 | 曾经 2293 | 替 2294 | 最后 2295 | 最大 2296 | 最好 2297 | 最後 2298 | 最近 2299 | 最高 2300 | 有 2301 | 有些 2302 | 有关 2303 | 有利 2304 | 有力 2305 | 有所 2306 | 有效 2307 | 有时 2308 | 有点 2309 | 有的 2310 | 有着 2311 | 有著 2312 | 望 2313 | 朝 2314 | 朝着 2315 | 本 2316 | 本着 2317 | 来 2318 | 来着 2319 | 极了 2320 | 构成 2321 | 果然 2322 | 果真 2323 | 某 2324 | 某个 2325 | 某些 2326 | 根据 2327 | 根本 2328 | 欢迎 2329 | 正在 2330 | 正如 2331 | 正常 2332 | 此 2333 | 此外 2334 | 此时 2335 | 此间 2336 | 毋宁 2337 | 每 2338 | 每个 2339 | 每天 2340 | 每年 2341 | 每当 2342 | 比 2343 | 比如 2344 | 比方 2345 | 比较 2346 | 毫不 2347 | 没有 2348 | 沿 2349 | 沿着 2350 | 注意 2351 | 深入 2352 | 清楚 2353 | 满足 2354 | 漫说 2355 | 焉 2356 | 然则 2357 | 然后 2358 | 然後 2359 | 然而 2360 | 照 2361 | 照着 2362 | 特别是 2363 | 特殊 2364 | 特点 2365 | 现代 2366 | 现在 2367 | 甚么 2368 | 甚而 2369 | 甚至 2370 | 用 2371 | 由 2372 | 由于 2373 | 由此可见 2374 | 的 2375 | 的话 2376 | 目前 2377 | 直到 2378 | 直接 2379 | 相似 2380 | 相信 2381 | 相反 2382 | 相同 2383 | 相对 2384 | 相对而言 2385 | 相应 2386 | 相当 2387 | 相等 2388 | 省得 2389 | 看出 2390 | 看到 2391 | 看来 2392 | 看看 2393 | 看见 2394 | 真是 2395 | 真正 2396 | 着 2397 | 着呢 2398 | 矣 2399 | 知道 2400 | 确定 2401 | 离 2402 | 积极 2403 | 移动 2404 | 突出 2405 | 突然 2406 | 立即 2407 | 第 2408 | 等 2409 | 等等 2410 | 管 2411 | 紧接着 2412 | 纵 2413 | 纵令 2414 | 纵使 2415 | 纵然 2416 | 练习 2417 | 组成 2418 | 经 2419 | 经常 2420 | 经过 2421 | 结合 2422 | 结果 2423 | 给 2424 | 绝对 2425 | 继续 2426 | 继而 2427 | 维持 2428 | 综上所述 2429 | 罢了 2430 | 考虑 2431 | 者 2432 | 而 2433 | 而且 2434 | 而况 2435 | 而外 2436 | 而已 2437 | 而是 2438 | 而言 2439 | 联系 2440 | 能 2441 | 能否 2442 | 能够 2443 | 腾 2444 | 自 2445 | 自个儿 2446 | 自从 2447 | 自各儿 2448 | 自家 2449 | 自己 2450 | 自身 2451 | 至 2452 | 至于 2453 | 良好 2454 | 若 2455 | 若是 2456 | 若非 2457 | 范围 2458 | 莫若 2459 | 获得 2460 | 虽 2461 | 虽则 2462 | 虽然 2463 | 虽说 2464 | 行为 2465 | 行动 2466 | 表明 2467 | 表示 2468 | 被 2469 | 要 2470 | 要不 2471 | 要不是 2472 | 要不然 2473 | 要么 2474 | 要是 2475 | 要求 2476 | 规定 2477 | 觉得 2478 | 认为 2479 | 认真 2480 | 认识 2481 | 让 2482 | 许多 2483 | 论 2484 | 设使 2485 | 设若 2486 | 该 2487 | 说明 2488 | 诸位 2489 | 谁 2490 | 谁知 2491 | 赶 2492 | 起 2493 | 起来 2494 | 起见 2495 | 趁 2496 | 趁着 2497 | 越是 2498 | 跟 2499 | 转动 2500 | 转变 2501 | 转贴 2502 | 较 2503 | 较之 2504 | 边 2505 | 达到 2506 | 迅速 2507 | 过 2508 | 过去 2509 | 过来 2510 | 运用 2511 | 还是 2512 | 还有 2513 | 这 2514 | 这个 2515 | 这么 2516 | 这么些 2517 | 这么样 2518 | 这么点儿 2519 | 这些 2520 | 这会儿 2521 | 这儿 2522 | 这就是说 2523 | 这时 2524 | 这样 2525 | 这点 2526 | 这种 2527 | 这边 2528 | 这里 2529 | 这麽 2530 | 进入 2531 | 进步 2532 | 进而 2533 | 进行 2534 | 连 2535 | 连同 2536 | 适应 2537 | 适当 2538 | 适用 2539 | 逐步 2540 | 逐渐 2541 | 通常 2542 | 通过 2543 | 造成 2544 | 遇到 2545 | 遭到 2546 | 避免 2547 | 那 2548 | 那个 2549 | 那么 2550 | 那么些 2551 | 那么样 2552 | 那些 2553 | 那会儿 2554 | 那儿 2555 | 那时 2556 | 那样 2557 | 那边 2558 | 那里 2559 | 那麽 2560 | 部分 2561 | 鄙人 2562 | 采取 2563 | 里面 2564 | 重大 2565 | 重新 2566 | 重要 2567 | 鉴于 2568 | 问题 2569 | 防止 2570 | 阿 2571 | 附近 2572 | 限制 2573 | 除 2574 | 除了 2575 | 除此之外 2576 | 除非 2577 | 随 2578 | 随着 2579 | 随著 2580 | 集中 2581 | 需要 2582 | 非但 2583 | 非常 2584 | 非徒 2585 | 靠 2586 | 顺 2587 | 顺着 2588 | 首先 2589 | 高兴 2590 | 是不是 2591 | 说说 2592 | -------------------------------------------------------------------------------- /30000词/positive_words.txt: -------------------------------------------------------------------------------- 1 | 安定 2 | 安康 3 | 帮助 4 | 榜样 5 | 饱满 6 | 保证 7 | 筚路蓝缕 8 | 变得更好 9 | 举手称赞 10 | 标杆 11 | 不可思议的 12 | 破格录用 13 | 才思 14 | 喜兆 15 | 彩头 16 | 灿烂的 17 | 昌盛 18 | 超常发挥 19 | 超群的 20 | 超越 21 | 称赞 22 | 称赞的 23 | 成功 24 | 成功的 25 | 成功者 26 | 成果 27 | 成就 28 | 诚恳 29 | 充裕 30 | 充裕的 31 | 充足 32 | 宠爱 33 | 宠爱的 34 | 出众的 35 | 创新 36 | 创业 37 | 创造 38 | 创造力 39 | 创造性 40 | 创造性的 41 | 创造性地 42 | 慈善事业的 43 | 从容不迫 44 | 从容地 45 | 促进 46 | 达到目的 47 | 打动人 48 | 打动人心的 49 | 大获成功 50 | 大量 51 | 大人物 52 | 大师 53 | 大受欢迎 54 | 到达 55 | 得天独厚的 56 | 得益 57 | 第一的 58 | 巅峰时刻 59 | 典范 60 | 斗志昂扬 61 | 独创性 62 | 独家 63 | 独家报道 64 | 独家经营 65 | 独特魅力 66 | 独有的 67 | 多才多艺的 68 | 多功能性 69 | 恩惠 70 | 发明 71 | 发明家 72 | 发明者 73 | 发展 74 | 发展潜力 75 | 繁荣 76 | 方便地 77 | 非常卓越的 78 | 奋勇争先 79 | 丰富 80 | 丰富的 81 | 丰饶的 82 | 风度翩翩 83 | 符合要求的 84 | 富庶的 85 | 改进 86 | 改良 87 | 改善 88 | 感到满意 89 | 高手 90 | 高效 91 | 高新 92 | 高兴 93 | 高兴的 94 | 高瞻远瞩 95 | 革新 96 | 给人深刻印象 97 | 公平 98 | 公正 99 | 功成名就 100 | 恭喜 101 | 巩固 102 | 鼓励 103 | 鼓励的 104 | 鼓舞 105 | 鼓舞人心的 106 | 关键时刻 107 | 光荣的 108 | 国泰民安 109 | 好处 110 | 好的 111 | 合算的 112 | 合意 113 | 合作 114 | 和睦的 115 | 恒心 116 | 欢呼 117 | 欢呼雀跃 118 | 缓和 119 | 回升 120 | 活力四射 121 | 活跃 122 | 活跃的 123 | 获得授权的 124 | 获利 125 | 获胜 126 | 获胜的 127 | 机遇 128 | 积极的 129 | 激动的 130 | 激励 131 | 极大的 132 | 极好 133 | 极好的 134 | 急速发展 135 | 加强 136 | 坚定 137 | 坚定的 138 | 坚决 139 | 独家新闻 140 | 坚强的 141 | 坚挺 142 | 建设性的 143 | 建议 144 | 奖金 145 | 奖励 146 | 奖励的 147 | 奖牌 148 | 奖品 149 | 奖赏 150 | 较好的 151 | 杰出 152 | 杰出的 153 | 杰出人物 154 | 结盟 155 | 解决 156 | 金点子 157 | 锦囊妙计 158 | 进步 159 | 晋升 160 | 惊人的 161 | 精巧 162 | 精通 163 | 精通的 164 | 精于 165 | 净化 166 | 决心 167 | 慷慨的 168 | 犒劳 169 | 靠谱 170 | 可爱的 171 | 可敬的 172 | 可靠性 173 | 可喜的 174 | 可信任 175 | 可预测 176 | 渴望的 177 | 肯定的 178 | 肯定地 179 | 空前未有的 180 | 快乐 181 | 快乐的 182 | 快速的 183 | 宽恕的 184 | 牢固 185 | 牢固的 186 | 乐观的 187 | 乐趣 188 | 乐事 189 | 了不起的 190 | 礼貌的 191 | 礼让的 192 | 理想的 193 | 力量 194 | 联合 195 | 联盟 196 | 联姻 197 | 廉正 198 | 良好的 199 | 领导能力 200 | 领导者 201 | 领先 202 | 令人高兴的事 203 | 令人鼓舞的 204 | 令人满意 205 | 令人满意的 206 | 令人满意地 207 | 令人钦佩的 208 | 令人信服地 209 | 令人愉快的 210 | 流畅地 211 | 流行的 212 | 流利地 213 | 履行 214 | 满腔热情地 215 | 满意 216 | 满意的 217 | 满足 218 | 美德 219 | 美好 220 | 美丽 221 | 盟国 222 | 梦想 223 | 梦想成真 224 | 密切地 225 | 妙计 226 | 名列前茅 227 | 名气 228 | 明确地 229 | 乐观主义的 230 | 能干的 231 | 能手 232 | 弄潮儿 233 | 漂亮 234 | 平稳的 235 | 普及的 236 | 期望 237 | 奇特 238 | 起作用的 239 | 恰当 240 | 谦卑的 241 | 谦逊的 242 | 前进 243 | 虔诚的 244 | 强化 245 | 强项 246 | 享有声望的 247 | 巧妙的 248 | 亲切的 249 | 亲切地 250 | 勤奋地 251 | 勤勉的 252 | 勤勉地 253 | 情况好转 254 | 趣味性 255 | 热忱 256 | 热情 257 | 热情的 258 | 热心 259 | 热心的 260 | 热心地 261 | 仁慈的 262 | 荣获 263 | 荣幸 264 | 荣誉 265 | 容易的 266 | 融洽的 267 | 如愿以偿 268 | 润色 269 | 闪耀的 270 | 善行 271 | 擅长 272 | 擅长的 273 | 令人满足 274 | 令人满足的 275 | 上涨 276 | 升官 277 | 升职 278 | 声望 279 | 声誉 280 | 胜过 281 | 胜过的 282 | 胜利 283 | 胜利的 284 | 胜利者 285 | 盛产 286 | 石破天惊 287 | 实力 288 | 实现 289 | 实在 290 | 适当 291 | 首位的 292 | 受大众欢迎 293 | 受到喜爱的 294 | 受欢迎的 295 | 受益 296 | 受尊敬的 297 | 舒适的 298 | 熟练 299 | 熟练的 300 | 顺利 301 | 顺利的 302 | 顺利地 303 | 顺遂 304 | 讨人喜欢的 305 | 套期保值 306 | 无双的 307 | 特许经营权 308 | 特许权 309 | 提拔 310 | 提高 311 | 提升 312 | 天才 313 | 通用的 314 | 同舟共济 315 | 头筹 316 | 突破 317 | 突破性进展 318 | 团结 319 | 完美 320 | 完美的 321 | 完美地 322 | 完全地 323 | 完整 324 | 万能的 325 | 威望 326 | 唯一地 327 | 伟大 328 | 伟大的 329 | 温和地 330 | 稳定 331 | 稳定的 332 | 稳定化 333 | 稳定性 334 | 稳固 335 | 问候的 336 | 无比的 337 | 无法鉴定 338 | 无与伦比的 339 | 吸引力 340 | 吸引人 341 | 希望 342 | 喜爱 343 | 喜欢 344 | 喜欢的 345 | 喜庆 346 | 先发优势 347 | 先行一步的 348 | 先行者 349 | 先机 350 | 先驱 351 | 显著的 352 | 显著地 353 | 相称的 354 | 想得到的 355 | 向上 356 | 效率高地 357 | 心灵手巧 358 | 欣然的 359 | 欣赏 360 | 欣喜的 361 | 新方法 362 | 新兴 363 | 信赖 364 | 信任 365 | 信心满满的 366 | 信仰 367 | 兴奋 368 | 兴高采烈 369 | 兴旺 370 | 幸福 371 | 幸福的 372 | 幸运 373 | 幸运儿 374 | 勋章 375 | 一帆风顺 376 | 毅力 377 | 引人注目的 378 | 印象深刻的 379 | 赢得 380 | 赢者 381 | 用功的 382 | 用途广泛 383 | 优化 384 | 优良的 385 | 优胜者 386 | 优势 387 | 优秀 388 | 优秀的 389 | 优雅 390 | 优异 391 | 优于 392 | 友好的 393 | 友好地 394 | 有帮助的 395 | 有报酬的 396 | 有好报 397 | 有技巧的 398 | 有价值的 399 | 有竞争力 400 | 有利 401 | 有利的 402 | 有利地 403 | 有利条件 404 | 有利于 405 | 有魅力 406 | 有名望的 407 | 有能力的 408 | 有启发的 409 | 有前瞻性的 410 | 有特色的 411 | 有效的 412 | 有学问的 413 | 有益 414 | 有益的 415 | 有益于 416 | 有影响力 417 | 有影响力的 418 | 有助地 419 | 有助益的 420 | 有助于 421 | 愉快 422 | 愉快的 423 | 愉快地 424 | 愉悦 425 | 与众不同的 426 | 圆满 427 | 允许的 428 | 赞成的 429 | 赞许的 430 | 赞扬 431 | 造诣 432 | 增强 433 | 增益 434 | 赠送的 435 | 战略眼光 436 | 长处 437 | 涨 438 | 真实的 439 | 震撼的 440 | 正直 441 | 支持的 442 | 值得称赞的 443 | 值得的 444 | 值得信赖 445 | 中意的 446 | 忠诚的 447 | 重新获得 448 | 祝贺 449 | 专攻 450 | 专一的 451 | 赚到 452 | 赚钱的 453 | 壮观的 454 | 卓越 455 | 卓越的 456 | 自信的 457 | 最高的 458 | 最好的 459 | 做主 460 | 座上客 461 | 左右手 462 | 遵守 463 | 遵纪守法 464 | 遵从 465 | 尊重 466 | 尊敬 467 | 尊贵 468 | 尊崇 469 | 尊称 470 | 钻研 471 | 足金 472 | 足够 473 | 奏效 474 | 纵横 475 | 自尊 476 | 自主 477 | 自信 478 | 自若 479 | 自如 480 | 自强不息 481 | 自强 482 | 自立 483 | 自觉 484 | 自豪 485 | 自告奋勇 486 | 自爱 487 | 资助 488 | 孜孜不倦 489 | 孜孜 490 | 擢升 491 | 卓著 492 | 卓识 493 | 卓然 494 | 卓立 495 | 卓绝 496 | 卓见 497 | 卓尔不群 498 | 灼见 499 | 准确 500 | 谆谆教导 501 | 追求 502 | 状元 503 | 壮志 504 | 壮硕 505 | 壮士 506 | 壮实 507 | 壮美 508 | 壮丽 509 | 壮举 510 | 壮健 511 | 壮观 512 | 壮大 513 | 庄重 514 | 庄严 515 | 专注 516 | 专长 517 | 专心致志 518 | 专心 519 | 著名 520 | 著称 521 | 祝愿 522 | 祝颂 523 | 祝寿 524 | 祝酒 525 | 祝捷 526 | 祝福 527 | 祝词 528 | 助益 529 | 瞩望 530 | 瞩目 531 | 主旋律 532 | 主心骨 533 | 主人翁 534 | 主力军 535 | 主将 536 | 珠玑 537 | 周正 538 | 周详 539 | 周全 540 | 周密 541 | 周到 542 | 重镇 543 | 重用 544 | 重托 545 | 众志成城 546 | 众望所归 547 | 众望 548 | 衷心 549 | 钟情 550 | 钟爱 551 | 忠于 552 | 忠义 553 | 忠心耿耿 554 | 忠心 555 | 忠实 556 | 忠厚 557 | 忠告 558 | 忠诚 559 | 中意 560 | 中选 561 | 中流砥柱 562 | 中肯 563 | 中坚 564 | 智囊 565 | 智慧 566 | 智多星 567 | 致力 568 | 致敬 569 | 致贺 570 | 致富 571 | 挚情 572 | 挚诚 573 | 栉风沐雨 574 | 质朴 575 | 制胜 576 | 志愿 577 | 志同道合 578 | 指引 579 | 直言不讳 580 | 直爽 581 | 直率 582 | 直截了当 583 | 直观 584 | 知足 585 | 知音 586 | 知心 587 | 知名 588 | 知己 589 | 支援 590 | 支持 591 | 郑重 592 | 正宗 593 | 正义 594 | 正确 595 | 正气 596 | 正派 597 | 正理 598 | 正经 599 | 正轨 600 | 正规 601 | 正道 602 | 正当 603 | 正大光明 604 | 正大 605 | 整齐 606 | 整洁 607 | 整饬 608 | 拯救 609 | 蒸蒸日上 610 | 峥嵘 611 | 争雄 612 | 争先 613 | 争气 614 | 争光 615 | 镇静 616 | 镇定 617 | 振作 618 | 振兴 619 | 振奋 620 | 振发 621 | 缜密 622 | 箴言 623 | 真挚 624 | 真知 625 | 真言 626 | 真心真意 627 | 真心实意 628 | 真心诚意 629 | 真心 630 | 真实 631 | 真确 632 | 真情实意 633 | 真情 634 | 真切 635 | 真理 636 | 真话 637 | 真谛 638 | 真诚 639 | 珍品 640 | 珍藏 641 | 珍宝 642 | 照耀 643 | 长足 644 | 长者 645 | 长远 646 | 长于 647 | 长项 648 | 长寿 649 | 长空 650 | 长进 651 | 战无不胜 652 | 战胜 653 | 战绩 654 | 战果 655 | 战功 656 | 崭新 657 | 展望 658 | 展翅 659 | 扎实 660 | 增值 661 | 增长 662 | 增色 663 | 增进 664 | 增光 665 | 择优 666 | 造就 667 | 造福 668 | 赞助 669 | 赞誉 670 | 赞语 671 | 赞许 672 | 赞同 673 | 赞叹不已 674 | 赞叹 675 | 赞颂 676 | 赞赏 677 | 赞佩 678 | 赞美 679 | 赞歌 680 | 赞成 681 | 赞不绝口 682 | 在握 683 | 在理 684 | 再生 685 | 再接再厉 686 | 载歌载舞 687 | 韵味 688 | 允诺 689 | 允当 690 | 匀称 691 | 跃然 692 | 跃居 693 | 悦目 694 | 悦耳 695 | 愿望 696 | 愿景 697 | 远虑 698 | 远景 699 | 远见卓识 700 | 远见 701 | 远大 702 | 圆润 703 | 元勋 704 | 渊博 705 | 预祝 706 | 语重心长 707 | 余裕 708 | 有助 709 | 有缘 710 | 有效 711 | 有望 712 | 有条不紊 713 | 有所作为 714 | 有素 715 | 有数 716 | 有始有终 717 | 有识 718 | 有声有色 719 | 有趣 720 | 有名 721 | 有力 722 | 有理 723 | 有劲 724 | 有恒 725 | 有的放矢 726 | 有成 727 | 友谊 728 | 友善 729 | 友人 730 | 友情 731 | 友邻 732 | 友军 733 | 友好 734 | 友邦 735 | 友爱 736 | 由衷 737 | 悠长 738 | 悠游 739 | 悠久 740 | 幽默 741 | 优质 742 | 优越 743 | 优裕 744 | 优选 745 | 优先 746 | 优胜 747 | 优美 748 | 优良 749 | 优惠 750 | 优厚 751 | 优点 752 | 优等 753 | 优待 754 | 用心 755 | 涌现 756 | 勇于 757 | 勇武 758 | 勇往直前 759 | 勇气 760 | 勇猛 761 | 勇健 762 | 勇敢 763 | 永久 764 | 永恒 765 | 永存 766 | 拥护 767 | 拥戴 768 | 硬朗 769 | 硬汉 770 | 盈盈 771 | 迎接 772 | 迎候 773 | 英姿 774 | 英勇无畏 775 | 英勇 776 | 英雄 777 | 英武 778 | 英明 779 | 英名 780 | 英烈 781 | 英俊 782 | 英华 783 | 英豪 784 | 英才 785 | 引人入胜 786 | 引导 787 | 殷实 788 | 殷勤 789 | 殷切 790 | 荫庇 791 | 因地制宜 792 | 毅然 793 | 意气风发 794 | 益处 795 | 屹立 796 | 义诊 797 | 义演 798 | 义卖 799 | 倚重 800 | 以身作则 801 | 颐养 802 | 宜人 803 | 怡神 804 | 怡和 805 | 一心一意 806 | 一心 807 | 一往无前 808 | 一丝不苟 809 | 一日千里 810 | 一气呵成 811 | 一流 812 | 摇篮 813 | 尧舜 814 | 邀请 815 | 样板 816 | 仰望 817 | 洋洋 818 | 扬名 819 | 扬眉吐气 820 | 艳羡 821 | 言行一致 822 | 言而有信 823 | 严整 824 | 严明 825 | 严密 826 | 严谨 827 | 雅丽 828 | 压轴戏 829 | 循循善诱 830 | 雪中送炭 831 | 选贤任能 832 | 旭日东升 833 | 栩栩如生 834 | 虚心 835 | 修身 836 | 雄心 837 | 雄文 838 | 雄伟 839 | 雄威 840 | 雄图 841 | 雄踞 842 | 雄赳赳 843 | 雄纠纠 844 | 雄杰 845 | 雄健 846 | 雄厚 847 | 雄风 848 | 幸事 849 | 兴腾 850 | 兴盛 851 | 兴隆 852 | 信誉 853 | 信义 854 | 信心 855 | 信守 856 | 信实 857 | 信服 858 | 新颖 859 | 新意 860 | 新秀 861 | 新型 862 | 新星 863 | 新鲜 864 | 新生 865 | 新风 866 | 欣欣向荣 867 | 欣欣 868 | 欣喜 869 | 欣慰 870 | 欣然 871 | 辛勤 872 | 谢意 873 | 协调 874 | 效忠 875 | 效法 876 | 笑颜 877 | 孝顺 878 | 小康 879 | 潇洒 880 | 向往 881 | 响当当 882 | 享誉 883 | 享有 884 | 享用 885 | 详细 886 | 详尽 887 | 香甜 888 | 相助 889 | 相悦 890 | 相称 891 | 献礼 892 | 献词 893 | 献策 894 | 显著 895 | 娴熟 896 | 鲜明 897 | 鲜美 898 | 鲜活 899 | 先知 900 | 先贤 901 | 先人后己 902 | 先驱者 903 | 先进 904 | 先河 905 | 先行 906 | 先锋 907 | 先导 908 | 仙境 909 | 细致 910 | 细心 911 | 细腻 912 | 细密 913 | 喜悦 914 | 喜讯 915 | 喜笑颜开 916 | 喜闻乐见 917 | 喜事 918 | 喜人 919 | 喜气 920 | 喜好 921 | 喜报 922 | 洗礼 923 | 犀利 924 | 稀有 925 | 希冀 926 | 吸引 927 | 务实 928 | 妩媚 929 | 无与伦比 930 | 无懈可击 931 | 无微不至 932 | 无私 933 | 无双 934 | 无可比拟 935 | 无尽 936 | 无坚不摧 937 | 无敌 938 | 无出其右 939 | 无比 940 | 沃土 941 | 问世 942 | 问候 943 | 稳重 944 | 稳妥 945 | 稳实 946 | 稳健 947 | 稳当 948 | 稳步 949 | 闻名遐尔 950 | 闻名 951 | 文明 952 | 文才 953 | 温馨 954 | 温润 955 | 温情 956 | 温暖 957 | 温和 958 | 伟业 959 | 伟人 960 | 伟力 961 | 伟绩 962 | 巍峨 963 | 威信 964 | 威风 965 | 旺销 966 | 旺盛 967 | 万众一心 968 | 万岁 969 | 万全 970 | 万马奔腾 971 | 婉转 972 | 完善 973 | 完全 974 | 完满 975 | 完好 976 | 完备 977 | 拓展 978 | 妥贴 979 | 妥适 980 | 妥善 981 | 妥当 982 | 推重 983 | 推心置腹 984 | 推举 985 | 推进 986 | 推荐 987 | 推广 988 | 推动 989 | 推崇 990 | 推陈出新 991 | 突进 992 | 突飞猛进 993 | 突出 994 | 透彻 995 | 头等 996 | 统一 997 | 同心协力 998 | 同心同德 999 | 同心 1000 | 通情达理 1001 | 通明 1002 | 通达 1003 | 通畅 1004 | 通才 1005 | 挺身而出 1006 | 挺进 1007 | 铁面无私 1008 | 铁军 1009 | 贴心 1010 | 贴切 1011 | 调解 1012 | 调和 1013 | 挑大梁 1014 | 甜头 1015 | 甜蜜 1016 | 天使 1017 | 天然 1018 | 天理 1019 | 天赋 1020 | 提倡 1021 | 腾飞 1022 | 特色 1023 | 特等 1024 | 滔滔不绝 1025 | 探索 1026 | 探求 1027 | 探究 1028 | 探访 1029 | 叹为观止 1030 | 坦途 1031 | 坦然 1032 | 坦率 1033 | 坦诚 1034 | 泰然 1035 | 泰斗 1036 | 太平 1037 | 踏实 1038 | 所向披靡 1039 | 遂意 1040 | 1041 | 随机应变 1042 | 素养 1043 | 硕果 1044 | 顺应 1045 | 顺心 1046 | 顺气 1047 | 顺畅 1048 | 爽口 1049 | 双赢 1050 | 树立 1051 | 熟知 1052 | 熟悉 1053 | 熟稔 1054 | 疏导 1055 | 舒展 1056 | 舒心 1057 | 舒适 1058 | 舒服 1059 | 殊荣 1060 | 首要 1061 | 首位 1062 | 首屈一指 1063 | 首创 1064 | 首倡 1065 | 守法 1066 | 收效 1067 | 收获 1068 | 收复 1069 | 誓言 1070 | 适用 1071 | 适宜 1072 | 适销 1073 | 适合 1074 | 适度 1075 | 试金石 1076 | 事迹 1077 | 事半功倍 1078 | 势如破竹 1079 | 势不可挡 1080 | 势不可当 1081 | 示范 1082 | 始终如一 1083 | 始终不渝 1084 | 始创 1085 | 使命 1086 | 矢志 1087 | 史无前例 1088 | 史诗 1089 | 史册 1090 | 实用 1091 | 实效 1092 | 实事求是 1093 | 实绩 1094 | 实惠 1095 | 实话 1096 | 实干 1097 | 十全十美 1098 | 盛赞 1099 | 盛誉 1100 | 盛宴 1101 | 盛筵 1102 | 盛事 1103 | 盛世 1104 | 盛情 1105 | 盛名 1106 | 盛况 1107 | 盛开 1108 | 盛举 1109 | 盛景 1110 | 盛会 1111 | 盛典 1112 | 盛大 1113 | 胜仗 1114 | 胜算 1115 | 胜诉 1116 | 胜似 1117 | 胜任 1118 | 胜景 1119 | 胜迹 1120 | 胜地 1121 | 胜 1122 | 圣贤 1123 | 圣人 1124 | 圣洁 1125 | 圣地 1126 | 省心 1127 | 省事 1128 | 声威 1129 | 生力军 1130 | 生机勃勃 1131 | 生机 1132 | 生动 1133 | 生财 1134 | 升值 1135 | 升华 1136 | 升格 1137 | 神州 1138 | 神通 1139 | 神算 1140 | 神圣 1141 | 神采奕奕 1142 | 神采 1143 | 深造 1144 | 深远 1145 | 深意 1146 | 深信 1147 | 深透 1148 | 深思 1149 | 深入 1150 | 深情 1151 | 深切 1152 | 深刻 1153 | 深化 1154 | 深厚 1155 | 深度 1156 | 身先士卒 1157 | 身体力行 1158 | 舍己救人 1159 | 上游 1160 | 上品 1161 | 上流 1162 | 上进 1163 | 上乘 1164 | 上策 1165 | 赏心悦目 1166 | 赏识 1167 | 善意 1168 | 善始善终 1169 | 善举 1170 | 三好 1171 | 润泽 1172 | 睿智 1173 | 锐意 1174 | 锐气 1175 | 锐不可当 1176 | 入选 1177 | 入神 1178 | 儒商 1179 | 如愿 1180 | 如意 1181 | 柔和 1182 | 融洽 1183 | 融会贯通 1184 | 融会 1185 | 荣膺 1186 | 荣耀 1187 | 荣升 1188 | 荣归 1189 | 荣光 1190 | 荣登 1191 | 日新月异 1192 | 韧性 1193 | 韧劲 1194 | 任人唯贤 1195 | 任劳任怨 1196 | 认真 1197 | 仁义 1198 | 仁慈 1199 | 仁爱 1200 | 人缘 1201 | 人心所向 1202 | 人权 1203 | 人格 1204 | 人道 1205 | 人才 1206 | 热血 1207 | 热销 1208 | 热望 1209 | 热切 1210 | 热闹 1211 | 热门 1212 | 热烈 1213 | 热火朝天 1214 | 热诚 1215 | 热潮 1216 | 热爱 1217 | 确信 1218 | 确实 1219 | 确切 1220 | 雀跃 1221 | 全新 1222 | 全心全意 1223 | 全盛 1224 | 全胜 1225 | 全面 1226 | 全力以赴 1227 | 全才 1228 | 权益 1229 | 权威 1230 | 趣味 1231 | 取长补短 1232 | 取胜 1233 | 取经 1234 | 求实 1235 | 庆祝 1236 | 庆贺 1237 | 庆典 1238 | 请教 1239 | 情谊 1240 | 情投意合 1241 | 清正 1242 | 清醒 1243 | 清新 1244 | 清晰 1245 | 清通 1246 | 清泉 1247 | 清明 1248 | 清名 1249 | 清凉 1250 | 清廉 1251 | 清净 1252 | 清洁 1253 | 清晖 1254 | 清华 1255 | 清风 1256 | 清淡 1257 | 清澈 1258 | 清白 1259 | 倾注 1260 | 倾心 1261 | 轻装 1262 | 轻松 1263 | 青春 1264 | 勤勉 1265 | 勤劳 1266 | 勤俭 1267 | 勤奋 1268 | 亲人 1269 | 亲热 1270 | 亲切 1271 | 亲密 1272 | 亲临 1273 | 亲近 1274 | 亲和力 1275 | 钦羡 1276 | 钦佩 1277 | 锲而不舍 1278 | 惬意 1279 | 切实 1280 | 切合 1281 | 翘楚 1282 | 巧思 1283 | 巧妙 1284 | 巧夺天工 1285 | 强壮 1286 | 强者 1287 | 强盛 1288 | 强劲 1289 | 强健 1290 | 强大 1291 | 前瞻性 1292 | 前沿 1293 | 前途无量 1294 | 前所未有 1295 | 前驱 1296 | 前列 1297 | 前景 1298 | 前赴后继 1299 | 前锋 1300 | 前程 1301 | 前辈 1302 | 谦虚谨慎 1303 | 谦虚 1304 | 谦诚 1305 | 千里马 1306 | 千金 1307 | 千变万化 1308 | 恰到好处 1309 | 契机 1310 | 气质 1311 | 气势 1312 | 气魄 1313 | 气派 1314 | 气概 1315 | 起色 1316 | 起飞 1317 | 启示 1318 | 启迪 1319 | 企盼 1320 | 旗帜 1321 | 旗手 1322 | 旗开得胜 1323 | 奇葩 1324 | 奇妙 1325 | 奇迹 1326 | 奇观 1327 | 奇功 1328 | 奇才 1329 | 奇兵 1330 | 齐整 1331 | 齐心 1332 | 齐全 1333 | 齐名 1334 | 期盼 1335 | 期冀 1336 | 期待 1337 | 谱写 1338 | 朴实 1339 | 魄力 1340 | 平整 1341 | 平稳 1342 | 平坦 1343 | 平顺 1344 | 平实 1345 | 平静 1346 | 平和 1347 | 平等 1348 | 平安 1349 | 品鉴 1350 | 品德 1351 | 品尝 1352 | 频传 1353 | 拼搏 1354 | 飘逸 1355 | 媲美 1356 | 披荆斩棘 1357 | 澎湃 1358 | 蓬勃 1359 | 喷薄 1360 | 佩服 1361 | 培育 1362 | 培养 1363 | 陪伴 1364 | 抛砖引玉 1365 | 盼望 1366 | 判明 1367 | 攀登 1368 | 排头兵 1369 | 呕心沥血 1370 | 讴歌 1371 | 暖流 1372 | 暖和 1373 | 努力 1374 | 浓郁 1375 | 浓厚 1376 | 凝聚力 1377 | 宁静 1378 | 年富力强 1379 | 能人 1380 | 能干 1381 | 内行 1382 | 难得 1383 | 耐用 1384 | 耐心 1385 | 睦邻 1386 | 魔力 1387 | 模范 1388 | 铭记 1389 | 鸣谢 1390 | 明珠 1391 | 明智 1392 | 明哲 1393 | 明眼人 1394 | 明星 1395 | 明晰 1396 | 明确 1397 | 明亮 1398 | 明朗 1399 | 明镜 1400 | 明静 1401 | 明光 1402 | 明达 1403 | 明察秋毫 1404 | 明辨是非 1405 | 名正言顺 1406 | 名誉 1407 | 名优 1408 | 名言 1409 | 名闻遐迩 1410 | 名士 1411 | 名师 1412 | 名品 1413 | 名牌 1414 | 名门 1415 | 名满天下 1416 | 名流 1417 | 名家 1418 | 名贵 1419 | 名城 1420 | 名产 1421 | 敏锐 1422 | 敏捷 1423 | 敏慧 1424 | 民主 1425 | 妙语 1426 | 面市 1427 | 勉励 1428 | 绵长 1429 | 迷人 1430 | 猛进 1431 | 萌芽 1432 | 魅力 1433 | 美誉 1434 | 美味 1435 | 美妙 1436 | 美化 1437 | 美观 1438 | 美称 1439 | 美差 1440 | 美餐 1441 | 满载而归 1442 | 满堂红 1443 | 满腹经纶 1444 | 满分 1445 | 迈进 1446 | 埋头苦干 1447 | 马不停蹄 1448 | 率先 1449 | 履约 1450 | 落实 1451 | 炉火纯青 1452 | 隆重 1453 | 隆盛 1454 | 柳暗花明 1455 | 流通 1456 | 流连 1457 | 流利 1458 | 流行 1459 | 流畅 1460 | 领衔 1461 | 灵性 1462 | 灵通 1463 | 灵敏 1464 | 灵活 1465 | 灵感 1466 | 灵动 1467 | 琳琅满目 1468 | 两全 1469 | 良缘 1470 | 良友 1471 | 良药 1472 | 良性 1473 | 良心 1474 | 良田 1475 | 良好 1476 | 良港 1477 | 良方 1478 | 良策 1479 | 廉直 1480 | 廉政 1481 | 廉明 1482 | 廉洁奉公 1483 | 廉洁 1484 | 联谊 1485 | 联手 1486 | 联袂 1487 | 联欢 1488 | 莅临 1489 | 利于 1490 | 利索 1491 | 利国利民 1492 | 励精图治 1493 | 立志 1494 | 立功 1495 | 厉行 1496 | 力作 1497 | 力争上游 1498 | 力争 1499 | 力挽狂澜 1500 | 力求 1501 | 力行 1502 | 理智 1503 | 理直气壮 1504 | 理性 1505 | 理想 1506 | 理顺 1507 | 理解 1508 | 礼遇 1509 | 礼让 1510 | 礼貌 1511 | 黎明 1512 | 冷静 1513 | 雷霆万钧 1514 | 雷厉风行 1515 | 了不起 1516 | 乐园 1517 | 乐于 1518 | 乐意 1519 | 乐业 1520 | 乐土 1521 | 乐天 1522 | 乐观 1523 | 老实 1524 | 老练 1525 | 牢靠 1526 | 牢不可破 1527 | 劳模 1528 | 浪漫 1529 | 浪潮 1530 | 烂熟 1531 | 蓝图 1532 | 来宾 1533 | 阔步 1534 | 扩展 1535 | 扩大 1536 | 扩充 1537 | 鲲鹏 1538 | 馈赠 1539 | 魁首 1540 | 狂欢 1541 | 宽裕 1542 | 宽慰 1543 | 宽容 1544 | 宽阔 1545 | 宽宏 1546 | 宽广 1547 | 宽绰 1548 | 宽敞 1549 | 脍炙人口 1550 | 快悦 1551 | 快速 1552 | 快马加鞭 1553 | 快捷 1554 | 快活 1555 | 跨越 1556 | 夸赞 1557 | 夸奖 1558 | 口碑 1559 | 空前 1560 | 铿锵 1561 | 肯定 1562 | 客观 1563 | 恪守 1564 | 渴求 1565 | 可意 1566 | 可喜 1567 | 可取 1568 | 可口 1569 | 可靠 1570 | 可嘉 1571 | 可行 1572 | 可贵 1573 | 可观 1574 | 靠得住 1575 | 考究 1576 | 慷慨解囊 1577 | 慷慨大方 1578 | 慷慨 1579 | 康泰 1580 | 康乐 1581 | 康健 1582 | 康复 1583 | 看重 1584 | 看望 1585 | 侃侃而谈 1586 | 楷模 1587 | 凯旋 1588 | 凯歌 1589 | 开心 1590 | 开拓 1591 | 开通 1592 | 开启 1593 | 开辟 1594 | 开明 1595 | 开门红 1596 | 开朗 1597 | 开阔 1598 | 开怀 1599 | 开化 1600 | 开放 1601 | 开发 1602 | 开创 1603 | 开诚布公 1604 | 俊杰 1605 | 均匀 1606 | 倔强 1607 | 矍铄 1608 | 崛起 1609 | 绝招 1610 | 绝妙 1611 | 绝技 1612 | 绝顶 1613 | 绝唱 1614 | 诀窍 1615 | 决定性 1616 | 眷恋 1617 | 捐助 1618 | 捐赠 1619 | 捐献 1620 | 具体 1621 | 巨子 1622 | 巨著 1623 | 巨人 1624 | 巨匠 1625 | 举一反三 1626 | 举世闻名 1627 | 举荐 1628 | 居首 1629 | 静谧 1630 | 敬重 1631 | 敬意 1632 | 敬佩 1633 | 井然有序 1634 | 井井有条 1635 | 精装 1636 | 精致 1637 | 精湛 1638 | 精英 1639 | 精益求精 1640 | 精义 1641 | 精研 1642 | 精选 1643 | 精心 1644 | 精细 1645 | 精髓 1646 | 精神 1647 | 精深 1648 | 精锐 1649 | 精确 1650 | 精强 1651 | 精品 1652 | 精辟 1653 | 精明 1654 | 精妙 1655 | 精密 1656 | 精美 1657 | 精良 1658 | 精练 1659 | 精力 1660 | 精华 1661 | 精干 1662 | 精粹 1663 | 精诚团结 1664 | 精诚 1665 | 精彩 1666 | 精兵 1667 | 兢兢业业 1668 | 晶莹 1669 | 惊喜 1670 | 经纶 1671 | 经典 1672 | 晋职 1673 | 晋级 1674 | 进展 1675 | 进益 1676 | 进贤 1677 | 进取 1678 | 进军 1679 | 进化 1680 | 尽职 1681 | 尽责 1682 | 尽情 1683 | 尽力 1684 | 锦绣 1685 | 锦旗 1686 | 锦标 1687 | 金玉 1688 | 金钥匙 1689 | 金口 1690 | 金贵 1691 | 金凤 1692 | 巾帼 1693 | 解囊相助 1694 | 解惑 1695 | 解放 1696 | 解除 1697 | 捷径 1698 | 捷报 1699 | 结实 1700 | 结晶 1701 | 洁净 1702 | 杰作 1703 | 节约 1704 | 节余 1705 | 节省 1706 | 节能 1707 | 节俭 1708 | 揭晓 1709 | 揭示 1710 | 揭幕 1711 | 揭发 1712 | 接班人 1713 | 教育 1714 | 教诲 1715 | 较劲 1716 | 觉醒 1717 | 叫好 1718 | 缴获 1719 | 脚踏实地 1720 | 佼佼者 1721 | 匠心独运 1722 | 奖状 1723 | 奖章 1724 | 奖学金 1725 | 奖杯 1726 | 讲求 1727 | 讲究 1728 | 鉴赏 1729 | 鉴定 1730 | 鉴别 1731 | 践诺 1732 | 践行 1733 | 健全 1734 | 健康 1735 | 建言 1736 | 建树 1737 | 建设性 1738 | 建设 1739 | 建立 1740 | 见长 1741 | 见义勇为 1742 | 见效 1743 | 见闻 1744 | 见识 1745 | 见解 1746 | 简易 1747 | 简要 1748 | 简雅 1749 | 简明 1750 | 简练 1751 | 简捷 1752 | 简洁 1753 | 简短 1754 | 简便 1755 | 剪彩 1756 | 检举 1757 | 兼顾 1758 | 兼备 1759 | 艰苦奋斗 1760 | 坚毅 1761 | 坚信 1762 | 坚守 1763 | 坚实 1764 | 坚韧不拔 1765 | 坚韧 1766 | 坚强 1767 | 坚固 1768 | 坚定不移 1769 | 坚持不懈 1770 | 坚不可摧 1771 | 尖端 1772 | 尖兵 1773 | 嘉许 1774 | 嘉奖 1775 | 佳作 1776 | 佳人 1777 | 佳品 1778 | 佳境 1779 | 佳节 1780 | 继往开来 1781 | 继承 1782 | 技巧 1783 | 纪念章 1784 | 纪念品 1785 | 纪念币 1786 | 纪念碑 1787 | 纪念 1788 | 集锦 1789 | 极致 1790 | 极力 1791 | 吉星 1792 | 吉祥物 1793 | 吉祥 1794 | 吉日 1795 | 吉庆 1796 | 吉利 1797 | 及时雨 1798 | 及时 1799 | 激扬 1800 | 激情 1801 | 激进 1802 | 激活 1803 | 激发 1804 | 激昂 1805 | 跻身 1806 | 积蓄 1807 | 积极性 1808 | 积极 1809 | 机智 1810 | 机敏 1811 | 机会 1812 | 获准 1813 | 获取 1814 | 火热 1815 | 火花 1816 | 活泼 1817 | 活力 1818 | 惠及 1819 | 惠存 1820 | 绘声绘色 1821 | 诲人不倦 1822 | 荟萃 1823 | 会心 1824 | 会师 1825 | 汇集 1826 | 回味 1827 | 回报 1828 | 辉煌 1829 | 恢宏 1830 | 恢弘 1831 | 恢复 1832 | 诙谐 1833 | 焕然一新 1834 | 焕发 1835 | 唤醒 1836 | 唤起 1837 | 幻想 1838 | 缓解 1839 | 欢悦 1840 | 欢愉 1841 | 欢迎 1842 | 欢欣鼓舞 1843 | 欢喜 1844 | 欢天喜地 1845 | 欢送 1846 | 欢乐 1847 | 欢快 1848 | 欢聚 1849 | 欢畅 1850 | 滑润 1851 | 华章 1852 | 华年 1853 | 华美 1854 | 华丽 1855 | 华贵 1856 | 华彩 1857 | 划一 1858 | 护卫 1859 | 护理 1860 | 护航 1861 | 互助 1862 | 互通 1863 | 互利 1864 | 互惠 1865 | 厚重 1866 | 厚望 1867 | 厚实 1868 | 厚礼 1869 | 厚爱 1870 | 后盾 1871 | 鸿儒 1872 | 鸿博 1873 | 洪流 1874 | 宏伟 1875 | 宏图 1876 | 宏丽 1877 | 宏大 1878 | 红火 1879 | 弘愿 1880 | 弘扬 1881 | 轰轰烈烈 1882 | 亨通 1883 | 贺喜 1884 | 贺电 1885 | 荷花 1886 | 和谐 1887 | 和顺 1888 | 和平 1889 | 和睦 1890 | 和乐 1891 | 和解 1892 | 和缓 1893 | 合算 1894 | 合适 1895 | 合理化 1896 | 合理 1897 | 合乎 1898 | 合法 1899 | 呵护 1900 | 浩浩荡荡 1901 | 浩荡 1902 | 浩大 1903 | 号角 1904 | 好转 1905 | 好意 1906 | 好事 1907 | 好上加好 1908 | 好日子 1909 | 好人 1910 | 好评 1911 | 好看 1912 | 好过 1913 | 好感 1914 | 豪言壮语 1915 | 豪爽 1916 | 豪情 1917 | 豪气 1918 | 豪迈 1919 | 豪杰 1920 | 豪华 1921 | 行家 1922 | 捍卫 1923 | 汗马功劳 1924 | 罕见 1925 | 涵养 1926 | 含蓄 1927 | 果决 1928 | 果敢 1929 | 果断 1930 | 鬼斧神工 1931 | 光荣 1932 | 光明正大 1933 | 光明磊落 1934 | 光明 1935 | 光芒 1936 | 光辉灿烂 1937 | 光辉 1938 | 光顾 1939 | 光彩 1940 | 关怀备至 1941 | 固若金汤 1942 | 贡献 1943 | 攻无不克 1944 | 功勋 1945 | 功劳 1946 | 功绩 1947 | 公私分明 1948 | 公开 1949 | 革故鼎新 1950 | 高雅 1951 | 高尚 1952 | 高朗 1953 | 高举 1954 | 高精尖 1955 | 高见 1956 | 高级 1957 | 高歌猛进 1958 | 高歌 1959 | 高峰 1960 | 高风 1961 | 高等级 1962 | 高等 1963 | 高档 1964 | 高大 1965 | 高潮 1966 | 高超 1967 | 高产 1968 | 高材生 1969 | 高昂 1970 | 纲领 1971 | 刚正 1972 | 刚勇 1973 | 刚毅 1974 | 刚性 1975 | 刚柔 1976 | 刚强 1977 | 干练 1978 | 干净 1979 | 干劲 1980 | 干将 1981 | 感召 1982 | 感言 1983 | 感谢 1984 | 感悟 1985 | 感同身受 1986 | 感人 1987 | 感染力 1988 | 感激 1989 | 感化 1990 | 感恩戴德 1991 | 感恩 1992 | 感动 1993 | 敢于 1994 | 赶上 1995 | 肝胆相照 1996 | 甘心 1997 | 甘泉 1998 | 甘霖 1999 | 盖世 2000 | 改观 2001 | 改革 2002 | 富足 2003 | 富源 2004 | 富裕 2005 | 富余 2006 | 富有 2007 | 富庶 2008 | 富饶 2009 | 富强 2010 | 富民 2011 | 富国 2012 | 富贵 2013 | 赋有 2014 | 复兴 2015 | 复苏 2016 | 辅助 2017 | 福祉 2018 | 福音 2019 | 福星 2020 | 福利 2021 | 福地 2022 | 扶助 2023 | 扶贫 2024 | 扶持 2025 | 奉献 2026 | 锋芒 2027 | 风姿 2028 | 风趣 2029 | 风华 2030 | 风光 2031 | 风范 2032 | 风发 2033 | 风采 2034 | 丰裕 2035 | 丰沃 2036 | 丰硕 2037 | 丰收 2038 | 丰盛 2039 | 丰润 2040 | 丰沛 2041 | 丰年 2042 | 丰满 2043 | 丰厚 2044 | 丰功伟绩 2045 | 丰富多彩 2046 | 丰登 2047 | 丰碑 2048 | 奋战 2049 | 奋勇向前 2050 | 奋勇 2051 | 奋起 2052 | 奋力 2053 | 奋进 2054 | 奋发 2055 | 奋斗 2056 | 费尽心血 2057 | 翡翠 2058 | 肥沃 2059 | 肥美 2060 | 非凡 2061 | 飞扬 2062 | 飞翔 2063 | 飞舞 2064 | 飞腾 2065 | 飞快 2066 | 飞驰 2067 | 飞奔 2068 | 放心 2069 | 芳香 2070 | 方针 2071 | 方兴未艾 2072 | 方略 2073 | 方便 2074 | 范文 2075 | 范例 2076 | 范本 2077 | 繁盛 2078 | 繁荣昌盛 2079 | 繁华 2080 | 繁多 2081 | 法治 2082 | 法宝 2083 | 发扬 2084 | 发祥地 2085 | 发现 2086 | 发起 2087 | 发家 2088 | 发挥 2089 | 发光 2090 | 发愤图强 2091 | 发奋图强 2092 | 发达 2093 | 发财 2094 | 恩爱 2095 | 夺冠 2096 | 多样 2097 | 多谋善断 2098 | 多彩 2099 | 对症下药 2100 | 锻炼 2101 | 端直 2102 | 端正 2103 | 独特 2104 | 独立 2105 | 独具匠心 2106 | 独到 2107 | 独创 2108 | 独步 2109 | 斗志 2110 | 抖擞 2111 | 洞悉 2112 | 洞察 2113 | 动容 2114 | 动人 2115 | 动力 2116 | 懂行 2117 | 东风 2118 | 定心丸 2119 | 鼎新 2120 | 鼎盛 2121 | 鼎力 2122 | 顶天立地 2123 | 顶峰 2124 | 殿堂 2125 | 奠基 2126 | 奠定 2127 | 点缀 2128 | 点头 2129 | 点明 2130 | 点将 2131 | 典型 2132 | 典礼 2133 | 典籍 2134 | 第一流 2135 | 递升 2136 | 地利 2137 | 地道 2138 | 砥砺 2139 | 底蕴 2140 | 底气 2141 | 灯塔 2142 | 德政 2143 | 德育 2144 | 德化 2145 | 德高望重 2146 | 得主 2147 | 得体 2148 | 得手 2149 | 得人心 2150 | 得力 2151 | 得当 2152 | 道义 2153 | 道德 2154 | 导引 2155 | 当先 2156 | 胆大心细 2157 | 带头人 2158 | 带头 2159 | 带领 2160 | 带动 2161 | 大作 2162 | 大义 2163 | 大显身手 2164 | 大团结 2165 | 大统 2166 | 大手笔 2167 | 大势 2168 | 大好 2169 | 大方 2170 | 大典 2171 | 大刀阔斧 2172 | 大胆 2173 | 打响 2174 | 打下 2175 | 打通 2176 | 打气 2177 | 打破 2178 | 答谢 2179 | 达人 2180 | 达标 2181 | 璀璨 2182 | 促膝 2183 | 促使 2184 | 促请 2185 | 促成 2186 | 粗犷 2187 | 从优 2188 | 从容 2189 | 聪明 2190 | 慈祥 2191 | 慈善 2192 | 慈爱 2193 | 醇美 2194 | 醇酒 2195 | 醇厚 2196 | 纯正 2197 | 纯洁 2198 | 纯粹 2199 | 春晖 2200 | 春光 2201 | 春风 2202 | 垂青 2203 | 创作 2204 | 创制 2205 | 创意 2206 | 创收 2207 | 创始 2208 | 创设 2209 | 创立 2210 | 创举 2211 | 创见 2212 | 创汇 2213 | 传颂 2214 | 传授 2215 | 传世 2216 | 传经 2217 | 矗立 2218 | 楚楚 2219 | 初衷 2220 | 出众 2221 | 出息 2222 | 出头 2223 | 出色 2224 | 出名 2225 | 出类拔萃 2226 | 筹募 2227 | 酬金 2228 | 绸缪 2229 | 崇高 2230 | 充实 2231 | 充沛 2232 | 充分 2233 | 冲破 2234 | 冲锋陷阵 2235 | 冲锋 2236 | 炽热 2237 | 赤诚 2238 | 叱咤风云 2239 | 持之以恒 2240 | 持平 2241 | 持久 2242 | 驰名 2243 | 驰骋 2244 | 吃香 2245 | 吃苦耐劳 2246 | 澄清 2247 | 乘风破浪 2248 | 承诺 2249 | 承担 2250 | 诚挚 2251 | 诚意 2252 | 诚心诚意 2253 | 诚心 2254 | 诚实 2255 | 成长 2256 | 成效 2257 | 成熟 2258 | 成事 2259 | 成名 2260 | 成立 2261 | 成绩 2262 | 成材 2263 | 成才 2264 | 撑腰 2265 | 称许 2266 | 称心 2267 | 称道 2268 | 晨曦 2269 | 沉着 2270 | 沉稳 2271 | 潮流 2272 | 朝阳 2273 | 朝气蓬勃 2274 | 朝气 2275 | 朝晖 2276 | 超脱 2277 | 超人 2278 | 超群 2279 | 超前 2280 | 超级 2281 | 超凡 2282 | 超常 2283 | 倡议 2284 | 倡导 2285 | 畅游 2286 | 畅销 2287 | 畅旺 2288 | 畅通 2289 | 畅谈 2290 | 畅行 2291 | 畅达 2292 | 尝鲜 2293 | 昌隆 2294 | 阐述 2295 | 阐明 2296 | 阐发 2297 | 蝉联 2298 | 操守 2299 | 苍穹 2300 | 灿烂 2301 | 彩云 2302 | 采纳 2303 | 财运 2304 | 财富 2305 | 财宝 2306 | 才智 2307 | 才女 2308 | 才能 2309 | 才华 2310 | 不同凡响 2311 | 不屈不挠 2312 | 不吝 2313 | 不凡 2314 | 不乏 2315 | 不错 2316 | 博雅 2317 | 博学 2318 | 博览 2319 | 博大 2320 | 博爱 2321 | 伯乐 2322 | 波澜壮阔 2323 | 并进 2324 | 并肩 2325 | 并驾齐驱 2326 | 并行不悖 2327 | 禀赋 2328 | 禀承 2329 | 宾朋 2330 | 表彰 2331 | 表扬 2332 | 表率 2333 | 飙升 2334 | 标致 2335 | 标兵 2336 | 辩证 2337 | 便于 2338 | 便民 2339 | 便利 2340 | 便捷 2341 | 变通 2342 | 裨益 2343 | 毕生 2344 | 比肩 2345 | 鼻祖 2346 | 迸发 2347 | 本事 2348 | 本领 2349 | 本份 2350 | 奔腾 2351 | 奔赴 2352 | 辈出 2353 | 爆满 2354 | 抱负 2355 | 报效 2356 | 报喜 2357 | 报国 2358 | 报恩 2359 | 保值 2360 | 保送 2361 | 宝座 2362 | 宝库 2363 | 宝贵 2364 | 宝藏 2365 | 宝贝 2366 | 褒扬 2367 | 褒奖 2368 | 包容 2369 | 磅礴 2370 | 榜首 2371 | 帮手 2372 | 帮忙 2373 | 帮扶 2374 | 伴随 2375 | 拜访 2376 | 拜读 2377 | 百折不挠 2378 | 奥妙 2379 | 盎然 2380 | 昂扬 2381 | 安稳 2382 | 安泰 2383 | 安然 2384 | 安宁 2385 | 安分守己 2386 | 爱护 2387 | 爱国 2388 | 爱不释手 2389 | 爱戴 2390 | 爱好 2391 | 爱护 2392 | 爱惜 2393 | 昂扬 2394 | 褒 2395 | 褒奖 2396 | 褒扬 2397 | 表扬 2398 | 表彰 2399 | 并重 2400 | 不愧 2401 | 采纳 2402 | 畅快 2403 | 称道 2404 | 称快 2405 | 称颂 2406 | 称叹 2407 | 称羡 2408 | 称谢 2409 | 称心 2410 | 称心如意 2411 | 称许 2412 | 称誉 2413 | 称愿 2414 | 称赞 2415 | 崇拜 2416 | 崇敬 2417 | 崇尚 2418 | 宠爱 2419 | 踌躇满志 2420 | 垂爱 2421 | 垂青 2422 | 春风得意 2423 | 春风满面 2424 | 答谢 2425 | 大快人心 2426 | 大喜过望 2427 | 当之无愧 2428 | 道贺 2429 | 道谢 2430 | 感恩 2431 | 感恩戴德 2432 | 感激 2433 | 感激不尽 2434 | 感激涕零 2435 | 感同身受 2436 | 感谢 2437 | 感兴趣 2438 | 高山仰止 2439 | 高兴 2440 | 歌颂 2441 | 给面子 2442 | 恭贺 2443 | 恭喜 2444 | 恭祝 2445 | 关爱 2446 | 关怀 2447 | 关怀备至 2448 | 关切 2449 | 关心 2450 | 关照 2451 | 酣畅 2452 | 豪情满怀 2453 | 喝彩 2454 | 厚望 2455 | 欢畅 2456 | 欢欢喜喜 2457 | 欢快 2458 | 欢乐 2459 | 欢闹 2460 | 欢声雷动 2461 | 欢腾 2462 | 欢天喜地 2463 | 欢喜 2464 | 欢欣 2465 | 欢欣鼓舞 2466 | 欢迎 2467 | 欢愉 2468 | 欢娱 2469 | 欢悦 2470 | 还礼 2471 | 回敬 2472 | 回礼 2473 | 魂牵梦萦 2474 | 冀望 2475 | 嘉奖 2476 | 嘉许 2477 | 夹道欢迎 2478 | 兼顾 2479 | 见义勇为 2480 | 奖励 2481 | 奖赏 2482 | 交口称誉 2483 | 交口称赞 2484 | 叫好 2485 | 叫绝 2486 | 皆大欢喜 2487 | 惊喜 2488 | 景仰 2489 | 敬爱 2490 | 敬奉 2491 | 敬服 2492 | 敬礼 2493 | 敬佩 2494 | 敬畏 2495 | 敬仰 2496 | 敬重 2497 | 鞠躬 2498 | 聚精会神 2499 | 眷恋 2500 | 眷念 2501 | 开绿灯 2502 | 开心 2503 | 看重 2504 | 考究 2505 | 夸奖 2506 | 夸赞 2507 | 快活 2508 | 快乐 2509 | 快慰 2510 | 快意 2511 | 宽畅 2512 | 狂喜 2513 | 狂想 2514 | 乐颠颠 2515 | 乐呵呵 2516 | 乐意 2517 | 乐悠悠 2518 | 乐于 2519 | 乐滋滋 2520 | 理直气壮 2521 | 礼赞 2522 | 立项 2523 | 论功行赏 2524 | 满怀豪情 2525 | 满怀激情 2526 | 满面春风 2527 | 满心欢喜 2528 | 满意 2529 | 满足 2530 | 美言 2531 | 美滋滋 2532 | 梦寐以求 2533 | 梦想 2534 | 鸣谢 2535 | 膜拜 2536 | 拍案叫绝 2537 | 拍手称快 2538 | 拍手叫好 2539 | 盼望 2540 | 佩服 2541 | 捧场 2542 | 批准 2543 | 普天同庆 2544 | 器重 2545 | 翘盼 2546 | 钦佩 2547 | 亲热 2548 | 轻快 2549 | 倾慕 2550 | 倾心 2551 | 情有独钟 2552 | 情愿 2553 | 庆贺 2554 | 庆祝 2555 | 饶有兴趣 2556 | 热心 2557 | 认可 2558 | 如痴如狂 2559 | 如痴如醉 2560 | 如获至宝 2561 | 如愿以偿 2562 | 如醉如痴 2563 | 入迷 2564 | 入神 2565 | 赏识 2566 | 神往 2567 | 盛赞 2568 | 施礼 2569 | 十分满意 2570 | 示好 2571 | 手舞足蹈 2572 | 首肯 2573 | 舒畅 2574 | 舒服 2575 | 舒坦 2576 | 属意 2577 | 爽快 2578 | 说好 2579 | 说项 2580 | 颂扬 2581 | 随心 2582 | 遂心 2583 | 遂意 2584 | 抬举 2585 | 叹服 2586 | 叹为观止 2587 | 陶然 2588 | 陶陶 2589 | 陶醉 2590 | 特许 2591 | 提倡 2592 | 挑三拣四 2593 | 推崇 2594 | 推许 2595 | 望眼欲穿 2596 | 忘乎所以 2597 | 问心无愧 2598 | 希冀 2599 | 希望 2600 | 喜爱 2601 | 喜不自禁 2602 | 喜不自胜 2603 | 喜出望外 2604 | 喜欢 2605 | 喜乐 2606 | 喜气洋洋 2607 | 喜上眉梢 2608 | 喜形于色 2609 | 喜洋洋 2610 | 喜悦 2611 | 喜滋滋 2612 | 喜孜孜 2613 | 相中 2614 | 向往 2615 | 孝敬 2616 | 孝顺 2617 | 写意 2618 | 谢 2619 | 谢天谢地 2620 | 谢谢 2621 | 欣赏 2622 | 欣慰 2623 | 欣喜 2624 | 欣喜若狂 2625 | 欣羡 2626 | 心驰神往 2627 | 心花怒放 2628 | 心旷神怡 2629 | 心满意足 2630 | 心疼 2631 | 兴高采烈 2632 | 行礼 2633 | 许可 2634 | 艳羡 2635 | 扬眉吐气 2636 | 洋洋得意 2637 | 洋洋自得 2638 | 仰慕 2639 | 一往情深 2640 | 依依不舍 2641 | 溢美 2642 | 引领 2643 | 拥戴 2644 | 拥护 2645 | 愉快 2646 | 愉悦 2647 | 跃跃欲试 2648 | 赞成 2649 | 赞美 2650 | 赞佩 2651 | 赞赏 2652 | 赞颂 2653 | 赞叹 2654 | 赞同 2655 | 赞许 2656 | 赞扬 2657 | 赞誉 2658 | 折服 2659 | 珍爱 2660 | 珍视 2661 | 珍惜 2662 | 珍重 2663 | 支持 2664 | 知冷知热 2665 | 知足 2666 | 志愿 2667 | 挚爱 2668 | 致贺 2669 | 致敬 2670 | 致谢 2671 | 中意 2672 | 钟爱 2673 | 钟情 2674 | 瞩目 2675 | 瞩望 2676 | 祝福 2677 | 祝贺 2678 | 祝颂 2679 | 祝愿 2680 | 准许 2681 | 准予 2682 | 自得其乐 2683 | 自告奋勇 2684 | 尊崇 2685 | 尊敬 2686 | 尊重 2687 | 讴歌 2688 | 啧啧称赞 2689 | 憧憬 2690 | 犒劳 2691 | 犒赏 2692 | 最佳 2693 | 自在 2694 | 自由自在 2695 | 自由 2696 | 自勉 2697 | 自立自强 2698 | 自得其乐 2699 | 茁壮成长 2700 | 赚钱 2701 | 专属 2702 | 值得尊重 2703 | 值得尊敬 2704 | 值得纪念 2705 | 值得称赞 2706 | 正统 2707 | 正式 2708 | 正确性 2709 | 正面 2710 | 正常 2711 | 增进友谊 2712 | 赞成者 2713 | 赞成票 2714 | 诱人 2715 | 有远见 2716 | 有用 2717 | 有益健康 2718 | 有效性 2719 | 有效率的 2720 | 有效率 2721 | 有说有笑 2722 | 有势力 2723 | 有权 2724 | 有钱 2725 | 有礼 2726 | 有分寸 2727 | 有创造力 2728 | 有才干 2729 | 有把握 2730 | 幽默感 2731 | 英雄式 2732 | 引以为荣 2733 | 引以为傲 2734 | 引吭高歌 2735 | 易懂 2736 | 义无反顾 2737 | 义不容辞 2738 | 一往情深 2739 | 一吐为快 2740 | 遥遥领先 2741 | 学以致用 2742 | 学识 2743 | 学会 2744 | 学好 2745 | 学成归国 2746 | 学成 2747 | 幸运地 2748 | 兴趣 2749 | 兴奋的 2750 | 形影不离 2751 | 新奇 2752 | 心有灵犀 2753 | 心仪 2754 | 心想事成 2755 | 心如止水 2756 | 心情愉快 2757 | 心情舒畅 2758 | 心平气和 2759 | 心满意足 2760 | 心旷神怡 2761 | 心宽 2762 | 心花怒放 2763 | 心甘情愿 2764 | 心动 2765 | 心诚则灵 2766 | 心安理得 2767 | 写实 2768 | 协作 2769 | 协助 2770 | 协力 2771 | 小天使 2772 | 享受 2773 | 显赫 2774 | 先见之明 2775 | 喜气洋洋 2776 | 喜出望外 2777 | 喜不自禁 2778 | 无忧无虑 2779 | 无庸置疑 2780 | 无可指责 2781 | 无可挑剔 2782 | 为荣 2783 | 为傲 2784 | 万能 2785 | 完成的 2786 | 同意 2787 | 甜滋滋 2788 | 天籁 2789 | 体面 2790 | 腾跃 2791 | 特许 2792 | 特级 2793 | 讨喜 2794 | 讨人喜欢 2795 | 讨好 2796 | 谈笑风生 2797 | 谈笑 2798 | 太好了 2799 | 太好 2800 | 思想性 2801 | 熟练地 2802 | 受欢迎 2803 | 首肯 2804 | 守信 2805 | 适应 2806 | 适意 2807 | 适时 2808 | 适任 2809 | 使用方便 2810 | 时机成熟 2811 | 盛年 2812 | 生效的 2813 | 生效 2814 | 尚好 2815 | 入迷 2816 | 人情味 2817 | 人情 2818 | 热衷 2819 | 热热闹闹 2820 | 热切地 2821 | 群策群力 2822 | 全神贯注 2823 | 全力 2824 | 求新 2825 | 庆幸 2826 | 轻轻松松 2827 | 轻快地 2828 | 强壮的 2829 | 潜心 2830 | 谦逊地 2831 | 谦恭有礼 2832 | 平心静气 2833 | 平息 2834 | 平平静静 2835 | 平平淡淡 2836 | 平静下来 2837 | 平衡 2838 | 品行端正 2839 | 漂漂亮亮 2840 | 诺言 2841 | 暖意 2842 | 妙不可言 2843 | 美梦 2844 | 满面春风 2845 | 令人钦佩 2846 | 令人难忘 2847 | 令人高兴 2848 | 乐在其中 2849 | 乐此不疲 2850 | 狂喜 2851 | 宽恕 2852 | 快快乐乐 2853 | 克服 2854 | 可用 2855 | 可信赖 2856 | 可信 2857 | 可行的 2858 | 均衡 2859 | 均等 2860 | 决定性的 2861 | 精确性 2862 | 精力充沛 2863 | 惊羡 2864 | 惊奇 2865 | 尽如人意 2866 | 较优 2867 | 较好者 2868 | 渐入佳境 2869 | 加薪 2870 | 获得胜利 2871 | 豁免 2872 | 会心一笑 2873 | 欢闹 2874 | 互助合作 2875 | 互敬 2876 | 互爱 2877 | 很爽 2878 | 很棒 2879 | 好运 2880 | 好学 2881 | 行善 2882 | 哈哈 2883 | 过关 2884 | 贵重的 2885 | 贵重 2886 | 广阔 2887 | 光泽 2888 | 光芒四射 2889 | 光亮 2890 | 光滑 2891 | 冠军 2892 | 关心 2893 | 关怀 2894 | 关爱 2895 | 鼓掌欢迎 2896 | 鼓掌 2897 | 鼓舞人心 2898 | 功德 2899 | 工整 2900 | 高高兴兴 2901 | 感人的 2902 | 富丽堂皇 2903 | 符合要求 2904 | 奋争 2905 | 分工合作 2906 | 飞黄腾达 2907 | 发财致富 2908 | 夺得 2909 | 多福 2910 | 多产 2911 | 独有 2912 | 独一无二 2913 | 独立自主 2914 | 缔造者 2915 | 缔造 2916 | 得奖 2917 | 大笑 2918 | 打趣 2919 | 创立者 2920 | 出乎意料 2921 | 充份 2922 | 超好 2923 | 偿清 2924 | 不亦乐乎 2925 | 不懈 2926 | 不拘泥 2927 | 不含糊 2928 | 便宜 2929 | 变清 2930 | 变好 2931 | 安逸 2932 | 安心 2933 | 安祥 2934 | 安慰 2935 | 安睡 2936 | 安身立命 2937 | 安身 2938 | 安全 2939 | 安静 2940 | 安安稳稳 2941 | 安安静静 2942 | 爱心 2943 | 爱情 2944 | 爱好和平 2945 | 爱好 2946 | 爱国心 2947 | 爱岗敬业 2948 | 2949 | 爱惜 2950 | 安居乐业 2951 | 安全可靠 2952 | 安然无恙 2953 | 按时 2954 | 拔得 2955 | 摆脱困境 2956 | 保持稳定 2957 | 暴涨 2958 | 奔头 2959 | 比较完善 2960 | 比较稳定 2961 | 必胜 2962 | 变革 2963 | 表示满意 2964 | 表示祝贺 2965 | 表现出色 2966 | 别样 2967 | 博大精深 2968 | 不愧 2969 | 不俗 2970 | 不虚此行 2971 | 畅快 2972 | 超额完成 2973 | 超强 2974 | 称心如意 2975 | 出彩 2976 | 传奇色彩 2977 | 传统美德 2978 | 闯劲 2979 | 创新力 2980 | 创新能力 2981 | 创新型 2982 | 创新性 2983 | 创业精神 2984 | 创业项目 2985 | 春意盎然 2986 | 淳朴 2987 | 慈善事业 2988 | 催人奋进 2989 | 璀璨夺目 2990 | 大幅提高 2991 | 大好时机 2992 | 大奖 2993 | 大佬 2994 | 大力提倡 2995 | 大力支持 2996 | 大赢家 2997 | 大涨 2998 | 得天独厚 2999 | 得心应手 3000 | 德才兼备 3001 | 点赞 3002 | 顶级 3003 | 顶尖 3004 | 独占鳌头 3005 | 多样化 3006 | 方便快捷 3007 | 飞速发展 3008 | 非常丰富 3009 | 非常高兴 3010 | 斐然 3011 | 分工协作 3012 | 奋发进取 3013 | 奋发有为 3014 | 奋力拼搏 3015 | 丰利 3016 | 符合实际 3017 | 富有成效 3018 | 感到高兴 3019 | 干部群众 3020 | 高度评价 3021 | 高度赞扬 3022 | 高富帅 3023 | 高回报 3024 | 高起点 3025 | 高效率 3026 | 高于 3027 | 高远 3028 | 个性化 3029 | 各司其职 3030 | 公平合理 3031 | 公平竞争 3032 | 功能齐全 3033 | 功能强大 3034 | 刮目相看 3035 | 贵宾 3036 | 果实 3037 | 过硬 3038 | 夯实 3039 | 行之有效 3040 | 好榜样 3041 | 好于 3042 | 和衷共济 3043 | 横空出世 3044 | 后发优势 3045 | 互惠互利 3046 | 互相学习 3047 | 互相支持 3048 | 互信 3049 | 划时代 3050 | 环境优美 3051 | 辉煌成就 3052 | 回暖 3053 | 极佳 3054 | 技术创新 3055 | 技术革新 3056 | 加快步伐 3057 | 加力 3058 | 价格优势 3059 | 坚强有力 3060 | 简便易行 3061 | 讲道德 3062 | 讲文明 3063 | 奖项 3064 | 骄傲 3065 | 骄人 3066 | 杰出青年 3067 | 金羊奖 3068 | 津津乐道 3069 | 津贴 3070 | 进一步提高 3071 | 经济繁荣 3072 | 经贸合作 3073 | 经验丰富 3074 | 惊人 3075 | 精神财富 3076 | 精神风貌 3077 | 精细化 3078 | 精心组织 3079 | 敬献 3080 | 敬业 3081 | 酒香 3082 | 举世瞩目 3083 | 巨大成就 3084 | 巨大作用 3085 | 具有活力 3086 | 决赛 3087 | 绝对优势 3088 | 绝好 3089 | 绝佳 3090 | 开创性 3091 | 开放性 3092 | 可喜成绩 3093 | 恪尽 3094 | 乐章 3095 | 里程碑式 3096 | 力促 3097 | 厉害 3098 | 良好环境 3099 | 良好条件 3100 | 良好形象 3101 | 良机 3102 | 亮丽 3103 | 亮眼 3104 | 靓丽 3105 | 灵活性 3106 | 领航者 3107 | 领军人物 3108 | 领军者 3109 | 领跑 3110 | 领头羊 3111 | 领先水平 3112 | 领先于 3113 | 领先者 3114 | 令人激动 3115 | 令人欣慰 3116 | 令人振奋 3117 | 令人瞩目 3118 | 流光溢彩 3119 | 录用 3120 | 履行职责 3121 | 满足用户 3122 | 美景 3123 | 密切合作 3124 | 密切配合 3125 | 密切协作 3126 | 名列 3127 | 名列第一 3128 | 明快 3129 | 明确提出 3130 | 明确要求 3131 | 明确指出 3132 | 明显 3133 | 明显改善 3134 | 明显增强 3135 | 难能可贵 3136 | 年度人物 3137 | 年终奖金 3138 | 蓬勃发展 3139 | 批准 3140 | 品牌形象 3141 | 品牌优势 3142 | 平等互利 3143 | 普惠到 3144 | 旗帜鲜明 3145 | 千锤百炼 3146 | 前三甲 3147 | 前四 3148 | 前五 3149 | 强强联合 3150 | 强有力 3151 | 强于 3152 | 抢手 3153 | 抢占 3154 | 敲定 3155 | 切实加强 3156 | 亲睐 3157 | 清流 3158 | 情操 3159 | 求同存异 3160 | 求真务实 3161 | 取得成功 3162 | 取悦 3163 | 权威专家 3164 | 全面实现 3165 | 全面提高 3166 | 全面完成 3167 | 确定无疑 3168 | 确凿无疑 3169 | 冉冉升起 3170 | 饶有兴致 3171 | 热播 3172 | 热度 3173 | 热烈欢迎 3174 | 热情高涨 3175 | 热情好客 3176 | 认真负责 3177 | 荣誉称号 3178 | 荣誉证书 3179 | 如期 3180 | 如期完成 3181 | 山清水秀 3182 | 闪亮 3183 | 善良 3184 | 商机 3185 | 上行 3186 | 上佳 3187 | 上升 3188 | 上扬 3189 | 社会安定 3190 | 社会公德 3191 | 社会秩序 3192 | 神奇 3193 | 神速 3194 | 神往 3195 | 甚佳 3196 | 生机盎然 3197 | 胜出 3198 | 胜选 3199 | 胜者 3200 | 十佳 3201 | 时不我待 3202 | 时髦 3203 | 时尚 3204 | 实力雄厚 3205 | 实用新型 3206 | 收涨 3207 | 首家 3208 | 受宠 3209 | 受到重视 3210 | 受惠 3211 | 舒缓 3212 | 熟练掌握 3213 | 树新风 3214 | 双创 3215 | 顺利进行 3216 | 顺利实现 3217 | 顺利完成 3218 | 特批 3219 | 特有 3220 | 特长 3221 | 提名奖 3222 | 提前完成 3223 | 提振 3224 | 通俗易懂 3225 | 投资收益 3226 | 透明化 3227 | 团结奋进 3228 | 妥善解决 3229 | 拓宽 3230 | 完全符合 3231 | 完全恢复 3232 | 伟大成就 3233 | 稳步发展 3234 | 稳中略升 3235 | 问好 3236 | 握手 3237 | 无可替代 3238 | 无愧于 3239 | 无论是 3240 | 无穷的 3241 | 喜获 3242 | 先进典型 3243 | 显效 3244 | 显眼 3245 | 显著成绩 3246 | 现代化 3247 | 相信 3248 | 香饽饽 3249 | 祥和 3250 | 协同效应 3251 | 携手 3252 | 新贵 3253 | 新机遇 3254 | 新机制 3255 | 新进展 3256 | 新浪潮 3257 | 新理念 3258 | 新年快乐 3259 | 新篇章 3260 | 新锐 3261 | 新思路 3262 | 新体验 3263 | 新途径 3264 | 新鲜事 3265 | 兴致勃勃 3266 | 幸福美好 3267 | 胸怀 3268 | 胸有成竹 3269 | 雄姿 3270 | 秀美 3271 | 绚丽 3272 | 学雷锋 3273 | 学者 3274 | 迅猛发展 3275 | 压倒性 3276 | 研究成果 3277 | 耀眼 3278 | 业务精 3279 | 一统天下 3280 | 一席之地 3281 | 宜居 3282 | 宜居城市 3283 | 引领者 3284 | 引人关注 3285 | 引人瞩目 3286 | 引人注意 3287 | 赢利 3288 | 赢取 3289 | 优良传统 3290 | 优秀企业 3291 | 友好合作 3292 | 有赖于 3293 | 有名气 3294 | 有效途径 3295 | 有意思 3296 | 有志 3297 | 圆满成功 3298 | 源泉 3299 | 远超 3300 | 孕育 3301 | 增高 3302 | 斩获 3303 | 战略思维 3304 | 战略意义 3305 | 长远利益 3306 | 长足进步 3307 | 真实有效 3308 | 振奋人心 3309 | 震撼 3310 | 只争朝夕 3311 | 止跌回升 3312 | 制高点 3313 | 炙手可热 3314 | 终极目标 3315 | 重大成果 3316 | 重大成就 3317 | 重大进展 3318 | 重奖 3319 | 重振 3320 | 重整 3321 | 主动权 3322 | 主动性 3323 | 专业化 3324 | 专业人士 3325 | 赚点 3326 | 赚头 3327 | 准确性 3328 | 资源优势 3329 | 走强 3330 | 走俏 3331 | 最出色 3332 | 最大 3333 | 最多 3334 | 最高 3335 | 最好 3336 | 最合适 3337 | 最小 3338 | 最新进展 3339 | 最早 3340 | 遵法 3341 | 3342 | -------------------------------------------------------------------------------- /project_data/positive_words.txt: -------------------------------------------------------------------------------- 1 | 安定 2 | 安康 3 | 帮助 4 | 榜样 5 | 饱满 6 | 保证 7 | 筚路蓝缕 8 | 变得更好 9 | 举手称赞 10 | 标杆 11 | 不可思议的 12 | 破格录用 13 | 才思 14 | 喜兆 15 | 彩头 16 | 灿烂的 17 | 昌盛 18 | 超常发挥 19 | 超群的 20 | 超越 21 | 称赞 22 | 称赞的 23 | 成功 24 | 成功的 25 | 成功者 26 | 成果 27 | 成就 28 | 诚恳 29 | 充裕 30 | 充裕的 31 | 充足 32 | 宠爱 33 | 宠爱的 34 | 出众的 35 | 创新 36 | 创业 37 | 创造 38 | 创造力 39 | 创造性 40 | 创造性的 41 | 创造性地 42 | 慈善事业的 43 | 从容不迫 44 | 从容地 45 | 促进 46 | 达到目的 47 | 打动人 48 | 打动人心的 49 | 大获成功 50 | 大量 51 | 大人物 52 | 大师 53 | 大受欢迎 54 | 到达 55 | 得天独厚的 56 | 得益 57 | 第一的 58 | 巅峰时刻 59 | 典范 60 | 斗志昂扬 61 | 独创性 62 | 独家 63 | 独家报道 64 | 独家经营 65 | 独特魅力 66 | 独有的 67 | 多才多艺的 68 | 多功能性 69 | 恩惠 70 | 发明 71 | 发明家 72 | 发明者 73 | 发展 74 | 发展潜力 75 | 繁荣 76 | 方便地 77 | 非常卓越的 78 | 奋勇争先 79 | 丰富 80 | 丰富的 81 | 丰饶的 82 | 风度翩翩 83 | 符合要求的 84 | 富庶的 85 | 改进 86 | 改良 87 | 改善 88 | 感到满意 89 | 高手 90 | 高效 91 | 高新 92 | 高兴 93 | 高兴的 94 | 高瞻远瞩 95 | 革新 96 | 给人深刻印象 97 | 公平 98 | 公正 99 | 功成名就 100 | 恭喜 101 | 巩固 102 | 鼓励 103 | 鼓励的 104 | 鼓舞 105 | 鼓舞人心的 106 | 关键时刻 107 | 光荣的 108 | 国泰民安 109 | 好处 110 | 好的 111 | 合算的 112 | 合意 113 | 合作 114 | 和睦的 115 | 恒心 116 | 欢呼 117 | 欢呼雀跃 118 | 缓和 119 | 回升 120 | 活力四射 121 | 活跃 122 | 活跃的 123 | 获得授权的 124 | 获利 125 | 获胜 126 | 获胜的 127 | 机遇 128 | 积极的 129 | 激动的 130 | 激励 131 | 极大的 132 | 极好 133 | 极好的 134 | 急速发展 135 | 加强 136 | 坚定 137 | 坚定的 138 | 坚决 139 | 独家新闻 140 | 坚强的 141 | 坚挺 142 | 建设性的 143 | 建议 144 | 奖金 145 | 奖励 146 | 奖励的 147 | 奖牌 148 | 奖品 149 | 奖赏 150 | 较好的 151 | 杰出 152 | 杰出的 153 | 杰出人物 154 | 结盟 155 | 解决 156 | 金点子 157 | 锦囊妙计 158 | 进步 159 | 晋升 160 | 惊人的 161 | 精巧 162 | 精通 163 | 精通的 164 | 精于 165 | 净化 166 | 决心 167 | 慷慨的 168 | 犒劳 169 | 靠谱 170 | 可爱的 171 | 可敬的 172 | 可靠性 173 | 可喜的 174 | 可信任 175 | 可预测 176 | 渴望的 177 | 肯定的 178 | 肯定地 179 | 空前未有的 180 | 快乐 181 | 快乐的 182 | 快速的 183 | 宽恕的 184 | 牢固 185 | 牢固的 186 | 乐观的 187 | 乐趣 188 | 乐事 189 | 了不起的 190 | 礼貌的 191 | 礼让的 192 | 理想的 193 | 力量 194 | 联合 195 | 联盟 196 | 联姻 197 | 廉正 198 | 良好的 199 | 领导能力 200 | 领导者 201 | 领先 202 | 令人高兴的事 203 | 令人鼓舞的 204 | 令人满意 205 | 令人满意的 206 | 令人满意地 207 | 令人钦佩的 208 | 令人信服地 209 | 令人愉快的 210 | 流畅地 211 | 流行的 212 | 流利地 213 | 履行 214 | 满腔热情地 215 | 满意 216 | 满意的 217 | 满足 218 | 美德 219 | 美好 220 | 美丽 221 | 盟国 222 | 梦想 223 | 梦想成真 224 | 密切地 225 | 妙计 226 | 名列前茅 227 | 名气 228 | 明确地 229 | 乐观主义的 230 | 能干的 231 | 能手 232 | 弄潮儿 233 | 漂亮 234 | 平稳的 235 | 普及的 236 | 期望 237 | 奇特 238 | 起作用的 239 | 恰当 240 | 谦卑的 241 | 谦逊的 242 | 前进 243 | 虔诚的 244 | 强化 245 | 强项 246 | 享有声望的 247 | 巧妙的 248 | 亲切的 249 | 亲切地 250 | 勤奋地 251 | 勤勉的 252 | 勤勉地 253 | 情况好转 254 | 趣味性 255 | 热忱 256 | 热情 257 | 热情的 258 | 热心 259 | 热心的 260 | 热心地 261 | 仁慈的 262 | 荣获 263 | 荣幸 264 | 荣誉 265 | 容易的 266 | 融洽的 267 | 如愿以偿 268 | 润色 269 | 闪耀的 270 | 善行 271 | 擅长 272 | 擅长的 273 | 令人满足 274 | 令人满足的 275 | 上涨 276 | 升官 277 | 升职 278 | 声望 279 | 声誉 280 | 胜过 281 | 胜过的 282 | 胜利 283 | 胜利的 284 | 胜利者 285 | 盛产 286 | 石破天惊 287 | 实力 288 | 实现 289 | 实在 290 | 适当 291 | 首位的 292 | 受大众欢迎 293 | 受到喜爱的 294 | 受欢迎的 295 | 受益 296 | 受尊敬的 297 | 舒适的 298 | 熟练 299 | 熟练的 300 | 顺利 301 | 顺利的 302 | 顺利地 303 | 顺遂 304 | 讨人喜欢的 305 | 套期保值 306 | 无双的 307 | 特许经营权 308 | 特许权 309 | 提拔 310 | 提高 311 | 提升 312 | 天才 313 | 通用的 314 | 同舟共济 315 | 头筹 316 | 突破 317 | 突破性进展 318 | 团结 319 | 完美 320 | 完美的 321 | 完美地 322 | 完全地 323 | 完整 324 | 万能的 325 | 威望 326 | 唯一地 327 | 伟大 328 | 伟大的 329 | 温和地 330 | 稳定 331 | 稳定的 332 | 稳定化 333 | 稳定性 334 | 稳固 335 | 问候的 336 | 无比的 337 | 无法鉴定 338 | 无与伦比的 339 | 吸引力 340 | 吸引人 341 | 希望 342 | 喜爱 343 | 喜欢 344 | 喜欢的 345 | 喜庆 346 | 先发优势 347 | 先行一步的 348 | 先行者 349 | 先机 350 | 先驱 351 | 显著的 352 | 显著地 353 | 相称的 354 | 想得到的 355 | 向上 356 | 效率高地 357 | 心灵手巧 358 | 欣然的 359 | 欣赏 360 | 欣喜的 361 | 新方法 362 | 新兴 363 | 信赖 364 | 信任 365 | 信心满满的 366 | 信仰 367 | 兴奋 368 | 兴高采烈 369 | 兴旺 370 | 幸福 371 | 幸福的 372 | 幸运 373 | 幸运儿 374 | 勋章 375 | 一帆风顺 376 | 毅力 377 | 引人注目的 378 | 印象深刻的 379 | 赢得 380 | 赢者 381 | 用功的 382 | 用途广泛 383 | 优化 384 | 优良的 385 | 优胜者 386 | 优势 387 | 优秀 388 | 优秀的 389 | 优雅 390 | 优异 391 | 优于 392 | 友好的 393 | 友好地 394 | 有帮助的 395 | 有报酬的 396 | 有好报 397 | 有技巧的 398 | 有价值的 399 | 有竞争力 400 | 有利 401 | 有利的 402 | 有利地 403 | 有利条件 404 | 有利于 405 | 有魅力 406 | 有名望的 407 | 有能力的 408 | 有启发的 409 | 有前瞻性的 410 | 有特色的 411 | 有效的 412 | 有学问的 413 | 有益 414 | 有益的 415 | 有益于 416 | 有影响力 417 | 有影响力的 418 | 有助地 419 | 有助益的 420 | 有助于 421 | 愉快 422 | 愉快的 423 | 愉快地 424 | 愉悦 425 | 与众不同的 426 | 圆满 427 | 允许的 428 | 赞成的 429 | 赞许的 430 | 赞扬 431 | 造诣 432 | 增强 433 | 增益 434 | 赠送的 435 | 战略眼光 436 | 长处 437 | 涨 438 | 真实的 439 | 震撼的 440 | 正直 441 | 支持的 442 | 值得称赞的 443 | 值得的 444 | 值得信赖 445 | 中意的 446 | 忠诚的 447 | 重新获得 448 | 祝贺 449 | 专攻 450 | 专一的 451 | 赚到 452 | 赚钱的 453 | 壮观的 454 | 卓越 455 | 卓越的 456 | 自信的 457 | 最高的 458 | 最好的 459 | 做主 460 | 座上客 461 | 左右手 462 | 遵守 463 | 遵纪守法 464 | 遵从 465 | 尊重 466 | 尊敬 467 | 尊贵 468 | 尊崇 469 | 尊称 470 | 钻研 471 | 足金 472 | 足够 473 | 奏效 474 | 纵横 475 | 自尊 476 | 自主 477 | 自信 478 | 自若 479 | 自如 480 | 自强不息 481 | 自强 482 | 自立 483 | 自觉 484 | 自豪 485 | 自告奋勇 486 | 自爱 487 | 资助 488 | 孜孜不倦 489 | 孜孜 490 | 擢升 491 | 卓著 492 | 卓识 493 | 卓然 494 | 卓立 495 | 卓绝 496 | 卓见 497 | 卓尔不群 498 | 灼见 499 | 准确 500 | 谆谆教导 501 | 追求 502 | 状元 503 | 壮志 504 | 壮硕 505 | 壮士 506 | 壮实 507 | 壮美 508 | 壮丽 509 | 壮举 510 | 壮健 511 | 壮观 512 | 壮大 513 | 庄重 514 | 庄严 515 | 专注 516 | 专长 517 | 专心致志 518 | 专心 519 | 著名 520 | 著称 521 | 祝愿 522 | 祝颂 523 | 祝寿 524 | 祝酒 525 | 祝捷 526 | 祝福 527 | 祝词 528 | 助益 529 | 瞩望 530 | 瞩目 531 | 主旋律 532 | 主心骨 533 | 主人翁 534 | 主力军 535 | 主将 536 | 珠玑 537 | 周正 538 | 周详 539 | 周全 540 | 周密 541 | 周到 542 | 重镇 543 | 重用 544 | 重托 545 | 众志成城 546 | 众望所归 547 | 众望 548 | 衷心 549 | 钟情 550 | 钟爱 551 | 忠于 552 | 忠义 553 | 忠心耿耿 554 | 忠心 555 | 忠实 556 | 忠厚 557 | 忠告 558 | 忠诚 559 | 中意 560 | 中选 561 | 中流砥柱 562 | 中肯 563 | 中坚 564 | 智囊 565 | 智慧 566 | 智多星 567 | 致力 568 | 致敬 569 | 致贺 570 | 致富 571 | 挚情 572 | 挚诚 573 | 栉风沐雨 574 | 质朴 575 | 制胜 576 | 志愿 577 | 志同道合 578 | 指引 579 | 直言不讳 580 | 直爽 581 | 直率 582 | 直截了当 583 | 直观 584 | 知足 585 | 知音 586 | 知心 587 | 知名 588 | 知己 589 | 支援 590 | 支持 591 | 郑重 592 | 正宗 593 | 正义 594 | 正确 595 | 正气 596 | 正派 597 | 正理 598 | 正经 599 | 正轨 600 | 正规 601 | 正道 602 | 正当 603 | 正大光明 604 | 正大 605 | 整齐 606 | 整洁 607 | 整饬 608 | 拯救 609 | 蒸蒸日上 610 | 峥嵘 611 | 争雄 612 | 争先 613 | 争气 614 | 争光 615 | 镇静 616 | 镇定 617 | 振作 618 | 振兴 619 | 振奋 620 | 振发 621 | 缜密 622 | 箴言 623 | 真挚 624 | 真知 625 | 真言 626 | 真心真意 627 | 真心实意 628 | 真心诚意 629 | 真心 630 | 真实 631 | 真确 632 | 真情实意 633 | 真情 634 | 真切 635 | 真理 636 | 真话 637 | 真谛 638 | 真诚 639 | 珍品 640 | 珍藏 641 | 珍宝 642 | 照耀 643 | 长足 644 | 长者 645 | 长远 646 | 长于 647 | 长项 648 | 长寿 649 | 长空 650 | 长进 651 | 战无不胜 652 | 战胜 653 | 战绩 654 | 战果 655 | 战功 656 | 崭新 657 | 展望 658 | 展翅 659 | 扎实 660 | 增值 661 | 增长 662 | 增色 663 | 增进 664 | 增光 665 | 择优 666 | 造就 667 | 造福 668 | 赞助 669 | 赞誉 670 | 赞语 671 | 赞许 672 | 赞同 673 | 赞叹不已 674 | 赞叹 675 | 赞颂 676 | 赞赏 677 | 赞佩 678 | 赞美 679 | 赞歌 680 | 赞成 681 | 赞不绝口 682 | 在握 683 | 在理 684 | 再生 685 | 再接再厉 686 | 载歌载舞 687 | 韵味 688 | 允诺 689 | 允当 690 | 匀称 691 | 跃然 692 | 跃居 693 | 悦目 694 | 悦耳 695 | 愿望 696 | 愿景 697 | 远虑 698 | 远景 699 | 远见卓识 700 | 远见 701 | 远大 702 | 圆润 703 | 元勋 704 | 渊博 705 | 预祝 706 | 语重心长 707 | 余裕 708 | 有助 709 | 有缘 710 | 有效 711 | 有望 712 | 有条不紊 713 | 有所作为 714 | 有素 715 | 有数 716 | 有始有终 717 | 有识 718 | 有声有色 719 | 有趣 720 | 有名 721 | 有力 722 | 有理 723 | 有劲 724 | 有恒 725 | 有的放矢 726 | 有成 727 | 友谊 728 | 友善 729 | 友人 730 | 友情 731 | 友邻 732 | 友军 733 | 友好 734 | 友邦 735 | 友爱 736 | 由衷 737 | 悠长 738 | 悠游 739 | 悠久 740 | 幽默 741 | 优质 742 | 优越 743 | 优裕 744 | 优选 745 | 优先 746 | 优胜 747 | 优美 748 | 优良 749 | 优惠 750 | 优厚 751 | 优点 752 | 优等 753 | 优待 754 | 用心 755 | 涌现 756 | 勇于 757 | 勇武 758 | 勇往直前 759 | 勇气 760 | 勇猛 761 | 勇健 762 | 勇敢 763 | 永久 764 | 永恒 765 | 永存 766 | 拥护 767 | 拥戴 768 | 硬朗 769 | 硬汉 770 | 盈盈 771 | 迎接 772 | 迎候 773 | 英姿 774 | 英勇无畏 775 | 英勇 776 | 英雄 777 | 英武 778 | 英明 779 | 英名 780 | 英烈 781 | 英俊 782 | 英华 783 | 英豪 784 | 英才 785 | 引人入胜 786 | 引导 787 | 殷实 788 | 殷勤 789 | 殷切 790 | 荫庇 791 | 因地制宜 792 | 毅然 793 | 意气风发 794 | 益处 795 | 屹立 796 | 义诊 797 | 义演 798 | 义卖 799 | 倚重 800 | 以身作则 801 | 颐养 802 | 宜人 803 | 怡神 804 | 怡和 805 | 一心一意 806 | 一心 807 | 一往无前 808 | 一丝不苟 809 | 一日千里 810 | 一气呵成 811 | 一流 812 | 摇篮 813 | 尧舜 814 | 邀请 815 | 样板 816 | 仰望 817 | 洋洋 818 | 扬名 819 | 扬眉吐气 820 | 艳羡 821 | 言行一致 822 | 言而有信 823 | 严整 824 | 严明 825 | 严密 826 | 严谨 827 | 雅丽 828 | 压轴戏 829 | 循循善诱 830 | 雪中送炭 831 | 选贤任能 832 | 旭日东升 833 | 栩栩如生 834 | 虚心 835 | 修身 836 | 雄心 837 | 雄文 838 | 雄伟 839 | 雄威 840 | 雄图 841 | 雄踞 842 | 雄赳赳 843 | 雄纠纠 844 | 雄杰 845 | 雄健 846 | 雄厚 847 | 雄风 848 | 幸事 849 | 兴腾 850 | 兴盛 851 | 兴隆 852 | 信誉 853 | 信义 854 | 信心 855 | 信守 856 | 信实 857 | 信服 858 | 新颖 859 | 新意 860 | 新秀 861 | 新型 862 | 新星 863 | 新鲜 864 | 新生 865 | 新风 866 | 欣欣向荣 867 | 欣欣 868 | 欣喜 869 | 欣慰 870 | 欣然 871 | 辛勤 872 | 谢意 873 | 协调 874 | 效忠 875 | 效法 876 | 笑颜 877 | 孝顺 878 | 小康 879 | 潇洒 880 | 向往 881 | 响当当 882 | 享誉 883 | 享有 884 | 享用 885 | 详细 886 | 详尽 887 | 香甜 888 | 相助 889 | 相悦 890 | 相称 891 | 献礼 892 | 献词 893 | 献策 894 | 显著 895 | 娴熟 896 | 鲜明 897 | 鲜美 898 | 鲜活 899 | 先知 900 | 先贤 901 | 先人后己 902 | 先驱者 903 | 先进 904 | 先河 905 | 先行 906 | 先锋 907 | 先导 908 | 仙境 909 | 细致 910 | 细心 911 | 细腻 912 | 细密 913 | 喜悦 914 | 喜讯 915 | 喜笑颜开 916 | 喜闻乐见 917 | 喜事 918 | 喜人 919 | 喜气 920 | 喜好 921 | 喜报 922 | 洗礼 923 | 犀利 924 | 稀有 925 | 希冀 926 | 吸引 927 | 务实 928 | 妩媚 929 | 无与伦比 930 | 无懈可击 931 | 无微不至 932 | 无私 933 | 无双 934 | 无可比拟 935 | 无尽 936 | 无坚不摧 937 | 无敌 938 | 无出其右 939 | 无比 940 | 沃土 941 | 问世 942 | 问候 943 | 稳重 944 | 稳妥 945 | 稳实 946 | 稳健 947 | 稳当 948 | 稳步 949 | 闻名遐尔 950 | 闻名 951 | 文明 952 | 文才 953 | 温馨 954 | 温润 955 | 温情 956 | 温暖 957 | 温和 958 | 伟业 959 | 伟人 960 | 伟力 961 | 伟绩 962 | 巍峨 963 | 威信 964 | 威风 965 | 旺销 966 | 旺盛 967 | 万众一心 968 | 万岁 969 | 万全 970 | 万马奔腾 971 | 婉转 972 | 完善 973 | 完全 974 | 完满 975 | 完好 976 | 完备 977 | 拓展 978 | 妥贴 979 | 妥适 980 | 妥善 981 | 妥当 982 | 推重 983 | 推心置腹 984 | 推举 985 | 推进 986 | 推荐 987 | 推广 988 | 推动 989 | 推崇 990 | 推陈出新 991 | 突进 992 | 突飞猛进 993 | 突出 994 | 透彻 995 | 头等 996 | 统一 997 | 同心协力 998 | 同心同德 999 | 同心 1000 | 通情达理 1001 | 通明 1002 | 通达 1003 | 通畅 1004 | 通才 1005 | 挺身而出 1006 | 挺进 1007 | 铁面无私 1008 | 铁军 1009 | 贴心 1010 | 贴切 1011 | 调解 1012 | 调和 1013 | 挑大梁 1014 | 甜头 1015 | 甜蜜 1016 | 天使 1017 | 天然 1018 | 天理 1019 | 天赋 1020 | 提倡 1021 | 腾飞 1022 | 特色 1023 | 特等 1024 | 滔滔不绝 1025 | 探索 1026 | 探求 1027 | 探究 1028 | 探访 1029 | 叹为观止 1030 | 坦途 1031 | 坦然 1032 | 坦率 1033 | 坦诚 1034 | 泰然 1035 | 泰斗 1036 | 太平 1037 | 踏实 1038 | 所向披靡 1039 | 遂意 1040 | 1041 | 随机应变 1042 | 素养 1043 | 硕果 1044 | 顺应 1045 | 顺心 1046 | 顺气 1047 | 顺畅 1048 | 爽口 1049 | 双赢 1050 | 树立 1051 | 熟知 1052 | 熟悉 1053 | 熟稔 1054 | 疏导 1055 | 舒展 1056 | 舒心 1057 | 舒适 1058 | 舒服 1059 | 殊荣 1060 | 首要 1061 | 首位 1062 | 首屈一指 1063 | 首创 1064 | 首倡 1065 | 守法 1066 | 收效 1067 | 收获 1068 | 收复 1069 | 誓言 1070 | 适用 1071 | 适宜 1072 | 适销 1073 | 适合 1074 | 适度 1075 | 试金石 1076 | 事迹 1077 | 事半功倍 1078 | 势如破竹 1079 | 势不可挡 1080 | 势不可当 1081 | 示范 1082 | 始终如一 1083 | 始终不渝 1084 | 始创 1085 | 使命 1086 | 矢志 1087 | 史无前例 1088 | 史诗 1089 | 史册 1090 | 实用 1091 | 实效 1092 | 实事求是 1093 | 实绩 1094 | 实惠 1095 | 实话 1096 | 实干 1097 | 十全十美 1098 | 盛赞 1099 | 盛誉 1100 | 盛宴 1101 | 盛筵 1102 | 盛事 1103 | 盛世 1104 | 盛情 1105 | 盛名 1106 | 盛况 1107 | 盛开 1108 | 盛举 1109 | 盛景 1110 | 盛会 1111 | 盛典 1112 | 盛大 1113 | 胜仗 1114 | 胜算 1115 | 胜诉 1116 | 胜似 1117 | 胜任 1118 | 胜景 1119 | 胜迹 1120 | 胜地 1121 | 胜 1122 | 圣贤 1123 | 圣人 1124 | 圣洁 1125 | 圣地 1126 | 省心 1127 | 省事 1128 | 声威 1129 | 生力军 1130 | 生机勃勃 1131 | 生机 1132 | 生动 1133 | 生财 1134 | 升值 1135 | 升华 1136 | 升格 1137 | 神州 1138 | 神通 1139 | 神算 1140 | 神圣 1141 | 神采奕奕 1142 | 神采 1143 | 深造 1144 | 深远 1145 | 深意 1146 | 深信 1147 | 深透 1148 | 深思 1149 | 深入 1150 | 深情 1151 | 深切 1152 | 深刻 1153 | 深化 1154 | 深厚 1155 | 深度 1156 | 身先士卒 1157 | 身体力行 1158 | 舍己救人 1159 | 上游 1160 | 上品 1161 | 上流 1162 | 上进 1163 | 上乘 1164 | 上策 1165 | 赏心悦目 1166 | 赏识 1167 | 善意 1168 | 善始善终 1169 | 善举 1170 | 三好 1171 | 润泽 1172 | 睿智 1173 | 锐意 1174 | 锐气 1175 | 锐不可当 1176 | 入选 1177 | 入神 1178 | 儒商 1179 | 如愿 1180 | 如意 1181 | 柔和 1182 | 融洽 1183 | 融会贯通 1184 | 融会 1185 | 荣膺 1186 | 荣耀 1187 | 荣升 1188 | 荣归 1189 | 荣光 1190 | 荣登 1191 | 日新月异 1192 | 韧性 1193 | 韧劲 1194 | 任人唯贤 1195 | 任劳任怨 1196 | 认真 1197 | 仁义 1198 | 仁慈 1199 | 仁爱 1200 | 人缘 1201 | 人心所向 1202 | 人权 1203 | 人格 1204 | 人道 1205 | 人才 1206 | 热血 1207 | 热销 1208 | 热望 1209 | 热切 1210 | 热闹 1211 | 热门 1212 | 热烈 1213 | 热火朝天 1214 | 热诚 1215 | 热潮 1216 | 热爱 1217 | 确信 1218 | 确实 1219 | 确切 1220 | 雀跃 1221 | 全新 1222 | 全心全意 1223 | 全盛 1224 | 全胜 1225 | 全面 1226 | 全力以赴 1227 | 全才 1228 | 权益 1229 | 权威 1230 | 趣味 1231 | 取长补短 1232 | 取胜 1233 | 取经 1234 | 求实 1235 | 庆祝 1236 | 庆贺 1237 | 庆典 1238 | 请教 1239 | 情谊 1240 | 情投意合 1241 | 清正 1242 | 清醒 1243 | 清新 1244 | 清晰 1245 | 清通 1246 | 清泉 1247 | 清明 1248 | 清名 1249 | 清凉 1250 | 清廉 1251 | 清净 1252 | 清洁 1253 | 清晖 1254 | 清华 1255 | 清风 1256 | 清淡 1257 | 清澈 1258 | 清白 1259 | 倾注 1260 | 倾心 1261 | 轻装 1262 | 轻松 1263 | 青春 1264 | 勤勉 1265 | 勤劳 1266 | 勤俭 1267 | 勤奋 1268 | 亲人 1269 | 亲热 1270 | 亲切 1271 | 亲密 1272 | 亲临 1273 | 亲近 1274 | 亲和力 1275 | 钦羡 1276 | 钦佩 1277 | 锲而不舍 1278 | 惬意 1279 | 切实 1280 | 切合 1281 | 翘楚 1282 | 巧思 1283 | 巧妙 1284 | 巧夺天工 1285 | 强壮 1286 | 强者 1287 | 强盛 1288 | 强劲 1289 | 强健 1290 | 强大 1291 | 前瞻性 1292 | 前沿 1293 | 前途无量 1294 | 前所未有 1295 | 前驱 1296 | 前列 1297 | 前景 1298 | 前赴后继 1299 | 前锋 1300 | 前程 1301 | 前辈 1302 | 谦虚谨慎 1303 | 谦虚 1304 | 谦诚 1305 | 千里马 1306 | 千金 1307 | 千变万化 1308 | 恰到好处 1309 | 契机 1310 | 气质 1311 | 气势 1312 | 气魄 1313 | 气派 1314 | 气概 1315 | 起色 1316 | 起飞 1317 | 启示 1318 | 启迪 1319 | 企盼 1320 | 旗帜 1321 | 旗手 1322 | 旗开得胜 1323 | 奇葩 1324 | 奇妙 1325 | 奇迹 1326 | 奇观 1327 | 奇功 1328 | 奇才 1329 | 奇兵 1330 | 齐整 1331 | 齐心 1332 | 齐全 1333 | 齐名 1334 | 期盼 1335 | 期冀 1336 | 期待 1337 | 谱写 1338 | 朴实 1339 | 魄力 1340 | 平整 1341 | 平稳 1342 | 平坦 1343 | 平顺 1344 | 平实 1345 | 平静 1346 | 平和 1347 | 平等 1348 | 平安 1349 | 品鉴 1350 | 品德 1351 | 品尝 1352 | 频传 1353 | 拼搏 1354 | 飘逸 1355 | 媲美 1356 | 披荆斩棘 1357 | 澎湃 1358 | 蓬勃 1359 | 喷薄 1360 | 佩服 1361 | 培育 1362 | 培养 1363 | 陪伴 1364 | 抛砖引玉 1365 | 盼望 1366 | 判明 1367 | 攀登 1368 | 排头兵 1369 | 呕心沥血 1370 | 讴歌 1371 | 暖流 1372 | 暖和 1373 | 努力 1374 | 浓郁 1375 | 浓厚 1376 | 凝聚力 1377 | 宁静 1378 | 年富力强 1379 | 能人 1380 | 能干 1381 | 内行 1382 | 难得 1383 | 耐用 1384 | 耐心 1385 | 睦邻 1386 | 魔力 1387 | 模范 1388 | 铭记 1389 | 鸣谢 1390 | 明珠 1391 | 明智 1392 | 明哲 1393 | 明眼人 1394 | 明星 1395 | 明晰 1396 | 明确 1397 | 明亮 1398 | 明朗 1399 | 明镜 1400 | 明静 1401 | 明光 1402 | 明达 1403 | 明察秋毫 1404 | 明辨是非 1405 | 名正言顺 1406 | 名誉 1407 | 名优 1408 | 名言 1409 | 名闻遐迩 1410 | 名士 1411 | 名师 1412 | 名品 1413 | 名牌 1414 | 名门 1415 | 名满天下 1416 | 名流 1417 | 名家 1418 | 名贵 1419 | 名城 1420 | 名产 1421 | 敏锐 1422 | 敏捷 1423 | 敏慧 1424 | 民主 1425 | 妙语 1426 | 面市 1427 | 勉励 1428 | 绵长 1429 | 迷人 1430 | 猛进 1431 | 萌芽 1432 | 魅力 1433 | 美誉 1434 | 美味 1435 | 美妙 1436 | 美化 1437 | 美观 1438 | 美称 1439 | 美差 1440 | 美餐 1441 | 满载而归 1442 | 满堂红 1443 | 满腹经纶 1444 | 满分 1445 | 迈进 1446 | 埋头苦干 1447 | 马不停蹄 1448 | 率先 1449 | 履约 1450 | 落实 1451 | 炉火纯青 1452 | 隆重 1453 | 隆盛 1454 | 柳暗花明 1455 | 流通 1456 | 流连 1457 | 流利 1458 | 流行 1459 | 流畅 1460 | 领衔 1461 | 灵性 1462 | 灵通 1463 | 灵敏 1464 | 灵活 1465 | 灵感 1466 | 灵动 1467 | 琳琅满目 1468 | 两全 1469 | 良缘 1470 | 良友 1471 | 良药 1472 | 良性 1473 | 良心 1474 | 良田 1475 | 良好 1476 | 良港 1477 | 良方 1478 | 良策 1479 | 廉直 1480 | 廉政 1481 | 廉明 1482 | 廉洁奉公 1483 | 廉洁 1484 | 联谊 1485 | 联手 1486 | 联袂 1487 | 联欢 1488 | 莅临 1489 | 利于 1490 | 利索 1491 | 利国利民 1492 | 励精图治 1493 | 立志 1494 | 立功 1495 | 厉行 1496 | 力作 1497 | 力争上游 1498 | 力争 1499 | 力挽狂澜 1500 | 力求 1501 | 力行 1502 | 理智 1503 | 理直气壮 1504 | 理性 1505 | 理想 1506 | 理顺 1507 | 理解 1508 | 礼遇 1509 | 礼让 1510 | 礼貌 1511 | 黎明 1512 | 冷静 1513 | 雷霆万钧 1514 | 雷厉风行 1515 | 了不起 1516 | 乐园 1517 | 乐于 1518 | 乐意 1519 | 乐业 1520 | 乐土 1521 | 乐天 1522 | 乐观 1523 | 老实 1524 | 老练 1525 | 牢靠 1526 | 牢不可破 1527 | 劳模 1528 | 浪漫 1529 | 浪潮 1530 | 烂熟 1531 | 蓝图 1532 | 来宾 1533 | 阔步 1534 | 扩展 1535 | 扩大 1536 | 扩充 1537 | 鲲鹏 1538 | 馈赠 1539 | 魁首 1540 | 狂欢 1541 | 宽裕 1542 | 宽慰 1543 | 宽容 1544 | 宽阔 1545 | 宽宏 1546 | 宽广 1547 | 宽绰 1548 | 宽敞 1549 | 脍炙人口 1550 | 快悦 1551 | 快速 1552 | 快马加鞭 1553 | 快捷 1554 | 快活 1555 | 跨越 1556 | 夸赞 1557 | 夸奖 1558 | 口碑 1559 | 空前 1560 | 铿锵 1561 | 肯定 1562 | 客观 1563 | 恪守 1564 | 渴求 1565 | 可意 1566 | 可喜 1567 | 可取 1568 | 可口 1569 | 可靠 1570 | 可嘉 1571 | 可行 1572 | 可贵 1573 | 可观 1574 | 靠得住 1575 | 考究 1576 | 慷慨解囊 1577 | 慷慨大方 1578 | 慷慨 1579 | 康泰 1580 | 康乐 1581 | 康健 1582 | 康复 1583 | 看重 1584 | 看望 1585 | 侃侃而谈 1586 | 楷模 1587 | 凯旋 1588 | 凯歌 1589 | 开心 1590 | 开拓 1591 | 开通 1592 | 开启 1593 | 开辟 1594 | 开明 1595 | 开门红 1596 | 开朗 1597 | 开阔 1598 | 开怀 1599 | 开化 1600 | 开放 1601 | 开发 1602 | 开创 1603 | 开诚布公 1604 | 俊杰 1605 | 均匀 1606 | 倔强 1607 | 矍铄 1608 | 崛起 1609 | 绝招 1610 | 绝妙 1611 | 绝技 1612 | 绝顶 1613 | 绝唱 1614 | 诀窍 1615 | 决定性 1616 | 眷恋 1617 | 捐助 1618 | 捐赠 1619 | 捐献 1620 | 具体 1621 | 巨子 1622 | 巨著 1623 | 巨人 1624 | 巨匠 1625 | 举一反三 1626 | 举世闻名 1627 | 举荐 1628 | 居首 1629 | 静谧 1630 | 敬重 1631 | 敬意 1632 | 敬佩 1633 | 井然有序 1634 | 井井有条 1635 | 精装 1636 | 精致 1637 | 精湛 1638 | 精英 1639 | 精益求精 1640 | 精义 1641 | 精研 1642 | 精选 1643 | 精心 1644 | 精细 1645 | 精髓 1646 | 精神 1647 | 精深 1648 | 精锐 1649 | 精确 1650 | 精强 1651 | 精品 1652 | 精辟 1653 | 精明 1654 | 精妙 1655 | 精密 1656 | 精美 1657 | 精良 1658 | 精练 1659 | 精力 1660 | 精华 1661 | 精干 1662 | 精粹 1663 | 精诚团结 1664 | 精诚 1665 | 精彩 1666 | 精兵 1667 | 兢兢业业 1668 | 晶莹 1669 | 惊喜 1670 | 经纶 1671 | 经典 1672 | 晋职 1673 | 晋级 1674 | 进展 1675 | 进益 1676 | 进贤 1677 | 进取 1678 | 进军 1679 | 进化 1680 | 尽职 1681 | 尽责 1682 | 尽情 1683 | 尽力 1684 | 锦绣 1685 | 锦旗 1686 | 锦标 1687 | 金玉 1688 | 金钥匙 1689 | 金口 1690 | 金贵 1691 | 金凤 1692 | 巾帼 1693 | 解囊相助 1694 | 解惑 1695 | 解放 1696 | 解除 1697 | 捷径 1698 | 捷报 1699 | 结实 1700 | 结晶 1701 | 洁净 1702 | 杰作 1703 | 节约 1704 | 节余 1705 | 节省 1706 | 节能 1707 | 节俭 1708 | 揭晓 1709 | 揭示 1710 | 揭幕 1711 | 揭发 1712 | 接班人 1713 | 教育 1714 | 教诲 1715 | 较劲 1716 | 觉醒 1717 | 叫好 1718 | 缴获 1719 | 脚踏实地 1720 | 佼佼者 1721 | 匠心独运 1722 | 奖状 1723 | 奖章 1724 | 奖学金 1725 | 奖杯 1726 | 讲求 1727 | 讲究 1728 | 鉴赏 1729 | 鉴定 1730 | 鉴别 1731 | 践诺 1732 | 践行 1733 | 健全 1734 | 健康 1735 | 建言 1736 | 建树 1737 | 建设性 1738 | 建设 1739 | 建立 1740 | 见长 1741 | 见义勇为 1742 | 见效 1743 | 见闻 1744 | 见识 1745 | 见解 1746 | 简易 1747 | 简要 1748 | 简雅 1749 | 简明 1750 | 简练 1751 | 简捷 1752 | 简洁 1753 | 简短 1754 | 简便 1755 | 剪彩 1756 | 检举 1757 | 兼顾 1758 | 兼备 1759 | 艰苦奋斗 1760 | 坚毅 1761 | 坚信 1762 | 坚守 1763 | 坚实 1764 | 坚韧不拔 1765 | 坚韧 1766 | 坚强 1767 | 坚固 1768 | 坚定不移 1769 | 坚持不懈 1770 | 坚不可摧 1771 | 尖端 1772 | 尖兵 1773 | 嘉许 1774 | 嘉奖 1775 | 佳作 1776 | 佳人 1777 | 佳品 1778 | 佳境 1779 | 佳节 1780 | 继往开来 1781 | 继承 1782 | 技巧 1783 | 纪念章 1784 | 纪念品 1785 | 纪念币 1786 | 纪念碑 1787 | 纪念 1788 | 集锦 1789 | 极致 1790 | 极力 1791 | 吉星 1792 | 吉祥物 1793 | 吉祥 1794 | 吉日 1795 | 吉庆 1796 | 吉利 1797 | 及时雨 1798 | 及时 1799 | 激扬 1800 | 激情 1801 | 激进 1802 | 激活 1803 | 激发 1804 | 激昂 1805 | 跻身 1806 | 积蓄 1807 | 积极性 1808 | 积极 1809 | 机智 1810 | 机敏 1811 | 机会 1812 | 获准 1813 | 获取 1814 | 火热 1815 | 火花 1816 | 活泼 1817 | 活力 1818 | 惠及 1819 | 惠存 1820 | 绘声绘色 1821 | 诲人不倦 1822 | 荟萃 1823 | 会心 1824 | 会师 1825 | 汇集 1826 | 回味 1827 | 回报 1828 | 辉煌 1829 | 恢宏 1830 | 恢弘 1831 | 恢复 1832 | 诙谐 1833 | 焕然一新 1834 | 焕发 1835 | 唤醒 1836 | 唤起 1837 | 幻想 1838 | 缓解 1839 | 欢悦 1840 | 欢愉 1841 | 欢迎 1842 | 欢欣鼓舞 1843 | 欢喜 1844 | 欢天喜地 1845 | 欢送 1846 | 欢乐 1847 | 欢快 1848 | 欢聚 1849 | 欢畅 1850 | 滑润 1851 | 华章 1852 | 华年 1853 | 华美 1854 | 华丽 1855 | 华贵 1856 | 华彩 1857 | 划一 1858 | 护卫 1859 | 护理 1860 | 护航 1861 | 互助 1862 | 互通 1863 | 互利 1864 | 互惠 1865 | 厚重 1866 | 厚望 1867 | 厚实 1868 | 厚礼 1869 | 厚爱 1870 | 后盾 1871 | 鸿儒 1872 | 鸿博 1873 | 洪流 1874 | 宏伟 1875 | 宏图 1876 | 宏丽 1877 | 宏大 1878 | 红火 1879 | 弘愿 1880 | 弘扬 1881 | 轰轰烈烈 1882 | 亨通 1883 | 贺喜 1884 | 贺电 1885 | 荷花 1886 | 和谐 1887 | 和顺 1888 | 和平 1889 | 和睦 1890 | 和乐 1891 | 和解 1892 | 和缓 1893 | 合算 1894 | 合适 1895 | 合理化 1896 | 合理 1897 | 合乎 1898 | 合法 1899 | 呵护 1900 | 浩浩荡荡 1901 | 浩荡 1902 | 浩大 1903 | 号角 1904 | 好转 1905 | 好意 1906 | 好事 1907 | 好上加好 1908 | 好日子 1909 | 好人 1910 | 好评 1911 | 好看 1912 | 好过 1913 | 好感 1914 | 豪言壮语 1915 | 豪爽 1916 | 豪情 1917 | 豪气 1918 | 豪迈 1919 | 豪杰 1920 | 豪华 1921 | 行家 1922 | 捍卫 1923 | 汗马功劳 1924 | 罕见 1925 | 涵养 1926 | 含蓄 1927 | 果决 1928 | 果敢 1929 | 果断 1930 | 鬼斧神工 1931 | 光荣 1932 | 光明正大 1933 | 光明磊落 1934 | 光明 1935 | 光芒 1936 | 光辉灿烂 1937 | 光辉 1938 | 光顾 1939 | 光彩 1940 | 关怀备至 1941 | 固若金汤 1942 | 贡献 1943 | 攻无不克 1944 | 功勋 1945 | 功劳 1946 | 功绩 1947 | 公私分明 1948 | 公开 1949 | 革故鼎新 1950 | 高雅 1951 | 高尚 1952 | 高朗 1953 | 高举 1954 | 高精尖 1955 | 高见 1956 | 高级 1957 | 高歌猛进 1958 | 高歌 1959 | 高峰 1960 | 高风 1961 | 高等级 1962 | 高等 1963 | 高档 1964 | 高大 1965 | 高潮 1966 | 高超 1967 | 高产 1968 | 高材生 1969 | 高昂 1970 | 纲领 1971 | 刚正 1972 | 刚勇 1973 | 刚毅 1974 | 刚性 1975 | 刚柔 1976 | 刚强 1977 | 干练 1978 | 干净 1979 | 干劲 1980 | 干将 1981 | 感召 1982 | 感言 1983 | 感谢 1984 | 感悟 1985 | 感同身受 1986 | 感人 1987 | 感染力 1988 | 感激 1989 | 感化 1990 | 感恩戴德 1991 | 感恩 1992 | 感动 1993 | 敢于 1994 | 赶上 1995 | 肝胆相照 1996 | 甘心 1997 | 甘泉 1998 | 甘霖 1999 | 盖世 2000 | 改观 2001 | 改革 2002 | 富足 2003 | 富源 2004 | 富裕 2005 | 富余 2006 | 富有 2007 | 富庶 2008 | 富饶 2009 | 富强 2010 | 富民 2011 | 富国 2012 | 富贵 2013 | 赋有 2014 | 复兴 2015 | 复苏 2016 | 辅助 2017 | 福祉 2018 | 福音 2019 | 福星 2020 | 福利 2021 | 福地 2022 | 扶助 2023 | 扶贫 2024 | 扶持 2025 | 奉献 2026 | 锋芒 2027 | 风姿 2028 | 风趣 2029 | 风华 2030 | 风光 2031 | 风范 2032 | 风发 2033 | 风采 2034 | 丰裕 2035 | 丰沃 2036 | 丰硕 2037 | 丰收 2038 | 丰盛 2039 | 丰润 2040 | 丰沛 2041 | 丰年 2042 | 丰满 2043 | 丰厚 2044 | 丰功伟绩 2045 | 丰富多彩 2046 | 丰登 2047 | 丰碑 2048 | 奋战 2049 | 奋勇向前 2050 | 奋勇 2051 | 奋起 2052 | 奋力 2053 | 奋进 2054 | 奋发 2055 | 奋斗 2056 | 费尽心血 2057 | 翡翠 2058 | 肥沃 2059 | 肥美 2060 | 非凡 2061 | 飞扬 2062 | 飞翔 2063 | 飞舞 2064 | 飞腾 2065 | 飞快 2066 | 飞驰 2067 | 飞奔 2068 | 放心 2069 | 芳香 2070 | 方针 2071 | 方兴未艾 2072 | 方略 2073 | 方便 2074 | 范文 2075 | 范例 2076 | 范本 2077 | 繁盛 2078 | 繁荣昌盛 2079 | 繁华 2080 | 繁多 2081 | 法治 2082 | 法宝 2083 | 发扬 2084 | 发祥地 2085 | 发现 2086 | 发起 2087 | 发家 2088 | 发挥 2089 | 发光 2090 | 发愤图强 2091 | 发奋图强 2092 | 发达 2093 | 发财 2094 | 恩爱 2095 | 夺冠 2096 | 多样 2097 | 多谋善断 2098 | 多彩 2099 | 对症下药 2100 | 锻炼 2101 | 端直 2102 | 端正 2103 | 独特 2104 | 独立 2105 | 独具匠心 2106 | 独到 2107 | 独创 2108 | 独步 2109 | 斗志 2110 | 抖擞 2111 | 洞悉 2112 | 洞察 2113 | 动容 2114 | 动人 2115 | 动力 2116 | 懂行 2117 | 东风 2118 | 定心丸 2119 | 鼎新 2120 | 鼎盛 2121 | 鼎力 2122 | 顶天立地 2123 | 顶峰 2124 | 殿堂 2125 | 奠基 2126 | 奠定 2127 | 点缀 2128 | 点头 2129 | 点明 2130 | 点将 2131 | 典型 2132 | 典礼 2133 | 典籍 2134 | 第一流 2135 | 递升 2136 | 地利 2137 | 地道 2138 | 砥砺 2139 | 底蕴 2140 | 底气 2141 | 灯塔 2142 | 德政 2143 | 德育 2144 | 德化 2145 | 德高望重 2146 | 得主 2147 | 得体 2148 | 得手 2149 | 得人心 2150 | 得力 2151 | 得当 2152 | 道义 2153 | 道德 2154 | 导引 2155 | 当先 2156 | 胆大心细 2157 | 带头人 2158 | 带头 2159 | 带领 2160 | 带动 2161 | 大作 2162 | 大义 2163 | 大显身手 2164 | 大团结 2165 | 大统 2166 | 大手笔 2167 | 大势 2168 | 大好 2169 | 大方 2170 | 大典 2171 | 大刀阔斧 2172 | 大胆 2173 | 打响 2174 | 打下 2175 | 打通 2176 | 打气 2177 | 打破 2178 | 答谢 2179 | 达人 2180 | 达标 2181 | 璀璨 2182 | 促膝 2183 | 促使 2184 | 促请 2185 | 促成 2186 | 粗犷 2187 | 从优 2188 | 从容 2189 | 聪明 2190 | 慈祥 2191 | 慈善 2192 | 慈爱 2193 | 醇美 2194 | 醇酒 2195 | 醇厚 2196 | 纯正 2197 | 纯洁 2198 | 纯粹 2199 | 春晖 2200 | 春光 2201 | 春风 2202 | 垂青 2203 | 创作 2204 | 创制 2205 | 创意 2206 | 创收 2207 | 创始 2208 | 创设 2209 | 创立 2210 | 创举 2211 | 创见 2212 | 创汇 2213 | 传颂 2214 | 传授 2215 | 传世 2216 | 传经 2217 | 矗立 2218 | 楚楚 2219 | 初衷 2220 | 出众 2221 | 出息 2222 | 出头 2223 | 出色 2224 | 出名 2225 | 出类拔萃 2226 | 筹募 2227 | 酬金 2228 | 绸缪 2229 | 崇高 2230 | 充实 2231 | 充沛 2232 | 充分 2233 | 冲破 2234 | 冲锋陷阵 2235 | 冲锋 2236 | 炽热 2237 | 赤诚 2238 | 叱咤风云 2239 | 持之以恒 2240 | 持平 2241 | 持久 2242 | 驰名 2243 | 驰骋 2244 | 吃香 2245 | 吃苦耐劳 2246 | 澄清 2247 | 乘风破浪 2248 | 承诺 2249 | 承担 2250 | 诚挚 2251 | 诚意 2252 | 诚心诚意 2253 | 诚心 2254 | 诚实 2255 | 成长 2256 | 成效 2257 | 成熟 2258 | 成事 2259 | 成名 2260 | 成立 2261 | 成绩 2262 | 成材 2263 | 成才 2264 | 撑腰 2265 | 称许 2266 | 称心 2267 | 称道 2268 | 晨曦 2269 | 沉着 2270 | 沉稳 2271 | 潮流 2272 | 朝阳 2273 | 朝气蓬勃 2274 | 朝气 2275 | 朝晖 2276 | 超脱 2277 | 超人 2278 | 超群 2279 | 超前 2280 | 超级 2281 | 超凡 2282 | 超常 2283 | 倡议 2284 | 倡导 2285 | 畅游 2286 | 畅销 2287 | 畅旺 2288 | 畅通 2289 | 畅谈 2290 | 畅行 2291 | 畅达 2292 | 尝鲜 2293 | 昌隆 2294 | 阐述 2295 | 阐明 2296 | 阐发 2297 | 蝉联 2298 | 操守 2299 | 苍穹 2300 | 灿烂 2301 | 彩云 2302 | 采纳 2303 | 财运 2304 | 财富 2305 | 财宝 2306 | 才智 2307 | 才女 2308 | 才能 2309 | 才华 2310 | 不同凡响 2311 | 不屈不挠 2312 | 不吝 2313 | 不凡 2314 | 不乏 2315 | 不错 2316 | 博雅 2317 | 博学 2318 | 博览 2319 | 博大 2320 | 博爱 2321 | 伯乐 2322 | 波澜壮阔 2323 | 并进 2324 | 并肩 2325 | 并驾齐驱 2326 | 并行不悖 2327 | 禀赋 2328 | 禀承 2329 | 宾朋 2330 | 表彰 2331 | 表扬 2332 | 表率 2333 | 飙升 2334 | 标致 2335 | 标兵 2336 | 辩证 2337 | 便于 2338 | 便民 2339 | 便利 2340 | 便捷 2341 | 变通 2342 | 裨益 2343 | 毕生 2344 | 比肩 2345 | 鼻祖 2346 | 迸发 2347 | 本事 2348 | 本领 2349 | 本份 2350 | 奔腾 2351 | 奔赴 2352 | 辈出 2353 | 爆满 2354 | 抱负 2355 | 报效 2356 | 报喜 2357 | 报国 2358 | 报恩 2359 | 保值 2360 | 保送 2361 | 宝座 2362 | 宝库 2363 | 宝贵 2364 | 宝藏 2365 | 宝贝 2366 | 褒扬 2367 | 褒奖 2368 | 包容 2369 | 磅礴 2370 | 榜首 2371 | 帮手 2372 | 帮忙 2373 | 帮扶 2374 | 伴随 2375 | 拜访 2376 | 拜读 2377 | 百折不挠 2378 | 奥妙 2379 | 盎然 2380 | 昂扬 2381 | 安稳 2382 | 安泰 2383 | 安然 2384 | 安宁 2385 | 安分守己 2386 | 爱护 2387 | 爱国 2388 | 爱不释手 2389 | 爱戴 2390 | 爱好 2391 | 爱护 2392 | 爱惜 2393 | 昂扬 2394 | 褒 2395 | 褒奖 2396 | 褒扬 2397 | 表扬 2398 | 表彰 2399 | 并重 2400 | 不愧 2401 | 采纳 2402 | 畅快 2403 | 称道 2404 | 称快 2405 | 称颂 2406 | 称叹 2407 | 称羡 2408 | 称谢 2409 | 称心 2410 | 称心如意 2411 | 称许 2412 | 称誉 2413 | 称愿 2414 | 称赞 2415 | 崇拜 2416 | 崇敬 2417 | 崇尚 2418 | 宠爱 2419 | 踌躇满志 2420 | 垂爱 2421 | 垂青 2422 | 春风得意 2423 | 春风满面 2424 | 答谢 2425 | 大快人心 2426 | 大喜过望 2427 | 当之无愧 2428 | 道贺 2429 | 道谢 2430 | 感恩 2431 | 感恩戴德 2432 | 感激 2433 | 感激不尽 2434 | 感激涕零 2435 | 感同身受 2436 | 感谢 2437 | 感兴趣 2438 | 高山仰止 2439 | 高兴 2440 | 歌颂 2441 | 给面子 2442 | 恭贺 2443 | 恭喜 2444 | 恭祝 2445 | 关爱 2446 | 关怀 2447 | 关怀备至 2448 | 关切 2449 | 关心 2450 | 关照 2451 | 酣畅 2452 | 豪情满怀 2453 | 喝彩 2454 | 厚望 2455 | 欢畅 2456 | 欢欢喜喜 2457 | 欢快 2458 | 欢乐 2459 | 欢闹 2460 | 欢声雷动 2461 | 欢腾 2462 | 欢天喜地 2463 | 欢喜 2464 | 欢欣 2465 | 欢欣鼓舞 2466 | 欢迎 2467 | 欢愉 2468 | 欢娱 2469 | 欢悦 2470 | 还礼 2471 | 回敬 2472 | 回礼 2473 | 魂牵梦萦 2474 | 冀望 2475 | 嘉奖 2476 | 嘉许 2477 | 夹道欢迎 2478 | 兼顾 2479 | 见义勇为 2480 | 奖励 2481 | 奖赏 2482 | 交口称誉 2483 | 交口称赞 2484 | 叫好 2485 | 叫绝 2486 | 皆大欢喜 2487 | 惊喜 2488 | 景仰 2489 | 敬爱 2490 | 敬奉 2491 | 敬服 2492 | 敬礼 2493 | 敬佩 2494 | 敬畏 2495 | 敬仰 2496 | 敬重 2497 | 鞠躬 2498 | 聚精会神 2499 | 眷恋 2500 | 眷念 2501 | 开绿灯 2502 | 开心 2503 | 看重 2504 | 考究 2505 | 夸奖 2506 | 夸赞 2507 | 快活 2508 | 快乐 2509 | 快慰 2510 | 快意 2511 | 宽畅 2512 | 狂喜 2513 | 狂想 2514 | 乐颠颠 2515 | 乐呵呵 2516 | 乐意 2517 | 乐悠悠 2518 | 乐于 2519 | 乐滋滋 2520 | 理直气壮 2521 | 礼赞 2522 | 立项 2523 | 论功行赏 2524 | 满怀豪情 2525 | 满怀激情 2526 | 满面春风 2527 | 满心欢喜 2528 | 满意 2529 | 满足 2530 | 美言 2531 | 美滋滋 2532 | 梦寐以求 2533 | 梦想 2534 | 鸣谢 2535 | 膜拜 2536 | 拍案叫绝 2537 | 拍手称快 2538 | 拍手叫好 2539 | 盼望 2540 | 佩服 2541 | 捧场 2542 | 批准 2543 | 普天同庆 2544 | 器重 2545 | 翘盼 2546 | 钦佩 2547 | 亲热 2548 | 轻快 2549 | 倾慕 2550 | 倾心 2551 | 情有独钟 2552 | 情愿 2553 | 庆贺 2554 | 庆祝 2555 | 饶有兴趣 2556 | 热心 2557 | 认可 2558 | 如痴如狂 2559 | 如痴如醉 2560 | 如获至宝 2561 | 如愿以偿 2562 | 如醉如痴 2563 | 入迷 2564 | 入神 2565 | 赏识 2566 | 神往 2567 | 盛赞 2568 | 施礼 2569 | 十分满意 2570 | 示好 2571 | 手舞足蹈 2572 | 首肯 2573 | 舒畅 2574 | 舒服 2575 | 舒坦 2576 | 属意 2577 | 爽快 2578 | 说好 2579 | 说项 2580 | 颂扬 2581 | 随心 2582 | 遂心 2583 | 遂意 2584 | 抬举 2585 | 叹服 2586 | 叹为观止 2587 | 陶然 2588 | 陶陶 2589 | 陶醉 2590 | 特许 2591 | 提倡 2592 | 挑三拣四 2593 | 推崇 2594 | 推许 2595 | 望眼欲穿 2596 | 忘乎所以 2597 | 问心无愧 2598 | 希冀 2599 | 希望 2600 | 喜爱 2601 | 喜不自禁 2602 | 喜不自胜 2603 | 喜出望外 2604 | 喜欢 2605 | 喜乐 2606 | 喜气洋洋 2607 | 喜上眉梢 2608 | 喜形于色 2609 | 喜洋洋 2610 | 喜悦 2611 | 喜滋滋 2612 | 喜孜孜 2613 | 相中 2614 | 向往 2615 | 孝敬 2616 | 孝顺 2617 | 写意 2618 | 谢 2619 | 谢天谢地 2620 | 谢谢 2621 | 欣赏 2622 | 欣慰 2623 | 欣喜 2624 | 欣喜若狂 2625 | 欣羡 2626 | 心驰神往 2627 | 心花怒放 2628 | 心旷神怡 2629 | 心满意足 2630 | 心疼 2631 | 兴高采烈 2632 | 行礼 2633 | 许可 2634 | 艳羡 2635 | 扬眉吐气 2636 | 洋洋得意 2637 | 洋洋自得 2638 | 仰慕 2639 | 一往情深 2640 | 依依不舍 2641 | 溢美 2642 | 引领 2643 | 拥戴 2644 | 拥护 2645 | 愉快 2646 | 愉悦 2647 | 跃跃欲试 2648 | 赞成 2649 | 赞美 2650 | 赞佩 2651 | 赞赏 2652 | 赞颂 2653 | 赞叹 2654 | 赞同 2655 | 赞许 2656 | 赞扬 2657 | 赞誉 2658 | 折服 2659 | 珍爱 2660 | 珍视 2661 | 珍惜 2662 | 珍重 2663 | 支持 2664 | 知冷知热 2665 | 知足 2666 | 志愿 2667 | 挚爱 2668 | 致贺 2669 | 致敬 2670 | 致谢 2671 | 中意 2672 | 钟爱 2673 | 钟情 2674 | 瞩目 2675 | 瞩望 2676 | 祝福 2677 | 祝贺 2678 | 祝颂 2679 | 祝愿 2680 | 准许 2681 | 准予 2682 | 自得其乐 2683 | 自告奋勇 2684 | 尊崇 2685 | 尊敬 2686 | 尊重 2687 | 讴歌 2688 | 啧啧称赞 2689 | 憧憬 2690 | 犒劳 2691 | 犒赏 2692 | 最佳 2693 | 自在 2694 | 自由自在 2695 | 自由 2696 | 自勉 2697 | 自立自强 2698 | 自得其乐 2699 | 茁壮成长 2700 | 赚钱 2701 | 专属 2702 | 值得尊重 2703 | 值得尊敬 2704 | 值得纪念 2705 | 值得称赞 2706 | 正统 2707 | 正式 2708 | 正确性 2709 | 正面 2710 | 正常 2711 | 增进友谊 2712 | 赞成者 2713 | 赞成票 2714 | 诱人 2715 | 有远见 2716 | 有用 2717 | 有益健康 2718 | 有效性 2719 | 有效率的 2720 | 有效率 2721 | 有说有笑 2722 | 有势力 2723 | 有权 2724 | 有钱 2725 | 有礼 2726 | 有分寸 2727 | 有创造力 2728 | 有才干 2729 | 有把握 2730 | 幽默感 2731 | 英雄式 2732 | 引以为荣 2733 | 引以为傲 2734 | 引吭高歌 2735 | 易懂 2736 | 义无反顾 2737 | 义不容辞 2738 | 一往情深 2739 | 一吐为快 2740 | 遥遥领先 2741 | 学以致用 2742 | 学识 2743 | 学会 2744 | 学好 2745 | 学成归国 2746 | 学成 2747 | 幸运地 2748 | 兴趣 2749 | 兴奋的 2750 | 形影不离 2751 | 新奇 2752 | 心有灵犀 2753 | 心仪 2754 | 心想事成 2755 | 心如止水 2756 | 心情愉快 2757 | 心情舒畅 2758 | 心平气和 2759 | 心满意足 2760 | 心旷神怡 2761 | 心宽 2762 | 心花怒放 2763 | 心甘情愿 2764 | 心动 2765 | 心诚则灵 2766 | 心安理得 2767 | 写实 2768 | 协作 2769 | 协助 2770 | 协力 2771 | 小天使 2772 | 享受 2773 | 显赫 2774 | 先见之明 2775 | 喜气洋洋 2776 | 喜出望外 2777 | 喜不自禁 2778 | 无忧无虑 2779 | 无庸置疑 2780 | 无可指责 2781 | 无可挑剔 2782 | 为荣 2783 | 为傲 2784 | 万能 2785 | 完成的 2786 | 同意 2787 | 甜滋滋 2788 | 天籁 2789 | 体面 2790 | 腾跃 2791 | 特许 2792 | 特级 2793 | 讨喜 2794 | 讨人喜欢 2795 | 讨好 2796 | 谈笑风生 2797 | 谈笑 2798 | 太好了 2799 | 太好 2800 | 思想性 2801 | 熟练地 2802 | 受欢迎 2803 | 首肯 2804 | 守信 2805 | 适应 2806 | 适意 2807 | 适时 2808 | 适任 2809 | 使用方便 2810 | 时机成熟 2811 | 盛年 2812 | 生效的 2813 | 生效 2814 | 尚好 2815 | 入迷 2816 | 人情味 2817 | 人情 2818 | 热衷 2819 | 热热闹闹 2820 | 热切地 2821 | 群策群力 2822 | 全神贯注 2823 | 全力 2824 | 求新 2825 | 庆幸 2826 | 轻轻松松 2827 | 轻快地 2828 | 强壮的 2829 | 潜心 2830 | 谦逊地 2831 | 谦恭有礼 2832 | 平心静气 2833 | 平息 2834 | 平平静静 2835 | 平平淡淡 2836 | 平静下来 2837 | 平衡 2838 | 品行端正 2839 | 漂漂亮亮 2840 | 诺言 2841 | 暖意 2842 | 妙不可言 2843 | 美梦 2844 | 满面春风 2845 | 令人钦佩 2846 | 令人难忘 2847 | 令人高兴 2848 | 乐在其中 2849 | 乐此不疲 2850 | 狂喜 2851 | 宽恕 2852 | 快快乐乐 2853 | 克服 2854 | 可用 2855 | 可信赖 2856 | 可信 2857 | 可行的 2858 | 均衡 2859 | 均等 2860 | 决定性的 2861 | 精确性 2862 | 精力充沛 2863 | 惊羡 2864 | 惊奇 2865 | 尽如人意 2866 | 较优 2867 | 较好者 2868 | 渐入佳境 2869 | 加薪 2870 | 获得胜利 2871 | 豁免 2872 | 会心一笑 2873 | 欢闹 2874 | 互助合作 2875 | 互敬 2876 | 互爱 2877 | 很爽 2878 | 很棒 2879 | 好运 2880 | 好学 2881 | 行善 2882 | 哈哈 2883 | 过关 2884 | 贵重的 2885 | 贵重 2886 | 广阔 2887 | 光泽 2888 | 光芒四射 2889 | 光亮 2890 | 光滑 2891 | 冠军 2892 | 关心 2893 | 关怀 2894 | 关爱 2895 | 鼓掌欢迎 2896 | 鼓掌 2897 | 鼓舞人心 2898 | 功德 2899 | 工整 2900 | 高高兴兴 2901 | 感人的 2902 | 富丽堂皇 2903 | 符合要求 2904 | 奋争 2905 | 分工合作 2906 | 飞黄腾达 2907 | 发财致富 2908 | 夺得 2909 | 多福 2910 | 多产 2911 | 独有 2912 | 独一无二 2913 | 独立自主 2914 | 缔造者 2915 | 缔造 2916 | 得奖 2917 | 大笑 2918 | 打趣 2919 | 创立者 2920 | 出乎意料 2921 | 充份 2922 | 超好 2923 | 偿清 2924 | 不亦乐乎 2925 | 不懈 2926 | 不拘泥 2927 | 不含糊 2928 | 便宜 2929 | 变清 2930 | 变好 2931 | 安逸 2932 | 安心 2933 | 安祥 2934 | 安慰 2935 | 安睡 2936 | 安身立命 2937 | 安身 2938 | 安全 2939 | 安静 2940 | 安安稳稳 2941 | 安安静静 2942 | 爱心 2943 | 爱情 2944 | 爱好和平 2945 | 爱好 2946 | 爱国心 2947 | 爱岗敬业 2948 | 2949 | 爱惜 2950 | 安居乐业 2951 | 安全可靠 2952 | 安然无恙 2953 | 按时 2954 | 拔得 2955 | 摆脱困境 2956 | 保持稳定 2957 | 暴涨 2958 | 奔头 2959 | 比较完善 2960 | 比较稳定 2961 | 必胜 2962 | 变革 2963 | 表示满意 2964 | 表示祝贺 2965 | 表现出色 2966 | 别样 2967 | 博大精深 2968 | 不愧 2969 | 不俗 2970 | 不虚此行 2971 | 畅快 2972 | 超额完成 2973 | 超强 2974 | 称心如意 2975 | 出彩 2976 | 传奇色彩 2977 | 传统美德 2978 | 闯劲 2979 | 创新力 2980 | 创新能力 2981 | 创新型 2982 | 创新性 2983 | 创业精神 2984 | 创业项目 2985 | 春意盎然 2986 | 淳朴 2987 | 慈善事业 2988 | 催人奋进 2989 | 璀璨夺目 2990 | 大幅提高 2991 | 大好时机 2992 | 大奖 2993 | 大佬 2994 | 大力提倡 2995 | 大力支持 2996 | 大赢家 2997 | 大涨 2998 | 得天独厚 2999 | 得心应手 3000 | 德才兼备 3001 | 点赞 3002 | 顶级 3003 | 顶尖 3004 | 独占鳌头 3005 | 多样化 3006 | 方便快捷 3007 | 飞速发展 3008 | 非常丰富 3009 | 非常高兴 3010 | 斐然 3011 | 分工协作 3012 | 奋发进取 3013 | 奋发有为 3014 | 奋力拼搏 3015 | 丰利 3016 | 符合实际 3017 | 富有成效 3018 | 感到高兴 3019 | 干部群众 3020 | 高度评价 3021 | 高度赞扬 3022 | 高富帅 3023 | 高回报 3024 | 高起点 3025 | 高效率 3026 | 高于 3027 | 高远 3028 | 个性化 3029 | 各司其职 3030 | 公平合理 3031 | 公平竞争 3032 | 功能齐全 3033 | 功能强大 3034 | 刮目相看 3035 | 贵宾 3036 | 果实 3037 | 过硬 3038 | 夯实 3039 | 行之有效 3040 | 好榜样 3041 | 好于 3042 | 和衷共济 3043 | 横空出世 3044 | 后发优势 3045 | 互惠互利 3046 | 互相学习 3047 | 互相支持 3048 | 互信 3049 | 划时代 3050 | 环境优美 3051 | 辉煌成就 3052 | 回暖 3053 | 极佳 3054 | 技术创新 3055 | 技术革新 3056 | 加快步伐 3057 | 加力 3058 | 价格优势 3059 | 坚强有力 3060 | 简便易行 3061 | 讲道德 3062 | 讲文明 3063 | 奖项 3064 | 骄傲 3065 | 骄人 3066 | 杰出青年 3067 | 金羊奖 3068 | 津津乐道 3069 | 津贴 3070 | 进一步提高 3071 | 经济繁荣 3072 | 经贸合作 3073 | 经验丰富 3074 | 惊人 3075 | 精神财富 3076 | 精神风貌 3077 | 精细化 3078 | 精心组织 3079 | 敬献 3080 | 敬业 3081 | 酒香 3082 | 举世瞩目 3083 | 巨大成就 3084 | 巨大作用 3085 | 具有活力 3086 | 决赛 3087 | 绝对优势 3088 | 绝好 3089 | 绝佳 3090 | 开创性 3091 | 开放性 3092 | 可喜成绩 3093 | 恪尽 3094 | 乐章 3095 | 里程碑式 3096 | 力促 3097 | 厉害 3098 | 良好环境 3099 | 良好条件 3100 | 良好形象 3101 | 良机 3102 | 亮丽 3103 | 亮眼 3104 | 靓丽 3105 | 灵活性 3106 | 领航者 3107 | 领军人物 3108 | 领军者 3109 | 领跑 3110 | 领头羊 3111 | 领先水平 3112 | 领先于 3113 | 领先者 3114 | 令人激动 3115 | 令人欣慰 3116 | 令人振奋 3117 | 令人瞩目 3118 | 流光溢彩 3119 | 录用 3120 | 履行职责 3121 | 满足用户 3122 | 美景 3123 | 密切合作 3124 | 密切配合 3125 | 密切协作 3126 | 名列 3127 | 名列第一 3128 | 明快 3129 | 明确提出 3130 | 明确要求 3131 | 明确指出 3132 | 明显 3133 | 明显改善 3134 | 明显增强 3135 | 难能可贵 3136 | 年度人物 3137 | 年终奖金 3138 | 蓬勃发展 3139 | 批准 3140 | 品牌形象 3141 | 品牌优势 3142 | 平等互利 3143 | 普惠到 3144 | 旗帜鲜明 3145 | 千锤百炼 3146 | 前三甲 3147 | 前四 3148 | 前五 3149 | 强强联合 3150 | 强有力 3151 | 强于 3152 | 抢手 3153 | 抢占 3154 | 敲定 3155 | 切实加强 3156 | 亲睐 3157 | 清流 3158 | 情操 3159 | 求同存异 3160 | 求真务实 3161 | 取得成功 3162 | 取悦 3163 | 权威专家 3164 | 全面实现 3165 | 全面提高 3166 | 全面完成 3167 | 确定无疑 3168 | 确凿无疑 3169 | 冉冉升起 3170 | 饶有兴致 3171 | 热播 3172 | 热度 3173 | 热烈欢迎 3174 | 热情高涨 3175 | 热情好客 3176 | 认真负责 3177 | 荣誉称号 3178 | 荣誉证书 3179 | 如期 3180 | 如期完成 3181 | 山清水秀 3182 | 闪亮 3183 | 善良 3184 | 商机 3185 | 上行 3186 | 上佳 3187 | 上升 3188 | 上扬 3189 | 社会安定 3190 | 社会公德 3191 | 社会秩序 3192 | 神奇 3193 | 神速 3194 | 神往 3195 | 甚佳 3196 | 生机盎然 3197 | 胜出 3198 | 胜选 3199 | 胜者 3200 | 十佳 3201 | 时不我待 3202 | 时髦 3203 | 时尚 3204 | 实力雄厚 3205 | 实用新型 3206 | 收涨 3207 | 首家 3208 | 受宠 3209 | 受到重视 3210 | 受惠 3211 | 舒缓 3212 | 熟练掌握 3213 | 树新风 3214 | 双创 3215 | 顺利进行 3216 | 顺利实现 3217 | 顺利完成 3218 | 特批 3219 | 特有 3220 | 特长 3221 | 提名奖 3222 | 提前完成 3223 | 提振 3224 | 通俗易懂 3225 | 投资收益 3226 | 透明化 3227 | 团结奋进 3228 | 妥善解决 3229 | 拓宽 3230 | 完全符合 3231 | 完全恢复 3232 | 伟大成就 3233 | 稳步发展 3234 | 稳中略升 3235 | 问好 3236 | 握手 3237 | 无可替代 3238 | 无愧于 3239 | 无论是 3240 | 无穷的 3241 | 喜获 3242 | 先进典型 3243 | 显效 3244 | 显眼 3245 | 显著成绩 3246 | 现代化 3247 | 相信 3248 | 香饽饽 3249 | 祥和 3250 | 协同效应 3251 | 携手 3252 | 新贵 3253 | 新机遇 3254 | 新机制 3255 | 新进展 3256 | 新浪潮 3257 | 新理念 3258 | 新年快乐 3259 | 新篇章 3260 | 新锐 3261 | 新思路 3262 | 新体验 3263 | 新途径 3264 | 新鲜事 3265 | 兴致勃勃 3266 | 幸福美好 3267 | 胸怀 3268 | 胸有成竹 3269 | 雄姿 3270 | 秀美 3271 | 绚丽 3272 | 学雷锋 3273 | 学者 3274 | 迅猛发展 3275 | 压倒性 3276 | 研究成果 3277 | 耀眼 3278 | 业务精 3279 | 一统天下 3280 | 一席之地 3281 | 宜居 3282 | 宜居城市 3283 | 引领者 3284 | 引人关注 3285 | 引人瞩目 3286 | 引人注意 3287 | 赢利 3288 | 赢取 3289 | 优良传统 3290 | 优秀企业 3291 | 友好合作 3292 | 有赖于 3293 | 有名气 3294 | 有效途径 3295 | 有意思 3296 | 有志 3297 | 圆满成功 3298 | 源泉 3299 | 远超 3300 | 孕育 3301 | 增高 3302 | 斩获 3303 | 战略思维 3304 | 战略意义 3305 | 长远利益 3306 | 长足进步 3307 | 真实有效 3308 | 振奋人心 3309 | 震撼 3310 | 只争朝夕 3311 | 止跌回升 3312 | 制高点 3313 | 炙手可热 3314 | 终极目标 3315 | 重大成果 3316 | 重大成就 3317 | 重大进展 3318 | 重奖 3319 | 重振 3320 | 重整 3321 | 主动权 3322 | 主动性 3323 | 专业化 3324 | 专业人士 3325 | 赚点 3326 | 赚头 3327 | 准确性 3328 | 资源优势 3329 | 走强 3330 | 走俏 3331 | 最出色 3332 | 最大 3333 | 最多 3334 | 最高 3335 | 最好 3336 | 最合适 3337 | 最小 3338 | 最新进展 3339 | 最早 3340 | 遵法 3341 | 3342 | -------------------------------------------------------------------------------- /688180stockdata: -------------------------------------------------------------------------------- 1 | tradingtime open high low close volume 2 | 2021/7/5 10:30 77.73 78.5 76.54 78.28 725,305 3 | 2021/7/5 11:30 78.28 78.29 77.23 77.44 253,126 4 | 2021/7/5 14:00 77.44 77.44 76.4 76.94 343,055 5 | 2021/7/5 15:00 76.95 77.17 76.43 76.51 343,649 6 | 2021/7/6 10:30 75.88 77 75.28 75.31 701,623 7 | 2021/7/6 11:30 75.29 75.31 73.01 73.37 998,873 8 | 2021/7/6 14:00 73.25 74.48 73.19 74.24 270,254 9 | 2021/7/6 15:00 74.25 74.29 74 74.18 281,139 10 | 2021/7/7 10:30 73.4 74.7 73.24 74.21 458,746 11 | 2021/7/7 11:30 74.18 74.38 73.88 73.99 185,662 12 | 2021/7/7 14:00 73.99 73.99 73.24 73.7 341,751 13 | 2021/7/7 15:00 73.7 73.89 73.61 73.69 350,679 14 | 2021/7/8 10:30 73.7 74.14 71.55 71.91 995,444 15 | 2021/7/8 11:30 71.91 72.19 71.66 71.97 296,082 16 | 2021/7/8 14:00 71.97 72.28 71.2 71.43 280,896 17 | 2021/7/8 15:00 71.43 71.66 71.17 71.52 466,181 18 | 2021/7/9 10:30 71.69 73.83 71.12 72.65 894,641 19 | 2021/7/9 11:30 72.65 73.39 72.4 72.65 189,889 20 | 2021/7/9 14:00 72.65 73.13 72.46 73.12 167,933 21 | 2021/7/9 15:00 73.12 73.38 72.75 72.89 290,832 22 | 2021/7/12 10:30 72.57 73.77 71.47 72.74 785,168 23 | 2021/7/12 11:30 72.74 72.95 72.27 72.9 345,220 24 | 2021/7/12 14:00 72.9 74.2 72.77 73.97 510,380 25 | 2021/7/12 15:00 73.97 74.5 73.69 74.46 445,515 26 | 2021/7/13 10:30 74 76.5 73.61 74.89 1,057,998 27 | 2021/7/13 11:30 74.89 75.3 74.56 75.02 228,869 28 | 2021/7/13 14:00 75.02 75.39 74.48 75.39 305,678 29 | 2021/7/13 15:00 75.39 75.6 75.19 75.44 353,793 30 | 2021/7/14 10:30 75.6 77.18 74.3 76.45 885,975 31 | 2021/7/14 11:30 76.45 76.68 75.47 75.5 384,696 32 | 2021/7/14 14:00 75.5 76.37 74.54 74.7 420,534 33 | 2021/7/14 15:00 74.65 74.93 73.78 73.78 550,405 34 | 2021/7/15 10:30 68.9 70.5 66.65 68.03 6,611,940 35 | 2021/7/15 11:30 68.03 68.27 66.68 66.75 2,119,335 36 | 2021/7/15 14:00 66.75 67.4 66 66.43 2,128,144 37 | 2021/7/15 15:00 66.42 66.47 65.4 66 3,295,475 38 | 2021/7/16 10:30 66 66 64.7 64.93 5,669,116 39 | 2021/7/16 11:30 64.93 66.44 64.93 66.13 2,387,369 40 | 2021/7/16 14:00 66.13 66.69 65.86 66 2,796,986 41 | 2021/7/16 15:00 66.05 66.05 65.08 65.22 2,085,204 42 | 2021/7/19 10:30 65.22 65.22 63.4 63.4 3,961,438 43 | 2021/7/19 11:30 63.4 63.9 63 63.65 1,472,888 44 | 2021/7/19 14:00 63.65 63.85 62.84 63.13 1,226,890 45 | 2021/7/19 15:00 63.14 63.25 62.72 62.81 1,142,358 46 | 2021/7/20 10:30 63.44 64.02 62.73 63 1,855,283 47 | 2021/7/20 11:30 62.99 63.39 62.85 62.95 987,813 48 | 2021/7/20 14:00 62.95 63.35 62.95 63.12 523,748 49 | 2021/7/20 15:00 63.13 63.3 63.1 63.2 570,806 50 | 2021/7/21 10:30 62.95 63.65 62.3 62.33 2,022,061 51 | 2021/7/21 11:30 62.33 62.55 61.77 62.1 1,681,091 52 | 2021/7/21 14:00 62.1 62.79 61.96 62.22 1,002,566 53 | 2021/7/21 15:00 62.2 62.7 62.09 62.56 1,111,687 54 | 2021/7/22 10:30 62.96 63.8 62.53 63.3 2,365,700 55 | 2021/7/22 11:30 63.3 63.3 62.58 62.99 778,411 56 | 2021/7/22 14:00 62.99 63.66 62.72 63.58 1,228,911 57 | 2021/7/22 15:00 63.6 64.5 63.58 63.8 2,600,111 58 | 2021/7/23 10:30 63.3 63.5 61.8 61.96 2,509,552 59 | 2021/7/23 11:30 61.96 62.2 61.84 61.93 587,100 60 | 2021/7/23 14:00 61.93 62.5 61.93 62.32 782,876 61 | 2021/7/23 15:00 62.32 62.36 61.99 62.03 727,828 62 | 2021/7/26 10:30 61.86 62.57 61.16 61.39 1,684,760 63 | 2021/7/26 11:30 61.39 61.57 59.89 60.12 1,262,114 64 | 2021/7/26 14:00 60.18 61.9 59.98 61.58 1,625,120 65 | 2021/7/26 15:00 61.58 61.88 61.16 61.59 1,138,999 66 | 2021/7/27 10:30 60.8 61.88 60.32 60.57 1,230,289 67 | 2021/7/27 11:30 60.42 61.34 60.42 61.06 611,022 68 | 2021/7/27 14:00 61.06 61.06 60.2 60.48 1,126,872 69 | 2021/7/27 15:00 60.44 60.55 59.38 59.38 1,822,156 70 | 2021/7/28 10:30 59.11 59.57 56.89 57.45 2,327,421 71 | 2021/7/28 11:30 57.45 58.3 57.38 57.47 934,067 72 | 2021/7/28 14:00 57.47 57.7 57.27 57.43 1,302,770 73 | 2021/7/28 15:00 57.43 57.55 57.15 57.22 1,216,077 74 | 2021/7/29 10:30 58 58.96 57.72 58.74 2,729,156 75 | 2021/7/29 11:30 58.74 58.81 58.1 58.17 1,042,828 76 | 2021/7/29 14:00 58.17 58.66 58.01 58.11 1,182,916 77 | 2021/7/29 15:00 58.11 58.45 58.11 58.18 1,527,765 78 | 2021/7/30 10:30 58.3 59 57.5 58.45 2,311,710 79 | 2021/7/30 11:30 58.45 58.87 58.32 58.45 1,172,424 80 | 2021/7/30 14:00 58.49 60.18 58.44 60.03 3,037,543 81 | 2021/7/30 15:00 60.03 60.97 60.01 60.48 2,027,582 82 | 2021/8/2 10:30 60.04 61.76 59.56 60.68 3,203,679 83 | 2021/8/2 11:30 60.68 61.33 60.45 61.23 1,592,801 84 | 2021/8/2 14:00 61.23 61.98 61.12 61.59 1,654,868 85 | 2021/8/2 15:00 61.59 61.75 61.09 61.16 1,305,602 86 | 2021/8/3 10:30 61.17 63.66 61.02 63.4 4,593,203 87 | 2021/8/3 11:30 63.4 63.47 62.62 62.62 1,423,412 88 | 2021/8/3 14:00 62.62 63.15 62.35 63.14 1,378,130 89 | 2021/8/3 15:00 63.14 63.2 62.75 63.13 1,219,411 90 | 2021/8/4 10:30 62.8 63.3 61.96 62.6 2,404,373 91 | 2021/8/4 11:30 62.6 63.75 62.49 63.21 1,206,902 92 | 2021/8/4 14:00 63.25 63.33 62.66 62.8 664,919 93 | 2021/8/4 15:00 62.84 62.96 62.45 62.88 1,142,800 94 | 2021/8/5 10:30 63.31 64.42 63 63.5 2,379,080 95 | 2021/8/5 11:30 63.5 63.5 63.02 63.15 624,908 96 | 2021/8/5 14:00 63.15 63.43 62.68 62.75 909,420 97 | 2021/8/5 15:00 62.75 63.13 62.6 62.96 825,929 98 | 2021/8/6 10:30 62.16 62.87 61.3 61.79 2,081,609 99 | 2021/8/6 11:30 61.78 61.8 61.4 61.41 722,951 100 | 2021/8/6 14:00 61.41 61.78 61.1 61.25 878,266 101 | 2021/8/6 15:00 61.25 61.98 61.1 61.89 669,370 102 | 2021/8/9 10:30 62.98 63.8 62.88 63.28 2,851,664 103 | 2021/8/9 11:30 63.25 64.28 63.06 64.18 2,064,520 104 | 2021/8/9 14:00 64.18 64.22 63.6 63.89 934,104 105 | 2021/8/9 15:00 63.89 64.04 63.8 63.98 938,630 106 | 2021/8/10 10:30 63.63 64.29 63.2 63.9 1,870,002 107 | 2021/8/10 11:30 63.9 64.93 63.62 64.88 1,675,820 108 | 2021/8/10 14:00 64.88 64.95 64.45 64.51 1,121,566 109 | 2021/8/10 15:00 64.51 64.77 64.33 64.67 859,652 110 | 2021/8/11 10:30 65 65.06 63.7 63.91 1,556,046 111 | 2021/8/11 11:30 63.9 63.98 63.4 63.69 978,546 112 | 2021/8/11 14:00 63.7 64.39 63.57 64.04 924,472 113 | 2021/8/11 15:00 64.04 64.25 63.75 63.88 858,814 114 | 2021/8/12 10:30 64.02 64.4 63.3 63.43 1,471,855 115 | 2021/8/12 11:30 63.43 63.43 62.78 62.81 920,362 116 | 2021/8/12 14:00 62.81 63.3 62.3 62.69 1,287,914 117 | 2021/8/12 15:00 62.69 62.73 62.29 62.64 979,258 118 | 2021/8/13 10:30 62.8 63.16 61.9 62.1 1,281,584 119 | 2021/8/13 11:30 62.1 62.15 61.4 61.59 616,916 120 | 2021/8/13 14:00 61.59 61.74 60.83 61 993,230 121 | 2021/8/13 15:00 61 61.28 60.8 61.15 837,800 122 | 2021/8/16 10:30 61 61.09 60.15 60.28 1,357,019 123 | 2021/8/16 11:30 60.3 60.47 60.17 60.43 725,176 124 | 2021/8/16 14:00 60.43 60.62 60.27 60.56 739,638 125 | 2021/8/16 15:00 60.56 60.6 60.25 60.3 1,036,779 126 | 2021/8/17 10:30 60.34 60.79 59.86 60.05 1,038,910 127 | 2021/8/17 11:30 60.05 60.35 59.5 59.57 590,353 128 | 2021/8/17 14:00 59.57 59.57 58.77 58.92 827,833 129 | 2021/8/17 15:00 58.93 59.05 58.58 58.83 980,884 130 | 2021/8/18 10:30 58.58 59.56 58.28 58.43 967,697 131 | 2021/8/18 11:30 58.41 58.53 57.8 58.12 736,475 132 | 2021/8/18 14:00 58.12 58.35 57.83 57.95 647,727 133 | 2021/8/18 15:00 57.97 58.23 57.9 58.12 768,275 134 | 2021/8/19 10:30 58.27 63.5 57.8 63.32 5,166,514 135 | 2021/8/19 11:30 63.35 65.95 63.35 64.38 5,703,809 136 | 2021/8/19 14:00 64.38 64.6 63.68 63.94 1,615,085 137 | 2021/8/19 15:00 63.94 64.12 63.49 63.49 1,729,867 138 | 2021/8/20 10:30 62 63 60.51 60.84 3,967,805 139 | 2021/8/20 11:30 60.84 60.85 59.8 59.85 1,616,862 140 | 2021/8/20 14:00 59.85 60.3 59.35 59.93 937,956 141 | 2021/8/20 15:00 59.93 60.24 59.1 59.38 1,692,588 142 | 2021/8/23 10:30 58.8 61.1 58.38 60.9 2,433,307 143 | 2021/8/23 11:30 60.9 60.9 59.9 60.48 974,246 144 | 2021/8/23 14:00 60.48 61 60.4 60.48 840,974 145 | 2021/8/23 15:00 60.47 60.71 60.3 60.45 812,614 146 | 2021/8/24 10:30 60.96 61.48 58.93 59.17 2,759,188 147 | 2021/8/24 11:30 59.17 59.2 58.6 58.99 1,372,644 148 | 2021/8/24 14:00 58.99 59.42 58.9 59.11 781,227 149 | 2021/8/24 15:00 59.11 59.2 58.88 59.1 864,365 150 | 2021/8/25 10:30 59.35 60.39 58.65 59.66 1,732,282 151 | 2021/8/25 11:30 59.66 59.66 58.98 59.28 734,559 152 | 2021/8/25 14:00 59.28 59.99 59.2 59.66 686,188 153 | 2021/8/25 15:00 59.66 60 59.6 59.6 712,896 154 | 2021/8/26 10:30 59.13 60.4 58.7 59.09 1,477,628 155 | 2021/8/26 11:30 59.08 59.27 58.71 58.72 1,071,978 156 | 2021/8/26 14:00 58.72 59.03 58.58 58.72 601,086 157 | 2021/8/26 15:00 58.72 58.99 58.2 58.51 1,114,365 158 | 2021/8/27 10:30 58.5 58.98 57.91 58.35 1,155,920 159 | 2021/8/27 11:30 58.35 58.36 57.95 58.02 648,227 160 | 2021/8/27 14:00 58.02 58.34 57.94 57.98 433,604 161 | 2021/8/27 15:00 57.98 58.18 57.83 57.86 809,718 162 | 2021/8/30 10:30 60 60.86 59.33 60.01 3,583,953 163 | 2021/8/30 11:30 60.01 60.7 59.85 60.57 1,690,938 164 | 2021/8/30 14:00 60.57 60.99 60.11 60.12 1,782,484 165 | 2021/8/30 15:00 60.18 60.54 60.03 60.22 1,467,507 166 | 2021/8/31 10:30 58.2 59.88 56.61 56.89 4,463,073 167 | 2021/8/31 11:30 56.89 57.23 56.62 56.68 1,437,444 168 | 2021/8/31 14:00 56.7 57 55.71 56.23 1,859,331 169 | 2021/8/31 15:00 56.22 56.25 55.75 56.02 1,571,288 170 | 2021/9/1 10:30 55.9 57.35 55 57 2,249,813 171 | 2021/9/1 11:30 57 57.06 56.6 56.89 547,051 172 | 2021/9/1 14:00 56.89 56.99 56.71 56.85 401,447 173 | 2021/9/1 15:00 56.85 57 56.63 57 570,003 174 | 2021/9/2 10:30 57 57.27 56.55 56.86 976,027 175 | 2021/9/2 11:30 56.86 56.86 56.34 56.47 501,217 176 | 2021/9/2 14:00 56.47 56.51 56.37 56.5 406,031 177 | 2021/9/2 15:00 56.5 57.49 56.49 57.26 832,236 178 | 2021/9/3 10:30 56.9 57.89 56.69 57.4 892,726 179 | 2021/9/3 11:30 57.4 57.46 57.04 57.25 458,358 180 | 2021/9/3 14:00 57.44 58.58 57.44 57.96 840,534 181 | 2021/9/3 15:00 57.96 59.4 57.95 58.9 1,511,420 182 | 2021/9/6 10:30 58.79 60.5 58.5 60.45 2,429,086 183 | 2021/9/6 11:30 60.45 61 60.3 60.3 1,177,545 184 | 2021/9/6 14:00 60.48 60.9 60.32 60.9 954,203 185 | 2021/9/6 15:00 60.9 61 60.5 60.63 931,381 186 | 2021/9/7 10:30 60.37 60.76 59.9 60.12 1,134,148 187 | 2021/9/7 11:30 60.12 60.3 59.81 60.12 587,238 188 | 2021/9/7 14:00 60.12 60.19 59.88 60.04 446,925 189 | 2021/9/7 15:00 60.04 60.09 59.9 59.96 580,786 190 | 2021/9/8 10:30 60.02 60.8 59.6 59.76 1,033,606 191 | 2021/9/8 11:30 59.76 59.76 58.8 58.88 1,077,125 192 | 2021/9/8 14:00 58.88 59.23 58.87 59.2 367,171 193 | 2021/9/8 15:00 59.2 59.25 59 59.15 474,755 194 | 2021/9/9 10:30 58.89 59.32 58.51 58.81 922,206 195 | 2021/9/9 11:30 58.81 59 58.18 58.2 573,508 196 | 2021/9/9 14:00 58.2 58.43 58 58.27 696,774 197 | 2021/9/9 15:00 58.27 58.33 57.6 58.08 673,764 198 | 2021/9/10 10:30 57.8 58.3 57 57.52 1,108,019 199 | 2021/9/10 11:30 57.53 57.86 57.2 57.83 595,654 200 | 2021/9/10 14:00 57.83 59.43 57.76 58.8 970,052 201 | 2021/9/10 15:00 58.8 59.68 58.8 59.5 1,156,390 202 | 2021/9/13 10:30 59.4 60.47 58.89 58.93 1,547,431 203 | 2021/9/13 11:30 58.93 59.29 58.74 58.97 403,176 204 | 2021/9/13 14:00 58.97 59.1 58.8 59.01 325,375 205 | 2021/9/13 15:00 59.01 59.3 58.91 59.1 426,768 206 | 2021/9/14 10:30 59 59.95 58.5 59.03 1,087,471 207 | 2021/9/14 11:30 59.03 59.31 58.8 59.28 334,981 208 | 2021/9/14 14:00 59.28 59.9 59 59.3 928,713 209 | 2021/9/14 15:00 59.3 59.44 59 59.12 529,886 210 | 2021/9/15 10:30 59.12 59.28 58.06 58.94 870,118 211 | 2021/9/15 11:30 58.94 59.25 58.6 58.72 370,853 212 | 2021/9/15 14:00 58.72 59.1 58.44 58.5 313,759 213 | 2021/9/15 15:00 58.5 58.89 58.33 58.78 429,258 214 | 2021/9/16 10:30 59.29 59.71 58.7 58.79 876,364 215 | 2021/9/16 11:30 58.79 59.19 57.72 57.86 1,204,626 216 | 2021/9/16 14:00 57.86 58.18 56.9 57.01 1,264,550 217 | 2021/9/16 15:00 57.01 57.22 56.75 57.04 1,295,744 218 | 2021/9/17 10:30 57.61 57.61 55.99 56.09 1,701,471 219 | 2021/9/17 11:30 56.09 58.33 56 57.3 2,474,139 220 | 2021/9/17 14:00 57.5 58.72 57.5 58.5 2,193,166 221 | 2021/9/17 15:00 58.5 58.5 57.9 57.91 1,498,685 222 | 2021/9/22 10:30 56.83 57.33 56.26 56.51 1,780,333 223 | 2021/9/22 11:30 56.51 56.73 56 56.15 997,390 224 | 2021/9/22 14:00 56.15 56.25 55.98 55.99 1,182,427 225 | 2021/9/22 15:00 55.99 56.28 55.97 55.99 861,046 226 | 2021/9/23 10:30 56.5 57.02 56.01 56.58 1,188,243 227 | 2021/9/23 11:30 56.55 56.57 56.32 56.54 287,388 228 | 2021/9/23 14:00 56.54 56.62 56.17 56.23 274,864 229 | 2021/9/23 15:00 56.23 56.65 56.21 56.35 562,815 230 | 2021/9/24 10:30 56.2 56.6 55.81 56.1 767,077 231 | 2021/9/24 11:30 56.1 56.76 56.1 56.46 524,319 232 | 2021/9/24 14:00 56.46 56.66 56.42 56.54 382,320 233 | 2021/9/24 15:00 56.54 56.54 56.01 56.07 422,533 234 | 2021/9/27 10:30 56.05 57.21 56 56.7 1,601,215 235 | 2021/9/27 11:30 56.7 56.95 56.1 56.27 578,359 236 | 2021/9/27 14:00 56.28 56.49 56.01 56.32 406,178 237 | 2021/9/27 15:00 56.32 56.42 56.15 56.34 382,984 238 | 2021/9/28 10:30 56.75 56.75 55.51 55.89 1,038,989 239 | 2021/9/28 11:30 55.89 56.07 55.68 55.72 319,600 240 | 2021/9/28 14:00 55.74 55.94 55.68 55.8 173,915 241 | 2021/9/28 15:00 55.8 55.95 55.68 55.8 359,951 242 | 2021/9/29 10:30 55.47 55.48 53.78 54.2 1,550,266 243 | 2021/9/29 11:30 54.2 54.2 53.74 53.75 570,761 244 | 2021/9/29 14:00 53.74 53.9 53.5 53.72 457,055 245 | 2021/9/29 15:00 53.72 53.8 52.78 52.9 1,173,555 246 | 2021/9/30 10:30 53.1 53.83 53.03 53.69 745,695 247 | 2021/9/30 11:30 53.69 53.89 53.61 53.76 227,962 248 | 2021/9/30 14:00 53.76 53.87 53.63 53.78 206,049 249 | 2021/9/30 15:00 53.78 54.23 53.7 54.1 488,152 250 | 2021/10/8 10:30 55.37 55.4 54.62 54.72 996,978 251 | 2021/10/8 11:30 54.72 55.62 54.68 55.48 901,372 252 | 2021/10/8 14:00 55.48 55.58 55.24 55.45 478,738 253 | 2021/10/8 15:00 55.45 55.5 55.29 55.45 521,914 254 | 2021/10/11 10:30 55.88 56.73 55.46 56 1,266,875 255 | 2021/10/11 11:30 55.99 56.15 55.91 56.1 237,538 256 | 2021/10/11 14:00 56.1 56.19 55.55 55.7 285,149 257 | 2021/10/11 15:00 55.7 56.09 55.58 55.8 396,066 258 | 2021/10/12 10:30 56.07 56.07 54.95 55.82 725,893 259 | 2021/10/12 11:30 55.82 56.26 55.35 55.35 343,391 260 | 2021/10/12 14:00 55.35 55.35 54.65 54.93 543,532 261 | 2021/10/12 15:00 54.93 55.19 54.66 55.19 364,716 262 | 2021/10/13 10:30 55.19 55.69 54.73 54.8 478,428 263 | 2021/10/13 11:30 54.8 54.85 54.42 54.62 425,662 264 | 2021/10/13 14:00 54.62 54.87 54.51 54.6 391,311 265 | 2021/10/13 15:00 54.64 54.8 54.48 54.59 398,981 266 | 2021/10/14 10:30 54.55 54.8 53.8 53.89 856,385 267 | 2021/10/14 11:30 53.89 53.98 53.72 53.97 322,892 268 | 2021/10/14 14:00 53.97 54.5 53.86 54.46 355,703 269 | 2021/10/14 15:00 54.46 54.48 54 54.28 320,567 270 | 2021/10/15 10:30 54.27 54.82 53.55 54.66 821,927 271 | 2021/10/15 11:30 54.66 54.66 54.21 54.28 303,893 272 | 2021/10/15 14:00 54.28 54.55 54.23 54.42 263,446 273 | 2021/10/15 15:00 54.36 54.44 54.1 54.22 356,487 274 | 2021/10/18 10:30 54.48 54.48 52.93 53.27 1,005,359 275 | 2021/10/18 11:30 53.27 53.44 53.1 53.3 217,576 276 | 2021/10/18 14:00 53.3 53.68 53.27 53.53 277,428 277 | 2021/10/18 15:00 53.53 53.79 53.49 53.75 346,759 278 | 2021/10/19 10:30 54.01 54.68 53.64 54.07 724,692 279 | 2021/10/19 11:30 54.07 54.48 53.99 54.48 244,271 280 | 2021/10/19 14:00 54.5 54.51 54.3 54.39 281,691 281 | 2021/10/19 15:00 54.39 54.45 54.3 54.43 347,233 282 | 2021/10/20 10:30 54.34 54.73 53.71 53.87 671,262 283 | 2021/10/20 11:30 53.87 54.01 53.69 53.81 413,990 284 | 2021/10/20 14:00 53.8 53.94 53.65 53.72 317,106 285 | 2021/10/20 15:00 53.71 53.86 53.56 53.65 485,463 286 | 2021/10/21 10:30 53.97 53.97 52.88 52.91 822,356 287 | 2021/10/21 11:30 52.91 53.07 52.8 53.03 439,889 288 | 2021/10/21 14:00 53.03 53.04 52.78 52.87 287,495 289 | 2021/10/21 15:00 52.87 52.87 52.46 52.56 647,363 290 | 2021/10/22 10:30 52.6 52.75 51.48 51.48 1,473,543 291 | 2021/10/22 11:30 51.48 52.3 51.46 52.07 550,821 292 | 2021/10/22 14:00 52.07 52.5 51.98 52.03 341,804 293 | 2021/10/22 15:00 52.03 52.1 51.58 51.71 465,610 294 | 2021/10/25 10:30 51.6 51.68 50.17 50.56 1,464,409 295 | 2021/10/25 11:30 50.42 50.49 49.98 50.13 743,446 296 | 2021/10/25 14:00 50.13 50.14 49.8 50.1 706,956 297 | 2021/10/25 15:00 50.1 50.3 49.97 50.11 482,017 298 | 2021/10/26 10:30 50.72 50.72 49.72 50.06 1,251,933 299 | 2021/10/26 11:30 50.06 50.21 49.93 50.18 287,210 300 | 2021/10/26 14:00 50.18 51.48 50.18 50.63 999,996 301 | 2021/10/26 15:00 50.63 50.64 50.28 50.36 353,330 302 | 2021/10/27 10:30 50.42 50.42 48.3 48.3 1,818,357 303 | 2021/10/27 11:30 48.3 48.48 48 48.16 1,279,679 304 | 2021/10/27 14:00 48.16 48.16 47.59 47.7 873,436 305 | 2021/10/27 15:00 47.7 47.79 47.54 47.57 728,441 306 | 2021/10/28 10:30 47.5 47.95 46.91 47.5 1,061,066 307 | 2021/10/28 11:30 47.5 48.17 47.5 47.67 428,897 308 | 2021/10/28 14:00 47.67 47.91 47.5 47.76 269,397 309 | 2021/10/28 15:00 47.77 48.15 47.51 47.9 614,577 310 | 2021/10/29 10:30 47.86 48.55 47.35 48.29 822,598 311 | 2021/10/29 11:30 48.29 48.4 47.9 48.05 306,600 312 | 2021/10/29 14:00 48.05 48.28 48.05 48.25 250,355 313 | 2021/10/29 15:00 48.25 48.49 48.2 48.28 485,437 314 | 2021/11/1 10:30 48.01 48.01 46.2 47.67 1,457,024 315 | 2021/11/1 11:30 47.67 47.8 47.45 47.69 398,159 316 | 2021/11/1 14:00 47.69 48.18 47.61 47.8 416,344 317 | 2021/11/1 15:00 47.8 48.19 47.59 47.92 461,794 318 | 2021/11/2 10:30 47.76 48.67 47.75 48 1,602,656 319 | 2021/11/2 11:30 48 48.04 47.5 47.75 360,229 320 | 2021/11/2 14:00 47.75 47.8 46.63 46.8 733,248 321 | 2021/11/2 15:00 46.8 47.08 46.7 46.79 513,239 322 | 2021/11/3 10:30 47.4 47.95 47.18 47.42 2,266,796 323 | 2021/11/3 11:30 47.42 47.51 47 47.06 723,937 324 | 2021/11/3 14:00 47.06 47.42 47.06 47.29 468,192 325 | 2021/11/3 15:00 47.29 47.85 47.17 47.63 1,090,177 326 | 2021/11/4 10:30 47.89 47.98 47.04 47.17 1,392,569 327 | 2021/11/4 11:30 47.16 47.74 47.16 47.35 652,104 328 | 2021/11/4 14:00 47.35 47.6 47.33 47.41 381,345 329 | 2021/11/4 15:00 47.41 47.64 47.2 47.38 749,291 330 | 2021/11/5 10:30 47.14 47.78 47.08 47.58 1,047,451 331 | 2021/11/5 11:30 47.58 48.2 47.5 47.9 1,391,410 332 | 2021/11/5 14:00 47.9 47.94 47.59 47.59 331,760 333 | 2021/11/5 15:00 47.58 47.58 47.29 47.31 550,411 334 | 2021/11/8 10:30 48.19 48.39 46.1 46.15 2,087,645 335 | 2021/11/8 11:30 46.15 46.32 45.7 45.91 785,001 336 | 2021/11/8 14:00 45.91 46.31 45.91 46.27 422,215 337 | 2021/11/8 15:00 46.27 46.27 45.8 45.96 630,269 338 | 2021/11/9 10:30 45.99 46.49 45.5 46.28 1,513,213 339 | 2021/11/9 11:30 46.31 46.4 46.22 46.31 1,014,737 340 | 2021/11/9 14:00 46.3 46.9 46.3 46.61 1,253,448 341 | 2021/11/9 15:00 46.61 46.72 46.48 46.48 639,957 342 | 2021/11/10 10:30 46.3 46.94 46.15 46.42 1,149,240 343 | 2021/11/10 11:30 46.4 46.41 45.85 46.08 662,362 344 | 2021/11/10 14:00 46.08 51.32 46.08 50 8,257,195 345 | 2021/11/10 15:00 50 51.21 49.86 50.93 3,572,756 346 | 2021/11/11 10:30 50.42 51.34 49.6 50.38 4,681,502 347 | 2021/11/11 11:30 50.39 50.63 50 50.15 976,146 348 | 2021/11/11 14:00 50.11 50.31 49.6 49.77 1,290,695 349 | 2021/11/11 15:00 49.77 50.22 49.64 50.2 1,031,204 350 | 2021/11/12 10:30 50 51.15 49.75 50.74 1,988,469 351 | 2021/11/12 11:30 50.74 50.75 50.24 50.45 705,123 352 | 2021/11/12 14:00 50.45 50.8 50.35 50.7 668,549 353 | 2021/11/12 15:00 50.7 50.87 50.54 50.7 717,618 354 | 2021/11/15 10:30 50.67 52.63 50.1 52.49 3,517,608 355 | 2021/11/15 11:30 52.48 54.29 52.44 54.15 3,590,838 356 | 2021/11/15 14:00 54.15 54.15 53.6 53.99 1,355,702 357 | 2021/11/15 15:00 53.99 54.04 53.72 53.8 1,219,127 358 | 2021/11/16 10:30 53.8 54.48 53.3 53.8 2,122,364 359 | 2021/11/16 11:30 53.8 54.3 53.5 54.14 1,000,928 360 | 2021/11/16 14:00 54.14 54.58 53.55 53.88 1,108,021 361 | 2021/11/16 15:00 53.88 54.79 53.8 54.04 2,073,663 362 | 2021/11/17 10:30 53.99 54.58 53.33 54.19 1,692,051 363 | 2021/11/17 11:30 54.19 54.75 54.14 54.62 1,153,728 364 | 2021/11/17 14:00 54.62 54.67 54 54.1 806,051 365 | 2021/11/17 15:00 54.14 54.28 54 54.19 643,864 366 | 2021/11/18 10:30 53.8 54.45 53.25 54.15 2,012,804 367 | 2021/11/18 11:30 54.15 54.4 53.65 53.69 960,112 368 | 2021/11/18 14:00 53.69 53.97 53.1 53.41 757,345 369 | 2021/11/18 15:00 53.41 53.46 52.83 52.83 1,125,100 370 | 2021/11/19 10:30 56 57.23 54.1 54.78 5,095,564 371 | 2021/11/19 11:30 54.8 55.05 54.5 55 801,287 372 | 2021/11/19 14:00 55.05 55.7 54.98 55.1 1,065,215 373 | 2021/11/19 15:00 55.18 55.35 54.7 55.2 1,013,882 374 | 2021/11/22 10:30 58.7 60.5 56.87 60.01 9,284,799 375 | 2021/11/22 11:30 60.01 60.35 59.72 59.81 1,861,323 376 | 2021/11/22 14:00 59.73 59.9 58.96 59.05 1,311,639 377 | 2021/11/22 15:00 59.05 59.19 58 58.02 1,875,393 378 | 2021/11/23 10:30 57.51 58.03 56.23 57.22 3,565,117 379 | 2021/11/23 11:30 57.22 58.8 57.1 58.78 987,321 380 | 2021/11/23 14:00 58.78 59.77 58.49 58.76 2,151,043 381 | 2021/11/23 15:00 58.8 59.35 58.78 58.97 1,016,762 382 | 2021/11/24 10:30 58.71 60.35 58.32 59.28 2,653,105 383 | 2021/11/24 11:30 59.28 59.5 58.6 58.77 643,373 384 | 2021/11/24 14:00 58.82 58.82 58.3 58.3 820,335 385 | 2021/11/24 15:00 58.3 58.78 58.08 58.78 1,161,279 386 | 2021/11/25 10:30 59.18 60.3 58.6 59.7 2,465,712 387 | 2021/11/25 11:30 59.67 59.96 59.59 59.9 843,056 388 | 2021/11/25 14:00 59.91 60.2 59.66 59.85 1,237,910 389 | 2021/11/25 15:00 59.83 60.14 59.76 59.82 987,139 390 | 2021/11/26 10:30 60.92 60.93 59.7 59.81 2,103,030 391 | 2021/11/26 11:30 59.81 59.99 58.72 59.03 1,176,998 392 | 2021/11/26 14:00 59.09 59.24 58.75 59.02 697,880 393 | 2021/11/26 15:00 59.01 59.2 58.89 59.15 753,387 394 | 2021/11/29 10:30 61 62.5 60.1 60.41 5,756,721 395 | 2021/11/29 11:30 60.41 60.65 59.78 60.5 1,126,577 396 | 2021/11/29 14:00 60.5 61.59 60.08 61.31 1,551,411 397 | 2021/11/29 15:00 61.31 61.55 61 61.2 1,397,748 398 | 2021/11/30 10:30 60.58 61.5 59.8 59.8 3,123,176 399 | 2021/11/30 11:30 59.81 60.18 59.68 59.96 1,060,547 400 | 2021/11/30 14:00 59.96 60.62 59.5 60.37 2,009,148 401 | 2021/11/30 15:00 60.37 60.95 59.75 60.95 3,966,739 402 | 2021/12/1 10:30 59.8 60.27 58.13 58.58 3,300,983 403 | 2021/12/1 11:30 58.5 58.89 58.32 58.63 815,832 404 | 2021/12/1 14:00 58.63 58.7 58.1 58.18 1,437,946 405 | 2021/12/1 15:00 58.18 58.34 57.51 57.76 2,030,680 406 | 2021/12/2 10:30 57.78 58.2 56.62 56.79 2,488,838 407 | 2021/12/2 11:30 56.79 57.25 56.57 56.78 1,039,405 408 | 2021/12/2 14:00 56.87 57.07 56.38 56.4 881,324 409 | 2021/12/2 15:00 56.4 56.63 55.54 55.86 2,118,568 410 | 2021/12/3 10:30 56.68 57.44 56.3 56.89 1,747,479 411 | 2021/12/3 11:30 56.89 57.3 56.84 57.1 604,216 412 | 2021/12/3 14:00 57.1 57.29 56.92 57 672,625 413 | 2021/12/3 15:00 57 57.04 56.78 56.9 699,855 414 | 2021/12/6 10:30 59.9 59.96 57.45 57.52 4,064,983 415 | 2021/12/6 11:30 57.53 58.45 57.25 57.89 1,086,305 416 | 2021/12/6 14:00 57.89 57.96 56.82 56.82 1,091,184 417 | 2021/12/6 15:00 56.83 57.13 56.28 56.33 1,187,551 418 | 2021/12/7 10:30 55.62 56.97 54.8 56.83 2,307,226 419 | 2021/12/7 11:30 56.9 56.93 56.2 56.46 1,166,170 420 | 2021/12/7 14:00 56.47 56.57 55.8 55.98 414,838 421 | 2021/12/7 15:00 55.98 56.5 55.5 56.34 665,003 422 | 2021/12/8 10:30 56.56 57.47 55.88 57.46 1,935,421 423 | 2021/12/8 11:30 57.46 58.32 57.35 57.36 1,058,878 424 | 2021/12/8 14:00 57.36 57.76 57.23 57.59 735,004 425 | 2021/12/8 15:00 57.59 57.95 57.32 57.67 1,067,962 426 | 2021/12/9 10:30 59 60.55 58.58 59.86 6,257,102 427 | 2021/12/9 11:30 59.87 59.9 59.44 59.7 1,190,381 428 | 2021/12/9 14:00 59.7 59.77 59.16 59.45 1,231,195 429 | 2021/12/9 15:00 59.45 59.99 59.27 59.89 2,546,525 430 | 2021/12/10 10:30 59.49 59.77 58.65 59.65 3,554,240 431 | 2021/12/10 11:30 59.65 63.98 59.65 63.87 6,898,798 432 | 2021/12/10 14:00 63.87 64.56 63.52 63.9 4,933,022 433 | 2021/12/10 15:00 63.9 64.52 63.5 63.63 3,999,520 434 | 2021/12/13 10:30 63 64.44 62.7 64.2 4,268,049 435 | 2021/12/13 11:30 64.2 64.94 64.05 64.91 3,027,864 436 | 2021/12/13 14:00 64.91 64.91 64.11 64.65 1,807,268 437 | 2021/12/13 15:00 64.79 65 63.82 63.9 2,233,975 438 | 2021/12/14 10:30 64.8 64.8 63.93 64.46 2,749,542 439 | 2021/12/14 11:30 64.46 64.7 63.55 63.86 1,221,138 440 | 2021/12/14 14:00 63.86 64.18 63.02 63.86 1,069,652 441 | 2021/12/14 15:00 63.88 63.99 63.38 63.9 1,126,599 442 | 2021/12/15 10:30 63.9 63.95 61.88 62.88 2,673,800 443 | 2021/12/15 11:30 62.89 62.93 62.15 62.21 636,264 444 | 2021/12/15 14:00 62.21 62.7 61.8 62.18 969,291 445 | 2021/12/15 15:00 62.18 62.23 60.61 60.71 2,659,266 446 | 2021/12/16 10:30 60.71 61.63 60.23 60.58 2,124,791 447 | 2021/12/16 11:30 60.59 60.62 59.68 59.97 1,526,011 448 | 2021/12/16 14:00 59.97 61.18 59.97 60.84 1,250,526 449 | 2021/12/16 15:00 60.84 61 60.7 60.87 933,597 450 | 2021/12/17 10:30 61.3 61.55 59.91 60.23 1,503,903 451 | 2021/12/17 11:30 60.26 60.95 60.01 60.8 720,373 452 | 2021/12/17 14:00 60.8 60.8 60.08 60.08 541,968 453 | 2021/12/17 15:00 60.08 60.48 59.66 60.16 3,591,561 454 | 2021/12/20 10:30 60.05 61.19 59.9 60.59 1,165,462 455 | 2021/12/20 11:30 60.6 60.6 59.9 59.9 560,718 456 | 2021/12/20 14:00 59.9 59.95 58.87 58.9 1,075,239 457 | 2021/12/20 15:00 58.9 59.17 58.53 59.09 885,108 458 | 2021/12/21 10:30 58.9 60.36 58.56 58.95 1,288,120 459 | 2021/12/21 11:30 59.01 59.31 58.62 58.7 414,444 460 | 2021/12/21 14:00 58.7 59.1 58.4 59.02 637,833 461 | 2021/12/21 15:00 59.02 59.33 58.91 59.14 475,986 462 | 2021/12/22 10:30 59.34 59.35 57.9 58.02 1,493,917 463 | 2021/12/22 11:30 58.02 58.48 57.94 58.4 485,776 464 | 2021/12/22 14:00 58.4 58.65 58.22 58.43 473,478 465 | 2021/12/22 15:00 58.43 58.5 58.05 58.05 603,934 466 | 2021/12/23 10:30 58.16 59.05 58.03 58.46 1,428,650 467 | 2021/12/23 11:30 58.45 58.9 58.28 58.58 657,312 468 | 2021/12/23 14:00 58.58 58.7 57.93 58 884,621 469 | 2021/12/23 15:00 58 58.53 58 58.51 793,162 470 | 2021/12/24 10:30 58.51 58.88 57.34 58.72 2,092,409 471 | 2021/12/24 11:30 58.72 59.84 58.53 59.71 2,272,505 472 | 2021/12/24 14:00 59.63 60.5 59.22 60.36 2,314,262 473 | 2021/12/24 15:00 60.36 60.42 59.14 59.27 1,431,938 474 | 2021/12/27 10:30 59.7 60.18 58.01 58.35 1,519,657 475 | 2021/12/27 11:30 58.45 58.87 58.15 58.19 574,663 476 | 2021/12/27 14:00 58.19 58.38 57.64 58.02 1,002,241 477 | 2021/12/27 15:00 58.02 58.06 57.25 57.35 1,315,389 478 | 2021/12/28 10:30 57.02 57.83 56.72 57.4 1,900,248 479 | 2021/12/28 11:30 57.4 58.98 57.13 58.89 2,306,189 480 | 2021/12/28 14:00 58.89 59.32 58.42 58.51 1,265,855 481 | 2021/12/28 15:00 58.51 58.69 58.46 58.66 1,262,991 482 | 2021/12/29 10:30 59 59.3 57.68 58.08 1,053,136 483 | 2021/12/29 11:30 58.08 58.88 57.9 58.69 478,206 484 | 2021/12/29 14:00 58.69 58.69 57.9 58.02 359,705 485 | 2021/12/29 15:00 57.99 58.1 57.5 57.58 644,575 486 | 2021/12/30 10:30 57.7 57.89 56.9 57.42 868,542 487 | 2021/12/30 11:30 57.42 57.51 57.1 57.22 368,177 488 | 2021/12/30 14:00 57.27 57.75 57.17 57.5 377,944 489 | 2021/12/30 15:00 57.5 57.87 57.3 57.59 536,799 490 | 2021/12/31 10:30 59.52 63.59 59.4 63.06 7,484,687 491 | 2021/12/31 11:30 63.06 66.15 62.98 65.45 6,984,109 492 | 2021/12/31 14:00 65.45 68.75 65.45 67.63 5,325,737 493 | 2021/12/31 15:00 67.63 68.3 66.8 66.98 3,067,960 494 | 2022/1/4 10:30 65 65 61 61.4 9,379,294 495 | 2022/1/4 11:30 61.37 61.84 60.48 61.26 2,539,073 496 | 2022/1/4 14:00 61.26 61.77 60.7 60.8 1,856,929 497 | 2022/1/4 15:00 60.74 60.98 60.21 60.3 2,779,350 498 | 2022/1/5 10:30 59 59.49 57.52 57.58 4,649,459 499 | 2022/1/5 11:30 57.58 58.4 57.3 58.19 1,075,914 500 | 2022/1/5 14:00 58.19 58.19 57.61 57.84 745,389 501 | 2022/1/5 15:00 57.84 58.45 57.81 58.15 910,735 502 | 2022/1/6 10:30 58.01 58.55 57.35 57.48 1,434,690 503 | 2022/1/6 11:30 57.45 57.49 56.58 57.05 1,453,033 504 | 2022/1/6 14:00 57.05 57.36 56.89 57.09 607,775 505 | 2022/1/6 15:00 57.08 57.12 56.66 56.68 1,084,545 506 | 2022/1/7 10:30 56.99 57.85 56.6 57.38 1,471,160 507 | 2022/1/7 11:30 57.4 57.57 57.01 57.1 538,242 508 | 2022/1/7 14:00 57.1 57.54 56.98 57.1 450,998 509 | 2022/1/7 15:00 57.1 57.26 56.88 57.21 834,923 510 | 2022/1/10 10:30 57.64 59.99 57.38 59.86 3,063,110 511 | 2022/1/10 11:30 59.86 60.17 59.51 59.74 802,195 512 | 2022/1/10 14:00 59.74 59.9 58.63 58.8 701,985 513 | 2022/1/10 15:00 58.8 59.58 58.75 59.55 757,250 514 | 2022/1/11 10:30 60.65 61.99 59.75 60.36 2,934,649 515 | 2022/1/11 11:30 60.36 61.38 60.13 61.2 1,058,498 516 | 2022/1/11 14:00 61.2 62.13 60.9 62.05 1,895,275 517 | 2022/1/11 15:00 62.05 62.49 61.83 61.88 1,722,510 518 | 2022/1/12 10:30 62.49 62.73 61.3 62 2,213,998 519 | 2022/1/12 11:30 62 62.37 61.73 62.3 666,351 520 | 2022/1/12 14:00 62.3 66.55 62.3 65.21 5,454,147 521 | 2022/1/12 15:00 65.16 65.55 64.69 64.7 1,851,081 522 | 2022/1/13 10:30 65 65.98 63.22 63.52 2,947,804 523 | 2022/1/13 11:30 63.52 65.6 63.28 65.56 1,322,623 524 | 2022/1/13 14:00 65.56 68.02 65.56 66.38 5,458,382 525 | 2022/1/13 15:00 66.37 66.76 65.89 66.4 1,744,204 526 | 2022/1/14 10:30 67.49 72.02 66.14 71.88 10,496,754 527 | 2022/1/14 11:30 71.94 72.88 70.76 71.59 4,523,344 528 | 2022/1/14 14:00 71.63 78.73 71.63 77.43 10,526,840 529 | 2022/1/14 15:00 77.43 77.63 75.88 76.5 5,308,061 530 | 2022/1/17 10:30 80 87.24 78.5 86.82 21,189,515 531 | 2022/1/17 11:30 86.8 87.66 84.4 85.73 4,017,189 532 | 2022/1/17 14:00 85.79 86.18 82.11 83.69 4,091,447 533 | 2022/1/17 15:00 83.69 89.68 82.84 84.96 7,653,647 534 | 2022/1/18 10:30 85 87.94 80.08 81.92 16,417,864 535 | 2022/1/18 11:30 82 84.88 81.9 82.77 3,242,854 536 | 2022/1/18 14:00 82.99 83.33 80.22 81.9 3,981,798 537 | 2022/1/18 15:00 81.9 84.89 81.9 83.15 4,305,880 538 | 2022/1/19 10:30 80.84 84.34 79.39 82.38 11,373,658 539 | 2022/1/19 11:30 82.33 84.11 80.36 81.24 3,733,261 540 | 2022/1/19 14:00 81.17 83.45 80.67 83.4 2,273,034 541 | 2022/1/19 15:00 83.36 83.36 80.99 82.04 2,356,107 542 | 2022/1/20 10:30 83.95 88.19 82.53 82.77 12,664,144 543 | 2022/1/20 11:30 82.72 85.24 82.2 84.8 3,093,495 544 | 2022/1/20 14:00 84.8 86.3 83.3 83.41 2,910,546 545 | 2022/1/20 15:00 83.4 83.45 81.92 82.53 4,691,685 546 | 2022/1/21 10:30 77.51 80.98 73.68 75.99 14,779,771 547 | 2022/1/21 11:30 75.81 76.85 75.12 75.81 2,020,394 548 | 2022/1/21 14:00 75.81 76.48 75.3 75.8 1,499,854 549 | 2022/1/21 15:00 75.8 76.14 74.03 74.1 4,630,423 550 | 2022/1/24 10:30 72.4 79.87 72 77 8,438,589 551 | 2022/1/24 11:30 77.24 77.54 75.4 75.45 1,810,168 552 | 2022/1/24 14:00 75.45 76.31 75 75 1,262,320 553 | 2022/1/24 15:00 75.16 75.56 74.48 74.63 1,804,079 554 | 2022/1/25 10:30 75.01 76 72.35 72.79 4,700,862 555 | 2022/1/25 11:30 72.87 72.93 71.5 72.25 2,499,712 556 | 2022/1/25 14:00 72.25 72.49 70.48 71.37 2,288,711 557 | 2022/1/25 15:00 71.41 71.63 69.88 70.2 2,919,516 558 | 2022/1/26 10:30 69 71.7 64.15 64.77 8,926,219 559 | 2022/1/26 11:30 64.81 65.25 63.23 63.6 3,233,193 560 | 2022/1/26 14:00 63.5 64.1 63.02 63.37 3,093,419 561 | 2022/1/26 15:00 63.37 63.76 62.7 63 2,259,831 562 | 2022/1/27 10:30 65 65.99 61.95 62.22 3,882,135 563 | 2022/1/27 11:30 62.22 62.7 61.59 62.17 1,471,576 564 | 2022/1/27 14:00 62.16 64.3 61.51 63.21 3,034,132 565 | 2022/1/27 15:00 63.11 63.23 62 62.1 3,079,556 566 | 2022/1/28 10:30 62.72 63.11 59.69 60.6 3,582,490 567 | 2022/1/28 11:30 60.61 60.74 59.75 59.96 1,779,602 568 | 2022/1/28 14:00 59.9 60.78 59.38 59.78 1,996,402 569 | 2022/1/28 15:00 59.75 59.84 58.91 59.13 2,335,132 570 | 2022/2/7 10:30 60 60.67 58.08 59.35 3,804,637 571 | 2022/2/7 11:30 59.35 59.41 58.49 59.1 1,389,808 572 | 2022/2/7 14:00 59.1 59.15 58.18 58.52 1,086,983 573 | 2022/2/7 15:00 58.51 58.97 58.31 58.9 1,661,409 574 | 2022/2/8 10:30 58 58.9 57.16 57.84 2,260,694 575 | 2022/2/8 11:30 57.89 57.94 57.11 57.13 1,281,742 576 | 2022/2/8 14:00 57.13 57.69 56.86 57.11 1,242,331 577 | 2022/2/8 15:00 57.08 57.5 56.96 57.3 1,628,512 578 | 2022/2/9 10:30 56.7 57.78 56.3 57.19 2,693,499 579 | 2022/2/9 11:30 57.19 58.22 56.91 57.73 2,940,218 580 | 2022/2/9 14:00 57.73 57.92 57.06 57.43 1,336,873 581 | 2022/2/9 15:00 57.43 57.92 57.27 57.92 1,578,997 582 | 2022/2/10 10:30 57.93 58.34 56.88 56.98 3,035,121 583 | 2022/2/10 11:30 56.94 57.31 56.7 56.79 2,038,681 584 | 2022/2/10 14:00 57 57 56.05 56.25 2,621,382 585 | 2022/2/10 15:00 56.25 56.54 55.9 55.96 2,144,175 586 | 2022/2/11 10:30 56.05 56.77 54.6 54.79 2,409,129 587 | 2022/2/11 11:30 54.76 55.09 54.6 54.66 1,056,195 588 | 2022/2/11 14:00 54.66 54.74 53.77 53.8 1,688,279 589 | 2022/2/11 15:00 53.8 53.94 53.02 53.45 2,340,506 590 | 2022/2/14 10:30 55.31 62.14 55.31 59.92 10,765,225 591 | 2022/2/14 11:30 60 60.55 59.53 59.96 1,225,624 592 | 2022/2/14 14:00 59.96 60 58.79 59.08 1,422,921 593 | 2022/2/14 15:00 59.17 60.1 58.83 60.08 2,159,802 594 | 2022/2/15 10:30 59 62.11 57.89 59.85 5,339,200 595 | 2022/2/15 11:30 59.85 59.86 58.7 59.05 1,800,937 596 | 2022/2/15 14:00 59.05 59.05 57.99 58.41 1,626,927 597 | 2022/2/15 15:00 58.53 59.13 58.16 58.86 1,777,673 598 | 2022/2/16 10:30 58.5 60.38 57.88 60.05 3,609,040 599 | 2022/2/16 11:30 60.15 62.68 59.87 61.22 3,840,861 600 | 2022/2/16 14:00 61.22 61.81 60.81 61.6 1,255,893 601 | 2022/2/16 15:00 61.56 61.8 60.81 60.81 1,172,477 602 | 2022/2/17 10:30 60.57 61.68 59.69 60.8 3,387,342 603 | 2022/2/17 11:30 60.8 60.97 60.21 60.66 799,236 604 | 2022/2/17 14:00 60.67 61.37 60.2 60.83 1,400,579 605 | 2022/2/17 15:00 60.83 60.96 60.2 60.54 1,342,821 606 | 2022/2/18 10:30 60.39 64.64 60.21 63.47 6,119,705 607 | 2022/2/18 11:30 63.47 66.18 63.35 65.02 2,910,464 608 | 2022/2/18 14:00 65.02 65.8 64.67 64.95 1,304,364 609 | 2022/2/18 15:00 64.95 65.49 64.57 65.01 1,474,140 610 | 2022/2/21 10:30 64.3 67.08 64 65.31 4,211,260 611 | 2022/2/21 11:30 65.31 66.68 64.7 66.56 1,709,470 612 | 2022/2/21 14:00 66.56 69.9 66.47 69.66 3,176,083 613 | 2022/2/21 15:00 69.81 69.99 68.65 68.98 2,295,706 614 | 2022/2/22 10:30 68 68.98 65.48 66.51 5,739,101 615 | 2022/2/22 11:30 66.5 67.21 66.03 66.5 1,183,265 616 | 2022/2/22 14:00 66.5 67.41 66 66.58 1,626,315 617 | 2022/2/22 15:00 66.54 67.75 66.06 67.74 1,488,168 618 | 2022/2/23 10:30 67.22 72.22 67.08 71.05 5,397,459 619 | 2022/2/23 11:30 70.91 71.63 70.65 70.65 1,014,122 620 | 2022/2/23 14:00 70.68 70.83 69.3 69.8 1,575,877 621 | 2022/2/23 15:00 69.8 70.13 69.61 69.8 1,026,927 622 | 2022/2/24 10:30 69.5 74.29 68.88 73.73 5,445,108 623 | 2022/2/24 11:30 73.71 75.64 73.03 73.78 3,095,320 624 | 2022/2/24 14:00 73.91 73.91 70.71 70.75 4,315,668 625 | 2022/2/24 15:00 70.72 72.23 70 71.86 3,284,671 626 | 2022/2/25 10:30 73.3 73.85 70.75 73.01 5,385,233 627 | 2022/2/25 11:30 73.01 74.97 72.93 73.33 3,165,712 628 | 2022/2/25 14:00 73.33 75.02 73.26 74.36 1,776,208 629 | 2022/2/25 15:00 74.36 74.37 73.45 74.23 1,614,816 630 | 2022/2/28 10:30 72.99 74.47 69.5 71.73 5,935,379 631 | 2022/2/28 11:30 71.9 71.93 69.46 71.33 3,270,364 632 | 2022/2/28 14:00 71.33 71.42 70.2 71.09 981,583 633 | 2022/2/28 15:00 71.1 72.71 71.05 72 1,963,933 634 | 2022/3/1 10:30 71 73.5 70.97 72.74 3,175,648 635 | 2022/3/1 11:30 72.74 72.75 70.79 70.79 1,626,224 636 | 2022/3/1 14:00 70.79 72.46 70.6 72.12 1,918,505 637 | 2022/3/1 15:00 72.12 72.41 71.57 71.57 1,298,464 638 | 2022/3/2 10:30 71.9 71.9 69.18 69.42 3,585,600 639 | 2022/3/2 11:30 69.43 71.37 69.41 71.3 1,499,628 640 | 2022/3/2 14:00 71.3 71.3 70.06 70.88 920,516 641 | 2022/3/2 15:00 70.88 71.86 70.47 71.75 1,356,345 642 | 2022/3/3 10:30 71.69 77.16 71.69 77.12 8,401,211 643 | 2022/3/3 11:30 77.12 80.34 76.8 79.37 4,247,151 644 | 2022/3/3 14:00 79.31 79.5 77.88 77.95 1,919,401 645 | 2022/3/3 15:00 77.95 78.04 76.12 76.38 2,812,478 646 | 2022/3/4 10:30 76 80.29 75.66 79.16 7,160,147 647 | 2022/3/4 11:30 79.11 79.3 77.61 78 2,075,357 648 | 2022/3/4 14:00 78 78.49 76.6 76.83 2,117,694 649 | 2022/3/4 15:00 76.83 77.64 76.55 77 2,112,427 650 | 2022/3/7 10:30 78.58 81.47 77.5 81.37 8,083,682 651 | 2022/3/7 11:30 81.31 81.31 79.59 79.59 1,268,198 652 | 2022/3/7 14:00 79.58 79.87 78.34 78.4 1,415,264 653 | 2022/3/7 15:00 78.4 79.01 78.14 78.76 1,819,503 654 | 2022/3/8 10:30 75 76.88 72.01 72.7 8,275,360 655 | 2022/3/8 11:30 72.54 72.8 70 70.99 3,700,108 656 | 2022/3/8 14:00 70.99 71.54 68.18 68.24 2,535,624 657 | 2022/3/8 15:00 68.52 69.54 67.3 67.5 4,080,462 658 | 2022/3/9 10:30 68.01 70.45 66.2 68 5,909,951 659 | 2022/3/9 11:30 68.02 68.75 67.38 67.5 1,615,625 660 | 2022/3/9 14:00 67.5 68.49 65.88 67.67 2,879,229 661 | 2022/3/9 15:00 67.63 69.2 66.89 69.01 2,374,278 662 | 2022/3/10 10:30 71 71.48 68.4 69.56 4,585,575 663 | 2022/3/10 11:30 69.56 72 69.38 71.53 2,109,212 664 | 2022/3/10 14:00 71.53 74.55 70.99 73.5 5,001,811 665 | 2022/3/10 15:00 73.5 76.32 73.3 76 3,906,914 666 | 2022/3/11 10:30 76.8 80.25 75.2 80 10,728,285 667 | 2022/3/11 11:30 79.93 79.96 76.8 77.72 2,622,539 668 | 2022/3/11 14:00 77.72 81.47 77.6 81.06 5,293,128 669 | 2022/3/11 15:00 81.02 82.1 79.91 82.1 3,884,298 670 | 2022/3/14 10:30 85.02 90.4 82.8 84.5 15,406,761 671 | 2022/3/14 11:30 84.5 87 84.13 86.23 1,927,410 672 | 2022/3/14 14:00 86.23 86.71 80.66 81.51 3,365,146 673 | 2022/3/14 15:00 81.51 83.3 79.15 79.47 6,291,618 674 | 2022/3/15 10:30 77 81.8 76.76 80.46 9,801,915 675 | 2022/3/15 11:30 80.46 81.8 79.24 80.34 2,730,243 676 | 2022/3/15 14:00 80.34 80.5 77.04 77.7 3,861,333 677 | 2022/3/15 15:00 77.75 78.32 76.3 77.36 3,551,544 678 | 2022/3/16 10:30 80.4 80.45 73.2 74.53 10,353,514 679 | 2022/3/16 11:30 74.7 78.3 73.8 77.94 3,398,055 680 | 2022/3/16 14:00 78.68 82.5 76.69 76.77 6,672,090 681 | 2022/3/16 15:00 76.77 79.08 76.71 76.71 3,484,231 682 | 2022/3/17 10:30 77.9 83.34 76 82 11,872,861 683 | 2022/3/17 11:30 81.57 87.38 80.75 86.73 7,140,494 684 | 2022/3/17 14:00 86.73 87.77 82.88 83.2 5,455,142 685 | 2022/3/17 15:00 83.28 84.3 82.12 83.91 3,087,790 686 | 2022/3/18 10:30 81.88 89.49 81 88.03 15,000,111 687 | 2022/3/18 11:30 88.03 89.2 87.29 87.81 3,433,318 688 | 2022/3/18 14:00 87.81 91.77 86.6 90.9 5,662,155 689 | 2022/3/18 15:00 90.73 93.5 88.76 93.5 6,945,005 690 | 2022/3/21 10:30 93.5 93.5 88.18 91.15 13,436,022 691 | 2022/3/21 11:30 91.18 92.37 89.61 91.5 2,701,548 692 | 2022/3/21 14:00 92 98.3 90.88 94.88 7,645,868 693 | 2022/3/21 15:00 94.88 96.3 93.41 95.35 3,879,699 694 | 2022/3/22 10:30 92.5 93.87 89.21 90.58 8,134,160 695 | 2022/3/22 11:30 90.59 92.02 90 91.75 2,281,940 696 | 2022/3/22 14:00 91.75 93.62 90.4 90.99 2,750,737 697 | 2022/3/22 15:00 90.99 92.1 88.86 88.89 3,624,355 698 | 2022/3/23 10:30 88.23 94.75 88.23 94.14 8,579,902 699 | 2022/3/23 11:30 94.1 94.42 91.2 91.56 2,562,559 700 | 2022/3/23 14:00 91.6 91.97 89.07 90.7 2,549,632 701 | 2022/3/23 15:00 90.71 91.27 89 89.9 2,673,080 702 | 2022/3/24 10:30 88.88 92.91 87.01 92.06 6,026,624 703 | 2022/3/24 11:30 92.07 92.63 90.16 91.15 2,188,161 704 | 2022/3/24 14:00 91.3 93.99 91.3 93.72 3,963,228 705 | 2022/3/24 15:00 93.73 94.2 92 92.17 3,706,647 706 | 2022/3/25 10:30 92 92.99 88.52 90 7,097,030 707 | 2022/3/25 11:30 90 92.31 89.7 89.96 2,054,559 708 | 2022/3/25 14:00 89.96 90.74 88.8 89.58 1,717,407 709 | 2022/3/25 15:00 89.58 89.93 87.8 87.8 3,221,124 710 | 2022/3/28 10:30 88.51 91.79 88.25 88.5 6,446,432 711 | 2022/3/28 11:30 88.5 89.65 87.8 88.27 1,875,215 712 | 2022/3/28 14:00 88.27 89 87.56 88.49 1,555,006 713 | 2022/3/28 15:00 88.49 88.9 84.83 86.48 5,125,535 714 | 2022/3/29 10:30 85.1 87.25 84.3 85.6 5,016,257 715 | 2022/3/29 11:30 85.6 88.16 85.29 86.48 2,371,993 716 | 2022/3/29 14:00 86.48 87.69 84.78 85.56 1,888,541 717 | 2022/3/29 15:00 85.56 86.02 82.81 84 4,145,719 718 | 2022/3/30 10:30 83.95 85.39 81 85.18 5,987,705 719 | 2022/3/30 11:30 85.2 86.18 84.53 85.68 2,671,777 720 | 2022/3/30 14:00 85.68 86.34 85.18 85.67 1,510,727 721 | 2022/3/30 15:00 85.67 86.99 85.52 85.99 2,561,759 722 | 2022/3/31 10:30 85 88.77 84.32 87.14 6,402,673 723 | 2022/3/31 11:30 87.14 88.2 86.52 87.85 2,052,869 724 | 2022/3/31 14:00 87.85 88 84.89 85.19 3,040,643 725 | 2022/3/31 15:00 85.19 87.25 85.18 87.19 2,165,661 726 | 2022/4/1 10:30 85.79 86.27 82.86 83.79 5,336,043 727 | 2022/4/1 11:30 83.8 84.56 82.88 83 1,844,230 728 | 2022/4/1 14:00 83 83.98 82.5 83.93 1,699,945 729 | 2022/4/1 15:00 83.94 85.54 83.55 85.01 2,231,269 730 | 2022/4/6 10:30 85.1 86.4 83.83 84.96 4,170,109 731 | 2022/4/6 11:30 84.94 85.6 84.2 84.41 1,040,814 732 | 2022/4/6 14:00 84.41 84.47 80.01 80.97 4,308,401 733 | 2022/4/6 15:00 80.97 81.12 78.91 80.51 3,751,167 734 | 2022/4/7 10:30 80 81.44 77.7 79.53 4,419,938 735 | 2022/4/7 11:30 79.53 80.8 79.2 79.44 1,306,367 736 | 2022/4/7 14:00 79.44 80.17 79 80.02 1,355,041 737 | 2022/4/7 15:00 80 80.67 79.64 80.2 1,283,035 738 | 2022/4/8 10:30 79.9 80 75.91 77.33 5,096,919 739 | 2022/4/8 11:30 77.38 78.28 76.56 77.57 1,122,583 740 | 2022/4/8 14:00 77.57 78.82 77.33 77.73 1,090,400 741 | 2022/4/8 15:00 77.73 77.97 76.9 77.48 1,705,339 742 | 2022/4/11 10:30 77.46 79.8 75.66 75.79 4,143,719 743 | 2022/4/11 11:30 75.8 77.53 75.77 77.25 1,167,645 744 | 2022/4/11 14:00 77.25 78.62 76.29 76.79 1,248,203 745 | 2022/4/11 15:00 76.89 77.13 75.8 76.8 1,842,539 746 | 2022/4/12 10:30 76.99 76.99 73.39 73.88 3,613,562 747 | 2022/4/12 11:30 73.89 74.53 73.61 74.23 1,507,766 748 | 2022/4/12 14:00 74.23 75.77 73.55 74.78 1,572,576 749 | 2022/4/12 15:00 74.8 75.19 74.2 74.64 1,810,958 750 | 2022/4/13 10:30 74.3 75.5 72.13 72.4 3,082,415 751 | 2022/4/13 11:30 72.4 73.02 71.47 71.6 1,916,501 752 | 2022/4/13 14:00 71.6 74.01 70.51 73.25 2,724,616 753 | 2022/4/13 15:00 73.25 73.35 71.02 71.02 1,703,612 754 | 2022/4/14 10:30 72.5 75.98 71.75 75 5,279,280 755 | 2022/4/14 11:30 74.89 76.8 73.68 76.11 2,854,040 756 | 2022/4/14 14:00 76.11 76.85 75.66 76.51 1,693,084 757 | 2022/4/14 15:00 76.51 76.82 75.82 76.4 1,624,645 758 | 2022/4/15 10:30 76.5 81.49 75.5 80.51 7,146,394 759 | 2022/4/15 11:30 80.51 82.93 80.14 82.92 3,790,049 760 | 2022/4/15 14:00 82.8 87.8 82.6 86.88 6,223,809 761 | 2022/4/15 15:00 86.9 87.5 84.1 85.19 2,929,202 762 | 2022/4/18 10:30 87.03 89.48 84.81 87.8 9,950,900 763 | 2022/4/18 11:30 87.91 88.2 86.61 87.36 1,386,019 764 | 2022/4/18 14:00 87.36 88.38 86.6 88.3 2,254,520 765 | 2022/4/18 15:00 88.3 88.89 87.2 87.58 2,464,446 766 | 2022/4/19 10:30 86.53 89.98 85.85 86.7 5,073,138 767 | 2022/4/19 11:30 86.73 87.14 85.4 85.83 2,315,260 768 | 2022/4/19 14:00 85.83 86.69 84.73 84.86 2,358,810 769 | 2022/4/19 15:00 84.81 86.13 84.73 86 1,647,337 770 | 2022/4/20 10:30 85 86.25 82.51 83 4,695,638 771 | 2022/4/20 11:30 83 84.54 82.89 83.56 1,392,273 772 | 2022/4/20 14:00 83.56 83.92 81.5 82.1 3,009,660 773 | 2022/4/20 15:00 82.1 82.94 81.6 81.6 2,097,935 774 | 2022/4/21 10:30 82.94 88.2 82.9 87.29 7,174,196 775 | 2022/4/21 11:30 87.22 87.22 85.69 85.86 2,007,147 776 | 2022/4/21 14:00 85.86 87.49 85.28 85.8 2,137,451 777 | 2022/4/21 15:00 85.79 86.16 84.7 86.1 2,342,412 778 | 2022/4/22 10:30 86.08 86.08 82.4 83.49 3,801,935 779 | 2022/4/22 11:30 83.48 84.25 82.8 83.61 1,141,422 780 | 2022/4/22 14:00 83.61 85.38 83.3 85 1,338,255 781 | 2022/4/22 15:00 85 85.35 83.39 83.56 1,707,674 782 | 2022/4/25 10:30 82.65 87 82.13 84.18 4,779,292 783 | 2022/4/25 11:30 84.28 85.98 84.2 84.5 1,695,002 784 | 2022/4/25 14:00 84.5 85.28 81.5 81.5 2,289,383 785 | 2022/4/25 15:00 81.56 85.5 80.77 83.3 3,781,329 786 | 2022/4/26 10:30 82.11 85 82 84.97 4,476,089 787 | 2022/4/26 11:30 84.95 85.5 83.5 83.96 1,729,699 788 | 2022/4/26 14:00 83.96 84.68 82.86 83.66 1,658,931 789 | 2022/4/26 15:00 83.75 84.49 82.8 84.49 2,394,088 790 | 2022/4/27 10:30 81.99 83.28 76.51 81 6,450,019 791 | 2022/4/27 11:30 81 81.8 79.51 81.05 1,112,103 792 | 2022/4/27 14:00 81.05 82.5 80.41 81.73 1,798,502 793 | 2022/4/27 15:00 81.73 81.97 81 81.66 1,484,419 794 | 2022/4/28 10:30 82.04 82.92 78.4 82.64 4,623,234 795 | 2022/4/28 11:30 82.5 84 81.85 83.26 2,314,298 796 | 2022/4/28 14:00 83.26 96.8 82.2 93.32 7,330,314 797 | 2022/4/28 15:00 93.51 97.44 92.5 95.15 7,319,073 798 | 2022/4/29 10:30 93 95.8 92.11 94.49 6,721,219 799 | 2022/4/29 11:30 94.45 98.9 93.66 98.11 3,948,042 800 | 2022/4/29 14:00 98.2 98.37 95.45 96.85 3,162,282 801 | 2022/4/29 15:00 96.85 98.22 95 95.46 3,523,685 802 | 2022/5/5 10:30 97 103.4 95.7 101.89 10,257,028 803 | 2022/5/5 11:30 101.89 103.74 100.84 103 2,559,360 804 | 2022/5/5 14:00 103 104.76 102 102.38 2,696,888 805 | 2022/5/5 15:00 102.32 102.69 100.7 100.7 2,387,838 806 | 2022/5/6 10:30 97.22 103.7 97.2 103 5,850,194 807 | 2022/5/6 11:30 103 104.13 101.02 101.05 2,473,526 808 | 2022/5/6 14:00 101.05 102.28 97.14 98.01 3,475,817 809 | 2022/5/6 15:00 98.01 100.5 97.5 100 2,057,672 810 | 2022/5/9 10:30 99.97 102.48 97.58 99.14 5,039,709 811 | 2022/5/9 11:30 99.14 106.17 98.6 104.8 5,718,250 812 | 2022/5/9 14:00 104.8 107.63 104.5 107.42 4,416,785 813 | 2022/5/9 15:00 107.3 108.05 105.9 107 2,931,694 814 | 2022/5/10 10:30 106.34 113.4 105.99 110.26 10,027,834 815 | 2022/5/10 11:30 110.21 110.9 106.5 106.81 3,663,579 816 | 2022/5/10 14:00 106.81 108.78 102.3 103.98 5,836,589 817 | 2022/5/10 15:00 103.86 108 103.5 106.03 3,093,743 818 | 2022/5/11 10:30 107.03 110.8 105.8 109.3 6,800,971 819 | 2022/5/11 11:30 109.25 111.96 108.51 111.88 3,529,063 820 | 2022/5/11 14:00 111.99 121 111.99 115.01 9,006,514 821 | 2022/5/11 15:00 115.02 116.47 113.48 114.28 2,989,601 822 | 2022/5/12 10:30 116.57 126.25 116.2 124.83 14,634,089 823 | 2022/5/12 11:30 124.6 131.42 123.63 128.19 7,401,367 824 | 2022/5/12 14:00 128.19 129.5 117.8 119.66 8,398,267 825 | 2022/5/12 15:00 119.66 125.95 119.57 125.7 3,745,594 826 | 2022/5/13 10:30 127.2 128 120.81 126.49 11,828,793 827 | 2022/5/13 11:30 126.75 128.84 125 126.96 3,107,018 828 | 2022/5/13 14:00 127 130.68 125.72 129.85 3,807,595 829 | 2022/5/13 15:00 129.85 129.86 125.84 128.85 4,214,814 830 | 2022/5/16 10:30 126 126 117.85 118.3 13,053,090 831 | 2022/5/16 11:30 118.05 119.77 113.5 116.93 5,358,779 832 | 2022/5/16 14:00 117.92 122.88 116.96 122.58 3,691,393 833 | 2022/5/16 15:00 122.58 125.2 120.21 120.3 4,907,379 834 | 2022/5/17 10:30 123 126.66 113 113 13,196,297 835 | 2022/5/17 11:30 113.36 115.02 108.5 109.1 8,456,069 836 | 2022/5/17 14:00 109 113 109 112 3,872,758 837 | 2022/5/17 15:00 112.58 114 110 110 4,479,305 838 | 2022/5/18 10:30 108.06 115.7 106.7 111.71 11,498,811 839 | 2022/5/18 11:30 111.77 112.9 109.47 110.01 2,608,393 840 | 2022/5/18 14:00 110 110.98 106.82 107.7 5,104,376 841 | 2022/5/18 15:00 107.91 109.73 106.88 106.9 4,010,125 842 | 2022/5/19 10:30 109 111.7 106 108.62 8,142,308 843 | 2022/5/19 11:30 108.77 114.78 108.56 114.12 6,194,959 844 | 2022/5/19 14:00 114.12 117.88 114.12 115.87 4,548,865 845 | 2022/5/19 15:00 115.87 116.76 113.15 115.12 3,328,173 846 | 2022/5/20 10:30 123 125.19 111 112.38 13,695,802 847 | 2022/5/20 11:30 112.46 113.28 106.5 107.4 6,286,067 848 | 2022/5/20 14:00 107.4 113.95 107.4 112.87 4,635,444 849 | 2022/5/20 15:00 112.87 113.44 109.88 111.84 3,541,857 850 | 2022/5/23 10:30 109 112.12 106 107.84 7,146,267 851 | 2022/5/23 11:30 107.99 108.44 105 106.26 5,852,618 852 | 2022/5/23 14:00 106.2 107.6 105.7 106 2,037,317 853 | 2022/5/23 15:00 106 107.91 103.3 107 8,440,450 854 | 2022/5/24 10:30 109.59 109.59 88.3 88.96 27,881,078 855 | 2022/5/24 11:30 88.95 92.49 88.5 89.76 4,739,114 856 | 2022/5/24 14:00 89.76 92.21 87 88 5,426,981 857 | 2022/5/24 15:00 88 88 85.6 85.6 9,047,094 858 | 2022/5/25 10:30 85 88.73 82.87 86.23 13,053,244 859 | 2022/5/25 11:30 86.23 90.83 85.6 90.72 6,070,850 860 | 2022/5/25 14:00 90.72 91.5 88.25 88.72 4,899,075 861 | 2022/5/25 15:00 88.8 89.29 87.8 89.1 3,255,410 862 | 2022/5/26 10:30 88.5 92.86 85.56 90.6 13,670,344 863 | 2022/5/26 11:30 90.58 91.48 90 91.32 2,097,429 864 | 2022/5/26 14:00 91.32 91.93 89.54 90.12 2,531,803 865 | 2022/5/26 15:00 90.15 90.53 88.7 88.88 3,326,660 866 | 2022/5/27 10:30 89.95 91 86.95 87.87 6,068,405 867 | 2022/5/27 11:30 87.87 88.2 86.1 87.52 3,214,317 868 | 2022/5/27 14:00 87.52 88.36 86.71 86.77 1,918,067 869 | 2022/5/27 15:00 86.77 87.24 85.49 86.39 3,564,114 870 | 2022/5/30 10:30 85.16 85.18 79.9 82.56 11,444,353 871 | 2022/5/30 11:30 82.58 83.35 81.78 82.05 2,581,715 872 | 2022/5/30 14:00 82.05 82.9 81.32 81.66 2,316,999 873 | 2022/5/30 15:00 81.66 83.58 81.56 82.92 3,304,042 874 | 2022/5/31 10:30 82.57 83.9 80.9 81.68 5,293,633 875 | 2022/5/31 11:30 81.72 84.3 81.7 82.64 3,034,537 876 | 2022/5/31 14:00 82.41 84.45 82.41 83.04 3,390,564 877 | 2022/5/31 15:00 83.03 84.48 82.48 84.48 3,510,900 878 | 2022/6/1 10:30 83 83 76.62 78.46 15,166,974 879 | 2022/6/1 11:30 78.47 78.74 75.88 75.9 6,073,706 880 | 2022/6/1 14:00 75.88 75.88 70.82 73.37 14,690,966 881 | 2022/6/1 15:00 73.37 73.5 72 73.28 3,884,849 882 | 2022/6/2 10:30 72.3 75.6 72.3 73.8 11,569,488 883 | 2022/6/2 11:30 73.8 74.05 72.72 73.91 2,956,093 884 | 2022/6/2 14:00 73.91 75.2 73.91 75.07 2,855,652 885 | 2022/6/2 15:00 75.12 76.25 75.12 76.2 4,610,347 886 | 2022/6/6 10:30 73.74 74.99 73.28 74.18 5,993,821 887 | 2022/6/6 11:30 74.2 76.9 74.2 76.7 4,232,234 888 | 2022/6/6 14:00 76.75 78 76.75 77.77 4,236,058 889 | 2022/6/6 15:00 77.77 78.23 76.98 77 3,743,917 890 | 2022/6/7 10:30 77.36 82.3 76.8 81 11,801,589 891 | 2022/6/7 11:30 80.97 84.4 79.99 84.32 5,587,025 892 | 2022/6/7 14:00 84.32 84.7 82.52 83.49 4,585,482 893 | 2022/6/7 15:00 83.49 84.15 82.9 83.54 3,061,743 894 | 2022/6/8 10:30 82.1 85.7 81.2 84.37 7,231,574 895 | 2022/6/8 11:30 84.37 84.57 81.88 83.06 3,314,273 896 | 2022/6/8 14:00 83.06 83.46 82 82.85 1,979,842 897 | 2022/6/8 15:00 82.85 84.7 82.8 83.3 2,440,287 898 | 2022/6/9 10:30 82.74 85 82.4 83.22 3,650,088 899 | 2022/6/9 11:30 83.21 84.26 82.96 83.21 1,564,247 900 | 2022/6/9 14:00 83.27 83.8 82 83.72 2,266,980 901 | 2022/6/9 15:00 83.73 85.18 83.5 85.08 4,277,410 902 | 2022/6/10 10:30 85 89.52 84.1 87.92 7,644,215 903 | 2022/6/10 11:30 87.92 88.06 85.6 86 3,082,876 904 | 2022/6/10 14:00 86.2 88.33 85.8 86.98 3,872,897 905 | 2022/6/10 15:00 86.98 87.43 85.91 87.23 4,281,084 906 | 2022/6/13 10:30 86 86 81.5 84.67 7,724,291 907 | 2022/6/13 11:30 84.7 84.9 82.8 83 2,058,813 908 | 2022/6/13 14:00 82.99 84.56 82.86 83.15 1,557,962 909 | 2022/6/13 15:00 83.15 83.66 82.6 82.7 2,044,382 910 | 2022/6/14 10:30 82 85.3 81.71 82.72 5,101,681 911 | 2022/6/14 11:30 82.72 82.74 80.8 81.63 2,199,449 912 | 2022/6/14 14:00 81.63 82.3 81.03 81.95 1,078,313 913 | 2022/6/14 15:00 81.95 83.16 81.6 82.6 1,888,137 914 | 2022/6/15 10:30 81 83.32 80.05 80.66 4,959,811 915 | 2022/6/15 11:30 80.66 82.25 80.56 82.21 1,431,529 916 | 2022/6/15 14:00 82.21 82.5 81.21 82.07 1,946,360 917 | 2022/6/15 15:00 82.04 82.06 80.05 80.21 2,412,903 918 | 2022/6/16 10:30 80.33 82.46 80.33 81.45 4,663,461 919 | 2022/6/16 11:30 81.45 82.4 81.16 81.5 1,230,535 920 | 2022/6/16 14:00 81.5 81.65 80.11 80.28 2,060,390 921 | 2022/6/16 15:00 80.3 80.99 80.26 80.46 1,937,681 922 | 2022/6/17 10:30 79.66 81 79 80.35 2,887,255 923 | 2022/6/17 11:30 80.35 80.58 78.71 79.74 1,981,192 924 | 2022/6/17 14:00 79.74 89.58 79.74 86.51 12,071,194 925 | 2022/6/17 15:00 86.45 87.8 85 85 5,000,039 926 | 2022/6/20 10:30 85 85 80.9 81 7,646,206 927 | 2022/6/20 11:30 81 82.44 80.94 81.4 2,274,094 928 | 2022/6/20 14:00 81.4 81.83 80.37 80.47 3,138,480 929 | 2022/6/20 15:00 80.47 81.1 80.3 80.37 2,588,165 930 | 2022/6/21 10:30 79.81 80.3 76.35 79.47 5,607,836 931 | 2022/6/21 11:30 79.48 81.5 79.31 80.58 2,121,548 932 | 2022/6/21 14:00 80.58 81.06 79.23 79.26 1,549,450 933 | 2022/6/21 15:00 79.25 79.85 78.89 79.65 1,791,189 934 | 2022/6/22 10:30 79.4 82 79.03 79.65 4,751,602 935 | 2022/6/22 11:30 79.65 79.72 77.89 78.4 2,796,549 936 | 2022/6/22 14:00 78.4 79.2 78.05 78.23 1,613,011 937 | 2022/6/22 15:00 78.31 78.38 77 77.25 2,610,692 938 | 2022/6/23 10:30 77.26 77.8 73.65 74.1 6,724,813 939 | 2022/6/23 11:30 74 74.68 73.8 74.27 2,067,124 940 | 2022/6/23 14:00 74.27 74.9 73.61 74.59 2,396,284 941 | 2022/6/23 15:00 74.59 75.32 74.59 74.92 2,294,334 942 | 2022/6/24 10:30 75.03 77.7 75 77.2 3,937,454 943 | 2022/6/24 11:30 77.25 78.35 76.79 76.85 1,949,043 944 | 2022/6/24 14:00 76.84 78.51 76.21 78.2 3,358,681 945 | 2022/6/24 15:00 78.2 79.67 78.2 78.6 3,613,894 946 | 2022/6/27 10:30 80.52 82.5 77.81 78.81 6,761,683 947 | 2022/6/27 11:30 78.81 79.25 78.2 79.22 1,374,677 948 | 2022/6/27 14:00 79.18 79.65 78.36 78.66 1,244,477 949 | 2022/6/27 15:00 78.79 79 78.16 78.25 1,825,288 950 | 2022/6/28 10:30 77.5 77.94 75.88 75.92 3,594,734 951 | 2022/6/28 11:30 75.95 77.36 75.95 76.78 1,083,123 952 | 2022/6/28 14:00 76.78 80.55 76.78 78.91 4,645,826 953 | 2022/6/28 15:00 78.9 80.3 78.7 79.75 3,364,320 954 | 2022/6/29 10:30 78.5 78.5 74.6 74.66 6,908,092 955 | 2022/6/29 11:30 74.6 76.05 74.58 75.51 1,920,579 956 | 2022/6/29 14:00 75.51 75.66 74.82 74.99 1,720,001 957 | 2022/6/29 15:00 75 75.21 74.62 74.76 2,411,903 958 | 2022/6/30 10:30 75.25 75.84 74.12 75.55 2,629,648 959 | 2022/6/30 11:30 75.52 76.66 75.37 75.87 1,208,976 960 | 2022/6/30 14:00 75.87 78.5 75.85 76.06 3,980,908 961 | 2022/6/30 15:00 76.21 76.99 75.19 75.34 1,821,033 962 | 2022/7/1 10:30 75.32 75.75 73.69 74.4 3,027,944 963 | 2022/7/1 11:30 74.4 76.33 74.4 75.45 1,689,271 964 | 2022/7/1 14:00 75.45 76.1 74.64 74.97 1,474,582 965 | 2022/7/1 15:00 74.82 75.18 74 74 2,166,935 966 | 2022/7/4 10:30 75 76.66 74.26 76.06 4,596,403 967 | 2022/7/4 11:30 76.08 76.93 75.83 76.88 2,011,286 968 | 2022/7/4 14:00 76.88 77.6 76.66 76.66 2,028,780 969 | 2022/7/4 15:00 76.66 76.88 76.5 76.75 1,474,169 970 | 2022/7/5 10:30 76.98 76.98 74.01 74.7 4,288,997 971 | 2022/7/5 11:30 74.71 74.75 73.38 74.44 2,085,646 972 | 2022/7/5 14:00 74.44 75.42 73.5 74.05 1,627,298 973 | 2022/7/5 15:00 74.02 74.83 73.87 74.69 1,431,452 974 | 2022/7/6 10:30 74.66 77.6 74.66 75.73 5,411,210 975 | 2022/7/6 11:30 75.74 75.9 74.78 75.02 1,407,771 976 | 2022/7/6 14:00 75.02 75.43 74.49 74.73 1,327,636 977 | 2022/7/6 15:00 74.73 74.74 74.1 74.64 1,847,843 978 | 2022/7/7 10:30 76.8 76.98 71.49 72.55 5,576,765 979 | 2022/7/7 11:30 72.55 73.3 72 72.99 1,691,215 980 | 2022/7/7 14:00 72.99 74.88 72.99 73.56 1,852,192 981 | 2022/7/7 15:00 73.56 73.77 73 73.3 1,484,459 982 | 2022/7/8 10:30 73.4 73.8 72.37 73.15 3,007,609 983 | 2022/7/8 11:30 73.14 73.33 71.84 72.74 2,094,682 984 | 2022/7/8 14:00 72.74 72.8 71.58 71.58 2,342,090 985 | 2022/7/8 15:00 71.6 72.28 71.55 72.28 2,723,008 986 | 2022/7/11 10:30 72 74.19 71.69 73.25 4,443,358 987 | 2022/7/11 11:30 73.29 73.77 72.6 73.15 1,538,059 988 | 2022/7/11 14:00 73.15 73.93 72.83 73.51 1,727,620 989 | 2022/7/11 15:00 73.51 73.92 73.22 73.33 2,127,354 990 | 2022/7/12 10:30 73.32 73.32 68.89 69.22 5,932,254 991 | 2022/7/12 11:30 69.22 69.97 68.7 69.2 2,267,635 992 | 2022/7/12 14:00 69.2 69.49 68.5 68.7 2,043,035 993 | 2022/7/12 15:00 68.7 69.17 68.31 68.31 2,606,084 994 | 2022/7/13 10:30 68.68 69.28 67.8 68.43 3,077,981 995 | 2022/7/13 11:30 68.44 69.26 68.39 69 1,207,369 996 | 2022/7/13 14:00 69 69.68 68.32 68.4 1,627,166 997 | 2022/7/13 15:00 68.43 68.9 68.3 68.71 1,105,365 998 | 2022/7/14 10:30 69.4 70.34 68.7 70.1 2,820,474 999 | 2022/7/14 11:30 70.02 70.1 69.25 69.65 1,147,055 1000 | 2022/7/14 14:00 69.65 69.79 68.72 68.93 1,190,552 1001 | 2022/7/14 15:00 68.93 69 68.28 68.29 1,325,033 1002 | 2022/7/15 10:30 68.6 68.8 66.77 68.23 3,806,556 1003 | 2022/7/15 11:30 68.23 68.65 67.2 67.41 1,109,531 1004 | 2022/7/15 14:00 68.1 70.88 67.73 68.88 4,354,549 1005 | 2022/7/15 15:00 68.8 69 68.15 68.21 1,617,422 1006 | 2022/7/18 10:30 67.22 67.8 62.54 63.43 7,661,406 1007 | 2022/7/18 11:30 63.43 65.13 63.43 65.09 1,398,757 1008 | 2022/7/18 14:00 65.1 65.35 64.63 64.81 1,106,683 1009 | 2022/7/18 15:00 64.81 65.18 64.4 65 1,908,788 1010 | 2022/7/19 10:30 65.19 65.32 63.77 64.17 2,471,777 1011 | 2022/7/19 11:30 64.17 64.19 63.78 63.95 1,413,383 1012 | 2022/7/19 14:00 63.95 63.96 63.3 63.52 1,845,947 1013 | 2022/7/19 15:00 63.54 64.45 63.4 64.21 1,327,758 1014 | 2022/7/20 10:30 64.22 65.45 64.07 64.79 2,155,242 1015 | 2022/7/20 11:30 64.79 64.86 64.22 64.77 738,955 1016 | 2022/7/20 14:00 64.77 64.86 64.2 64.37 757,520 1017 | 2022/7/20 15:00 64.37 64.6 64.14 64.44 1,150,755 1018 | 2022/7/21 10:30 64.06 66.55 64 66.36 3,468,877 1019 | 2022/7/21 11:30 66.36 68.65 66.06 66.94 4,565,843 1020 | 2022/7/21 14:00 66.94 67.03 66.5 66.8 963,602 1021 | 2022/7/21 15:00 66.8 67.47 66.65 66.85 1,509,074 1022 | 2022/7/22 10:30 67.01 68.14 66.29 66.4 2,881,106 1023 | 2022/7/22 11:30 66.4 66.75 65.69 65.71 1,059,305 1024 | 2022/7/22 14:00 65.71 65.84 64.9 65.29 1,160,965 1025 | 2022/7/22 15:00 65.29 65.59 64.85 65.34 982,637 1026 | 2022/7/25 10:30 65.51 66.28 64.5 65.51 2,231,677 1027 | 2022/7/25 11:30 65.43 65.52 64.55 64.61 596,418 1028 | 2022/7/25 14:00 64.64 65 64.1 64.25 855,719 1029 | 2022/7/25 15:00 64.25 64.57 64.12 64.35 712,167 1030 | 2022/7/26 10:30 61.5 65.3 61.5 64.94 3,687,910 1031 | 2022/7/26 11:30 65 66.25 64.78 65.58 1,719,678 1032 | 2022/7/26 14:00 65.58 65.98 64.96 65 953,645 1033 | 2022/7/26 15:00 65.02 66.99 65 66.03 2,374,437 1034 | 2022/7/27 10:30 65.55 66.55 63.7 64.27 2,892,037 1035 | 2022/7/27 11:30 64.27 64.5 63.85 64.35 663,246 1036 | 2022/7/27 14:00 64.35 64.88 64.17 64.32 935,431 1037 | 2022/7/27 15:00 64.44 64.71 64.27 64.4 1,055,844 1038 | 2022/7/28 10:30 64.4 65 63.11 64.07 2,503,464 1039 | 2022/7/28 11:30 64.07 64.1 63.21 63.39 1,154,944 1040 | 2022/7/28 14:00 63.39 63.46 62.9 62.97 1,681,581 1041 | 2022/7/28 15:00 62.97 62.97 62.2 62.31 2,017,969 1042 | 2022/7/29 10:30 62.04 62.47 61.05 61.3 2,560,704 1043 | 2022/7/29 11:30 61.3 61.63 60.84 60.9 1,400,256 1044 | 2022/7/29 14:00 60.9 61.15 60.44 60.94 1,351,929 1045 | 2022/7/29 15:00 60.94 61.64 60.8 61.39 1,348,087 1046 | 2022/8/1 10:30 61 61.57 59.8 61.57 2,202,659 1047 | 2022/8/1 11:30 61.57 61.83 61.15 61.25 682,557 1048 | 2022/8/1 14:00 61.25 61.5 60.9 61.14 571,431 1049 | 2022/8/1 15:00 61.14 61.14 60.6 60.68 975,309 1050 | 2022/8/2 10:30 60.06 60.1 57.96 58.57 4,077,680 1051 | 2022/8/2 11:30 58.57 58.65 57.4 57.81 1,608,426 1052 | 2022/8/2 14:00 57.81 59.44 57.81 59.42 1,027,177 1053 | 2022/8/2 15:00 59.42 59.65 58.51 58.7 1,494,460 1054 | 2022/8/3 10:30 58.86 59.45 57.8 58.2 2,913,270 1055 | 2022/8/3 11:30 58.2 58.5 57.85 58.27 960,934 1056 | 2022/8/3 14:00 58.27 59.81 58.11 59.37 2,496,128 1057 | 2022/8/3 15:00 59.36 59.4 58.1 58.15 1,728,705 1058 | 2022/8/4 10:30 58.25 60.34 58.25 59.06 3,630,232 1059 | 2022/8/4 11:30 58.9 59.02 58.35 58.4 881,217 1060 | 2022/8/4 14:00 58.4 58.65 57.66 58.06 1,031,272 1061 | 2022/8/4 15:00 58.06 58.68 57.91 58.31 1,337,966 1062 | 2022/8/5 10:30 58.8 59.9 58.5 58.88 3,435,964 1063 | 2022/8/5 11:30 58.88 59.3 58.67 59.23 1,015,191 1064 | 2022/8/5 14:00 59.21 59.44 58.68 59.21 852,880 1065 | 2022/8/5 15:00 59.21 60.6 59.13 60.4 3,084,691 1066 | 2022/8/8 10:30 60.4 61.77 59.88 59.96 4,686,411 1067 | 2022/8/8 11:30 59.96 59.97 59.4 59.69 1,638,039 1068 | 2022/8/8 14:00 59.64 59.7 58.77 58.9 1,600,626 1069 | 2022/8/8 15:00 58.9 59.5 58.85 59.22 1,041,448 1070 | 2022/8/9 10:30 59.1 59.55 58.3 59.3 2,081,656 1071 | 2022/8/9 11:30 59.35 59.8 58.81 59.8 843,471 1072 | 2022/8/9 14:00 59.8 60.11 59.22 59.37 900,729 1073 | 2022/8/9 15:00 59.37 59.85 59.34 59.79 1,009,223 1074 | 2022/8/10 10:30 59.2 59.77 58.6 58.78 1,822,266 1075 | 2022/8/10 11:30 58.8 58.91 58.21 58.47 1,221,954 1076 | 2022/8/10 14:00 58.47 58.47 57.89 57.99 1,334,893 1077 | 2022/8/10 15:00 58 58.12 57.6 57.77 1,924,549 1078 | 2022/8/11 10:30 58.22 59.73 58.01 59.4 2,553,133 1079 | 2022/8/11 11:30 59.45 61.27 59.18 60.5 3,721,575 1080 | 2022/8/11 14:00 60.43 60.54 60.11 60.28 1,039,927 1081 | 2022/8/11 15:00 60.28 60.54 60.15 60.5 1,148,773 1082 | 2022/8/12 10:30 60.21 60.38 59.35 60.02 1,979,964 1083 | 2022/8/12 11:30 60.02 60.33 59.9 60.18 700,732 1084 | 2022/8/12 14:00 60.18 60.21 59.7 59.92 698,421 1085 | 2022/8/12 15:00 59.93 60.17 59.82 59.89 984,509 1086 | --------------------------------------------------------------------------------