• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    股票價(jià)格波動(dòng)與分類算法改進(jìn)

    2023-08-15 09:06:12呂雙爻宋雨芬
    中國(guó)商論 2023年14期
    關(guān)鍵詞:風(fēng)險(xiǎn)評(píng)估

    呂雙爻 宋雨芬

    摘 要:當(dāng)前,金融業(yè)發(fā)展日趨全球化、多元化,金融業(yè)內(nèi)部業(yè)務(wù)相互滲透、交叉,國(guó)際資本之間相互合作與競(jìng)爭(zhēng),我國(guó)的券商發(fā)展環(huán)境正發(fā)生巨大變化。東方財(cái)富以互聯(lián)網(wǎng)金融數(shù)據(jù)服務(wù)為基礎(chǔ),整合券商、基金、期貨等資本市場(chǎng)業(yè)務(wù),顛覆傳統(tǒng)證券服務(wù)業(yè),現(xiàn)已成為中國(guó)最大市值證券機(jī)構(gòu)?;诖?,本文以2021年12月20日至2022年12月20日東方財(cái)富整年的股票數(shù)據(jù)為例,基于排序法計(jì)算VaR,并基于定義每日違約情況,運(yùn)用Logit、SVM、NNET、Decision Tree、KNN等非機(jī)器學(xué)習(xí)和機(jī)器學(xué)習(xí)五種方法對(duì)東方財(cái)富股價(jià)進(jìn)行分析,探究各變量對(duì)違約率的影響。

    關(guān)鍵詞:VaR;排序法;分類算法;風(fēng)險(xiǎn)評(píng)估;股價(jià)預(yù)測(cè)

    本文索引:呂雙爻,宋雨芬.<變量 2>[J].中國(guó)商論,2023(14):-112.

    中圖分類號(hào):F832 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):2096-0298(2023)07(b)--04

    1 引言

    我國(guó)證券市場(chǎng)已成為國(guó)民經(jīng)濟(jì)的重要組成部分,在我國(guó)經(jīng)濟(jì)的發(fā)展中發(fā)揮著越來(lái)越重要的作用。當(dāng)前,股票市場(chǎng)投資證券已成為熱門(mén)話題。股票市場(chǎng)在帶來(lái)高回報(bào)的同時(shí),也存在高風(fēng)險(xiǎn)。股票市場(chǎng)規(guī)模的擴(kuò)大,交易種類的增加以及投資者偏好的變化使股票市場(chǎng)最終成為一個(gè)非線性、非平穩(wěn)性和其他屬性混合的復(fù)雜動(dòng)態(tài)系統(tǒng)。

    在此背景下,如何正確預(yù)測(cè)股價(jià)走勢(shì)成為學(xué)者們的重要研究方向。從最初的ARMA、多元GARCH等時(shí)間序列方法,到人工神經(jīng)網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)等神經(jīng)網(wǎng)絡(luò)模型,都起到了良好的預(yù)測(cè)效果。但是,很多時(shí)候并不需要預(yù)測(cè)一只股票未來(lái)的具體漲跌幅,而是希望預(yù)測(cè)股票未來(lái)是漲還是跌,這意味著本文需要處理的是一個(gè)分類問(wèn)題而不是回歸問(wèn)題,因此研究股票價(jià)格的分類方法具有重要的現(xiàn)實(shí)意義。

    同時(shí),在眾多風(fēng)險(xiǎn)度量模型中,VaR因其測(cè)量風(fēng)險(xiǎn)的定量性、綜合性、通俗性等特點(diǎn)在各金融機(jī)構(gòu)中獲得了廣泛應(yīng)用和推廣,并且被認(rèn)為是國(guó)際金融風(fēng)險(xiǎn)度量的標(biāo)準(zhǔn)。

    因此,本文以2021年12月20日至2022年12月20日一年期的東方財(cái)富股票數(shù)據(jù)為樣本,引入多種常用的分類器——Logit分類、K最近鄰(K-nearest neighbor,KNN)、決策樹(shù)(decision tree,DT)和支持向量機(jī)(support vector machine SVM)、神經(jīng)網(wǎng)絡(luò)(Neural network)來(lái)預(yù)測(cè)其極端風(fēng)險(xiǎn)出現(xiàn)的概率,以更有效地針對(duì)東方財(cái)富進(jìn)行數(shù)據(jù)挖掘,并為后續(xù)股票個(gè)股研究提供參考。

    2 文獻(xiàn)回顧

    2.1 國(guó)外研究現(xiàn)狀

    G.Peter等(2003)和Wijaya等(2010)的研究分別比較了ARIMA模型和人工神經(jīng)網(wǎng)絡(luò)ANN模型在進(jìn)行股票預(yù)測(cè)時(shí)兩者的性能,通過(guò)實(shí)驗(yàn)發(fā)現(xiàn)人工神經(jīng)網(wǎng)絡(luò)ANN模型的預(yù)測(cè)精度更好。

    Chien-Feng Huang(2012)提出了一個(gè)結(jié)合遺傳算法(GA)和SVR的組合模型用于股票收益預(yù)測(cè)。該模型首先使用GA算法對(duì)輸入變量進(jìn)行特征選擇,然后優(yōu)化SVR算法的懲罰參數(shù)和核函數(shù)參數(shù),再將特征選擇的變量和最優(yōu)參數(shù)輸入SVR模型進(jìn)行股票收益預(yù)測(cè)。

    Chi-Jie Lu(2013)提出了一種基于非線性獨(dú)立分量分析(NLICA)和支持向量機(jī)以及粒子群優(yōu)化(PSO)算法的混合模型,該模型是NLICA和PSO的混合體。該模型使用NLICA對(duì)SVR模型的輸入變量進(jìn)行特征選擇,并使用粒子群算法對(duì)SVR的參數(shù)進(jìn)行優(yōu)化,以獲得良好的股票預(yù)測(cè)結(jié)果。

    2.2 國(guó)內(nèi)研究現(xiàn)狀

    彭麗芳、孟至青等(2006)利用沙河股份的數(shù)據(jù),使用神經(jīng)網(wǎng)絡(luò)方法、時(shí)間序列方法以及基于時(shí)間序列的SVM模型進(jìn)行股票價(jià)格預(yù)測(cè),實(shí)驗(yàn)結(jié)果表明SVM模型在股票時(shí)序預(yù)測(cè)問(wèn)題上的精度表現(xiàn)最好。

    智晶和張冬梅(2009)利用GA算法對(duì)神經(jīng)網(wǎng)絡(luò)參數(shù)進(jìn)行了優(yōu)化。股票價(jià)格預(yù)測(cè)的實(shí)證表明,優(yōu)化后的神經(jīng)網(wǎng)絡(luò)在一定程度上克服了容易陷入局部最小值的問(wèn)題,提高了預(yù)測(cè)的精準(zhǔn)度。

    韓磊(2013)提出基于PCA和BP神經(jīng)網(wǎng)絡(luò)的股價(jià)預(yù)測(cè)方法。該方法采用PCA對(duì)輸入數(shù)據(jù)進(jìn)行降維操作,然后將降維后的數(shù)據(jù)帶入BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。實(shí)證結(jié)果顯示,相比傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò),該方法可以達(dá)到較高的預(yù)測(cè)精度。

    楊可可(2020)選取恒生電子單支股票作為研究對(duì)象,借助Eviews和Excel軟件,將方差—協(xié)方差法和建立的GARCH模型結(jié)合來(lái)測(cè)算VaR值并分析其風(fēng)險(xiǎn)狀況。

    3 數(shù)據(jù)來(lái)源及方法介紹

    3.1 數(shù)據(jù)來(lái)源

    本文利用Tushare包獲取東方財(cái)富從2021年12月20日至2022年12月20日一整年的股票開(kāi)盤(pán)價(jià)格、收盤(pán)價(jià)格、最高價(jià)、最低價(jià)、交易量等數(shù)據(jù)。

    3.2 方法介紹

    3.2.1 VaR基本理論概述

    VaR是在一定置信水平和一定持有期內(nèi),某一金融資產(chǎn)或組合在正常的市場(chǎng)條件下所面臨的最大損失額,從根本上說(shuō)是對(duì)投資組合價(jià)值波動(dòng)的統(tǒng)計(jì)測(cè)。VaR能將一系列復(fù)雜的風(fēng)險(xiǎn)測(cè)度問(wèn)題量化為一個(gè)具體數(shù)值,不僅讓投資者知道發(fā)生損失的大小,還讓投資者了解發(fā)生損失的可能性;這說(shuō)明金融資產(chǎn)受整個(gè)市場(chǎng)風(fēng)險(xiǎn)的影響,更能反映市場(chǎng)價(jià)格的波動(dòng)規(guī)律。

    目前,計(jì)算VaR值的主要方法有三種:歷史模擬法、蒙特卡洛模擬法、方差—協(xié)方差法。本文采用歷史模擬法,此方法是將歷史在未來(lái)可以重現(xiàn)作為假設(shè)前提,利用歷史數(shù)據(jù)的分布函數(shù)來(lái)代表將來(lái)一段時(shí)間的收益率分布。

    3.2.2 各模型基本概述

    不同的分類算法有不同的應(yīng)用場(chǎng)景,在一個(gè)數(shù)據(jù)集上效果較好的模型在另一個(gè)數(shù)據(jù)集上卻不一定適用,因此對(duì)于不同的數(shù)據(jù)集,更需要具體問(wèn)題具體分析。

    (1)Logit回歸分析

    Logit回歸分析是一種廣義的線性回歸分析模型,屬于機(jī)器學(xué)習(xí)中的監(jiān)督學(xué)習(xí)。通過(guò)給定的n組數(shù)據(jù)(訓(xùn)練集)來(lái)訓(xùn)練模型,并在訓(xùn)練結(jié)束后對(duì)給定的一組或多組數(shù)據(jù)(測(cè)試集)進(jìn)行分類。其中每一組數(shù)據(jù)都是由p個(gè)指標(biāo)構(gòu)成。

    經(jīng)典的Logit回歸的形式:

    (2)K最近鄰判別分析法(KNN)

    K最近鄰判別分析法是一種被普遍應(yīng)用于各個(gè)領(lǐng)域非參數(shù)統(tǒng)計(jì)方法。KNN可以解決分類或回歸問(wèn)題。其基本思想是計(jì)算待分類樣本與訓(xùn)練樣本之間的距離,選擇與待分類樣本最接近的K個(gè)訓(xùn)練樣本,并確定這K個(gè)樣本中數(shù)量最多的一個(gè)類別作為待分類樣本的類別。

    (3)支持向量機(jī)(SVM)

    作為前饋網(wǎng)絡(luò)的一種,在解決非線性的分類問(wèn)題方面具有明顯的優(yōu)勢(shì)。它可以通過(guò)構(gòu)建超越二維平面以上的多維度決策曲面來(lái)實(shí)現(xiàn)兩類樣本數(shù)據(jù)的精確分離,即最大程度地提高兩類數(shù)據(jù)點(diǎn)之間的分離邊緣。

    (4)人工神經(jīng)網(wǎng)絡(luò) (NNET)

    人工神經(jīng)網(wǎng)絡(luò)是一種模仿生物神經(jīng)網(wǎng)絡(luò)(動(dòng)物的中樞神經(jīng)系統(tǒng),特別是大腦)行為特征,進(jìn)行分布式并行信息處理的數(shù)學(xué)模型或計(jì)算模型。

    (5)決策樹(shù)(Decision Tree)

    決策樹(shù)方法主要包括兩個(gè)步驟:構(gòu)建和修剪。該方法構(gòu)建的關(guān)鍵是確定每個(gè)內(nèi)部節(jié)點(diǎn)的分裂屬性和相應(yīng)的測(cè)試內(nèi)容;修剪的重點(diǎn)是識(shí)別和消除數(shù)據(jù)集中的噪聲或異常數(shù)據(jù)產(chǎn)生的分支。

    3.3 模型效果評(píng)價(jià)指標(biāo)

    3.3.1 ROC曲線

    ROC是分類器取不同閾值得到的虛報(bào)率或召回率的曲線,經(jīng)常被用來(lái)評(píng)價(jià)一個(gè)二值分類器的優(yōu)劣。ROC曲線的橫坐標(biāo)是虛報(bào)率,縱坐標(biāo)為召回率,通常召回率越高越好,而虛報(bào)率越低越好。因此,當(dāng)一個(gè)分類器的點(diǎn)位于第一象限的左上方時(shí)分類器效果較好。

    3.3.2 CAP曲線

    CAP曲線衡量的是風(fēng)控模型檢出風(fēng)險(xiǎn)的能力。CAP的橫軸就是從排序后概率值頭部到尾部的移動(dòng)過(guò)程中,閾值以上的(預(yù)測(cè)為正的)樣本占總樣本的比例。CAP的縱軸表示的是,在當(dāng)前閾值下,揀選出來(lái)的這些預(yù)測(cè)為正的樣本中,其中含有的真實(shí)的正樣本占所有正樣本的比例。

    3.3.3 AP與NP指標(biāo)

    AP即平均精度,是目標(biāo)模型效果檢測(cè)與評(píng)價(jià)中的一個(gè)常用指標(biāo)。AP指標(biāo)的定義為把閾值設(shè)置在緊靠每個(gè)正例之下,計(jì)算正例的查準(zhǔn)率P+,再取平均值。NP則為正例的總數(shù)。

    4 實(shí)證研究分析

    4.1 股票指標(biāo)選擇

    股票指標(biāo)是衡量股票價(jià)值的重要因素。從功能角度而言,技術(shù)指標(biāo)總體可以分為擺動(dòng)類指標(biāo)、趨勢(shì)類指標(biāo)、能量類指標(biāo)3大類。常用的技術(shù)指標(biāo)KDJ、RSI就屬于擺動(dòng)類指標(biāo);MACD、MA指標(biāo)屬于趨向類指標(biāo);OBV、VOL屬于能量類指標(biāo)。

    結(jié)合技術(shù)指標(biāo)分類,本文選取交易量、振幅、收益率、MACD、OBV、CCI共6個(gè)指標(biāo)來(lái)分析數(shù)據(jù)具體情況。

    4.2 排序法計(jì)算VaR

    為使用Logit、SVM等方法對(duì)東方財(cái)富的數(shù)據(jù)進(jìn)行分析,首先要使用排序法計(jì)算VaR,再分別進(jìn)行訓(xùn)練和測(cè)試。

    首先計(jì)算東方財(cái)富的收益率,再根據(jù)收益率進(jìn)行均值和標(biāo)準(zhǔn)差的計(jì)算,從而進(jìn)一步計(jì)算VaR的閾值,閾值為0.02257089,再對(duì)比次日漲跌幅與VaR值的大小,當(dāng)漲跌幅大于閾值時(shí)則判為違約,標(biāo)注為T(mén)RUE,當(dāng)漲跌幅小于閾值時(shí)則判為不違約,標(biāo)注為FALSE,具體情況見(jiàn)表1。

    4.3 訓(xùn)練與測(cè)試

    4.3.1 Logit模型

    首先,隨機(jī)劃分訓(xùn)練集和測(cè)試集,其中訓(xùn)練集包含180天的數(shù)據(jù),測(cè)試集包含64天的數(shù)據(jù)。其次,本文第一個(gè)使用Logit模型建立模型,以是否違約為被解釋變量,以交易量、振幅和收益率、 MACD、OBV、 CCI為解釋變量,進(jìn)行訓(xùn)練集建模,得到結(jié)果如下:

    是否違約=-6.813e-1.494e-6交易量+5.788e2振幅-8.093e2收益率-3.624MACD-9.966e-7OBV-9.25e-4CCI

    本文對(duì)測(cè)試集進(jìn)行測(cè)試得到ROC=1,說(shuō)明Logit的訓(xùn)練模型非常好,并計(jì)算NP得到19,同樣反映出模型效果較好。計(jì)算AP值為0.4763158。

    4.3.2 SVM模型

    第二個(gè)使用SVM模型建立模型,以是否違約為被解釋變量,以交易量、振幅和收益率、 MACD、OBV、 CCI為解釋變量,進(jìn)行訓(xùn)練集建模,對(duì)測(cè)試集進(jìn)行測(cè)試得到ROC=0.883,得到的效果沒(méi)有Logit解釋完全。

    4.3.3 NNET模型

    第三個(gè)使用NNET模型建立模型,以是否違約為被解釋變量,以交易量、振幅和收益率、 MACD、OBV、 CCI為解釋變量,進(jìn)行訓(xùn)練集建模,對(duì)測(cè)試集進(jìn)行測(cè)試得到ROC=0.644,得到效果在選取的模型中解釋最差。

    4.3.4 Decision Tree模型

    第四個(gè)使用Decision Tree模型建立模型,以是否違約為被解釋變量,以交易量、振幅和收益率、 MACD、OBV、 CCI為解釋變量,進(jìn)行訓(xùn)練集建模,對(duì)測(cè)試集進(jìn)行測(cè)試得到ROC=1,得到的效果與Logit模型相同,并計(jì)算出NP為1。

    4.3.5 KNN模型

    第五個(gè)使用KNN模型建立模型,以是否違約為被解釋變量,以交易量、振幅和收益率、 MACD、OBV、 CCI為解釋變量,進(jìn)行訓(xùn)練集建模,對(duì)測(cè)試集進(jìn)行測(cè)試得到ROC=0,效果并不理想,NP為Inf。

    5 結(jié)果分析

    本文得到的結(jié)果基于東方財(cái)富2022年的一系列數(shù)據(jù)。首先,采用排序法計(jì)算其一年期75%置信度的日度VaR,并當(dāng)日跌幅超過(guò)VaR預(yù)測(cè)的閾值時(shí),則判定當(dāng)天為‘違約。其次,將數(shù)據(jù)隨機(jī)劃分為180個(gè)樣本的訓(xùn)練集和64個(gè)樣本的測(cè)試集,以交易量、振幅、收益率、MACD、OBV、CCI為解釋變量,以是否違約為被解釋變量,使用Logit、SVM、NNET、Decision Tree、KNN等模型,并得到ROC,對(duì)比ROC值,可以看到Decision Tree與Logit的訓(xùn)練效果最好,SVM次之,NNET和KNN最差。同時(shí),觀察Logit結(jié)果可以發(fā)現(xiàn),收益率對(duì)是否違約的影響最大,振幅、MACD對(duì)是否違約的影響其次,交易量、OBV、CCI對(duì)是否違約的影響相對(duì)較小:

    是否違約=-6.813e-1.494e-6交易量+5.788e2振幅-8.093e2收益率-3.624MACD-9.966e-7OBV-9.25e-4CCI

    6 改進(jìn)意見(jiàn)

    6.1 解釋變量的優(yōu)化

    由上述Logit初次結(jié)果,交易量、OBV、CCI的系數(shù)都非常小,甚至小于0.0001,因此可以考慮刪除這三個(gè)解釋變量,再次建立Logit模型,可得如下結(jié)果:

    是否違約=-5.735e+3.311e3振幅-4.895e4收益率-6.825e-1 MACD (1)

    改進(jìn)后的Logit結(jié)果如(1)所示,可以看出,收益率對(duì)公司股價(jià)是否違約具有非常大的負(fù)向影響;振幅對(duì)公司股價(jià)是否違約具有很大的正向影響,股價(jià)波動(dòng)越大,公司股票越有可能違約;MACD同樣對(duì)公司股票是否違約具有負(fù)向影響,這說(shuō)明應(yīng)當(dāng)保證MACD處于較高水平,從而使公司股票處于平穩(wěn)狀態(tài)。

    除此之外,可以增加其他相關(guān)的解釋變量進(jìn)行回歸優(yōu)化。通常股票未來(lái)價(jià)格漲跌走勢(shì)不僅僅受到本文所選的6個(gè)指標(biāo)的影響,且股票各特征存在較高相關(guān)性,因此采用多因子模型是一種更為優(yōu)異的方法。常用的因子挑選方法包括主成分分析、Lasso回歸、嶺回歸、序列向前法、序列向后法。

    6.2 數(shù)據(jù)集的劃分與計(jì)算

    在分類識(shí)別的機(jī)器學(xué)習(xí)領(lǐng)域,通常將整個(gè)目標(biāo)數(shù)據(jù)集分為兩部分,一是用于訓(xùn)練和學(xué)習(xí)建立分類器的訓(xùn)練集,二是用于驗(yàn)證訓(xùn)練后的分類器對(duì)新加入樣本的準(zhǔn)確性的測(cè)試集。目標(biāo)數(shù)據(jù)集的劃分是為了使訓(xùn)練集中的樣本數(shù)量與測(cè)試集中的樣本數(shù)量相比盡可能得多。

    本文數(shù)據(jù)集劃分采用的方法是Hold-Out測(cè)試,即把原始數(shù)據(jù)分為兩組,一組為訓(xùn)練集,另一組為測(cè)試集,先用訓(xùn)練集訓(xùn)練分類器,然后用測(cè)試集測(cè)試模型效果,最后將分類準(zhǔn)確率作為分類器在Hold-Out檢驗(yàn)下的性能指標(biāo)。這種方法只需要將原始數(shù)據(jù)隨機(jī)拆分成兩部分,可操作性強(qiáng),簡(jiǎn)單便捷。但是,這種方法得到的分類準(zhǔn)確率水平很大程度上依賴于原始數(shù)據(jù)分組的隨機(jī)性,數(shù)據(jù)結(jié)果并不具有較強(qiáng)的說(shuō)服力。因此在分類模型方面,可以使用K折交叉驗(yàn)證的方法,加大模型的訓(xùn)練度。交叉驗(yàn)證法是將數(shù)據(jù)樣本切割成較小子集的方法,具體步驟為:

    (1)將數(shù)據(jù)集D分為K個(gè)包;

    (2)每次將其中一個(gè)包作為測(cè)試集test,剩下k-1個(gè)包作為訓(xùn)練集train進(jìn)行訓(xùn)練;

    (3)最后計(jì)算k次求得分類率的平均值,作為該模型或者假設(shè)函數(shù)的真實(shí)分類。

    同時(shí)滾動(dòng)訓(xùn)練集,以T月月末為例,從第T-n(n=6,12,18,24,36,48,60…)期至第T-1期的特征和標(biāo)簽作為訓(xùn)練樣本,將n個(gè)月的樣本合并成為訓(xùn)練集。

    改進(jìn)后的模型的訓(xùn)練集和測(cè)試集的分割更加合理,所訓(xùn)練的模型也更為準(zhǔn)確;對(duì)VaR的計(jì)算方面,可以根據(jù)數(shù)據(jù)的特征來(lái)選擇不同方法計(jì)算VaR,比如使用正態(tài)分布計(jì)算VaR。另外,在違約閾值的選擇上,歷史的違約數(shù)據(jù)可以根據(jù)未來(lái)的趨勢(shì)進(jìn)行適當(dāng)調(diào)整。

    參考文獻(xiàn)

    Chien-Feng Huang. A hybrid stock selection model using genetic algorithms and support vector regression[J]. Applied Soft Computing2012, 2(12): 807-818.

    Chi-Jie Lu. Hybridizing nonlinear independent component analysis and support vector regression with particle swarm optimization for stock index forecasting[J]. Neural Computing and Applications, 2013, 7-8(23): 2417-2427.

    G.Peter,Zhang.Time series forecasting using a hybird ARIMA and neural network model[J].Neurocomputing,2003(50):159-175.

    韓磊. 利用BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)對(duì)股票市場(chǎng)進(jìn)行預(yù)測(cè)與分析的研究[D]. 天津: 天津大學(xué), 2013.

    彭麗芳,孟至青,姜華,等.基于時(shí)間序列的支持向量機(jī)在股票預(yù)測(cè)中的應(yīng)用[J].計(jì)算機(jī)技術(shù)與自動(dòng)化,2006(3):88-91.

    楊可可.證券投資個(gè)股風(fēng)險(xiǎn)的VaR值測(cè)算分析[J].廣西質(zhì)量監(jiān)督導(dǎo)報(bào),2020(8):198-199.

    智晶, 張冬梅, 姜鵬飛. 基于主成分的遺傳神經(jīng)網(wǎng)絡(luò)股票指數(shù)預(yù)測(cè)研究[J]. 計(jì)算機(jī)工程與應(yīng)用, 2009, 26(45): 210-212.

    猜你喜歡
    風(fēng)險(xiǎn)評(píng)估
    網(wǎng)絡(luò)安全風(fēng)險(xiǎn)評(píng)估的關(guān)鍵技術(shù)
    鉛銻冶煉污染場(chǎng)地周邊土壤鉛污染特征及潛在生態(tài)危害評(píng)價(jià)
    我國(guó)養(yǎng)老保險(xiǎn)基金投資運(yùn)營(yíng)的風(fēng)險(xiǎn)評(píng)估
    天然氣開(kāi)采危險(xiǎn)有害因素辨識(shí)及風(fēng)險(xiǎn)評(píng)估管理
    現(xiàn)代風(fēng)險(xiǎn)導(dǎo)向?qū)徲?jì)局限性及其對(duì)策研究
    中小企業(yè)財(cái)務(wù)管理問(wèn)題研究
    久久人妻熟女aⅴ| 免费在线观看视频国产中文字幕亚洲 | 久久精品久久精品一区二区三区| 五月开心婷婷网| 国产深夜福利视频在线观看| 国产老妇伦熟女老妇高清| 亚洲精品乱久久久久久| 一级片免费观看大全| 日韩 欧美 亚洲 中文字幕| 在线 av 中文字幕| 两个人看的免费小视频| 国产一区二区三区av在线| 国产在线视频一区二区| 老汉色∧v一级毛片| 日韩成人av中文字幕在线观看| 观看av在线不卡| 性高湖久久久久久久久免费观看| 新久久久久国产一级毛片| 一区二区三区乱码不卡18| 可以免费在线观看a视频的电影网站 | 亚洲,欧美精品.| 欧美成人午夜精品| 黄色毛片三级朝国网站| 国产国语露脸激情在线看| 亚洲av日韩精品久久久久久密 | 久久久精品94久久精品| 亚洲天堂av无毛| 一级,二级,三级黄色视频| 国产精品二区激情视频| 免费黄网站久久成人精品| 日韩一区二区三区影片| 2021少妇久久久久久久久久久| 观看美女的网站| 一边亲一边摸免费视频| 亚洲欧洲国产日韩| 国产精品无大码| 亚洲精品aⅴ在线观看| 国产男女超爽视频在线观看| 国产欧美亚洲国产| h视频一区二区三区| 国产精品麻豆人妻色哟哟久久| 18禁动态无遮挡网站| 久热爱精品视频在线9| 午夜日韩欧美国产| 欧美日韩视频高清一区二区三区二| 国产精品欧美亚洲77777| 亚洲av福利一区| 日本wwww免费看| 别揉我奶头~嗯~啊~动态视频 | 国产亚洲午夜精品一区二区久久| 一区二区av电影网| 午夜av观看不卡| 国产女主播在线喷水免费视频网站| 久久久久久久久久久免费av| 99国产精品免费福利视频| 国产一区有黄有色的免费视频| 欧美成人精品欧美一级黄| 欧美日韩av久久| 啦啦啦在线免费观看视频4| 国产激情久久老熟女| 日韩一卡2卡3卡4卡2021年| 大香蕉久久成人网| 男女边摸边吃奶| 亚洲七黄色美女视频| 五月开心婷婷网| www.av在线官网国产| 国语对白做爰xxxⅹ性视频网站| 亚洲国产精品一区三区| av又黄又爽大尺度在线免费看| 国产极品天堂在线| 国产极品粉嫩免费观看在线| 国产成人免费观看mmmm| 美女主播在线视频| 亚洲精品久久久久久婷婷小说| 一级片免费观看大全| 99国产综合亚洲精品| 久久久国产精品麻豆| 美女高潮到喷水免费观看| 亚洲男人天堂网一区| 精品一品国产午夜福利视频| 国产成人系列免费观看| 精品国产一区二区三区四区第35| 久久久久精品人妻al黑| 亚洲精品美女久久av网站| 欧美在线黄色| 乱人伦中国视频| 在线亚洲精品国产二区图片欧美| 久久人人爽人人片av| 亚洲欧美激情在线| 涩涩av久久男人的天堂| 熟妇人妻不卡中文字幕| 亚洲国产毛片av蜜桃av| 精品亚洲成a人片在线观看| 久久精品国产a三级三级三级| 亚洲精品一区蜜桃| 国产又色又爽无遮挡免| 亚洲成色77777| 亚洲国产欧美一区二区综合| 操美女的视频在线观看| 日日爽夜夜爽网站| 一本久久精品| 久久人人爽av亚洲精品天堂| 中国国产av一级| 大片电影免费在线观看免费| 久久这里只有精品19| 一区在线观看完整版| 国产精品国产三级专区第一集| 亚洲欧美精品自产自拍| 国产精品一区二区在线观看99| 在线精品无人区一区二区三| 人妻 亚洲 视频| 男女午夜视频在线观看| 婷婷色av中文字幕| 一级a爱视频在线免费观看| 精品卡一卡二卡四卡免费| 9色porny在线观看| 久久久国产一区二区| 国产一区二区在线观看av| 99香蕉大伊视频| 天天躁夜夜躁狠狠久久av| 51午夜福利影视在线观看| 亚洲人成77777在线视频| 黄色视频不卡| 不卡视频在线观看欧美| 午夜福利,免费看| 亚洲人成网站在线观看播放| 国产成人欧美| 久久久精品区二区三区| 国产 精品1| 无限看片的www在线观看| 大片免费播放器 马上看| 久久99热这里只频精品6学生| 激情五月婷婷亚洲| www.精华液| 欧美日韩亚洲国产一区二区在线观看 | 狂野欧美激情性bbbbbb| 9191精品国产免费久久| 久久久久久久精品精品| 久久久久久久精品精品| 成人18禁高潮啪啪吃奶动态图| 熟女少妇亚洲综合色aaa.| 国产亚洲欧美精品永久| 十分钟在线观看高清视频www| 人人妻人人澡人人看| 别揉我奶头~嗯~啊~动态视频 | 午夜91福利影院| 啦啦啦视频在线资源免费观看| 青青草视频在线视频观看| 久久影院123| 男女国产视频网站| 亚洲欧洲日产国产| 在线观看三级黄色| 日日撸夜夜添| 日韩制服骚丝袜av| 视频区图区小说| 少妇人妻 视频| 精品国产乱码久久久久久小说| 亚洲熟女精品中文字幕| 久久人人爽av亚洲精品天堂| 看非洲黑人一级黄片| 一区二区三区精品91| 国产黄色免费在线视频| a级毛片在线看网站| 69精品国产乱码久久久| 黑人猛操日本美女一级片| 夜夜骑夜夜射夜夜干| a级毛片黄视频| 国产老妇伦熟女老妇高清| 我要看黄色一级片免费的| 99九九在线精品视频| 亚洲国产欧美网| 精品少妇内射三级| 午夜91福利影院| netflix在线观看网站| 丁香六月欧美| 久久97久久精品| 久久国产亚洲av麻豆专区| 王馨瑶露胸无遮挡在线观看| 毛片一级片免费看久久久久| 少妇猛男粗大的猛烈进出视频| 亚洲成人手机| 一二三四中文在线观看免费高清| 国产成人免费无遮挡视频| 久久99热这里只频精品6学生| 国产99久久九九免费精品| 久久97久久精品| 日韩欧美精品免费久久| 欧美国产精品va在线观看不卡| 曰老女人黄片| 亚洲精品第二区| 天堂俺去俺来也www色官网| 晚上一个人看的免费电影| 丝瓜视频免费看黄片| av在线app专区| 欧美97在线视频| 80岁老熟妇乱子伦牲交| 中文字幕人妻丝袜一区二区 | svipshipincom国产片| 亚洲国产精品一区三区| 色视频在线一区二区三区| 无限看片的www在线观看| 国产精品久久久久久精品电影小说| 亚洲精品第二区| 成年av动漫网址| 丝袜喷水一区| 久久精品aⅴ一区二区三区四区| 尾随美女入室| 久久精品人人爽人人爽视色| 大陆偷拍与自拍| 国产精品久久久久久人妻精品电影 | 丝袜美足系列| www日本在线高清视频| 在线免费观看不下载黄p国产| 久久久久国产精品人妻一区二区| 国产精品久久久久久精品古装| 国产精品蜜桃在线观看| 亚洲国产毛片av蜜桃av| 欧美黑人精品巨大| 亚洲男人天堂网一区| 久久女婷五月综合色啪小说| 美女脱内裤让男人舔精品视频| 亚洲一码二码三码区别大吗| 看非洲黑人一级黄片| 国产97色在线日韩免费| 欧美国产精品一级二级三级| 综合色丁香网| 精品少妇内射三级| 一边摸一边抽搐一进一出视频| 黄网站色视频无遮挡免费观看| 国产深夜福利视频在线观看| 一区福利在线观看| 久久精品国产亚洲av涩爱| av.在线天堂| 亚洲人成电影观看| 日韩一卡2卡3卡4卡2021年| 欧美日韩亚洲国产一区二区在线观看 | 夫妻性生交免费视频一级片| 久久99一区二区三区| 最新的欧美精品一区二区| 99精品久久久久人妻精品| 一本色道久久久久久精品综合| av天堂久久9| 久久久久久久精品精品| 一本久久精品| 一级黄片播放器| 自线自在国产av| 一区二区日韩欧美中文字幕| 国产欧美亚洲国产| 交换朋友夫妻互换小说| 中文欧美无线码| 成年女人毛片免费观看观看9 | 日韩免费高清中文字幕av| 韩国av在线不卡| 丁香六月天网| a级片在线免费高清观看视频| 看免费成人av毛片| 不卡av一区二区三区| 啦啦啦啦在线视频资源| 免费少妇av软件| 在线精品无人区一区二区三| 男女免费视频国产| 大码成人一级视频| 成人漫画全彩无遮挡| 天堂8中文在线网| 一二三四在线观看免费中文在| 亚洲专区中文字幕在线 | 久久久久精品久久久久真实原创| 日本猛色少妇xxxxx猛交久久| 久久国产亚洲av麻豆专区| 曰老女人黄片| 人人妻,人人澡人人爽秒播 | 人妻人人澡人人爽人人| 日韩中文字幕欧美一区二区 | 国产乱来视频区| 午夜精品国产一区二区电影| 国产色婷婷99| 制服丝袜香蕉在线| 精品久久久久久电影网| 91老司机精品| 色婷婷久久久亚洲欧美| 国产日韩欧美亚洲二区| 国产毛片在线视频| 亚洲精品日韩在线中文字幕| 欧美少妇被猛烈插入视频| 水蜜桃什么品种好| 午夜福利乱码中文字幕| 亚洲欧美精品自产自拍| 成人国产av品久久久| 久久久亚洲精品成人影院| 99久久精品国产亚洲精品| 日本爱情动作片www.在线观看| 国产老妇伦熟女老妇高清| 丝瓜视频免费看黄片| 亚洲人成77777在线视频| 亚洲美女黄色视频免费看| 亚洲av电影在线观看一区二区三区| 色综合欧美亚洲国产小说| 老司机在亚洲福利影院| 婷婷成人精品国产| 久久久久精品人妻al黑| 美女大奶头黄色视频| 亚洲av男天堂| 在线观看国产h片| av不卡在线播放| 国产精品久久久久久久久免| 亚洲成人国产一区在线观看 | 国产在线免费精品| 久久免费观看电影| 男女边吃奶边做爰视频| 一级毛片我不卡| 久久精品久久久久久久性| 国产精品久久久av美女十八| 五月开心婷婷网| 欧美亚洲 丝袜 人妻 在线| www.精华液| 亚洲五月色婷婷综合| 国产午夜精品一二区理论片| 久久久亚洲精品成人影院| 国产成人91sexporn| 丝袜美足系列| 中文字幕亚洲精品专区| 国产精品国产av在线观看| 欧美在线一区亚洲| 国产成人欧美在线观看 | 亚洲男人天堂网一区| 免费人妻精品一区二区三区视频| 国产亚洲午夜精品一区二区久久| 午夜日韩欧美国产| 国产无遮挡羞羞视频在线观看| 欧美激情 高清一区二区三区| 男人操女人黄网站| 成人影院久久| 一本大道久久a久久精品| 丝瓜视频免费看黄片| www.av在线官网国产| 国产熟女午夜一区二区三区| 亚洲情色 制服丝袜| 一级a爱视频在线免费观看| 欧美激情 高清一区二区三区| 超色免费av| 久久久久久久久免费视频了| 欧美亚洲日本最大视频资源| 国产又色又爽无遮挡免| 交换朋友夫妻互换小说| 日韩中文字幕视频在线看片| 人妻人人澡人人爽人人| 午夜影院在线不卡| 欧美日韩一区二区视频在线观看视频在线| √禁漫天堂资源中文www| 亚洲欧美一区二区三区国产| 秋霞伦理黄片| 午夜福利网站1000一区二区三区| 大片电影免费在线观看免费| 亚洲欧美中文字幕日韩二区| 80岁老熟妇乱子伦牲交| 在线看a的网站| 国产亚洲欧美精品永久| 一本久久精品| 国产精品久久久av美女十八| 成年美女黄网站色视频大全免费| 色综合欧美亚洲国产小说| 日韩 亚洲 欧美在线| 亚洲精品一二三| 纵有疾风起免费观看全集完整版| av网站在线播放免费| 欧美日韩av久久| 欧美变态另类bdsm刘玥| 亚洲精品,欧美精品| 精品少妇久久久久久888优播| 欧美另类一区| 成年人午夜在线观看视频| 国产又爽黄色视频| 男女下面插进去视频免费观看| 成年女人毛片免费观看观看9 | 超碰成人久久| 97在线人人人人妻| 国产有黄有色有爽视频| 亚洲成国产人片在线观看| 欧美 亚洲 国产 日韩一| 国产野战对白在线观看| 大话2 男鬼变身卡| 大片电影免费在线观看免费| 欧美日韩精品网址| 久热这里只有精品99| 亚洲av欧美aⅴ国产| av一本久久久久| 蜜桃国产av成人99| 十八禁网站网址无遮挡| 日本wwww免费看| 中文乱码字字幕精品一区二区三区| 成年动漫av网址| 精品免费久久久久久久清纯 | 国产99久久九九免费精品| 中文字幕亚洲精品专区| av有码第一页| 日本vs欧美在线观看视频| 我要看黄色一级片免费的| 国产深夜福利视频在线观看| 久久99精品国语久久久| 中文字幕精品免费在线观看视频| 亚洲国产日韩一区二区| √禁漫天堂资源中文www| 如何舔出高潮| 这个男人来自地球电影免费观看 | 97在线人人人人妻| 叶爱在线成人免费视频播放| 七月丁香在线播放| 欧美国产精品va在线观看不卡| 久久精品aⅴ一区二区三区四区| 色精品久久人妻99蜜桃| 国产av国产精品国产| 成年av动漫网址| 在线看a的网站| 黑人欧美特级aaaaaa片| 老熟女久久久| 欧美xxⅹ黑人| 色视频在线一区二区三区| 天天躁夜夜躁狠狠躁躁| 国产高清不卡午夜福利| 亚洲精品国产一区二区精华液| 另类精品久久| 黑丝袜美女国产一区| 18禁裸乳无遮挡动漫免费视频| 免费在线观看视频国产中文字幕亚洲 | 丰满少妇做爰视频| 亚洲成人免费av在线播放| 国产精品 国内视频| 黄片播放在线免费| 91成人精品电影| 人成视频在线观看免费观看| 黄色怎么调成土黄色| 无遮挡黄片免费观看| 交换朋友夫妻互换小说| 男女国产视频网站| 悠悠久久av| 高清黄色对白视频在线免费看| 黄片播放在线免费| 97在线人人人人妻| 亚洲精品自拍成人| 毛片一级片免费看久久久久| 午夜福利视频在线观看免费| 欧美精品人与动牲交sv欧美| 欧美精品av麻豆av| 日韩制服丝袜自拍偷拍| 久久99一区二区三区| 久久久久久久精品精品| av在线老鸭窝| 国产精品偷伦视频观看了| 欧美日韩国产mv在线观看视频| 亚洲精品久久成人aⅴ小说| 日本色播在线视频| 午夜福利视频精品| 国产精品久久久av美女十八| 亚洲熟女精品中文字幕| 亚洲欧美一区二区三区久久| 1024香蕉在线观看| 熟女av电影| 国产精品成人在线| a级毛片黄视频| 午夜福利免费观看在线| 黄色怎么调成土黄色| 人妻 亚洲 视频| 精品久久蜜臀av无| 欧美国产精品va在线观看不卡| 亚洲成人免费av在线播放| 亚洲一区二区三区欧美精品| 99久久综合免费| 人妻 亚洲 视频| bbb黄色大片| 少妇 在线观看| 精品国产露脸久久av麻豆| 人人澡人人妻人| 久久国产精品男人的天堂亚洲| 免费高清在线观看视频在线观看| 一区二区三区四区激情视频| 男女无遮挡免费网站观看| 国产精品偷伦视频观看了| 亚洲婷婷狠狠爱综合网| 久久精品熟女亚洲av麻豆精品| 超色免费av| 午夜福利影视在线免费观看| 日韩欧美一区视频在线观看| 69精品国产乱码久久久| 色婷婷久久久亚洲欧美| 一本一本久久a久久精品综合妖精| 日韩一卡2卡3卡4卡2021年| 亚洲欧美日韩另类电影网站| 波野结衣二区三区在线| 男女高潮啪啪啪动态图| www.自偷自拍.com| 51午夜福利影视在线观看| 国产精品熟女久久久久浪| 日韩精品免费视频一区二区三区| 日本av免费视频播放| 婷婷色综合www| 亚洲久久久国产精品| av又黄又爽大尺度在线免费看| 成年av动漫网址| 成人手机av| 少妇 在线观看| 国产免费现黄频在线看| 亚洲综合色网址| 久久久久久久大尺度免费视频| 欧美日韩综合久久久久久| 国产视频首页在线观看| 日日啪夜夜爽| av在线观看视频网站免费| 中文字幕高清在线视频| 免费少妇av软件| 午夜av观看不卡| 国产精品一区二区精品视频观看| 久久女婷五月综合色啪小说| 天美传媒精品一区二区| 考比视频在线观看| 18禁裸乳无遮挡动漫免费视频| 嫩草影视91久久| 18在线观看网站| 在现免费观看毛片| 成人亚洲欧美一区二区av| 久久综合国产亚洲精品| 国产av一区二区精品久久| 中国三级夫妇交换| 伊人久久大香线蕉亚洲五| 欧美精品一区二区免费开放| 欧美日韩av久久| 51午夜福利影视在线观看| 亚洲国产欧美网| 亚洲国产精品999| 亚洲国产中文字幕在线视频| 丁香六月天网| 少妇被粗大猛烈的视频| 天堂俺去俺来也www色官网| 欧美精品人与动牲交sv欧美| 日韩欧美精品免费久久| 久久精品国产亚洲av涩爱| 精品一区在线观看国产| 在线观看一区二区三区激情| 国产成人91sexporn| www.自偷自拍.com| 日本午夜av视频| 一级黄片播放器| 人成视频在线观看免费观看| 日韩欧美精品免费久久| av有码第一页| 久久人人爽av亚洲精品天堂| 免费看不卡的av| 久久久国产一区二区| tube8黄色片| 久久久精品国产亚洲av高清涩受| 性色av一级| 亚洲精品日韩在线中文字幕| a 毛片基地| 男女下面插进去视频免费观看| 国产免费一区二区三区四区乱码| 欧美激情极品国产一区二区三区| 国产成人av激情在线播放| 亚洲精品一二三| 久久久精品94久久精品| 国产av一区二区精品久久| 午夜久久久在线观看| 亚洲精品久久成人aⅴ小说| 国产97色在线日韩免费| 国产乱人偷精品视频| 99热国产这里只有精品6| 欧美 日韩 精品 国产| 国产黄频视频在线观看| 国产黄色视频一区二区在线观看| 欧美激情高清一区二区三区 | 国产一区有黄有色的免费视频| 精品久久蜜臀av无| 亚洲成人免费av在线播放| 国产一区二区在线观看av| 中文字幕制服av| 国产精品一国产av| 亚洲五月色婷婷综合| 电影成人av| 国产精品一区二区精品视频观看| 男女下面插进去视频免费观看| 亚洲综合精品二区| 国产精品一区二区在线观看99| 日日爽夜夜爽网站| 亚洲国产日韩一区二区| 青青草视频在线视频观看| 国产一卡二卡三卡精品 | 人人妻人人添人人爽欧美一区卜| 蜜桃在线观看..| 激情五月婷婷亚洲| 亚洲精品久久成人aⅴ小说| 中文精品一卡2卡3卡4更新| tube8黄色片| 成人国语在线视频| videos熟女内射| 99久久精品国产亚洲精品| 亚洲美女搞黄在线观看| 香蕉国产在线看| 婷婷色av中文字幕| 一区二区三区精品91| 侵犯人妻中文字幕一二三四区| 成人毛片60女人毛片免费| 欧美人与性动交α欧美软件| 国产有黄有色有爽视频| 天天躁日日躁夜夜躁夜夜| 90打野战视频偷拍视频| 久久 成人 亚洲| 99国产精品免费福利视频| 中文字幕最新亚洲高清| 少妇被粗大的猛进出69影院| 夫妻午夜视频| 国产精品国产av在线观看| 久久久久精品国产欧美久久久 | 岛国毛片在线播放| 亚洲色图综合在线观看| 九草在线视频观看| 久久国产亚洲av麻豆专区| 亚洲成色77777|