• <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
    亚洲少妇的诱惑av| 亚洲第一av免费看| 成人免费观看视频高清| 欧美人与性动交α欧美精品济南到| 欧美国产日韩亚洲一区| 少妇 在线观看| 国产三级在线视频| 性色av乱码一区二区三区2| 18禁黄网站禁片午夜丰满| 午夜免费鲁丝| 日韩免费av在线播放| 亚洲激情在线av| 亚洲aⅴ乱码一区二区在线播放 | 日本免费a在线| 99久久国产精品久久久| 91在线观看av| 美女免费视频网站| 男女之事视频高清在线观看| 婷婷丁香在线五月| av免费在线观看网站| 韩国精品一区二区三区| 欧美日韩亚洲综合一区二区三区_| 欧美乱妇无乱码| 国产精品久久电影中文字幕| 亚洲午夜精品一区,二区,三区| 亚洲国产精品999在线| 亚洲av电影在线进入| 国产欧美日韩综合在线一区二区| 丝袜美足系列| 一进一出抽搐gif免费好疼| 欧美黑人精品巨大| 桃红色精品国产亚洲av| 中文字幕最新亚洲高清| 国产一区二区三区视频了| 久久亚洲精品不卡| 高清毛片免费观看视频网站| 夜夜躁狠狠躁天天躁| 激情视频va一区二区三区| 国产精品久久久久久精品电影 | 亚洲成国产人片在线观看| 精品国产国语对白av| 久久久久亚洲av毛片大全| 久久精品人人爽人人爽视色| 久久久久久亚洲精品国产蜜桃av| 天天一区二区日本电影三级 | 青草久久国产| 国产av一区在线观看免费| 精品一区二区三区av网在线观看| 老司机在亚洲福利影院| 精品人妻在线不人妻| 亚洲aⅴ乱码一区二区在线播放 | 首页视频小说图片口味搜索| 国产精品亚洲美女久久久| 婷婷精品国产亚洲av在线| 国产一区二区激情短视频| 18禁裸乳无遮挡免费网站照片 | 中文字幕av电影在线播放| 激情视频va一区二区三区| 精品国产一区二区三区四区第35| 精品国产一区二区三区四区第35| 脱女人内裤的视频| 欧美成人午夜精品| 欧美一区二区精品小视频在线| 日本vs欧美在线观看视频| 午夜久久久久精精品| 亚洲自偷自拍图片 自拍| 老熟妇仑乱视频hdxx| 日韩欧美一区视频在线观看| 国内毛片毛片毛片毛片毛片| 69精品国产乱码久久久| 一卡2卡三卡四卡精品乱码亚洲| 91大片在线观看| 欧美 亚洲 国产 日韩一| 久热爱精品视频在线9| 大型黄色视频在线免费观看| 欧美在线黄色| 天堂√8在线中文| 99国产精品一区二区蜜桃av| 可以在线观看的亚洲视频| 亚洲第一电影网av| 女人爽到高潮嗷嗷叫在线视频| 亚洲精品在线美女| 国产真人三级小视频在线观看| 亚洲熟妇熟女久久| 母亲3免费完整高清在线观看| 国产成人av教育| 99国产精品免费福利视频| 男女之事视频高清在线观看| 欧美乱妇无乱码| 亚洲成国产人片在线观看| 日日夜夜操网爽| 亚洲国产精品合色在线| 国产真人三级小视频在线观看| 色播亚洲综合网| √禁漫天堂资源中文www| 亚洲 欧美一区二区三区| 亚洲五月色婷婷综合| 久久婷婷人人爽人人干人人爱 | 久久国产精品人妻蜜桃| 精品福利观看| 亚洲第一av免费看| 亚洲人成77777在线视频| 人人妻人人澡人人看| 色播在线永久视频| av在线播放免费不卡| 亚洲精华国产精华精| 最新美女视频免费是黄的| 亚洲 欧美 日韩 在线 免费| 午夜福利免费观看在线| 久久草成人影院| 亚洲午夜精品一区,二区,三区| 色综合亚洲欧美另类图片| 嫁个100分男人电影在线观看| 91老司机精品| 日本五十路高清| 国产亚洲精品久久久久5区| 精品午夜福利视频在线观看一区| 亚洲三区欧美一区| videosex国产| www.熟女人妻精品国产| 午夜精品国产一区二区电影| 51午夜福利影视在线观看| 免费久久久久久久精品成人欧美视频| 精品国产超薄肉色丝袜足j| 国产午夜精品久久久久久| 热99re8久久精品国产| 在线国产一区二区在线| 91成人精品电影| 欧美成人性av电影在线观看| 黄片播放在线免费| 亚洲专区中文字幕在线| 日日干狠狠操夜夜爽| svipshipincom国产片| 一区二区三区激情视频| 成人亚洲精品一区在线观看| 欧美国产日韩亚洲一区| 亚洲av成人不卡在线观看播放网| 一级片免费观看大全| 国产日韩一区二区三区精品不卡| 亚洲少妇的诱惑av| 丝袜人妻中文字幕| 久久精品国产综合久久久| avwww免费| 高清毛片免费观看视频网站| 国产亚洲精品一区二区www| 亚洲第一av免费看| 久久香蕉激情| 成人永久免费在线观看视频| 男女床上黄色一级片免费看| 女人精品久久久久毛片| 国产精品免费视频内射| 露出奶头的视频| 人妻久久中文字幕网| 亚洲国产高清在线一区二区三 | 欧美成人性av电影在线观看| 精品国内亚洲2022精品成人| 久久狼人影院| 日韩有码中文字幕| 一本大道久久a久久精品| 国产蜜桃级精品一区二区三区| 亚洲色图 男人天堂 中文字幕| 真人做人爱边吃奶动态| 久久精品国产亚洲av香蕉五月| 久久九九热精品免费| 精品高清国产在线一区| 他把我摸到了高潮在线观看| 免费在线观看黄色视频的| 亚洲自偷自拍图片 自拍| 两个人免费观看高清视频| 香蕉国产在线看| 欧美日本视频| 人人妻人人爽人人添夜夜欢视频| 可以免费在线观看a视频的电影网站| 黑人巨大精品欧美一区二区mp4| 久久香蕉国产精品| 热99re8久久精品国产| 日日爽夜夜爽网站| 男人舔女人的私密视频| 欧美老熟妇乱子伦牲交| 亚洲精华国产精华精| 欧美一级a爱片免费观看看 | 亚洲成av人片免费观看| 伦理电影免费视频| 美女国产高潮福利片在线看| 国产真人三级小视频在线观看| 男女之事视频高清在线观看| 精品欧美一区二区三区在线| 国产成+人综合+亚洲专区| 亚洲少妇的诱惑av| 亚洲人成77777在线视频| 精品国产一区二区久久| 一级毛片精品| 午夜福利高清视频| 长腿黑丝高跟| 如日韩欧美国产精品一区二区三区| 在线播放国产精品三级| 亚洲欧美日韩另类电影网站| 国产精品久久久人人做人人爽| 国产亚洲av嫩草精品影院| 日韩大尺度精品在线看网址 | 日本撒尿小便嘘嘘汇集6| 美女国产高潮福利片在线看| 精品久久久久久久毛片微露脸| 欧洲精品卡2卡3卡4卡5卡区| 午夜免费成人在线视频| 亚洲五月婷婷丁香| 成人国产综合亚洲| 极品教师在线免费播放| 两个人看的免费小视频| av欧美777| 日本一区二区免费在线视频| 欧美成人午夜精品| cao死你这个sao货| 精品高清国产在线一区| 欧美老熟妇乱子伦牲交| 亚洲成a人片在线一区二区| 少妇 在线观看| 国产成人精品在线电影| 高潮久久久久久久久久久不卡| 波多野结衣av一区二区av| 久久性视频一级片| 国产精品免费视频内射| 亚洲欧美一区二区三区黑人| 亚洲 欧美一区二区三区| 国产又爽黄色视频| 国产欧美日韩综合在线一区二区| 国产精品一区二区精品视频观看| 真人做人爱边吃奶动态| 涩涩av久久男人的天堂| 十八禁人妻一区二区| 咕卡用的链子| 88av欧美| svipshipincom国产片| 神马国产精品三级电影在线观看 | 精品免费久久久久久久清纯| 波多野结衣巨乳人妻| 国产av一区二区精品久久| 日本撒尿小便嘘嘘汇集6| 黄网站色视频无遮挡免费观看| 久久中文字幕一级| 91精品国产国语对白视频| 丰满的人妻完整版| 国产激情久久老熟女| 久久婷婷成人综合色麻豆| 亚洲aⅴ乱码一区二区在线播放 | 国产99久久九九免费精品| 精品一品国产午夜福利视频| 国产成人欧美在线观看| 午夜免费成人在线视频| 国产国语露脸激情在线看| 少妇 在线观看| 精品国产乱码久久久久久男人| 怎么达到女性高潮| 国产一卡二卡三卡精品| 老司机午夜福利在线观看视频| 99久久久亚洲精品蜜臀av| 亚洲精华国产精华精| 一本综合久久免费| 日韩视频一区二区在线观看| 99国产精品99久久久久| 91麻豆精品激情在线观看国产| 十分钟在线观看高清视频www| 亚洲成人久久性| 国产精品 国内视频| av电影中文网址| 亚洲精品美女久久久久99蜜臀| 成人亚洲精品av一区二区| 大型黄色视频在线免费观看| 亚洲一卡2卡3卡4卡5卡精品中文| 久久久久久免费高清国产稀缺| 免费人成视频x8x8入口观看| 国产免费男女视频| 国产精品精品国产色婷婷| 人妻丰满熟妇av一区二区三区| 亚洲片人在线观看| 婷婷丁香在线五月| 丁香欧美五月| 最新在线观看一区二区三区| 国产精品影院久久| 久久久精品国产亚洲av高清涩受| 久久久久久免费高清国产稀缺| 久久久久久久久久久久大奶| 美女国产高潮福利片在线看| 满18在线观看网站| 91在线观看av| 亚洲狠狠婷婷综合久久图片| 精品高清国产在线一区| 国产精品一区二区三区四区久久 | 免费一级毛片在线播放高清视频 | 好看av亚洲va欧美ⅴa在| 亚洲av成人av| 91老司机精品| 88av欧美| 人人澡人人妻人| 在线观看免费视频网站a站| 欧美色欧美亚洲另类二区 | 中文字幕色久视频| 男女午夜视频在线观看| 欧美色欧美亚洲另类二区 | 成熟少妇高潮喷水视频| 亚洲欧美日韩无卡精品| 亚洲成国产人片在线观看| 韩国精品一区二区三区| 女警被强在线播放| 午夜福利高清视频| 一进一出抽搐动态| 欧美+亚洲+日韩+国产| 两性夫妻黄色片| av免费在线观看网站| 亚洲欧美一区二区三区黑人| 亚洲va日本ⅴa欧美va伊人久久| 琪琪午夜伦伦电影理论片6080| 欧美一级a爱片免费观看看 | 久久天堂一区二区三区四区| svipshipincom国产片| 国产一区在线观看成人免费| 大码成人一级视频| 免费少妇av软件| 老司机午夜十八禁免费视频| 日本五十路高清| 18禁黄网站禁片午夜丰满| 久久婷婷成人综合色麻豆| 亚洲五月婷婷丁香| 激情视频va一区二区三区| 一边摸一边抽搐一进一小说| 精品少妇一区二区三区视频日本电影| 人成视频在线观看免费观看| 国产精品99久久99久久久不卡| 满18在线观看网站| 成年版毛片免费区| 老鸭窝网址在线观看| av电影中文网址| 黑丝袜美女国产一区| 男男h啪啪无遮挡| 久久香蕉国产精品| 成人精品一区二区免费| 免费高清在线观看日韩| 女人爽到高潮嗷嗷叫在线视频| 国产精品爽爽va在线观看网站 | 在线十欧美十亚洲十日本专区| 天天添夜夜摸| 咕卡用的链子| 性色av乱码一区二区三区2| 美国免费a级毛片| 亚洲精品粉嫩美女一区| 日日夜夜操网爽| 天堂√8在线中文| 我的亚洲天堂| 久久精品影院6| 夜夜躁狠狠躁天天躁| 深夜精品福利| 国产激情欧美一区二区| 久久精品人人爽人人爽视色| 韩国av一区二区三区四区| 久久久久久大精品| 好看av亚洲va欧美ⅴa在| 日韩视频一区二区在线观看| 久久精品亚洲精品国产色婷小说| 黄频高清免费视频| 手机成人av网站| 高清黄色对白视频在线免费看| 欧美国产精品va在线观看不卡| 中文字幕另类日韩欧美亚洲嫩草| 欧美 亚洲 国产 日韩一| 黄频高清免费视频| 免费无遮挡裸体视频| 夜夜爽天天搞| 中文亚洲av片在线观看爽| 欧美成人一区二区免费高清观看 | 99精品久久久久人妻精品| 成人av一区二区三区在线看| 无人区码免费观看不卡| 国产av在哪里看| 日韩一卡2卡3卡4卡2021年| 韩国精品一区二区三区| 久久久久久亚洲精品国产蜜桃av| 国产真人三级小视频在线观看| 色综合欧美亚洲国产小说| 99re在线观看精品视频| 在线播放国产精品三级| 男女床上黄色一级片免费看| 国产精品野战在线观看| 国产av精品麻豆| 一级毛片精品| 久久中文字幕人妻熟女| 欧美精品啪啪一区二区三区| 中亚洲国语对白在线视频| 亚洲欧美精品综合一区二区三区| a在线观看视频网站| 久久精品91蜜桃| 亚洲成av人片免费观看| 久久久久久人人人人人| 在线观看日韩欧美| 黑人巨大精品欧美一区二区蜜桃| 久久久国产成人精品二区| 波多野结衣av一区二区av| 欧美一级毛片孕妇| 国产蜜桃级精品一区二区三区| 亚洲欧洲精品一区二区精品久久久| 宅男免费午夜| 成人欧美大片| 久久中文字幕一级| 9热在线视频观看99| 满18在线观看网站| 欧美成人午夜精品| 国产麻豆成人av免费视频| 欧美一区二区精品小视频在线| 欧美成狂野欧美在线观看| 成人国产综合亚洲| 亚洲一码二码三码区别大吗| 亚洲欧美日韩另类电影网站| 麻豆国产av国片精品| 久久久久久人人人人人| 国产97色在线日韩免费| 一a级毛片在线观看| 国产精品 欧美亚洲| 91麻豆精品激情在线观看国产| 国产在线精品亚洲第一网站| videosex国产| 国产精品乱码一区二三区的特点 | 亚洲一区二区三区色噜噜| 久久久国产成人免费| 此物有八面人人有两片| 久久草成人影院| 一区二区日韩欧美中文字幕| 淫妇啪啪啪对白视频| 欧美日本中文国产一区发布| 精品卡一卡二卡四卡免费| 少妇裸体淫交视频免费看高清 | 一进一出抽搐gif免费好疼| 国产av又大| 久久精品91蜜桃| 欧美日韩一级在线毛片| 亚洲自拍偷在线| 免费久久久久久久精品成人欧美视频| 在线免费观看的www视频| 脱女人内裤的视频| 国内毛片毛片毛片毛片毛片| 亚洲欧美精品综合一区二区三区| 麻豆国产av国片精品| 神马国产精品三级电影在线观看 | 老司机午夜十八禁免费视频| 国产又色又爽无遮挡免费看| 最近最新中文字幕大全电影3 | 精品免费久久久久久久清纯| 精品不卡国产一区二区三区| 可以在线观看的亚洲视频| 婷婷精品国产亚洲av在线| 精品午夜福利视频在线观看一区| 国产精品免费一区二区三区在线| 亚洲欧美日韩高清在线视频| 大陆偷拍与自拍| 亚洲午夜精品一区,二区,三区| 18禁裸乳无遮挡免费网站照片 | 99re在线观看精品视频| xxx96com| 大陆偷拍与自拍| 激情在线观看视频在线高清| 久久久久九九精品影院| 黄色 视频免费看| 极品人妻少妇av视频| 中文字幕人成人乱码亚洲影| 国产在线精品亚洲第一网站| 嫩草影院精品99| 欧美激情久久久久久爽电影 | 黑人巨大精品欧美一区二区蜜桃| 成人亚洲精品av一区二区| 欧美激情 高清一区二区三区| 久久国产亚洲av麻豆专区| 黄频高清免费视频| 黄网站色视频无遮挡免费观看| 女警被强在线播放| 在线视频色国产色| 国产日韩一区二区三区精品不卡| or卡值多少钱| 亚洲av五月六月丁香网| 一级作爱视频免费观看| 国产成人系列免费观看| 日韩欧美国产在线观看| 欧美日韩中文字幕国产精品一区二区三区 | 国产成人免费无遮挡视频| 日本免费a在线| 国产亚洲av高清不卡| 18禁黄网站禁片午夜丰满| 免费少妇av软件| 欧美久久黑人一区二区| 亚洲人成77777在线视频| 手机成人av网站| 国产欧美日韩一区二区精品| 亚洲国产精品999在线| 制服人妻中文乱码| 亚洲性夜色夜夜综合| 亚洲欧美精品综合一区二区三区| 亚洲人成电影免费在线| 99久久综合精品五月天人人| 一级a爱片免费观看的视频| 日韩欧美在线二视频| АⅤ资源中文在线天堂| 超碰成人久久| 禁无遮挡网站| 精品久久久久久,| 制服人妻中文乱码| 国产av精品麻豆| 侵犯人妻中文字幕一二三四区| 日本一区二区免费在线视频| 国产成人系列免费观看| 黄色a级毛片大全视频| 欧美激情高清一区二区三区| 一区二区三区激情视频| 十分钟在线观看高清视频www| 久久天堂一区二区三区四区| 9191精品国产免费久久| 这个男人来自地球电影免费观看| 国产精品免费视频内射| 国产麻豆69| 国产蜜桃级精品一区二区三区| 国产精品久久久av美女十八| 九色国产91popny在线| 人人妻,人人澡人人爽秒播| 日韩一卡2卡3卡4卡2021年| 国产精品久久久人人做人人爽| 一级毛片高清免费大全| 电影成人av| 一区二区三区高清视频在线| 成人亚洲精品av一区二区| 99在线人妻在线中文字幕| 少妇熟女aⅴ在线视频| 波多野结衣一区麻豆| 搡老岳熟女国产| 高潮久久久久久久久久久不卡| 午夜亚洲福利在线播放| 999精品在线视频| 久久久国产成人精品二区| 黄色女人牲交| 麻豆一二三区av精品| 久久久久久久久久久久大奶| 韩国精品一区二区三区| 亚洲精品国产色婷婷电影| 老汉色av国产亚洲站长工具| 在线十欧美十亚洲十日本专区| 国产欧美日韩一区二区精品| 国产又色又爽无遮挡免费看| 久久 成人 亚洲| 亚洲国产欧美一区二区综合| 亚洲全国av大片| 国产激情久久老熟女| 欧美日韩中文字幕国产精品一区二区三区 | 纯流量卡能插随身wifi吗| 亚洲avbb在线观看| 久久精品人人爽人人爽视色| 麻豆成人av在线观看| av片东京热男人的天堂| 国产精品免费一区二区三区在线| 又黄又粗又硬又大视频| 麻豆国产av国片精品| 在线观看一区二区三区| 男男h啪啪无遮挡| 视频在线观看一区二区三区| 国产野战对白在线观看| 黄色a级毛片大全视频| av视频在线观看入口| 日韩免费av在线播放| 成人18禁在线播放| 国产精品自产拍在线观看55亚洲| 欧美成人午夜精品| 久久精品国产99精品国产亚洲性色 | www.www免费av| 91字幕亚洲| 日韩欧美国产在线观看| 精品无人区乱码1区二区| 少妇被粗大的猛进出69影院| 好看av亚洲va欧美ⅴa在| 午夜精品在线福利| 国产精品香港三级国产av潘金莲| 丁香六月欧美| www.www免费av| 欧美av亚洲av综合av国产av| 国产激情欧美一区二区| 1024视频免费在线观看| 久久国产乱子伦精品免费另类| 看免费av毛片| 国产精品久久视频播放| av中文乱码字幕在线| 最近最新中文字幕大全电影3 | 国产色视频综合| 日韩 欧美 亚洲 中文字幕| 国产1区2区3区精品| 这个男人来自地球电影免费观看| 精品久久久久久,| 可以在线观看毛片的网站| 最近最新中文字幕大全免费视频| 国产欧美日韩一区二区三区在线| 丰满人妻熟妇乱又伦精品不卡| 国产av精品麻豆| 国产成人欧美| 国产精品永久免费网站| 免费观看人在逋| 悠悠久久av| 黄色丝袜av网址大全| 久久人妻熟女aⅴ| 午夜精品国产一区二区电影| 午夜久久久久精精品| 日本a在线网址| 欧美+亚洲+日韩+国产| 黑人欧美特级aaaaaa片| 高清黄色对白视频在线免费看| 日韩欧美国产一区二区入口| 91老司机精品| 电影成人av| 在线视频色国产色| 久久国产亚洲av麻豆专区| 黄片大片在线免费观看| 中文字幕人成人乱码亚洲影| 99久久99久久久精品蜜桃| 真人一进一出gif抽搐免费|