• <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 ?

    貝葉斯融合方法集成的支持向量機(jī)預(yù)警國(guó)家助學(xué)貸款信用風(fēng)險(xiǎn)的研究

    2015-10-14 05:32:29李運(yùn)蒙石安安桂繞根涂英
    關(guān)鍵詞:助學(xué)分類(lèi)器預(yù)警

    李運(yùn)蒙,石安安,桂繞根,涂英

    ?

    貝葉斯融合方法集成的支持向量機(jī)預(yù)警國(guó)家助學(xué)貸款信用風(fēng)險(xiǎn)的研究

    李運(yùn)蒙1,石安安1,桂繞根1,涂英2

    (1.五邑大學(xué) 經(jīng)濟(jì)管理學(xué)院,廣東 江門(mén) 529020;2.廣發(fā)銀行 江門(mén)分行,廣東 江門(mén) 529000)

    用貝葉斯方法將隨機(jī)選用的多個(gè)不同類(lèi)別的支持向量機(jī)集成為預(yù)警模型,通過(guò)銀行實(shí)際助學(xué)貸款數(shù)據(jù)對(duì)模型進(jìn)行測(cè)試和驗(yàn)證,結(jié)果表明該集成模型有更高的分類(lèi)準(zhǔn)確度,可以為銀行助學(xué)貸款違約行為的預(yù)判提供重要的參考依據(jù).

    助學(xué)貸款;支持向量機(jī);集成學(xué)習(xí);風(fēng)險(xiǎn)預(yù)警;貝葉斯融合方法

    國(guó)家助學(xué)貸款政策于1999年開(kāi)始實(shí)施,2004年前后,在迎來(lái)首批還款高峰的同時(shí)也出現(xiàn)了大面積的違約現(xiàn)象,導(dǎo)致銀行方面一度叫停了助學(xué)貸款[1-2]. 至此,助學(xué)貸款的高違約率問(wèn)題成為了學(xué)者們關(guān)注和研究的焦點(diǎn). 一些學(xué)者通過(guò)構(gòu)建指標(biāo)體系和模型來(lái)評(píng)價(jià)貸款學(xué)生的個(gè)人信用,并用于銀行風(fēng)險(xiǎn)估計(jì)和預(yù)警[3-5]. 目前,定量實(shí)證研究的范例相對(duì)較少,且一般用的是單一模型,由于預(yù)警模型的準(zhǔn)確率是銀行方面最關(guān)心的問(wèn)題,因此探索出更加準(zhǔn)確的預(yù)警方法,嘗試多模型集成的預(yù)警效果十分必要.

    國(guó)際上一般認(rèn)為,商業(yè)銀行貸款風(fēng)險(xiǎn)預(yù)警可作為分類(lèi)問(wèn)題看待[6-7],即通過(guò)預(yù)警模型的測(cè)算和預(yù)估,將其分為正常貸款和違約貸款兩類(lèi),或設(shè)置不同警限,將其分為多類(lèi). 研究表明,多模型集成方法能進(jìn)一步提高分類(lèi)精度[8-10]. 本文擬在充分研究國(guó)內(nèi)外相關(guān)成果的基礎(chǔ)上,根據(jù)前期構(gòu)建的助學(xué)貸款預(yù)警指標(biāo)體系[11-12],探討多分類(lèi)器集成預(yù)警模型的構(gòu)建方法,并結(jié)合廣發(fā)銀行江門(mén)分行助學(xué)貸款實(shí)際數(shù)據(jù)進(jìn)行實(shí)證檢驗(yàn),爭(zhēng)取為銀行防范和治理助學(xué)貸款違約提供有效的預(yù)警方法.

    1 基于支持向量機(jī)的集成模型的構(gòu)建

    1.1 支持向量機(jī)分類(lèi)模型

    支持向量機(jī)(SVM)分類(lèi)器的優(yōu)點(diǎn)是精度高、泛化能力強(qiáng),適合小樣本等. SVM通過(guò)建立一個(gè)超平面作為決策曲面,使得不同類(lèi)別樣本之間的隔離邊緣最大化,以此達(dá)到劃分空間、實(shí)現(xiàn)分類(lèi)的目的. 分類(lèi)超平面的一般形式可寫(xiě)成:

    利用拉格朗日優(yōu)化方法把上述最優(yōu)分類(lèi)面問(wèn)題轉(zhuǎn)化為對(duì)偶問(wèn)題,其存在唯一解,求解所得的最優(yōu)分類(lèi)函數(shù)為:

    對(duì)于非線性問(wèn)題,可以采用滿足Mercer條件的內(nèi)積核函數(shù)代替原空間中的內(nèi)積,以避開(kāi)非線性變換的具體形式,此時(shí)分類(lèi)函數(shù)變?yōu)椋?/p>

    使用該分類(lèi)函數(shù)對(duì)銀行信用數(shù)據(jù)分類(lèi),可以判斷貸款方的信用狀況.

    1.2 貝葉斯集成方法

    多分類(lèi)器組合是提高識(shí)別效果的有效途徑,目前已有較多的分類(lèi)器融合方法,其中貝葉斯法能充分利用每個(gè)分類(lèi)器的先驗(yàn)知識(shí)對(duì)融合結(jié)果進(jìn)行計(jì)算,且以每種分類(lèi)器在每個(gè)類(lèi)別上的分類(lèi)準(zhǔn)確率為融合依據(jù),其預(yù)測(cè)結(jié)果更加合理,因而備受關(guān)注. 設(shè)分類(lèi)器所分類(lèi)的樣本空間為,對(duì)的種類(lèi)別(即,其中,稱(chēng)為的一個(gè)類(lèi)),根據(jù)訓(xùn)練樣本統(tǒng)計(jì)出的每個(gè)分類(lèi)器的識(shí)別情況,建立混亂矩陣:

    1.3 集成模型的實(shí)現(xiàn)

    2)用測(cè)試樣本計(jì)算分類(lèi)器的分類(lèi)精度,并從大到小排序,精度低于標(biāo)準(zhǔn)的排除,本文精度標(biāo)準(zhǔn)為83%.

    3)構(gòu)建優(yōu)選分類(lèi)器集合,先將最高精度的分類(lèi)器加入,后面的分類(lèi)器與集合中每個(gè)分類(lèi)器的差異計(jì)算結(jié)果達(dá)到一定程度才加入其中,初始差異取0.5.

    兩兩分類(lèi)器差異計(jì)算方法為:

    新分類(lèi)器與分類(lèi)器集合的差異(總差異)算法為:

    4)構(gòu)建集成模型,用測(cè)試樣本測(cè)試其精度,滿足要求則結(jié)束(分類(lèi)準(zhǔn)確率大于90%),否則調(diào)整子支持向量分類(lèi)器的個(gè)數(shù)和初始差異標(biāo)準(zhǔn),從1)開(kāi)始執(zhí)行. 子支持向量分類(lèi)器個(gè)數(shù)和初始差異標(biāo)準(zhǔn)調(diào)整方法分別為:和.

    2 實(shí)證分析

    2.1 預(yù)警指標(biāo)選擇

    筆者在總結(jié)了國(guó)內(nèi)助學(xué)貸款預(yù)警研究成果的基礎(chǔ)上,與廣發(fā)銀行助學(xué)貸款工作人員多次討論、篩選,構(gòu)建如表1所示的助學(xué)貸款預(yù)警指標(biāo)體系.

    表1 國(guó)家助學(xué)貸款信用風(fēng)險(xiǎn)預(yù)警指標(biāo)及其賦值

    為使得模型學(xué)習(xí)效果更好,在不影響判別效果的情況下,應(yīng)盡量縮小樣本空間. 可通過(guò)將連續(xù)指標(biāo)離散化(如對(duì)指標(biāo)的處理)或?qū)ζ渌笜?biāo)賦值的方法實(shí)現(xiàn),如表中的賦值方法,(1~5)-4表示綜合測(cè)評(píng)成績(jī)班排名前5名,取值為4.

    2.2 實(shí)驗(yàn)設(shè)計(jì)

    1)數(shù)據(jù)收集和預(yù)處理

    從銀行得到的助學(xué)貸款樣本有6 000多個(gè),其中僅不足10%的為違約樣本,另外還有一些樣本因數(shù)據(jù)不全被剔除. 最終,從合格樣本中隨機(jī)抽取近3年的600個(gè)樣本,其中違約和守約各一半. 將指標(biāo)數(shù)值進(jìn)行標(biāo)準(zhǔn)化處理,全部取值映射到[0,1]區(qū)間,輸出結(jié)果設(shè)為0或1(0為違約,1為守約). 樣本選取如表2所示.

    表2 樣本選取方法及各個(gè)樣本集

    2)Bagging方法、支持向量機(jī)分類(lèi)器和集成算法運(yùn)用MATLAB7.6和LIBSVM3.12工具箱通過(guò)編程建立,參數(shù)隨機(jī)選取.

    3)從建模的600個(gè)樣本中隨機(jī)抽取400樣本作為學(xué)習(xí)樣本,采用Bagging方法從中隨機(jī)抽取300個(gè)樣本,分別訓(xùn)練5個(gè)支持向量機(jī)分類(lèi)器,形成;將剩余的200個(gè)樣本隨機(jī)分成兩組,即測(cè)試樣本和,其中用于檢驗(yàn)單個(gè)支持向量機(jī)分類(lèi)器的分類(lèi)精度,計(jì)算混亂矩陣,通過(guò)式(7)、式(8)選擇差異大的分類(lèi)器集合.

    5)集成模型精度達(dá)到90%以上時(shí)算法結(jié)束,否則按前述方法調(diào)整,繼續(xù)運(yùn)算. 當(dāng)調(diào)整次數(shù)超過(guò)100次時(shí)算法結(jié)束,分析樣本問(wèn)題或找其他原因.

    2.3 分類(lèi)結(jié)果

    運(yùn)用前述算法,最終得到3個(gè)有較大差異的子支持向量機(jī)分類(lèi)器,集成模型先有精度最高的分類(lèi)器、再分別加入和后融合而成. 表2中,集成模型可以使分類(lèi)準(zhǔn)確率達(dá)到92%,且集成模型第2類(lèi)錯(cuò)誤比第1類(lèi)錯(cuò)誤稍高. 預(yù)測(cè)準(zhǔn)確率結(jié)果如表3所示.

    表3 單個(gè)模型和集成模型的預(yù)測(cè)準(zhǔn)確率

    3 結(jié)論

    本文前期調(diào)研中充分借鑒了學(xué)者們的研究成果,對(duì)類(lèi)似指標(biāo)進(jìn)行了歸并和刪減,認(rèn)真聽(tīng)取了銀行從業(yè)人員對(duì)違約現(xiàn)象的評(píng)述,形成了符合實(shí)際特點(diǎn)的預(yù)警指標(biāo)體系;研究采用搜索的方式尋找精度高、差異較大的分類(lèi)器進(jìn)行集成,能夠?qū)崿F(xiàn)構(gòu)建子分類(lèi)器的目的,解決了子分類(lèi)器構(gòu)建的方法問(wèn)題. 因此,集成模型比子分類(lèi)器有更高的判別精度,且第一類(lèi)錯(cuò)誤率較低,符合模型的算法思想.

    另外,就助學(xué)貸款預(yù)警問(wèn)題研究過(guò)程中發(fā)現(xiàn)的問(wèn)題,提出如下建議:

    1)學(xué)校的信息記錄問(wèn)題. 部分院系對(duì)學(xué)生的在校表現(xiàn)記錄保留時(shí)間較短,記錄不規(guī)范、不統(tǒng)一,建議進(jìn)一步完善學(xué)生信息管理系統(tǒng),并參照銀行意見(jiàn)進(jìn)行必要的調(diào)整.

    2)銀行方面和高校學(xué)生管理部門(mén)應(yīng)聯(lián)合對(duì)違約率高的群體進(jìn)行誠(chéng)信教育,提高其還貸意愿.

    3)政府、高校和銀行方面應(yīng)繼續(xù)支持助學(xué)貸款問(wèn)題的研究,使對(duì)國(guó)家、高校、銀行、貧困學(xué)生都有益的助學(xué)貸款政策長(zhǎng)期健康發(fā)展下去.

    [1] 胡鍵. 違約率高銀行叫停助學(xué)貸款[N]. 南方日?qǐng)?bào),2004-04-21.

    [2] 鄭天虹. 粵助學(xué)貸款:違約率6年升高10多倍[N]. 新華每日電訊,2009-12-11.

    [3] 肖智,王明愷,謝林林. 基于支持向量機(jī)的大學(xué)生助學(xué)貸款個(gè)人信用評(píng)價(jià)[J]. 清華大學(xué)學(xué)報(bào):自然科學(xué)版,2006, 46(S1): 1120-1124.

    [4] 康英,薛惠鋒,張哲. 基于GA-PHO遺傳規(guī)劃算法的國(guó)家助學(xué)貸款風(fēng)險(xiǎn)預(yù)警模型研究[J]. 寧夏大學(xué)學(xué)報(bào):人文社會(huì)科學(xué)版,2008, 30(5): 135-138.

    [5] 李鵬雁,謝曉晨. 基于層次分析方法的助學(xué)貸款風(fēng)險(xiǎn)評(píng)價(jià)[J]. 哈爾濱工業(yè)大學(xué)學(xué)報(bào),2009, 41(12): 301-304.

    [6] ALTMAN E I,HALDEMAN R C,NARAYANAN P. Zeta analysis: a new model to identify bankruptcy risk of corporations [J]. Journal of Banking and Finance, 1997, 1(1): 29-54.

    [7] DAN M C, MARK G R. A comparative analysis of current credit risk models [J]. Journal of banking and Finance, 2000, 24(1): 59-117.

    [8]LAM L, SUEN C Y. Optimal combining of pattern classifiers [J]. Pattern Recognition Letters, 1995, 16: 945-954.

    [9] 孫潔,李輝. 企業(yè)財(cái)務(wù)困境的多分類(lèi)器混合組合預(yù)測(cè)[J]. 系統(tǒng)工程理論與實(shí)踐,2009, 29(2): 78-86.

    [10] WINDEATT T. Diversity measures for multiple classifier system analysis and design [J]. Information Fusion, 2005, 6(1): 21-36.

    [11] 李運(yùn)蒙,桂繞根,涂英. 國(guó)家助學(xué)貸款信用風(fēng)險(xiǎn)預(yù)警指標(biāo)體系的構(gòu)建與應(yīng)用[J]. 內(nèi)蒙古大學(xué)學(xué)報(bào):自然科學(xué)版,2012, 43(6): 651-657.

    [12] 李運(yùn)蒙,桂繞根,石安安. 基于支持向量機(jī)的助學(xué)貸款信用風(fēng)險(xiǎn)預(yù)警研究[J]. 五邑大學(xué)學(xué)報(bào):自然科學(xué)版,2014, 28(1): 50-53.

    [責(zé)任編輯:熊玉濤]

    Early Warning of National Student Loans Credit Risk Based on Support Vector Machine Assembled by the Bayes Fusion Method

    LIYun-meng1, SHIAn-an1, GUIRao-gen1, TUYing2

    (1. School of Economics and Management, Wuyi University, Jiangmen 529020, China;2. Jiangmen Branch of Guangdong Development Bank, Jiangmen 529000, China)

    Using the support vector machine (SVM) as the base classifier, an early warning model is established by assembling a number of different categories of support vector machines using the Bayes fusion method. Testing and verifying using the actual band loan data shows that the ensemble model has a higher accuracy in classification and can provide an important reference basis for banks to pre-judge students’ breach of loan contracts.

    student loans; support vector machines; ensemble learning; risk early-warning; Bayes fusion method

    1006-7302(2015)02-0044-05

    F822.1;O211.61

    A

    2014-12-10

    廣東省哲學(xué)社會(huì)科學(xué)規(guī)劃項(xiàng)目(GD11XGL20)

    李運(yùn)蒙(1964—),男,山東鄆城人,副教授,碩士,研究方向?yàn)榻鹑谑袌?chǎng)數(shù)據(jù)分析.

    猜你喜歡
    助學(xué)分類(lèi)器預(yù)警
    法國(guó)發(fā)布高溫預(yù)警 嚴(yán)陣以待備戰(zhàn)“史上最熱周”
    BP-GA光照分類(lèi)器在車(chē)道線識(shí)別中的應(yīng)用
    園林有害生物預(yù)警與可持續(xù)控制
    加權(quán)空-譜與最近鄰分類(lèi)器相結(jié)合的高光譜圖像分類(lèi)
    結(jié)合模糊(C+P)均值聚類(lèi)和SP-V-支持向量機(jī)的TSK分類(lèi)器
    機(jī)載預(yù)警雷達(dá)對(duì)IFF 的干擾分析
    關(guān)愛(ài)·幫扶·助學(xué)
    為助學(xué)一諾千金
    郭萬(wàn)里“三幫”助學(xué)子
    預(yù)警個(gè)啥
    久久久久精品人妻al黑| 国产欧美日韩一区二区精品| kizo精华| 免费一级毛片在线播放高清视频 | 午夜福利免费观看在线| 中文字幕精品免费在线观看视频| 日本猛色少妇xxxxx猛交久久| 欧美另类亚洲清纯唯美| 亚洲情色 制服丝袜| 久久ye,这里只有精品| 亚洲精品国产色婷婷电影| www.精华液| 青青草视频在线视频观看| 青青草视频在线视频观看| 国产av国产精品国产| 丰满少妇做爰视频| 亚洲欧美日韩另类电影网站| 建设人人有责人人尽责人人享有的| 日韩中文字幕欧美一区二区| 18禁观看日本| 在线观看一区二区三区激情| 性少妇av在线| 一级,二级,三级黄色视频| 国产av精品麻豆| 国产免费av片在线观看野外av| 嫩草影视91久久| 亚洲欧美清纯卡通| 日日夜夜操网爽| 国产亚洲午夜精品一区二区久久| 精品国产乱码久久久久久男人| 亚洲,欧美精品.| 日本欧美视频一区| 日韩制服丝袜自拍偷拍| 80岁老熟妇乱子伦牲交| 老司机影院毛片| 中亚洲国语对白在线视频| 精品一区二区三区四区五区乱码| 国产欧美日韩一区二区精品| 国产av精品麻豆| 欧美黑人精品巨大| 黄色 视频免费看| 91精品伊人久久大香线蕉| 国产片内射在线| 欧美另类亚洲清纯唯美| 日本vs欧美在线观看视频| 国产熟女午夜一区二区三区| 亚洲人成电影观看| 久久精品国产亚洲av高清一级| 亚洲九九香蕉| 色94色欧美一区二区| 亚洲久久久国产精品| h视频一区二区三区| 亚洲精品美女久久久久99蜜臀| 啦啦啦在线免费观看视频4| 777米奇影视久久| 国产高清国产精品国产三级| 少妇人妻久久综合中文| 国产日韩一区二区三区精品不卡| 久久久久网色| 999久久久精品免费观看国产| 国产深夜福利视频在线观看| 黄片小视频在线播放| 丝袜人妻中文字幕| 大型av网站在线播放| 69精品国产乱码久久久| 亚洲欧美成人综合另类久久久| 国产片内射在线| 搡老熟女国产l中国老女人| 水蜜桃什么品种好| 在线观看免费视频网站a站| 午夜影院在线不卡| 亚洲五月色婷婷综合| 午夜精品久久久久久毛片777| 久久中文看片网| 欧美激情极品国产一区二区三区| 午夜福利一区二区在线看| 精品少妇久久久久久888优播| 成年女人毛片免费观看观看9 | 一区在线观看完整版| 国产一区二区三区av在线| 最近最新中文字幕大全免费视频| 国产免费现黄频在线看| 国产av一区二区精品久久| 天天影视国产精品| 中文字幕制服av| 欧美精品高潮呻吟av久久| 亚洲精品中文字幕在线视频| 亚洲欧美一区二区三区久久| 淫妇啪啪啪对白视频 | 99香蕉大伊视频| 欧美人与性动交α欧美精品济南到| 精品免费久久久久久久清纯 | 爱豆传媒免费全集在线观看| 国产精品秋霞免费鲁丝片| 欧美日韩福利视频一区二区| 一区在线观看完整版| 国产一区二区三区av在线| 久9热在线精品视频| av超薄肉色丝袜交足视频| 99国产精品一区二区蜜桃av | 久久综合国产亚洲精品| 老司机福利观看| 国产麻豆69| 色94色欧美一区二区| 一个人免费在线观看的高清视频 | 久久人人97超碰香蕉20202| 三上悠亚av全集在线观看| 亚洲三区欧美一区| 日韩一区二区三区影片| 激情视频va一区二区三区| 男女午夜视频在线观看| 久久毛片免费看一区二区三区| 亚洲中文av在线| 欧美亚洲 丝袜 人妻 在线| 中文字幕色久视频| 黄色a级毛片大全视频| 欧美激情久久久久久爽电影 | av网站免费在线观看视频| 成人亚洲精品一区在线观看| 免费在线观看完整版高清| 午夜福利,免费看| 他把我摸到了高潮在线观看 | 亚洲免费av在线视频| 国产亚洲午夜精品一区二区久久| 亚洲av男天堂| 亚洲avbb在线观看| 欧美久久黑人一区二区| 亚洲情色 制服丝袜| 黑人欧美特级aaaaaa片| 夫妻午夜视频| 亚洲中文日韩欧美视频| 99久久人妻综合| 99精品欧美一区二区三区四区| 国产精品久久久久久人妻精品电影 | 天天影视国产精品| 69av精品久久久久久 | 美女午夜性视频免费| 婷婷色av中文字幕| 久久久久国产精品人妻一区二区| 欧美精品亚洲一区二区| 亚洲欧美激情在线| 欧美激情久久久久久爽电影 | 国产1区2区3区精品| 国产av国产精品国产| 亚洲成人手机| 中文字幕高清在线视频| 成人三级做爰电影| 国产片内射在线| 精品国产乱子伦一区二区三区 | 久久精品人人爽人人爽视色| 99热国产这里只有精品6| 亚洲情色 制服丝袜| 建设人人有责人人尽责人人享有的| 久久久精品免费免费高清| 国产伦人伦偷精品视频| 免费观看a级毛片全部| www.熟女人妻精品国产| 国产日韩欧美视频二区| 男人添女人高潮全过程视频| 天天操日日干夜夜撸| 99热网站在线观看| 大片免费播放器 马上看| 啦啦啦啦在线视频资源| 久久毛片免费看一区二区三区| 捣出白浆h1v1| 美女主播在线视频| 久久青草综合色| 午夜免费成人在线视频| videosex国产| 女警被强在线播放| 91老司机精品| 悠悠久久av| 国产免费现黄频在线看| 成人国语在线视频| av不卡在线播放| 91成人精品电影| 免费高清在线观看日韩| 成年女人毛片免费观看观看9 | 热re99久久精品国产66热6| 久热这里只有精品99| 最近最新中文字幕大全免费视频| 欧美另类一区| 丝袜脚勾引网站| 久久国产精品男人的天堂亚洲| 国产男女超爽视频在线观看| 日本vs欧美在线观看视频| 人妻人人澡人人爽人人| 国产一区有黄有色的免费视频| 日韩欧美免费精品| 国产亚洲欧美精品永久| a 毛片基地| 精品一区二区三卡| 大型av网站在线播放| 2018国产大陆天天弄谢| 国产精品一二三区在线看| 欧美黄色片欧美黄色片| 99精品久久久久人妻精品| 亚洲色图综合在线观看| 999精品在线视频| 在线永久观看黄色视频| 肉色欧美久久久久久久蜜桃| 亚洲国产欧美在线一区| a 毛片基地| 亚洲欧美色中文字幕在线| 90打野战视频偷拍视频| 国产国语露脸激情在线看| 精品国内亚洲2022精品成人 | 正在播放国产对白刺激| 亚洲av片天天在线观看| 久久精品国产a三级三级三级| 午夜福利在线免费观看网站| 青青草视频在线视频观看| 国产野战对白在线观看| 欧美激情高清一区二区三区| 性少妇av在线| 亚洲国产欧美网| 国产深夜福利视频在线观看| 美女脱内裤让男人舔精品视频| 久久久久久亚洲精品国产蜜桃av| 男男h啪啪无遮挡| 老汉色∧v一级毛片| 亚洲精品久久成人aⅴ小说| 别揉我奶头~嗯~啊~动态视频 | 69av精品久久久久久 | 黄网站色视频无遮挡免费观看| 精品一区二区三卡| 午夜精品久久久久久毛片777| a级毛片黄视频| 成年人免费黄色播放视频| 亚洲avbb在线观看| 欧美+亚洲+日韩+国产| 国产精品麻豆人妻色哟哟久久| 亚洲欧美一区二区三区黑人| 午夜成年电影在线免费观看| 久久久久久人人人人人| 久久性视频一级片| 曰老女人黄片| 亚洲中文av在线| 最新在线观看一区二区三区| 亚洲欧美清纯卡通| 一个人免费在线观看的高清视频 | 亚洲欧美一区二区三区久久| 久久久国产欧美日韩av| 啦啦啦 在线观看视频| 69精品国产乱码久久久| 亚洲精品av麻豆狂野| 少妇粗大呻吟视频| 天天添夜夜摸| 国产精品免费大片| 久久精品国产综合久久久| 欧美精品亚洲一区二区| 黄网站色视频无遮挡免费观看| 老熟妇仑乱视频hdxx| 一个人免费看片子| 在线亚洲精品国产二区图片欧美| 久久久久久免费高清国产稀缺| 亚洲 国产 在线| 精品一区二区三卡| 免费在线观看完整版高清| 999精品在线视频| 十八禁高潮呻吟视频| 欧美av亚洲av综合av国产av| 18禁国产床啪视频网站| 99re6热这里在线精品视频| 欧美日本中文国产一区发布| 亚洲欧美精品自产自拍| 嫁个100分男人电影在线观看| 两性夫妻黄色片| 91精品伊人久久大香线蕉| 精品亚洲乱码少妇综合久久| 日韩三级视频一区二区三区| 精品国产乱码久久久久久小说| 精品少妇内射三级| 两个人免费观看高清视频| 麻豆av在线久日| 两人在一起打扑克的视频| 午夜福利影视在线免费观看| 亚洲av成人一区二区三| tube8黄色片| 欧美精品人与动牲交sv欧美| 欧美久久黑人一区二区| 99国产极品粉嫩在线观看| 黄频高清免费视频| 一本色道久久久久久精品综合| 亚洲精品国产一区二区精华液| 国产视频一区二区在线看| 十八禁网站免费在线| 国产精品久久久久久人妻精品电影 | 国产欧美日韩精品亚洲av| 国产一区二区三区av在线| 亚洲精品av麻豆狂野| 亚洲国产精品成人久久小说| 成人免费观看视频高清| 日韩有码中文字幕| 久久综合国产亚洲精品| 老熟女久久久| 国产成人精品无人区| 搡老乐熟女国产| 飞空精品影院首页| 久久女婷五月综合色啪小说| 色综合欧美亚洲国产小说| 亚洲精品成人av观看孕妇| 国产又爽黄色视频| a在线观看视频网站| 国精品久久久久久国模美| 亚洲精品一区蜜桃| 日韩人妻精品一区2区三区| 搡老乐熟女国产| 悠悠久久av| 最近中文字幕2019免费版| 国产亚洲欧美精品永久| 欧美性长视频在线观看| 一本一本久久a久久精品综合妖精| 久9热在线精品视频| 丰满少妇做爰视频| 午夜免费观看性视频| 香蕉国产在线看| 成人黄色视频免费在线看| 国产精品欧美亚洲77777| 曰老女人黄片| 十八禁网站免费在线| 亚洲欧美成人综合另类久久久| 天天躁日日躁夜夜躁夜夜| 国产亚洲精品第一综合不卡| 99国产综合亚洲精品| 在线av久久热| 老司机靠b影院| 国产精品一区二区在线观看99| 成年人黄色毛片网站| 久久久精品94久久精品| 亚洲精品一卡2卡三卡4卡5卡 | 亚洲精品美女久久av网站| av超薄肉色丝袜交足视频| 久久免费观看电影| 久久综合国产亚洲精品| 三上悠亚av全集在线观看| 十八禁网站网址无遮挡| 国产极品粉嫩免费观看在线| 欧美中文综合在线视频| 亚洲国产欧美网| 麻豆乱淫一区二区| 在线十欧美十亚洲十日本专区| 精品少妇一区二区三区视频日本电影| 少妇 在线观看| 五月天丁香电影| 老汉色∧v一级毛片| 成人国产一区最新在线观看| 久久精品国产亚洲av香蕉五月 | 婷婷色av中文字幕| 亚洲国产精品999| 性色av乱码一区二区三区2| 老司机午夜十八禁免费视频| 看免费av毛片| 欧美日韩亚洲高清精品| 自线自在国产av| 久久天堂一区二区三区四区| 亚洲精品自拍成人| 中文字幕色久视频| 国产精品熟女久久久久浪| 午夜两性在线视频| 成年美女黄网站色视频大全免费| 精品第一国产精品| 18禁观看日本| 国产成人精品久久二区二区91| 国产成人啪精品午夜网站| 亚洲精品成人av观看孕妇| 日韩,欧美,国产一区二区三区| 国产精品亚洲av一区麻豆| 成年人午夜在线观看视频| 女性生殖器流出的白浆| 三级毛片av免费| 手机成人av网站| 日本五十路高清| 午夜影院在线不卡| 女人被躁到高潮嗷嗷叫费观| 日韩欧美一区视频在线观看| 电影成人av| 精品久久久精品久久久| 国产高清视频在线播放一区 | 精品第一国产精品| videos熟女内射| a在线观看视频网站| 岛国在线观看网站| 十八禁网站免费在线| 欧美中文综合在线视频| 丁香六月天网| 亚洲一卡2卡3卡4卡5卡精品中文| 五月天丁香电影| 精品久久久久久久毛片微露脸 | 久久亚洲精品不卡| 久久久精品94久久精品| 黄片小视频在线播放| 久久久久久久久免费视频了| 国产一区二区激情短视频 | 香蕉丝袜av| 午夜免费鲁丝| 国产主播在线观看一区二区| 日韩制服骚丝袜av| 水蜜桃什么品种好| 女人久久www免费人成看片| 热99re8久久精品国产| 国产精品一二三区在线看| 一个人免费在线观看的高清视频 | 人妻人人澡人人爽人人| 一本一本久久a久久精品综合妖精| 婷婷丁香在线五月| 嫩草影视91久久| 日本av免费视频播放| 在线 av 中文字幕| 免费高清在线观看日韩| 午夜免费鲁丝| 国产又色又爽无遮挡免| 在线av久久热| 天天躁夜夜躁狠狠躁躁| 亚洲人成电影观看| 岛国在线观看网站| 久久国产精品大桥未久av| 日本av手机在线免费观看| 在线观看免费视频网站a站| av片东京热男人的天堂| 国产欧美日韩一区二区三区在线| 国产黄色免费在线视频| 搡老熟女国产l中国老女人| 国产精品九九99| 丰满迷人的少妇在线观看| 久久av网站| 日日爽夜夜爽网站| 少妇裸体淫交视频免费看高清 | 黄频高清免费视频| 久热爱精品视频在线9| 久久精品亚洲av国产电影网| 好男人电影高清在线观看| 性少妇av在线| 日韩电影二区| 黄片播放在线免费| 国产一区二区三区在线臀色熟女 | 丝袜人妻中文字幕| 中文字幕制服av| 国产成人免费观看mmmm| 久久精品aⅴ一区二区三区四区| 91大片在线观看| 国产一卡二卡三卡精品| 久久国产精品人妻蜜桃| 一本一本久久a久久精品综合妖精| 两个人看的免费小视频| 欧美激情极品国产一区二区三区| 亚洲专区字幕在线| 久久精品成人免费网站| 国产欧美日韩一区二区三区在线| 韩国高清视频一区二区三区| a 毛片基地| 亚洲av电影在线进入| 日日摸夜夜添夜夜添小说| 欧美黑人欧美精品刺激| 亚洲免费av在线视频| 日韩制服丝袜自拍偷拍| 免费观看a级毛片全部| 国产精品一二三区在线看| 亚洲激情五月婷婷啪啪| 亚洲欧美一区二区三区久久| 亚洲精品国产精品久久久不卡| 人人妻人人添人人爽欧美一区卜| 欧美激情 高清一区二区三区| 欧美另类一区| 成年动漫av网址| 日韩一卡2卡3卡4卡2021年| 每晚都被弄得嗷嗷叫到高潮| 青草久久国产| 一级a爱视频在线免费观看| 满18在线观看网站| 在线观看舔阴道视频| 国产欧美亚洲国产| 50天的宝宝边吃奶边哭怎么回事| 久久中文看片网| 亚洲精品国产色婷婷电影| 午夜免费观看性视频| 国产精品秋霞免费鲁丝片| 亚洲 国产 在线| 99精品久久久久人妻精品| 另类精品久久| 在线观看免费日韩欧美大片| 黄色视频在线播放观看不卡| 久久人妻福利社区极品人妻图片| 脱女人内裤的视频| 国产精品二区激情视频| 亚洲精品国产一区二区精华液| 妹子高潮喷水视频| 亚洲精品久久久久久婷婷小说| 免费在线观看视频国产中文字幕亚洲 | 一个人免费在线观看的高清视频 | 国产欧美日韩一区二区三区在线| 一区在线观看完整版| 亚洲午夜精品一区,二区,三区| 亚洲精品美女久久久久99蜜臀| 久久国产精品人妻蜜桃| 少妇被粗大的猛进出69影院| 在线观看免费午夜福利视频| 黑人巨大精品欧美一区二区mp4| 男女边摸边吃奶| 岛国在线观看网站| 国产成人精品久久二区二区91| 在线十欧美十亚洲十日本专区| 亚洲国产精品一区二区三区在线| 女性被躁到高潮视频| 国产免费福利视频在线观看| 99国产精品一区二区三区| 少妇裸体淫交视频免费看高清 | 亚洲成国产人片在线观看| 午夜影院在线不卡| 亚洲精品国产一区二区精华液| 欧美97在线视频| 色综合欧美亚洲国产小说| 一区福利在线观看| 国产高清videossex| 久久天堂一区二区三区四区| 人人澡人人妻人| 十八禁网站网址无遮挡| 黄色毛片三级朝国网站| 久久国产精品大桥未久av| 99九九在线精品视频| 午夜福利在线免费观看网站| 一本综合久久免费| 亚洲国产精品一区二区三区在线| 咕卡用的链子| 国产亚洲欧美在线一区二区| 一级毛片精品| 国产欧美亚洲国产| 欧美性长视频在线观看| 波多野结衣一区麻豆| 午夜影院在线不卡| 脱女人内裤的视频| 天天操日日干夜夜撸| 纯流量卡能插随身wifi吗| 777米奇影视久久| 精品人妻熟女毛片av久久网站| 欧美性长视频在线观看| 国产熟女午夜一区二区三区| 国产淫语在线视频| 啦啦啦在线免费观看视频4| 欧美在线一区亚洲| 成人国产一区最新在线观看| 久久久久精品国产欧美久久久 | 欧美日韩亚洲国产一区二区在线观看 | 亚洲国产日韩一区二区| 丰满人妻熟妇乱又伦精品不卡| 国产免费av片在线观看野外av| 制服人妻中文乱码| 视频区欧美日本亚洲| 国产精品免费视频内射| 少妇人妻久久综合中文| 国产伦理片在线播放av一区| 亚洲欧美清纯卡通| 国产欧美日韩一区二区精品| 久久狼人影院| 日日爽夜夜爽网站| 一级,二级,三级黄色视频| 亚洲伊人色综图| 亚洲欧洲日产国产| 亚洲av电影在线进入| 欧美变态另类bdsm刘玥| 99re6热这里在线精品视频| 久久青草综合色| 久久精品人人爽人人爽视色| 欧美乱码精品一区二区三区| 久久人妻熟女aⅴ| 亚洲国产精品成人久久小说| 久久精品成人免费网站| 不卡一级毛片| 国产成人av教育| 亚洲国产毛片av蜜桃av| 免费久久久久久久精品成人欧美视频| 久久毛片免费看一区二区三区| 亚洲情色 制服丝袜| 国产三级黄色录像| 一区二区三区乱码不卡18| 大型av网站在线播放| 日韩一区二区三区影片| 美女主播在线视频| 精品亚洲成a人片在线观看| 大码成人一级视频| 国产av一区二区精品久久| 黄色a级毛片大全视频| 人人妻人人澡人人爽人人夜夜| 免费在线观看视频国产中文字幕亚洲 | av网站免费在线观看视频| 国产日韩欧美视频二区| 欧美人与性动交α欧美精品济南到| 男人舔女人的私密视频| 操美女的视频在线观看| 亚洲欧美色中文字幕在线| 免费av中文字幕在线| 99精品欧美一区二区三区四区| 亚洲精品久久午夜乱码| 女性生殖器流出的白浆| 热99国产精品久久久久久7| 国产黄色免费在线视频| 国产欧美日韩一区二区三区在线| 国产区一区二久久| 美女中出高潮动态图| 国产精品一区二区免费欧美 | 亚洲成人手机| 男女下面插进去视频免费观看| 久久国产精品影院| 最黄视频免费看| 亚洲欧美色中文字幕在线| 中文字幕最新亚洲高清| 国产亚洲欧美在线一区二区| 老司机亚洲免费影院| 亚洲国产欧美一区二区综合| 国产一级毛片在线| 久久久久久亚洲精品国产蜜桃av| 久久精品国产亚洲av香蕉五月 | 久久人妻熟女aⅴ| 亚洲精品一卡2卡三卡4卡5卡 | 另类精品久久|