• <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 ?

    基于離散Hopfield網(wǎng)絡(luò)的上市公司財務(wù)困境預(yù)警研究

    2016-12-10 04:59:42旸,林
    華東經(jīng)濟(jì)管理 2016年12期
    關(guān)鍵詞:公司財務(wù)神經(jīng)元困境

    楊 旸,林 輝

    基于離散Hopfield網(wǎng)絡(luò)的上市公司財務(wù)困境預(yù)警研究

    楊 旸,林 輝

    (南京大學(xué)商學(xué)院,江蘇南京 210093)

    上市公司陷入財務(wù)困境直接影響投資者收益、管理者決策和股東利益,建立行之有效的財務(wù)困境評價模型已成為學(xué)術(shù)界關(guān)注的焦點(diǎn)。文章在闡述模型和構(gòu)建指標(biāo)體系的基礎(chǔ)上,提出基于離散Hopfield網(wǎng)絡(luò)模型開展上市公司財務(wù)困境評價的步驟,以2013-2015年滬深A(yù)股被實(shí)施ST的上市公司為實(shí)證樣本,進(jìn)行財務(wù)困境預(yù)警實(shí)證研究和穩(wěn)健性檢驗。實(shí)證結(jié)果表明,本模型至少可以提前1年對ST上市公司的財務(wù)困境實(shí)現(xiàn)全面預(yù)警,可以提前6個季度對92%的ST上市公司進(jìn)行有效預(yù)警,故適用于財務(wù)困境預(yù)警研究且具有穩(wěn)健性。

    上市公司;財務(wù)困境;離散Hopfield網(wǎng)絡(luò);預(yù)警研究

    一、引言

    企業(yè)陷入財務(wù)困境(Financial Distress)是一個動態(tài)的過程,通常表現(xiàn)為企業(yè)經(jīng)營能力下降、流動資金缺乏、債務(wù)拖欠增加以及經(jīng)營業(yè)績“變臉”[1]。對上市公司而言,若最近兩個會計年度凈利潤為負(fù)值,或最近一個會計年度每股凈資產(chǎn)低于股票面值,將會受到證監(jiān)會退市警告,并將造成該公司股價大跌和債券價格斷崖式下跌,給債權(quán)人、股東和投資者帶來不可估量的損失。2013年4月,上市公司“超日太陽”發(fā)布2012年年度財務(wù)報表,年報顯示該公司已連續(xù)兩年虧損,證監(jiān)會因此向其發(fā)布退市警告,該公司股價隨即下跌;同年5月,鵬元資信將該公司所發(fā)行債券“11超日債”的信用等級調(diào)降為CCC,致使“11超日債”出現(xiàn)斷崖式下跌,該債券最終在2014年3月發(fā)生違約。由此可見,上市公司陷入財務(wù)困境將會對公司股價和債券價格產(chǎn)生嚴(yán)重的負(fù)面影響,不利于其未來融資和持續(xù)經(jīng)營。若能提前對上市公司財務(wù)困境實(shí)現(xiàn)有效的預(yù)警,將有利于輔助投資者調(diào)整資產(chǎn)配置,提高其風(fēng)險防范能力;上市公司也可以提早發(fā)現(xiàn)其財務(wù)管理和經(jīng)營過程中的問題,并通過調(diào)整經(jīng)營戰(zhàn)略使企業(yè)重新走上良性發(fā)展的道路。因此,評價上市公司財務(wù)狀況、實(shí)現(xiàn)公司財務(wù)困境預(yù)警,對維護(hù)股東利益、防范投資風(fēng)險以及監(jiān)控市場風(fēng)險都具有十分重要的意義。

    學(xué)術(shù)界圍繞企業(yè)財務(wù)困境評價過程已開展了較為豐富的研究。首先,在財務(wù)困境評價指標(biāo)方面,Altman[2]使用負(fù)債比率、流動比率、凈資產(chǎn)收益率和資金周轉(zhuǎn)速度等作為評價企業(yè)財務(wù)困境的變量。Hajek[3]和Doumpos[4]運(yùn)用現(xiàn)金流量信息預(yù)測企業(yè)財務(wù)困境。謝平[5]認(rèn)為企業(yè)財務(wù)狀況評估需考慮企業(yè)經(jīng)營環(huán)境、所有制形式、管理水平、營運(yùn)價值、盈利能力、風(fēng)險程度等因素。呂長江[6]和董南雁[7]認(rèn)為盈利性、流動性和資產(chǎn)負(fù)債率指標(biāo)在解釋上市公司財務(wù)困境時具有意義。其次,企業(yè)財務(wù)困境評價方法主要包括線性概率模型、線性判定模型、Logistic回歸模型以及KMV模型等(吳世農(nóng)[8])。在針對上市公司的財務(wù)困境評價方法中,KMV模型應(yīng)用得較為廣泛(楊玲[9],陳延林[10])。但KMV模型受上市公司股價影響較大,而中國上市公司股權(quán)結(jié)構(gòu)分為上市流通股和流通受限股兩種,其中流通受限股沒有確切的市場價格,因此在評估我國上市公司財務(wù)困境時不能直接套用KMV模型。

    近年來,人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network)正越來越多地應(yīng)用于企業(yè)財務(wù)狀況評價研究中,并被證明是此類研究有效的建模方法。神經(jīng)網(wǎng)絡(luò)模型是一種對數(shù)據(jù)分布無任何要求的非線性方法,具備分布信息存儲、大規(guī)模并行處理、自學(xué)習(xí)、自組織、自適應(yīng)和較強(qiáng)容錯性等優(yōu)點(diǎn),能有效解決非正態(tài)分布、樣本集大、非線性的預(yù)測評估問題。王春峰[11]和吳沖[12]研究了人工神經(jīng)網(wǎng)絡(luò)在企業(yè)信用風(fēng)險評價中的應(yīng)用,認(rèn)為前饋型神經(jīng)網(wǎng)絡(luò)比傳統(tǒng)統(tǒng)計方法具有更高的判別準(zhǔn)確度。Yu[13]運(yùn)用多層感知器神經(jīng)網(wǎng)絡(luò)構(gòu)建企業(yè)信用評分模型,并通過實(shí)證驗證了模型的有效性。Lee[14]和West[15]認(rèn)為神經(jīng)網(wǎng)絡(luò)等非參數(shù)統(tǒng)計方法在信用評級的研究中優(yōu)于經(jīng)典統(tǒng)計模型,且具有較高的穩(wěn)定性。Zhong[16]在企業(yè)信用評級中,將BP、ELM、I-ELM等前饋型神經(jīng)網(wǎng)絡(luò)進(jìn)行對比,認(rèn)為ELM和BP神經(jīng)網(wǎng)絡(luò)的建模效果更優(yōu)。

    從國內(nèi)外已有的文獻(xiàn)來看,這一領(lǐng)域的研究已被廣泛討論并取得了豐富的成果,但仍存在以下幾點(diǎn)不足之處:①在前饋型神經(jīng)網(wǎng)絡(luò)中,數(shù)據(jù)正向流動且沒有反饋連接,故網(wǎng)絡(luò)輸出值僅由輸入值和連接權(quán)值決定;但根據(jù)反饋型神經(jīng)網(wǎng)絡(luò)原理,建立由輸出值到輸入值的誤差反饋是提高模型仿真精度和穩(wěn)健性的有效方法[17],因此本文將采用反饋型神經(jīng)網(wǎng)絡(luò)開展上市公司財務(wù)困境評價和穩(wěn)健性檢驗。②上市公司披露財務(wù)報表的時間通常滯后于報表所代表的季度、半年或年度,故基于財務(wù)報表數(shù)據(jù)開展的預(yù)警評價具有時滯性,以往文獻(xiàn)籠統(tǒng)地將預(yù)警時間視為財務(wù)報表所代表的時間,導(dǎo)致預(yù)警效果被放大,因此本研究將以各上市公司財務(wù)報表披露時間和被實(shí)施ST時間為依據(jù),對預(yù)警實(shí)際提前的時間進(jìn)行統(tǒng)計?;诖?,本文建立具有聯(lián)想記憶功能的反饋型神經(jīng)網(wǎng)絡(luò)——離散Hopfield網(wǎng)絡(luò)開展財務(wù)困境評價研究,以2013-2015年滬深A(yù)股被實(shí)施ST的上市公司為樣本,進(jìn)行財務(wù)困境預(yù)警實(shí)證研究和穩(wěn)健性檢驗。結(jié)果顯示,本模型至少可以提前1年對ST上市公司的財務(wù)困境實(shí)現(xiàn)全面預(yù)警,可以提前6個季度對92%的ST上市公司進(jìn)行有效預(yù)警,表明其適用于財務(wù)困境預(yù)警評價且具有穩(wěn)健性,能夠為上市公司股東、投資者以及監(jiān)管機(jī)構(gòu)提供決策依據(jù)。

    二、研究方法

    離散Hopfield神經(jīng)網(wǎng)絡(luò)(Discrete Hopfield Neural Network,以下簡稱“離散Hopfield網(wǎng)絡(luò)”或“DHNN”)是典型的反饋動力學(xué)神經(jīng)網(wǎng)絡(luò),其具有比前饋神經(jīng)網(wǎng)絡(luò)更強(qiáng)的聯(lián)想記憶(Associative Memory)能力[17],故又稱為聯(lián)想記憶網(wǎng)絡(luò)。DHNN是一種循環(huán)的神經(jīng)網(wǎng)絡(luò),從輸出到輸入有反饋連接,其網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)如圖1所示。

    圖1 DHNN拓?fù)浣Y(jié)構(gòu)

    圖1中,DHNN模型第0層為網(wǎng)絡(luò)原始代碼的輸入層,輸入層由3個神經(jīng)元組成,假設(shè)其分別代表3個研究指標(biāo)。第1層神經(jīng)元執(zhí)行由輸入信息與權(quán)重的乘積求和,并通過非線性函數(shù)f處理后產(chǎn)生的輸出信息。神經(jīng)元之間的連接權(quán)值為wij。雖然神經(jīng)元自身無法連接,但每個神經(jīng)元都將其輸出通過突觸權(quán)值傳遞給其他的神經(jīng)元,故DHNN是一個反饋神經(jīng)網(wǎng)絡(luò)。f是閾值函數(shù),若神經(jīng)元輸出信息大于閾值,那么神經(jīng)元的輸出取值為1,表示該上市公司陷入財務(wù)困境;若小于閾值,則神經(jīng)元的輸出取值為-1,表示該公司財務(wù)狀況良好。

    與人腦的聯(lián)想記憶功能類似,DHNN聯(lián)想記憶是通過線性或非線性映射將任意的輸入矢量集轉(zhuǎn)為輸出矢量集的過程,即在模型中存入n組上市公司財務(wù)樣本,經(jīng)過模型訓(xùn)練后形成貯存模式,貯存模式由神經(jīng)元與神經(jīng)元的連接權(quán)值構(gòu)成,當(dāng)輸入當(dāng)新的帶噪聲的樣本時,要求網(wǎng)絡(luò)通過聯(lián)想將該樣本歸類于某一貯存模式。實(shí)現(xiàn)聯(lián)想記憶需要記憶和聯(lián)想兩個階段[18]:在記憶階段,外界輸入數(shù)據(jù),系統(tǒng)自動調(diào)整網(wǎng)絡(luò)的權(quán)值,最終用合適的權(quán)值使系統(tǒng)具有若干個穩(wěn)定平衡狀態(tài),即吸引子。能夠最終演化為該吸引子的初始狀態(tài)集合為該吸引子的吸引域,吸引域半徑定義為吸引子所能吸引的狀態(tài)的最大距離,吸引域半徑越大說明系統(tǒng)聯(lián)想能力越強(qiáng);在聯(lián)想階段,對于給定的輸入模式,系統(tǒng)經(jīng)過一定的演化過程,最終穩(wěn)定收斂于某個吸引子,即穩(wěn)定平衡狀態(tài)。DHNN運(yùn)行步驟主要分為以下4步:

    第1步,從第0層神經(jīng)元網(wǎng)絡(luò)中隨機(jī)選取神經(jīng)元i,計算該神經(jīng)元i在t時刻的輸入:

    其中,n表示網(wǎng)絡(luò)神經(jīng)元的個數(shù),wij表示第i個神經(jīng)元和第j個神經(jīng)元之間的連接權(quán)值,yi為外部輸入,θi表示t時刻第i個神經(jīng)元的閾值,xi(t)的計算公式為:

    第2步,計算該神經(jīng)元i的輸出ui(t+1)。由于該網(wǎng)絡(luò)是漸進(jìn)穩(wěn)定的,隨著時間的推移,網(wǎng)絡(luò)狀態(tài)向能量減小的方向移動,穩(wěn)定平衡狀態(tài)就是能量的極小點(diǎn)。能量極小點(diǎn)的分布由網(wǎng)絡(luò)的連接權(quán)和閾值決定,設(shè)計能量極小點(diǎn)的核心是獲取一組合適的參數(shù)值。根據(jù)周開利[17]的研究,將DHNN的能量函數(shù)定義為:

    在DHNN中,若wij為對稱矩陣,且對角元素非負(fù),則其能量函數(shù)單調(diào)下降,能量函數(shù)總能收斂到一個穩(wěn)定點(diǎn)[19],將此時的xi、wij代入公式(1),并計算該神經(jīng)元i的輸出ui(t+1),保證此時網(wǎng)絡(luò)中的其他神經(jīng)元輸出保持不變。

    其中,ui(t)可由第2步計算得出,ui(t+1)為1表示該上市公司陷入財務(wù)困境,ui(t+1)為-1表示該公司財務(wù)狀況良好。

    第3步,判斷DHNN是否達(dá)到穩(wěn)定狀態(tài)。DHNN穩(wěn)定狀態(tài)為從某一時刻計起,狀態(tài)不再發(fā)生變化,稱網(wǎng)絡(luò)處于穩(wěn)定狀態(tài),即

    第4步,若網(wǎng)絡(luò)達(dá)到穩(wěn)定狀態(tài),則輸出ui(t+1);否則返回第1步,直到網(wǎng)絡(luò)處于穩(wěn)定狀態(tài)。

    DHNN作為反饋型網(wǎng)絡(luò),其所具有的非線性動力學(xué)系統(tǒng)的動態(tài)特性,為企業(yè)財務(wù)困境的評價提供了新的思路。首先,根據(jù)反映財務(wù)狀況的n個變量,設(shè)計含有n個神經(jīng)元的網(wǎng)絡(luò),每個變量在不同等級中的神經(jīng)元的取值不完全相同;其次,網(wǎng)絡(luò)穩(wěn)定的平衡狀態(tài)可以通過設(shè)計編碼被存儲到網(wǎng)絡(luò)中,財務(wù)狀況的典型狀態(tài)亦可通過事先編碼設(shè)計進(jìn)行存儲,DHNN模型一旦形成,則在對新樣本進(jìn)行仿真時具有潛在的超高速性;最后,由于DHNN模型可以收斂到穩(wěn)定狀態(tài),表明該網(wǎng)絡(luò)能夠根據(jù)指標(biāo)輸入將樣本企業(yè)歸于某一典型財務(wù)狀態(tài)。

    三、財務(wù)困境評價指標(biāo)體系

    在以往文獻(xiàn)成果基礎(chǔ)上,本文將財務(wù)困境評價指標(biāo)體系劃分為反映上市公司盈利能力、償債能力和營運(yùn)能力的3大類指標(biāo),共包含10項財務(wù)指標(biāo)和1項綜合指標(biāo),見表1所列。首先,盈利能力(Earning Power)是指企業(yè)獲取利潤的能力,也稱為企業(yè)的資金或資本增值能力,通常表現(xiàn)為一定時期內(nèi)企業(yè)收益數(shù)額的多少及其水平的高低。在盈利能力指標(biāo)中,凈資產(chǎn)收益率(G1)為凈利潤與平均股東權(quán)益之比;凈利潤增長率(G2)為本年凈利潤增長額與上年凈利潤之比;總資產(chǎn)凈利率(G3)為凈利潤與平均資產(chǎn)總額之比。

    表1 財務(wù)困境評價指標(biāo)體系

    其次,償債能力(debt-paying ability)是指企業(yè)用其資產(chǎn)償還長期債務(wù)與短期債務(wù)的能力,企業(yè)有無償還債務(wù)的能力是其能否健康生存和發(fā)展的關(guān)鍵,也是反映其財務(wù)狀況和經(jīng)營能力的重要標(biāo)志。在償債能力指標(biāo)中,資產(chǎn)負(fù)債率(G4)為企業(yè)期末負(fù)債總額與資產(chǎn)總額之比,流動比率(G5)為流動資產(chǎn)與流動負(fù)債之比,速動比率(G6)為速動資產(chǎn)與流動負(fù)債之比,產(chǎn)權(quán)比率(G7)為負(fù)債總額與所有者權(quán)益總額之比。

    再次,營運(yùn)能力(Operating Capacity)反映企業(yè)資金運(yùn)營周轉(zhuǎn)的情況和企業(yè)管理經(jīng)濟(jì)資源的效率。企業(yè)資產(chǎn)周轉(zhuǎn)越快、流動性越強(qiáng),則企業(yè)償債能力越強(qiáng),資產(chǎn)獲取利潤速度越快。在營運(yùn)能力指標(biāo)中,銷售凈利率(G8)為凈利潤與銷售收入之比,存貨周轉(zhuǎn)率(G9)為銷貨成本與平均存貨余額之比,總資產(chǎn)周轉(zhuǎn)天數(shù)(G10)為營業(yè)收入凈額與平均資產(chǎn)總額之比。

    最后,Z值則是反映企業(yè)財務(wù)狀況的綜合指標(biāo),依據(jù)Altman(1968)[2]衡量企業(yè)破產(chǎn)風(fēng)險的Z值分析法,計算公式如下:

    其中,x1=營運(yùn)資本/總資產(chǎn),x2=留存收益/總資產(chǎn),x3=息稅前利潤/總資產(chǎn),x5=所有者權(quán)益的市場價值/總資產(chǎn),x5=銷售收入/總資產(chǎn)。

    四、實(shí)證分析

    實(shí)證分析的思路是先在行業(yè)內(nèi)部對各財務(wù)指標(biāo)進(jìn)行等級劃分,以此劃分標(biāo)準(zhǔn)對該行業(yè)上市公司的財務(wù)數(shù)據(jù)進(jìn)行編碼,進(jìn)而運(yùn)用DHNN模型甄別該行業(yè)陷入財務(wù)困境的上市公司。在此基礎(chǔ)上,將預(yù)警研究推廣至全行業(yè),對2015年被實(shí)施ST的上市公司進(jìn)行財務(wù)困境預(yù)警,并通過2013、2014年樣本開展穩(wěn)健性檢驗。本文的實(shí)證數(shù)據(jù)均來源于Wind資訊。

    (一)實(shí)證步驟

    第1步,根據(jù)申萬一級行業(yè)分類標(biāo)準(zhǔn),我國化工行業(yè)上市公司在全部上市公司中的數(shù)量占比最高,故本文選擇化工行業(yè)上市公司作為闡述實(shí)證步驟的樣本,通過化工行業(yè)上市公司2014年財務(wù)年報對部分在2015年被ST的公司進(jìn)行預(yù)警。借鑒肖斌卿[20]的研究方法,在剔除各財務(wù)指標(biāo)異常值后,計算各指標(biāo)均值μi和標(biāo)準(zhǔn)差σi,其中i為指標(biāo)個數(shù),i=1,2,…,11,將(μi-2.5σi,μi+2.5σi)區(qū)間等距劃分為5個子區(qū)間,分別代表5個財務(wù)等級(等級Ⅰ、等級Ⅱ、等級Ⅲ、等級Ⅳ和等級Ⅴ),并將等級Ⅰ和等級Ⅴ調(diào)整為無限區(qū)間以涵蓋數(shù)據(jù)異常值。

    第3步,基于Matlab神經(jīng)網(wǎng)絡(luò)工具箱創(chuàng)建上市公司財務(wù)困境預(yù)警DHNN模型,并通過模型對該行業(yè)內(nèi)268家上市公司樣本進(jìn)行實(shí)證檢驗。限于篇幅,本文在化工行業(yè)上市公司中隨機(jī)提取并展示30家上市公司實(shí)證樣本編碼和實(shí)證結(jié)果,實(shí)證樣本的編碼規(guī)則為每一橫行自上而下依次表示11個指標(biāo)的神經(jīng)元狀態(tài),如圖2所示。

    從圖2可知,金牛化工(600722)、金路集團(tuán)(000510)、天晟新材(300169)、瀘天化(000912)、融捷股份(002192)的財務(wù)狀況被判別為等級Ⅳ,恒天海龍(000677)的財務(wù)狀況被判別為等級Ⅴ,模型認(rèn)為這6家上市公司在2014年年報公布時已陷入財務(wù)困境。事實(shí)是除了天晟新材(300169),其余5家上市公司均在2015年被ST,表明模型能夠有效通過財務(wù)報表甄別出陷入財務(wù)困境的上市公司,且研究設(shè)定的財務(wù)困境評價指標(biāo)體系和DHNN模型實(shí)證步驟具有有效性。此外,天晟新材(300169)雖未在2015年被證監(jiān)會列為ST公司,但其財務(wù)指標(biāo)數(shù)據(jù)反映出該公司財務(wù)狀況已落后于同行業(yè)其他公司,應(yīng)引起投資者和公司管理者的重視。

    進(jìn)一步,將DHNN評價結(jié)果與前饋型神經(jīng)網(wǎng)絡(luò)評價結(jié)果進(jìn)行比較。BP神經(jīng)網(wǎng)絡(luò)(以下簡稱“BPNN”)和RBF神經(jīng)網(wǎng)絡(luò)(以下簡稱“RBFNN”)作為典型的前饋型神經(jīng)網(wǎng)絡(luò)模型,已被廣泛應(yīng)用于上市公司財務(wù)困境評價研究中,本文采用與楊淑娥[21]和張新紅[22]相同的研究方法,在各行業(yè)內(nèi)隨機(jī)抽取訓(xùn)練樣本,并采取與上述實(shí)證相同的檢驗樣本,其中訓(xùn)練樣本與檢驗樣本比例為3∶1,分別建立BPNN和RBFNN模型進(jìn)行財務(wù)困境評價。在對模型有效性進(jìn)行衡量時,本文依據(jù)Blanco[23]的兩種錯誤分類構(gòu)造誤判成本(misclassification cost,簡稱“mc”)。其中,Ⅰ類錯誤率指財務(wù)正常企業(yè)被錯評為財務(wù)困境企業(yè)的比率,Ⅱ類錯誤率指財務(wù)困境企業(yè)被錯評為財務(wù)正常企業(yè)的比率,相比于Ⅰ類錯誤,Ⅱ類錯誤的發(fā)生將會對投資者帶來更大的損失,故本文將Ⅱ類錯誤的成本設(shè)為Ⅰ類錯誤成本的5倍。誤判成本計算公式為

    其中,c21和c12分別表示發(fā)生Ⅰ類錯誤和Ⅱ類錯誤的成本,π21和π12分別表示發(fā)生Ⅰ類錯誤和Ⅱ類錯誤的比率,p1和p2分別表示樣本中2015年為非ST公司和ST公司的占比。模型有效性衡量結(jié)果見表2所列。

    由表2可知,DHNN模型在ST公司識別率和誤判成本方面均優(yōu)于另外兩種模型,表明DHNN模型具備評價上市公司財務(wù)困境的能力,能有效地通過財務(wù)年報數(shù)據(jù)對ST上市公司進(jìn)行甄別。因此,本研究將進(jìn)一步提高財務(wù)數(shù)據(jù)頻度并將研究樣本擴(kuò)展至全行業(yè),運(yùn)用DHNN模型進(jìn)行上市公司財務(wù)困境預(yù)警研究。

    圖2 實(shí)證樣本編碼與輸出結(jié)果

    表2 模型有效性衡量結(jié)果

    (二)上市公司財務(wù)困境預(yù)警

    在前述實(shí)證研究步驟基礎(chǔ)上,本文將研究樣本擴(kuò)展至全行業(yè),運(yùn)用DHNN模型開展ST上市公司財務(wù)困境預(yù)警研究。剔除因非財務(wù)問題被實(shí)施ST的上市公司后得到,2015年滬深兩市A股被實(shí)施ST上市公司共32家,分布在18個行業(yè)中。本文對其2010-2014年財務(wù)年報、中報和季報數(shù)據(jù)進(jìn)行搜集,依前述研究步驟計算各行業(yè)財務(wù)指標(biāo)等級標(biāo)準(zhǔn),對預(yù)警樣本進(jìn)行編碼,進(jìn)而開展上市公司財務(wù)困境預(yù)警。在實(shí)證過程中記錄各樣本被預(yù)警時所依據(jù)的財務(wù)報表,并借鑒陳延林[10]的方法,運(yùn)用“累計預(yù)警率”描述模型預(yù)警效果。圖3是通過本模型預(yù)警2015年被ST公司的累計準(zhǔn)確率。

    圖3 對2015年被ST公司的累計預(yù)警準(zhǔn)確率

    首先,證監(jiān)會定義ST公司的財務(wù)標(biāo)準(zhǔn)之一是最近兩個會計年度的凈利潤為負(fù)值,而從圖3統(tǒng)計結(jié)果發(fā)現(xiàn),在2013年三季度財務(wù)報表公布時,DHNN模型預(yù)警的累計準(zhǔn)確率為93.75%,這表明在最近兩個會計年度財務(wù)報告公布之前,本模型可實(shí)現(xiàn)對絕大多數(shù)ST上市公司財務(wù)困境的預(yù)警。其次,當(dāng)2012年一季度財務(wù)報表公布時,累計預(yù)警準(zhǔn)確率的增速加快;當(dāng)2013年上市公司財務(wù)年報公布時,全部樣本均被DHNN模型預(yù)警,這表明隨著時間向被實(shí)施ST年份(2015年)臨近,DHNN模型的預(yù)警能力也逐年增強(qiáng)。除以上結(jié)論還可以發(fā)現(xiàn),根據(jù)2010-2011年上市公司財務(wù)年報、中報和季報數(shù)據(jù),模型即實(shí)現(xiàn)了31.25%的累計預(yù)警準(zhǔn)確率,說明這些企業(yè)的財務(wù)困境預(yù)警時間被提前了3至5年,這將有助于公司預(yù)判財務(wù)風(fēng)險、提前調(diào)整經(jīng)營策略和強(qiáng)化財務(wù)管理,是模型對實(shí)際應(yīng)用的重要貢獻(xiàn)。

    對照組患者術(shù)后給予常規(guī)護(hù)理,包括:跟患者介紹周圍的環(huán)境,講解手術(shù)后可能出現(xiàn)的不良反應(yīng),跟患者說明用藥方法,介紹一些常規(guī)檢查,常規(guī)的輸液以及相應(yīng)檢查項目的用處,日常飲食的要求[3]等。

    以各上市公司財務(wù)報表披露時間和被實(shí)施ST時間為依據(jù),對預(yù)警實(shí)際提前的時間進(jìn)行統(tǒng)計。將作為預(yù)警依據(jù)的財務(wù)報表的披露時間記為tk,i,其中k代表被實(shí)施ST的年份,i代表各樣本公司,易知k=2015,i=1,2,…,32;記上市公司被實(shí)施ST的時間為,則ST公司被提前預(yù)警的時間為。表3是被預(yù)警公司和提前預(yù)警的時間統(tǒng)計。

    表3 被預(yù)警公司和提前預(yù)警的時間(k=2015)

    由表3可知,考慮了上市公司財務(wù)報表披露的時滯性后,DHNN模型實(shí)證結(jié)果顯示其至少可以提前1年實(shí)現(xiàn)對所有2015被實(shí)施ST上市公司的預(yù)警,可以提前6個季度對93.75%的ST上市公司進(jìn)行有效預(yù)警。在距離實(shí)施ST的最近3年至最近1年間,運(yùn)用DHNN模型可提早識別24家陷入財務(wù)困境的上市公司,占總樣本的75%;在距離實(shí)施ST的最近5年至最近4年間,運(yùn)用DHNN模型可有效識別8家陷入財務(wù)困境的上市公司,故可以輔助投資者和監(jiān)管者預(yù)判上市公司的財務(wù)狀況。

    此外,證監(jiān)會在定義ST公司時使用的是年報數(shù)據(jù),而DHNN模型在對上市公司財務(wù)困境進(jìn)行預(yù)警時采用的是企業(yè)財務(wù)年報、中報和季報數(shù)據(jù),這些較高頻度的數(shù)據(jù)可以更加及時地反映企業(yè)財務(wù)狀況變動狀況。對投資者而言,較高頻度地使用預(yù)警模型將更有利于提前甄別陷入財務(wù)困境的企業(yè),從而通過提前變更資產(chǎn)配置來規(guī)避風(fēng)險;對企業(yè)管理者來說,若能提前對公司財務(wù)困境實(shí)現(xiàn)有效的預(yù)警,則可以提早發(fā)現(xiàn)其財務(wù)管理和經(jīng)營過程中的問題,采取相應(yīng)的改進(jìn)措施。對監(jiān)管者而言,能夠相對高頻并有效地對滬深兩市A股上市公司進(jìn)行財務(wù)困境評價,將有利于其監(jiān)控市場整體信用風(fēng)險狀況并及時采取相應(yīng)監(jiān)管措施。

    (三)穩(wěn)健性檢驗

    本文對2013年、2014年被實(shí)施ST的滬深兩市A股上市公司進(jìn)行財務(wù)困境預(yù)警,以檢驗?zāi)P偷姆€(wěn)健性。剔除因非財務(wù)問題被實(shí)施ST的上市公司后得到,2013年被ST的上市公司共13家,分布在12個行業(yè)中;2014年被ST的上市公司共30家,分布在22個行業(yè)中。采用與上一節(jié)實(shí)證相同的方法,計算模型的累計預(yù)警準(zhǔn)確率和ST公司被提前預(yù)警的時間。圖4是運(yùn)用DHNN模型對2013年、2014年被ST公司進(jìn)行預(yù)警的累計準(zhǔn)確率,表4是被預(yù)警公司和提前預(yù)警的時間統(tǒng)計。

    圖4 對2013年、2014年被ST公司的累計預(yù)警準(zhǔn)確率

    表4 被預(yù)警公司和提前預(yù)警的時間

    首先,由圖4可知,在2011年一季度財務(wù)報表公布時,運(yùn)用DHNN模型即可實(shí)現(xiàn)對全部2013年被實(shí)施ST公司的預(yù)警,較2011年年報披露時間提早了3個季度;在2012年三季度財務(wù)報表公布時,運(yùn)用DHNN模型可實(shí)現(xiàn)對96.67%的2014年被實(shí)施ST公司預(yù)警,表明該模型具備預(yù)警絕大多數(shù)上市公司財務(wù)困境的能力。其次,由表4可知,考慮了上市公司財務(wù)報表披露的時滯性后,DHNN模型至少可以提前1年實(shí)現(xiàn)對2013、2014年全部被實(shí)施ST上市公司的財務(wù)困境預(yù)警,并且可以提前6個季度對92.31%和93.33%的ST上市公司進(jìn)行有效預(yù)警。最后,在實(shí)施ST年份的近3年至近1年間,DHNN模型在2013、2014兩組樣本中分別有效識別了7家和17家ST上市公司,分別占總體樣本的53.85%和56.67%。在實(shí)施ST的最近5年至最近4年間,DHNN模型在兩組樣本中分別有效識別了6家和13家ST上市公司。以上結(jié)果表明運(yùn)用DHNN模型開展上市公司財務(wù)困境預(yù)警具有穩(wěn)健性。

    五、研究結(jié)論

    本文基于具有聯(lián)想記憶功能的反饋型神經(jīng)網(wǎng)絡(luò)——離散Hopfield網(wǎng)絡(luò)開展上市公司財務(wù)困境預(yù)警研究。在闡述離散Hopfield網(wǎng)絡(luò)基本原理和建立財務(wù)困境評價指標(biāo)體系基礎(chǔ)上,提出基于模型開展財務(wù)困境評價的步驟,進(jìn)而以2013-2015年滬深A(yù)股被實(shí)施ST的上市公司為實(shí)證樣本,進(jìn)行上市公司財務(wù)困境預(yù)警研究,并進(jìn)行穩(wěn)健性檢驗。實(shí)證結(jié)果顯示,本模型至少可以提前1年對ST上市公司的財務(wù)困境實(shí)現(xiàn)全面預(yù)警,可以提前6個季度對92%的ST上市公司進(jìn)行有效預(yù)警,表明其適用于上市公司財務(wù)困境預(yù)警且具有穩(wěn)健性。

    離散Hopfield神經(jīng)網(wǎng)絡(luò)作為一種反饋型神經(jīng)網(wǎng)絡(luò),能夠?qū)⑤敵鲋档钠罘答伒街暗妮斎胫?,通過不斷修正連接權(quán)值形成判別企業(yè)財務(wù)狀況的依據(jù),將樣本收斂于某一典型財務(wù)等級,該模型不僅能識別陷入財務(wù)困境的上市公司,還能對缺乏盈利能力、償債能力和營運(yùn)能力的上市公司進(jìn)行風(fēng)險預(yù)警。本研究豐富了財務(wù)困境的評價方法,為投資者規(guī)避投資風(fēng)險、監(jiān)管機(jī)構(gòu)監(jiān)測上市公司財務(wù)風(fēng)險提供了決策依據(jù)。在研究中,本文設(shè)定典型財務(wù)等級的方法仍需要借助人工進(jìn)行數(shù)據(jù)整理,導(dǎo)致時間成本較高,在下一階段的研究中將考慮設(shè)計借助財務(wù)歷史數(shù)據(jù)迭代求解典型財務(wù)等級的閾值,進(jìn)一步提升模型的自適應(yīng)性和智能水平。

    注釋:

    ①上市公司財務(wù)報表披露時間具有滯后性,一季報披露時間為當(dāng)年4月30日前,半年報為當(dāng)年8月31日前,三季報為當(dāng)年10月31日前,年報為下一會計年度4月30日前。

    [1]Aharony J,Jones C P,Swary I.An Analysis of Risk and Re?turn Characteristics of Corporate Bankruptcy Using Capital Market Data[J].The Journal of Finance,1980,35(4):1001-1016.

    [2]Altman E I.Financial ratios,discriminant Analysis and the Prediction of Corporate Bankruptcy[J].The Journal of Finance,1968,23(4):589-609.

    [3]Hajek P,Michalak K.Feature Selection in Corporate Credit Rating Prediction[J].Knowledge-Based Systems,2013,51(1):72-84.

    [4]Doumpos M,Niklis D,Zopounidis C,et al.Combining Ac?counting Data and A Structural Model for Predicting Credit Ratings:Empirical Evidence from European Listed Firms[J].Journal of Banking&Finance,2015,50(1):599-607.

    [5]謝平,許國平,李德.運(yùn)用信用評級原理加強(qiáng)金融監(jiān)管[J].管理世界,2001(1):125-131.

    [6]呂長江,徐麗莉,周琳.上市公司財務(wù)困境與財務(wù)破產(chǎn)的比較分析[J].經(jīng)濟(jì)研究,2004(8):64-73.

    [7]董南雁,賈宗武,張俊瑞.財務(wù)困境類公司資產(chǎn)結(jié)構(gòu)的價值相關(guān)性研究[J].統(tǒng)計與信息論壇,2012,27(5):60-65.

    [8]吳世農(nóng),盧賢義.我國上市公司財務(wù)困境的預(yù)測模型研究[J].經(jīng)濟(jì)研究,2001(6):46-55.

    [9]張玲,楊貞柿,陳收.KMV模型在上市公司信用風(fēng)險評價中的應(yīng)用研究[J].系統(tǒng)工程,2004,22(11):84-89.

    [10]陳延林,吳曉.A股上市公司ST風(fēng)險預(yù)警——基于KMV模型的大樣本經(jīng)驗實(shí)證[J].華南師范大學(xué)學(xué)報:社會科學(xué)版,2014(4):92-99.

    [11]王春峰,萬海暉,張維.基于神經(jīng)網(wǎng)絡(luò)技術(shù)的商業(yè)銀行信用風(fēng)險評估[J].系統(tǒng)工程理論與實(shí)踐,1999,19(9):24-32.

    [12]吳沖,張霞,張新穎.基于橢圓概率神經(jīng)網(wǎng)絡(luò)的企業(yè)財務(wù)危機(jī)預(yù)警[J].統(tǒng)計與信息論壇,2013,28(2):18-22.

    [13]Yu L,Wang S,Lai K K.Credit Risk Assessment with A Multistage Neural Network Ensemble Learning Approach[J]. Expert Systems with Applications,2008,34(2):1434-1444.

    [14]Lee T S,Chen I F.A Two-stage Hybrid Credit Scoring Model Using Artificial Neural Networks and Multivariate Adaptive Regression Splines[J].Expert Systems with Applications,2005,28(4):743-752.

    [15]West D.Neural Network Credit Scoring Models[J].Computers and Operations Research,2000,27(11):1131-1152.

    [16]Zhong H,Miao C,Shen Z,et al.Comparing the Learning Effectiveness of BP,ELM,I-ELM,and SVM for Corporate Credit Ratings[J].Neurocomputing,2013,128(5):285-295.

    [17]周開利,康耀紅.神經(jīng)網(wǎng)絡(luò)模型及其MATLAB仿真程序設(shè)計[M].北京:清華大學(xué)出版社,2005:15-30.

    [18]方先明,熊鵬,張誼浩.基于Hopfield神經(jīng)網(wǎng)絡(luò)的信用風(fēng)險評價模型及其應(yīng)用[J].中央財經(jīng)大學(xué)學(xué)報,2007(8): 34-40.

    [19]周園園,亓建榮,周俊昌,等.離散Hopfield神經(jīng)網(wǎng)絡(luò)在瀝青路面使用性能評價中的應(yīng)用[J].重慶交通大學(xué)學(xué)報:自然科學(xué)版,2012,31(5):970-973.

    [20]肖斌卿,楊旸,李心丹,等.基于GA-ANN的中國金融安全預(yù)警系統(tǒng)設(shè)計及實(shí)證分析[J].系統(tǒng)工程理論與實(shí)踐,2015,35(8):1928-1937.

    [21]楊淑娥,黃禮.基于BP神經(jīng)網(wǎng)絡(luò)的上市公司財務(wù)預(yù)警模型[J].系統(tǒng)工程理論與實(shí)踐,2005,25(1):12-18.

    [22]張新紅,王瑞曉.我國上市公司信用風(fēng)險預(yù)警研究[J].宏觀經(jīng)濟(jì)研究,2011(1):50-54.

    [23]Blanco A,Pino-Mejías R,Lara J,et al.Credit scoring mod?els for the microfinance industry using neural networks:Evidence from Peru[J].Expert Systems with Applications,2013,40(1):356-364.

    [責(zé)任編輯:歐世平]

    An Early Warning Research on Financial Distress of Listed Companies Based on Discrete Hopfield Network

    YANG Yang,LIN Hui
    (School of Business,Nanjing University,Nanjing 210093,China)

    The financial distress of listed companies has a direct impact on the earnings of investors,decision-making of man?agers and interests of shareholders.The establishment of an effective evaluation model of financial distress has become the focus of academic attention.On the basis of model elaboration and index construction,this paper puts forward the implementation steps of financial distress evaluation based on discrete Hopfield network model,and then carries out financial distress fore?warning empirical research and robustness test on the samples of ST listed companies in Shanghai and Shenzhen A shares from 2013 to 2015.Empirical results show that this model can achieve a comprehensive forewarning on the ST listed companies’financial distress at least one year ahead,and can achieve effective forewarning on 92%ST listed companies six quarters ahead.The model is suitable for financial distress prediction research and has robustness.

    listed companies;financial distress;discrete Hopfield network;Early Warning Research

    F275

    A

    1007-5097(2016)12-0156-07

    10.3969/j.issn.1007-5097.2016.12.024

    2016-08-24

    國家自然科學(xué)基金面上項目(71271110);中國經(jīng)濟(jì)改革研究基金會資助項目(2016Z-002);2016年南京大學(xué)研究生跨學(xué)科科研創(chuàng)新基金資助課題

    楊旸(1990-),男,江蘇南京人,博士研究生,研究方向:金融工程,風(fēng)險管理;

    林輝(1972-),男,福建閩侯人,教授,博士生導(dǎo)師,管理學(xué)博士,研究方向:金融工程,風(fēng)險管理。

    猜你喜歡
    公司財務(wù)神經(jīng)元困境
    帶您了解上市公司財務(wù)資助
    《從光子到神經(jīng)元》書評
    自然雜志(2021年6期)2021-12-23 08:24:46
    關(guān)于加強(qiáng)房地產(chǎn)公司財務(wù)內(nèi)部控制管理的思考
    困境
    文苑(2020年12期)2020-04-13 00:54:08
    躍動的神經(jīng)元——波蘭Brain Embassy聯(lián)合辦公
    “鄰避”困境化解之策
    公司財務(wù)治理存在的問題及完善對策
    中國商論(2016年34期)2017-01-15 14:24:14
    證券公司財務(wù)集中管理的建設(shè)與完善
    中國商論(2016年34期)2017-01-15 14:24:07
    必須正視的理論困境
    我國霧霾治理的困境與出路
    黄色丝袜av网址大全| 中出人妻视频一区二区| 制服人妻中文乱码| 婷婷精品国产亚洲av| 欧美日本亚洲视频在线播放| 嫩草影院精品99| 久9热在线精品视频| 亚洲第一电影网av| 国产精品国产高清国产av| 日本与韩国留学比较| 麻豆国产97在线/欧美| 久久性视频一级片| 精品久久久久久久久久免费视频| 亚洲av五月六月丁香网| av中文乱码字幕在线| АⅤ资源中文在线天堂| 性色avwww在线观看| 亚洲av电影不卡..在线观看| 白带黄色成豆腐渣| 九九久久精品国产亚洲av麻豆| 丰满乱子伦码专区| 啪啪无遮挡十八禁网站| 一区二区三区免费毛片| 一级作爱视频免费观看| 午夜精品在线福利| 亚洲欧美精品综合久久99| 欧美xxxx黑人xx丫x性爽| 91久久精品国产一区二区成人 | 国产精品一区二区三区四区久久| 长腿黑丝高跟| 19禁男女啪啪无遮挡网站| 色综合站精品国产| 欧美激情在线99| 成人av在线播放网站| 校园春色视频在线观看| 日本一本二区三区精品| 韩国av一区二区三区四区| 手机成人av网站| 亚洲av中文字字幕乱码综合| 精品欧美国产一区二区三| 嫁个100分男人电影在线观看| 美女高潮的动态| 久9热在线精品视频| 精品久久久久久成人av| 一级毛片高清免费大全| 91九色精品人成在线观看| h日本视频在线播放| 精品电影一区二区在线| 他把我摸到了高潮在线观看| 亚洲性夜色夜夜综合| 久久久久九九精品影院| 一级黄片播放器| 99热这里只有精品一区| 少妇的逼水好多| 黄色日韩在线| 每晚都被弄得嗷嗷叫到高潮| 亚洲国产精品999在线| 天堂动漫精品| or卡值多少钱| 日韩有码中文字幕| 级片在线观看| 久久精品国产亚洲av涩爱 | 露出奶头的视频| 成人特级av手机在线观看| 香蕉丝袜av| 久久6这里有精品| 欧美成人一区二区免费高清观看| 男人和女人高潮做爰伦理| 成人性生交大片免费视频hd| 免费在线观看亚洲国产| 少妇的丰满在线观看| 男女那种视频在线观看| 久久精品国产综合久久久| 中文亚洲av片在线观看爽| 成人av一区二区三区在线看| 国产高清视频在线播放一区| 国产激情偷乱视频一区二区| 日韩精品中文字幕看吧| 亚洲av中文字字幕乱码综合| 少妇高潮的动态图| 亚洲真实伦在线观看| 欧美黑人欧美精品刺激| 午夜福利免费观看在线| 日本免费a在线| 国产精品av视频在线免费观看| 国内毛片毛片毛片毛片毛片| 亚洲人成伊人成综合网2020| 国产激情偷乱视频一区二区| 亚洲一区二区三区色噜噜| 国产高清激情床上av| 欧美性猛交╳xxx乱大交人| 久久久久国内视频| 又粗又爽又猛毛片免费看| 亚洲国产精品合色在线| 又紧又爽又黄一区二区| 12—13女人毛片做爰片一| 国产乱人视频| 色在线成人网| 欧美黑人欧美精品刺激| 国产精品自产拍在线观看55亚洲| 18美女黄网站色大片免费观看| 无人区码免费观看不卡| xxx96com| 国产精品一区二区三区四区免费观看 | 搞女人的毛片| 老司机深夜福利视频在线观看| 三级国产精品欧美在线观看| 午夜a级毛片| 哪里可以看免费的av片| 国产伦人伦偷精品视频| 精品欧美国产一区二区三| 91麻豆av在线| 国产av麻豆久久久久久久| 又黄又爽又免费观看的视频| 日韩中文字幕欧美一区二区| 午夜福利18| 久久久久久久久大av| 淫秽高清视频在线观看| 亚洲精品久久国产高清桃花| 国产精品久久久久久久久免 | 婷婷亚洲欧美| 久久中文看片网| 午夜福利视频1000在线观看| 久久精品国产综合久久久| 97人妻精品一区二区三区麻豆| 老鸭窝网址在线观看| 最近最新中文字幕大全电影3| 国产极品精品免费视频能看的| 19禁男女啪啪无遮挡网站| 亚洲成a人片在线一区二区| 99国产精品一区二区三区| av欧美777| 俺也久久电影网| 可以在线观看毛片的网站| 亚洲精品在线观看二区| 日韩欧美精品免费久久 | 国内少妇人妻偷人精品xxx网站| 精品久久久久久久毛片微露脸| 国产单亲对白刺激| 麻豆久久精品国产亚洲av| 成人特级av手机在线观看| www国产在线视频色| 亚洲av二区三区四区| 亚洲精品色激情综合| 三级毛片av免费| 特级一级黄色大片| 国产精品,欧美在线| 久99久视频精品免费| 欧美+日韩+精品| 午夜a级毛片| 久久午夜亚洲精品久久| 欧美绝顶高潮抽搐喷水| 亚洲av免费在线观看| 黄色片一级片一级黄色片| 内射极品少妇av片p| 久久99热这里只有精品18| tocl精华| 岛国在线观看网站| 国产精品日韩av在线免费观看| 欧美黄色淫秽网站| 日本黄色视频三级网站网址| 观看美女的网站| 国产高清videossex| 国产乱人视频| 一本久久中文字幕| 成人高潮视频无遮挡免费网站| 一进一出好大好爽视频| 日本撒尿小便嘘嘘汇集6| h日本视频在线播放| 哪里可以看免费的av片| svipshipincom国产片| 精品一区二区三区人妻视频| 欧美zozozo另类| 法律面前人人平等表现在哪些方面| 亚洲中文字幕一区二区三区有码在线看| 丰满乱子伦码专区| 精品久久久久久成人av| 精品人妻1区二区| 亚洲av熟女| 人妻丰满熟妇av一区二区三区| av中文乱码字幕在线| 最近最新免费中文字幕在线| 丁香六月欧美| 色吧在线观看| 人妻久久中文字幕网| 日韩中文字幕欧美一区二区| 两个人视频免费观看高清| 夜夜躁狠狠躁天天躁| 亚洲自拍偷在线| 99riav亚洲国产免费| 国产伦精品一区二区三区四那| 啦啦啦免费观看视频1| 青草久久国产| 网址你懂的国产日韩在线| 一二三四社区在线视频社区8| xxxwww97欧美| 999久久久精品免费观看国产| 亚洲性夜色夜夜综合| 亚洲天堂国产精品一区在线| 啦啦啦免费观看视频1| tocl精华| 一级黄色大片毛片| 少妇裸体淫交视频免费看高清| 观看免费一级毛片| 18禁黄网站禁片免费观看直播| 黄片大片在线免费观看| 欧美日韩瑟瑟在线播放| 久久久久久大精品| 尤物成人国产欧美一区二区三区| 亚洲国产精品999在线| 成年人黄色毛片网站| 好看av亚洲va欧美ⅴa在| 18禁国产床啪视频网站| 91麻豆av在线| 亚洲精品亚洲一区二区| 久久午夜亚洲精品久久| av天堂中文字幕网| 最近最新中文字幕大全免费视频| 色综合婷婷激情| 国产蜜桃级精品一区二区三区| 国产成人av教育| 国产精品99久久99久久久不卡| 淫秽高清视频在线观看| 国内精品久久久久精免费| 欧美在线黄色| xxxwww97欧美| 午夜福利高清视频| 18禁裸乳无遮挡免费网站照片| 99久久99久久久精品蜜桃| 久久久久久久久大av| 久久久国产精品麻豆| 少妇的丰满在线观看| 两个人的视频大全免费| 中国美女看黄片| 欧美日本视频| 国产三级黄色录像| 国产aⅴ精品一区二区三区波| 久久国产乱子伦精品免费另类| 久久性视频一级片| 在线a可以看的网站| 叶爱在线成人免费视频播放| 波多野结衣巨乳人妻| 久久精品国产自在天天线| 亚洲国产色片| 日本黄色视频三级网站网址| 一区二区三区免费毛片| 国产精品一区二区三区四区免费观看 | 老司机福利观看| 1000部很黄的大片| 日韩欧美精品免费久久 | 亚洲精品成人久久久久久| 成人av在线播放网站| av福利片在线观看| 狠狠狠狠99中文字幕| 一级毛片高清免费大全| 亚洲熟妇熟女久久| 久久久精品大字幕| 久久中文看片网| 欧美成人免费av一区二区三区| 老汉色∧v一级毛片| 欧美黑人巨大hd| 中文资源天堂在线| 中文字幕人妻丝袜一区二区| 尤物成人国产欧美一区二区三区| 亚洲片人在线观看| 精品日产1卡2卡| 久久精品91蜜桃| 免费搜索国产男女视频| 在线十欧美十亚洲十日本专区| 丰满乱子伦码专区| 九色国产91popny在线| 一a级毛片在线观看| 非洲黑人性xxxx精品又粗又长| 国产午夜福利久久久久久| 一夜夜www| 久久久久久久久中文| 在线免费观看的www视频| 91麻豆av在线| 欧美av亚洲av综合av国产av| xxxwww97欧美| 日韩人妻高清精品专区| 国产亚洲av嫩草精品影院| 亚洲色图av天堂| 听说在线观看完整版免费高清| 亚洲人成网站高清观看| 亚洲片人在线观看| 一卡2卡三卡四卡精品乱码亚洲| 国产精品影院久久| 国产美女午夜福利| 午夜福利高清视频| 操出白浆在线播放| 欧美一区二区精品小视频在线| 午夜福利在线观看吧| 欧美绝顶高潮抽搐喷水| 免费观看人在逋| 一区二区三区国产精品乱码| 九色成人免费人妻av| av黄色大香蕉| 久久婷婷人人爽人人干人人爱| 亚洲一区高清亚洲精品| 午夜免费成人在线视频| 亚洲欧美激情综合另类| 97碰自拍视频| 很黄的视频免费| 老汉色∧v一级毛片| 欧美成人一区二区免费高清观看| 变态另类成人亚洲欧美熟女| 欧美xxxx黑人xx丫x性爽| 岛国在线观看网站| 91久久精品国产一区二区成人 | av欧美777| 成年女人毛片免费观看观看9| 国产高潮美女av| 亚洲五月天丁香| 亚洲国产精品合色在线| 91在线精品国自产拍蜜月 | 观看美女的网站| 看片在线看免费视频| 久久久久久久久久黄片| 亚洲天堂国产精品一区在线| 一区福利在线观看| 亚洲人成网站在线播| 日本与韩国留学比较| 精品熟女少妇八av免费久了| 日本黄大片高清| 最后的刺客免费高清国语| 国语自产精品视频在线第100页| 男女之事视频高清在线观看| 亚洲欧美日韩东京热| 欧美性感艳星| 欧美+日韩+精品| 欧美性猛交╳xxx乱大交人| 一区二区三区国产精品乱码| 亚洲av电影在线进入| 欧美最黄视频在线播放免费| 哪里可以看免费的av片| a级一级毛片免费在线观看| 国产国拍精品亚洲av在线观看 | 一区福利在线观看| 日本在线视频免费播放| 香蕉av资源在线| 亚洲不卡免费看| 男女下面进入的视频免费午夜| 久久草成人影院| 免费看a级黄色片| 51国产日韩欧美| 在线观看av片永久免费下载| 黄色片一级片一级黄色片| 久久久久久九九精品二区国产| 久久午夜亚洲精品久久| 一进一出抽搐gif免费好疼| 成人无遮挡网站| 国产伦在线观看视频一区| 国产野战对白在线观看| av天堂在线播放| 久久亚洲真实| a级一级毛片免费在线观看| www日本黄色视频网| 嫩草影院入口| 午夜视频国产福利| 欧美日韩中文字幕国产精品一区二区三区| 午夜日韩欧美国产| 国产精品自产拍在线观看55亚洲| 国产伦一二天堂av在线观看| 最近最新中文字幕大全免费视频| 国语自产精品视频在线第100页| 日韩av在线大香蕉| 又紧又爽又黄一区二区| 青草久久国产| 欧美一区二区精品小视频在线| 1024手机看黄色片| 91字幕亚洲| 美女 人体艺术 gogo| 日韩免费av在线播放| 午夜精品在线福利| 国产精品国产高清国产av| 亚洲内射少妇av| 色尼玛亚洲综合影院| 1000部很黄的大片| 欧美性感艳星| 一级毛片女人18水好多| 成人三级黄色视频| 亚洲国产精品成人综合色| 精品国内亚洲2022精品成人| 日韩成人在线观看一区二区三区| 男人和女人高潮做爰伦理| 成人国产综合亚洲| 亚洲无线在线观看| 亚洲第一电影网av| 色在线成人网| 欧美日韩福利视频一区二区| 老熟妇乱子伦视频在线观看| 国产一区二区亚洲精品在线观看| 国产精品 欧美亚洲| 日本与韩国留学比较| 好男人在线观看高清免费视频| 欧美日韩瑟瑟在线播放| 久久久久久大精品| 久久久精品大字幕| 丰满的人妻完整版| 老司机午夜福利在线观看视频| 国产乱人视频| 又粗又爽又猛毛片免费看| www.熟女人妻精品国产| 欧美日韩瑟瑟在线播放| 日韩欧美三级三区| 99热6这里只有精品| 成人国产综合亚洲| 美女高潮喷水抽搐中文字幕| 成人鲁丝片一二三区免费| 1000部很黄的大片| 欧美xxxx黑人xx丫x性爽| 一本综合久久免费| АⅤ资源中文在线天堂| 国产av一区在线观看免费| 美女大奶头视频| 国产成人aa在线观看| 日本黄色视频三级网站网址| 女人十人毛片免费观看3o分钟| 99久久精品一区二区三区| 久久久成人免费电影| 少妇的丰满在线观看| 嫩草影视91久久| 国产精品嫩草影院av在线观看 | 亚洲内射少妇av| 亚洲人成网站高清观看| 日韩欧美三级三区| 在线播放国产精品三级| 日韩欧美精品v在线| 午夜福利视频1000在线观看| 中文字幕久久专区| 波多野结衣巨乳人妻| 婷婷六月久久综合丁香| av片东京热男人的天堂| 欧美一区二区精品小视频在线| 两个人视频免费观看高清| 小蜜桃在线观看免费完整版高清| 亚洲,欧美精品.| 欧美日韩亚洲国产一区二区在线观看| 女人高潮潮喷娇喘18禁视频| 在线观看日韩欧美| 夜夜看夜夜爽夜夜摸| 亚洲精华国产精华精| 成人高潮视频无遮挡免费网站| 听说在线观看完整版免费高清| 国产欧美日韩精品一区二区| 久久中文看片网| 欧美国产日韩亚洲一区| 亚洲精品日韩av片在线观看 | 国产色爽女视频免费观看| 久久久成人免费电影| 午夜福利成人在线免费观看| 亚洲精品在线观看二区| 一进一出抽搐动态| 身体一侧抽搐| 99热6这里只有精品| 一级a爱片免费观看的视频| svipshipincom国产片| 国产91精品成人一区二区三区| 免费观看精品视频网站| 乱人视频在线观看| 激情在线观看视频在线高清| 亚洲最大成人手机在线| 国产三级中文精品| 国产伦一二天堂av在线观看| 免费av不卡在线播放| 亚洲av成人不卡在线观看播放网| 欧美色视频一区免费| 九九在线视频观看精品| 91在线精品国自产拍蜜月 | 在线观看日韩欧美| 两个人的视频大全免费| 亚洲最大成人手机在线| 一级黄色大片毛片| 亚洲欧美日韩卡通动漫| 无限看片的www在线观看| 偷拍熟女少妇极品色| 丁香六月欧美| 午夜福利免费观看在线| 韩国av一区二区三区四区| 国产三级黄色录像| 欧美高清成人免费视频www| a级毛片a级免费在线| 中文资源天堂在线| 免费观看人在逋| 757午夜福利合集在线观看| 亚洲国产精品成人综合色| 欧美日韩瑟瑟在线播放| 男女之事视频高清在线观看| 国产精品国产高清国产av| 午夜福利在线观看吧| 亚洲中文字幕日韩| 日韩亚洲欧美综合| 日韩人妻高清精品专区| 国产成人aa在线观看| 99国产极品粉嫩在线观看| 国产中年淑女户外野战色| 精品人妻1区二区| 欧美黄色淫秽网站| 久久国产乱子伦精品免费另类| 蜜桃亚洲精品一区二区三区| 亚洲自拍偷在线| 亚洲第一欧美日韩一区二区三区| 色在线成人网| 中出人妻视频一区二区| 国产高潮美女av| 亚洲国产色片| 99久久久亚洲精品蜜臀av| 久久九九热精品免费| 在线观看66精品国产| 日日干狠狠操夜夜爽| 欧美乱色亚洲激情| 欧美性猛交╳xxx乱大交人| 国产熟女xx| 听说在线观看完整版免费高清| netflix在线观看网站| 99国产综合亚洲精品| 亚洲中文日韩欧美视频| 淫秽高清视频在线观看| 在线播放无遮挡| 超碰av人人做人人爽久久 | 欧美日本亚洲视频在线播放| 欧美3d第一页| 精品久久久久久,| 国产单亲对白刺激| 少妇丰满av| 丰满人妻熟妇乱又伦精品不卡| 91麻豆精品激情在线观看国产| 欧美大码av| 波多野结衣高清作品| 午夜精品一区二区三区免费看| 天堂√8在线中文| 国产伦精品一区二区三区四那| 欧美一区二区国产精品久久精品| 波多野结衣巨乳人妻| 欧美性感艳星| 亚洲精品在线美女| 性欧美人与动物交配| 男女床上黄色一级片免费看| 亚洲va日本ⅴa欧美va伊人久久| 精品欧美国产一区二区三| 18禁黄网站禁片免费观看直播| 国产色婷婷99| 亚洲av熟女| 精品人妻偷拍中文字幕| 亚洲国产精品久久男人天堂| 欧美性猛交黑人性爽| 一级黄色大片毛片| 色视频www国产| 黄片小视频在线播放| 熟妇人妻久久中文字幕3abv| 久久性视频一级片| 五月伊人婷婷丁香| 99久久精品一区二区三区| 国产精品 国内视频| 神马国产精品三级电影在线观看| 一本精品99久久精品77| 在线观看美女被高潮喷水网站 | 欧美av亚洲av综合av国产av| 中文字幕久久专区| 免费人成视频x8x8入口观看| 国产三级中文精品| 国产综合懂色| 51午夜福利影视在线观看| 欧美绝顶高潮抽搐喷水| 亚洲国产色片| 国产精品av视频在线免费观看| 欧美高清成人免费视频www| a在线观看视频网站| 国产午夜精品久久久久久一区二区三区 | 特级一级黄色大片| 最近在线观看免费完整版| 国内揄拍国产精品人妻在线| 日韩欧美在线乱码| 青草久久国产| 色噜噜av男人的天堂激情| 少妇的逼水好多| 十八禁人妻一区二区| 97人妻精品一区二区三区麻豆| 欧美一级a爱片免费观看看| 欧美在线一区亚洲| 色哟哟哟哟哟哟| 一卡2卡三卡四卡精品乱码亚洲| 国产亚洲欧美在线一区二区| 在线观看免费视频日本深夜| 又爽又黄无遮挡网站| 亚洲精品美女久久久久99蜜臀| www日本在线高清视频| bbb黄色大片| 色综合亚洲欧美另类图片| 色综合婷婷激情| 青草久久国产| avwww免费| 韩国av一区二区三区四区| 亚洲欧美日韩高清专用| avwww免费| 中文资源天堂在线| 最近在线观看免费完整版| 婷婷六月久久综合丁香| 国产精品亚洲美女久久久| 精品欧美国产一区二区三| 国产伦精品一区二区三区视频9 | 亚洲国产欧美人成| 九九在线视频观看精品| 欧美成人免费av一区二区三区| a级毛片a级免费在线| 国产极品精品免费视频能看的| 国产精品久久电影中文字幕| 俄罗斯特黄特色一大片| 99久久久亚洲精品蜜臀av| 国产在视频线在精品| 成人午夜高清在线视频| 99国产极品粉嫩在线观看| 中文字幕久久专区| 午夜老司机福利剧场|