• <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 ?

    基于集成模型的個人信用風險評估研究

    2020-03-24 08:50:31李思瑤
    時代金融 2020年5期
    關(guān)鍵詞:機器學習風險管理

    李思瑤

    摘要:隨著金融科技的快速發(fā)展,機器學習在大數(shù)據(jù)風控領(lǐng)域的應(yīng)用也越來越成熟,尤其在在線信貸中被廣泛應(yīng)用。本文從消費金融行業(yè)的實際業(yè)務(wù)出發(fā),提出了一套基于多源數(shù)據(jù)的子模型框架系統(tǒng),該系統(tǒng)可以根據(jù)不同的數(shù)據(jù)維度獨立建立,再將模型進行自由組合。研究表明,基于多源數(shù)據(jù)的子模型系統(tǒng)的評分有效性比單個機器學習評分模型更好。

    關(guān)鍵詞:風險管理?? 信用評分? 機器學習

    一、引言

    如今風險管理部門已經(jīng)成為諸多企業(yè)中的重要職能部門之一,為實現(xiàn)企業(yè)的經(jīng)營目標提供有力保障。隨著互聯(lián)網(wǎng)的迅猛發(fā)展,大數(shù)據(jù)、數(shù)據(jù)挖掘和機器學習等新興技術(shù)開始出現(xiàn)并在企業(yè)的經(jīng)營決策過程中得到應(yīng)用。

    大數(shù)據(jù):作為一項新興技術(shù),目前在IT界較為認可的定義是:在可承受的時間范圍內(nèi),無法用傳統(tǒng)數(shù)據(jù)庫軟件工具進行分析利用的數(shù)據(jù)集。

    (一)大數(shù)據(jù)在風險管理中的應(yīng)用

    最早應(yīng)用大數(shù)據(jù)風險管理的正是風險管理出現(xiàn)最早的保險業(yè)。保險業(yè)工作人員利用客戶的銀行系統(tǒng)征信數(shù)據(jù)和在互聯(lián)網(wǎng)上產(chǎn)生的涉及人際關(guān)系、歷史消費行為、身份特征等方面的數(shù)據(jù),通過大數(shù)據(jù)“畫像”技術(shù),對用戶進行全面的定位,據(jù)此來預測用戶的履約能力進而降低信貸風險。

    大數(shù)據(jù)技術(shù)成功應(yīng)用的案例很多,比如CanadianTire公司曾做過的一次將消費者行為和信用風險相掛鉤的突破性調(diào)查。通過詳細分析消費者在多家店鋪使用本公司所發(fā)行信用卡消費的情況,CanadianTire公司發(fā)現(xiàn)延遲交付、信用卡違約都是可以預測的,辦法就是通過研究人們購買的商品種類、品牌以及所光顧的酒吧類型。結(jié)果證明,這種預測比傳統(tǒng)的行業(yè)預測方法更為精準。金融業(yè)工作人員可以利用大數(shù)據(jù)的優(yōu)勢,通過將多樣化的數(shù)據(jù)集引入計算,提高對風險的防范意識并降低風險。

    (二)機器學習

    機器學習技術(shù)并不是剛剛起步,而是隨著電子計算機的出現(xiàn)而出現(xiàn)的一種技術(shù)。互聯(lián)網(wǎng)的普及讓機器學習以大數(shù)據(jù)應(yīng)用技術(shù)的全新面目呈現(xiàn)出勃勃生機。簡言之,機器學習就是通過各種算法對海量的歷史數(shù)據(jù)進行有監(jiān)督或無監(jiān)督的學習分析,總結(jié)規(guī)律,并利用分析結(jié)果對未來數(shù)據(jù)進行預測的一種技術(shù)。機器學習目前有很多應(yīng)用方向,包括風險識別、模式識別、圖像識別、智能決策等。

    二、模型簡介

    (一)XGBoost算法

    XGBoost的目標函數(shù)由兩部分構(gòu)成:一部分用來衡量預測分數(shù)和真實分數(shù)的差距,另一部分則是正則化項。正則化項同樣包含兩部分:一部分用于控制葉子結(jié)點的個數(shù),另一部分用于避免葉子節(jié)點的分數(shù)過大,防止過擬合。XGBoost還提出了兩種防止過擬合的方法:Shrinkage and Column Subsampling。Shrinkage方法就是在每次迭代中對樹的每個葉子結(jié)點的分數(shù)乘上一個縮減權(quán)重η,這可以使得每一棵樹的影響力不會太大,留下更大的空間給后面生成的樹去優(yōu)化模型。Column Subsampling類似于隨機森林中的選取部分特征進行建樹。其可分為兩種,一種是按層隨機采樣,在對同一層內(nèi)每個結(jié)點分裂之前,先隨機選擇一部分特征,然后只需要遍歷這部分的特征,來確定最優(yōu)的分割點。另一種是隨機選擇特征,則建樹前隨機選擇一部分特征然后分裂就只遍歷這些特征。一般情況下前者效果更好。當樣本的第i個特征值缺失時,無法利用該特征進行劃分時,XGBoost的處理思路是將該樣本分別劃分到左結(jié)點和右結(jié)點,分別計算增益,劃分到增益大的一邊。

    (二)LightGBM

    lightGBM主要有以下特點:基于Histogram的決策樹算法、帶深度限制的Leaf-wise的葉子生長策略、直方圖做差加速、直接支持類別特征(CategoricalFeature)、Cache命中率優(yōu)化、基于直方圖的稀疏特征優(yōu)化、多線程優(yōu)化。Leaf-wise的方法是從當前所有葉節(jié)點中尋找信息增益最多的方向進行分裂,這樣的設(shè)計比Leaf-wise方法的預測精度更高而誤差更小。而且為了防止過擬合,LightGBM在分裂的時候?qū)ψ畲笊疃纫策M行了限制。

    三、集成模型框架設(shè)計

    傳統(tǒng)銀行評分卡使用的變量較少,一般10個左右的強信息變量,包含三種類型:基本信息、個人信用和貸款人社會關(guān)系。與傳統(tǒng)銀行信用卡業(yè)務(wù)相比,在線信貸由于大多為模型自動決策,而基于傳統(tǒng)評分卡模型的建模方法數(shù)據(jù)維度較少,在互聯(lián)網(wǎng)時代下少數(shù)的幾個維度很難對借款用戶進行精準畫像。因此,為了彌補評分卡模型中的信息缺失,將各種維度的數(shù)據(jù)分別訓練為子模型,再進行融合為最終模型是一種更好的解決方案。

    為了提高網(wǎng)絡(luò)借貸中的信用風險評估,本文提出一種集成模型框架,基本思想是:首先,根據(jù)不同場景、不同客戶群的不同數(shù)據(jù),將數(shù)據(jù)分組后分別訓練子評分模型;然后根據(jù)訓練好的模型輸出的結(jié)果作為輸入變量進行重新建模,得到最終的信用評估結(jié)果。本文中選用根據(jù)消費金融公司主要數(shù)據(jù)源進行分析建模,包括:多頭借貸、高風險特征、運營商信息、銀行卡信息、第三方信用評分、人行征信報告。先將數(shù)據(jù)源按照這6種維度分別進行子模型訓練,再把訓練得到的6個子模型輸出結(jié)果整合成一個6列矩陣(將每個子模型的預測結(jié)果轉(zhuǎn)換為具體分數(shù)),再重新利用機器學習融合成新的模型評分。

    在該案例中,集成模型框架根據(jù)不同的數(shù)據(jù)來源,構(gòu)建了6個機器學習子評分模型,子模型的數(shù)量和選用的算法都可以自由選擇,而且隨著數(shù)據(jù)源的豐富還可以不斷的增加子模型的數(shù)量。雖然各子模型都能較好的預測用戶的信用風險,但集成模型的預測準確率更高,并且預測效果也更穩(wěn)定。當面對不同的借貸場景或不同的客群時,模型可用的數(shù)據(jù)也不同。這時,先將數(shù)據(jù)根據(jù)來源或客群分組,然后自由選擇入模數(shù)據(jù),自由選擇模型算法,自由組合入框架的子模型,可以大大提高數(shù)據(jù)的使用效率且節(jié)約數(shù)據(jù)采購成本。

    四、實證分析

    實驗數(shù)據(jù)為2018年1~9月11996筆小額在線貸款數(shù)據(jù),壞樣本定義為歷史逾期最長天數(shù)不低于90天的客戶,標記為1;好樣本定義為沒有逾期記錄且已經(jīng)有完整的借款表現(xiàn)期的客戶,標記為0。其中壞樣本共2999個,占比25%,好樣本共8997個,占比75%,Odds=3,表5為本次實驗數(shù)據(jù)的基本情況。

    首先,本實驗將6個子模型所包含的全部超過100個變量全部作為輸入,預測違約概率。為了找到分類效果最佳的模型,本文嘗試了GBDT、Adaboost、RandomForest、LightGBM、XGBoost多種機器學習方法,根據(jù)AUC、KS、準確率等評價指標挑選出最佳模型,對比結(jié)果見表1。

    實驗中,數(shù)據(jù)集按4:1的比例拆分為訓練集和測試集,表2展示的是各模型在測試集上的表現(xiàn)。可知,在測試集上表現(xiàn)最佳的是LightGBM模型。與其他模型相比,其準確率、AUC、KS的數(shù)值都較大,說明該模型區(qū)分能力更高。

    為了驗證組合模型思想模型的有效性,我們對6個子模型分別訓練,并對預測有效性做了分別統(tǒng)計,又將6個子模型的預測概率轉(zhuǎn)化為具體評分,再把6個評分作為最終的模型輸入變量,重新再利用進行機器學習進行建模,6個子模型的結(jié)果如表2所示。

    從表2可以看出,6個機器學習評分模型中,風險行為數(shù)據(jù)與某第三方信用評分模型的預測效果最好,這也說明網(wǎng)絡(luò)借貸業(yè)務(wù)往往面臨較高的信用風險。最后,將6個子模型的預測結(jié)果作為輸入變量融合成一個集成機器學習模型,對比結(jié)果見表3。

    從表3的試驗對比可以看出,將子模型的預測結(jié)果作為輸入重新構(gòu)建的機器學習模型,可以獲得比直接進行全變量輸入更好的預測精度,其中最優(yōu)算法LightGBM的預測KS值從65.45上升到了66.28,且其他算法的預測精度也有了一定的提升。

    表4展示了在LightGBM模型下測試集樣本的通過率和誤放率的情況。模型在預設(shè)概率為0.45~0.50的條件下(即只有當某個客戶被預測為壞人的概率大于0.45時才通過篩選),KS0.663,通過率最高可達67.40%,而其對應(yīng)的誤放率很低,為6.70%。這說明通過LightGBM模型篩選的客群能夠保證較高的質(zhì)量。

    五、結(jié)論

    本文通過嘗試GBDT、Adboost、RandomForest、LightGBM、XGBoost多種機器學習方法,根據(jù)多種評價指標篩選對比,得出如下結(jié)論:

    第一,對大數(shù)據(jù)而言,機器學習方法能夠更好地探索數(shù)據(jù)的內(nèi)在結(jié)構(gòu),形成的分類模型也更加精準。在本文嘗試的幾種機器學習方法中,XGBoost、LightGBM模型的分類效果最好。

    第二,基于多源數(shù)據(jù)的子模型框架可以根據(jù)不同的數(shù)據(jù)維度獨立建模,每個子模型可以用不同的方法進行訓練,且訓練的好的子模型也可以進行自由的組合。本研究只是簡單的將子模型再重新進行了一次利用LightGBM算法的重新組合就獲得了比直接進行全變量建模方式。實際上,子模型還能通過傳統(tǒng)評分卡建模的方式構(gòu)建評分卡模型,使得機器學習算法也能獲得很好的解釋效果,或者利用決策樹方法,將子模型構(gòu)建為一個基于決策樹方法的策略集也是一個非常有價值的研究方向。

    參考文獻:

    [1]Chen T,He T,Benesty M . xgboost: Extreme Gradient Boosting[J]. 2016.

    [2]Jerome H. Friedman. Greedy Function Approximation: A Gradient Boosting Machine[J]. The Annals of Statistics,2001,29(5):1189-1232.

    [3]王春峰,萬海暉,張維.《商業(yè)銀行信用風險評估及其實證研究》[J].《管理科學學報》,1998第1期.

    [4]李旭升,郭春香,郭耀煌.《擴展的樹增強樸素貝葉斯網(wǎng)絡(luò)信用評估模型》[J].《系統(tǒng)工程理論與實踐》,2008年第6期.

    [5]涂艷,王翔宇.基于機器學習的P2P網(wǎng)絡(luò)借貸違約風險預警研究——來自“拍拍貸”的借貸交易證據(jù)[J].統(tǒng)計與信息論壇,2018,33(6):75-82.

    作者系蘭州財經(jīng)大學金融學院2019級碩士研究生

    猜你喜歡
    機器學習風險管理
    探討風險管理在呼吸機維護與維修中的應(yīng)用
    房地產(chǎn)合作開發(fā)項目的風險管理
    商周刊(2018年23期)2018-11-26 01:22:28
    基于詞典與機器學習的中文微博情感分析
    基于機器學習的圖像特征提取技術(shù)在圖像版權(quán)保護中的應(yīng)用
    基于網(wǎng)絡(luò)搜索數(shù)據(jù)的平遙旅游客流量預測分析
    時代金融(2016年27期)2016-11-25 17:51:36
    前綴字母為特征在維吾爾語文本情感分類中的研究
    科教導刊(2016年26期)2016-11-15 20:19:33
    基于支持向量機的金融數(shù)據(jù)分析研究
    機器學習理論在高中自主學習中的應(yīng)用
    護理風險管理在冠狀動脈介入治療中的應(yīng)用
    本地化科技翻譯的風險管理
    狠狠精品人妻久久久久久综合| tube8黄色片| 亚洲国产av影院在线观看| 亚洲成av片中文字幕在线观看 | 老司机影院成人| 亚洲色图 男人天堂 中文字幕 | 亚洲,欧美,日韩| 亚洲欧美一区二区三区国产| 亚洲av男天堂| 亚洲第一区二区三区不卡| 久久久国产欧美日韩av| 成人无遮挡网站| 少妇的丰满在线观看| 免费女性裸体啪啪无遮挡网站| 日韩欧美一区视频在线观看| 青春草国产在线视频| 高清不卡的av网站| 日韩三级伦理在线观看| 男女免费视频国产| 青春草视频在线免费观看| 最近的中文字幕免费完整| 亚洲国产最新在线播放| 国产一区二区在线观看av| 国产免费一级a男人的天堂| 捣出白浆h1v1| 免费少妇av软件| 欧美 日韩 精品 国产| 97精品久久久久久久久久精品| 亚洲 欧美一区二区三区| 搡女人真爽免费视频火全软件| 日韩一本色道免费dvd| 18禁国产床啪视频网站| 精品亚洲成a人片在线观看| 一级黄片播放器| 亚洲精品国产av成人精品| 亚洲av男天堂| 欧美xxⅹ黑人| 久久婷婷青草| 人妻系列 视频| 日韩成人av中文字幕在线观看| 日韩不卡一区二区三区视频在线| 国产熟女欧美一区二区| 日本欧美视频一区| 欧美日韩av久久| 欧美性感艳星| av播播在线观看一区| 九草在线视频观看| 亚洲五月色婷婷综合| 制服诱惑二区| 国产成人午夜福利电影在线观看| 久久精品国产综合久久久 | 久久人人爽人人爽人人片va| 亚洲性久久影院| 亚洲欧美日韩另类电影网站| 亚洲av福利一区| 亚洲av中文av极速乱| 欧美+日韩+精品| 飞空精品影院首页| 亚洲,一卡二卡三卡| 国产麻豆69| 黄色一级大片看看| 巨乳人妻的诱惑在线观看| 亚洲国产色片| 中文字幕av电影在线播放| 18禁裸乳无遮挡动漫免费视频| 亚洲欧美成人综合另类久久久| 有码 亚洲区| 久久青草综合色| 国产精品99久久99久久久不卡 | 青春草国产在线视频| 午夜视频国产福利| 亚洲色图 男人天堂 中文字幕 | 免费人成在线观看视频色| 在线看a的网站| 黑人高潮一二区| 午夜福利视频精品| 国产精品久久久av美女十八| 成人毛片a级毛片在线播放| 最近最新中文字幕免费大全7| 亚洲高清免费不卡视频| 国产xxxxx性猛交| 午夜福利在线观看免费完整高清在| 99热网站在线观看| 中文乱码字字幕精品一区二区三区| 国产亚洲av片在线观看秒播厂| 女性生殖器流出的白浆| 桃花免费在线播放| 欧美日韩av久久| 久久这里有精品视频免费| 午夜福利网站1000一区二区三区| 91久久精品国产一区二区三区| 高清不卡的av网站| 丁香六月天网| 天天躁夜夜躁狠狠久久av| 亚洲欧洲日产国产| 久久人人爽人人片av| 国产精品人妻久久久久久| 亚洲精品久久久久久婷婷小说| 国产精品一区二区在线不卡| 久久精品夜色国产| 日本黄色日本黄色录像| 色吧在线观看| 日本欧美国产在线视频| 亚洲精品一二三| 91国产中文字幕| 黑人欧美特级aaaaaa片| 亚洲精品一区蜜桃| 亚洲精品aⅴ在线观看| 中文精品一卡2卡3卡4更新| av电影中文网址| 日日啪夜夜爽| 丝瓜视频免费看黄片| 成人国产av品久久久| 免费高清在线观看视频在线观看| 汤姆久久久久久久影院中文字幕| 爱豆传媒免费全集在线观看| 高清不卡的av网站| 国产黄色视频一区二区在线观看| 国产日韩欧美亚洲二区| 岛国毛片在线播放| 国产精品一国产av| 又粗又硬又长又爽又黄的视频| 久久97久久精品| 青春草国产在线视频| 91成人精品电影| 久久精品熟女亚洲av麻豆精品| 久久av网站| 欧美xxⅹ黑人| 最新的欧美精品一区二区| 日韩伦理黄色片| xxx大片免费视频| 国产精品免费大片| 久久久久久久精品精品| 午夜老司机福利剧场| 下体分泌物呈黄色| 亚洲人与动物交配视频| 在线观看www视频免费| 久久久国产欧美日韩av| 免费在线观看完整版高清| 大香蕉久久网| 熟女电影av网| 婷婷色麻豆天堂久久| 哪个播放器可以免费观看大片| 日本av免费视频播放| 国产麻豆69| 亚洲综合色网址| 欧美精品av麻豆av| 制服人妻中文乱码| 啦啦啦中文免费视频观看日本| 水蜜桃什么品种好| 成人二区视频| 国产精品麻豆人妻色哟哟久久| 9热在线视频观看99| 九九在线视频观看精品| 亚洲成色77777| 国产成人精品无人区| 国产极品天堂在线| 99香蕉大伊视频| 两性夫妻黄色片 | 少妇人妻 视频| av一本久久久久| 亚洲综合精品二区| 欧美3d第一页| 宅男免费午夜| 2022亚洲国产成人精品| 亚洲内射少妇av| 一级毛片我不卡| 狂野欧美激情性bbbbbb| 黄色怎么调成土黄色| 亚洲精品第二区| 免费少妇av软件| 满18在线观看网站| 777米奇影视久久| av电影中文网址| 精品亚洲成a人片在线观看| 熟女电影av网| 亚洲国产精品专区欧美| 午夜福利影视在线免费观看| 一个人免费看片子| 亚洲在久久综合| 人成视频在线观看免费观看| 女人精品久久久久毛片| 精品第一国产精品| 最近的中文字幕免费完整| 成人综合一区亚洲| 99国产精品免费福利视频| av免费观看日本| 久久ye,这里只有精品| 亚洲国产色片| 精品人妻在线不人妻| 欧美xxⅹ黑人| 中文精品一卡2卡3卡4更新| 亚洲国产精品一区三区| 欧美日韩视频高清一区二区三区二| 国产精品久久久久久精品电影小说| 国产亚洲精品第一综合不卡 | 国产成人91sexporn| 观看美女的网站| 国产精品久久久久久精品古装| 少妇的逼水好多| 中文天堂在线官网| 国产成人91sexporn| 国产精品女同一区二区软件| 18禁观看日本| 亚洲成人av在线免费| 久久久久精品久久久久真实原创| 大片免费播放器 马上看| 在线亚洲精品国产二区图片欧美| 80岁老熟妇乱子伦牲交| 伦理电影大哥的女人| 精品一区二区三区四区五区乱码 | 国产精品一区二区在线不卡| a 毛片基地| 日日啪夜夜爽| 色94色欧美一区二区| 国产一区二区在线观看av| 91精品国产国语对白视频| 高清在线视频一区二区三区| 亚洲av电影在线进入| 日韩精品有码人妻一区| 亚洲 欧美一区二区三区| 天堂俺去俺来也www色官网| 免费少妇av软件| 九九在线视频观看精品| 人人妻人人澡人人看| 国产日韩一区二区三区精品不卡| 日本欧美国产在线视频| 18禁观看日本| 久久精品国产亚洲av涩爱| 日韩一本色道免费dvd| 免费不卡的大黄色大毛片视频在线观看| 狂野欧美激情性xxxx在线观看| 18禁在线无遮挡免费观看视频| 久久久久精品性色| 久久久久久人人人人人| videosex国产| 亚洲精品乱码久久久久久按摩| 日韩三级伦理在线观看| 咕卡用的链子| 青春草国产在线视频| 巨乳人妻的诱惑在线观看| 狠狠婷婷综合久久久久久88av| 国产麻豆69| av不卡在线播放| 80岁老熟妇乱子伦牲交| 精品人妻熟女毛片av久久网站| 纵有疾风起免费观看全集完整版| 亚洲欧洲国产日韩| 美女xxoo啪啪120秒动态图| 少妇人妻精品综合一区二区| 欧美+日韩+精品| av福利片在线| 少妇猛男粗大的猛烈进出视频| 亚洲国产精品国产精品| 91精品三级在线观看| 人成视频在线观看免费观看| 在线观看美女被高潮喷水网站| 国产在线一区二区三区精| 国产免费一级a男人的天堂| 夫妻午夜视频| 婷婷成人精品国产| 成人亚洲欧美一区二区av| 亚洲国产精品专区欧美| 欧美日韩av久久| 女人精品久久久久毛片| 欧美日韩国产mv在线观看视频| 午夜影院在线不卡| 一级片免费观看大全| 黑人欧美特级aaaaaa片| 国产一级毛片在线| 涩涩av久久男人的天堂| 制服丝袜香蕉在线| 大香蕉久久成人网| 在线观看美女被高潮喷水网站| 久久久久久久国产电影| 99国产综合亚洲精品| 欧美精品国产亚洲| 另类精品久久| 亚洲成色77777| 国产男人的电影天堂91| 狂野欧美激情性bbbbbb| 中国美白少妇内射xxxbb| av在线观看视频网站免费| 欧美精品av麻豆av| 飞空精品影院首页| 看十八女毛片水多多多| 99久久中文字幕三级久久日本| 99久国产av精品国产电影| 蜜桃在线观看..| 国产精品一国产av| 毛片一级片免费看久久久久| 秋霞伦理黄片| 国产一区二区三区av在线| 久久久久久久精品精品| 妹子高潮喷水视频| 久久久久国产网址| 午夜激情久久久久久久| 久久精品久久久久久久性| 精品国产一区二区三区久久久樱花| 亚洲精品色激情综合| 亚洲av免费高清在线观看| 亚洲欧美色中文字幕在线| 国产福利在线免费观看视频| 亚洲成国产人片在线观看| 免费日韩欧美在线观看| 三上悠亚av全集在线观看| 看十八女毛片水多多多| 亚洲av国产av综合av卡| 国产精品久久久久久av不卡| 蜜桃国产av成人99| 黄色一级大片看看| 国产精品国产三级专区第一集| 日韩中文字幕视频在线看片| 卡戴珊不雅视频在线播放| 一级爰片在线观看| 欧美精品一区二区大全| 丰满迷人的少妇在线观看| 亚洲美女搞黄在线观看| 边亲边吃奶的免费视频| 黑人欧美特级aaaaaa片| 日日啪夜夜爽| 日本与韩国留学比较| 亚洲高清免费不卡视频| 国产高清三级在线| 亚洲精品aⅴ在线观看| 精品第一国产精品| 免费黄网站久久成人精品| 亚洲欧美一区二区三区黑人 | 在线看a的网站| 精品第一国产精品| 免费黄色在线免费观看| 亚洲国产看品久久| 永久网站在线| 少妇人妻久久综合中文| 午夜免费鲁丝| 久久精品国产亚洲av天美| 欧美日韩一区二区视频在线观看视频在线| 十分钟在线观看高清视频www| 国产片特级美女逼逼视频| 午夜精品国产一区二区电影| 亚洲精华国产精华液的使用体验| 午夜福利在线观看免费完整高清在| 最近最新中文字幕免费大全7| 国产在视频线精品| 日韩制服丝袜自拍偷拍| 性高湖久久久久久久久免费观看| 我的女老师完整版在线观看| 欧美日韩国产mv在线观看视频| 国产日韩欧美亚洲二区| 久久久久久久久久人人人人人人| 日本wwww免费看| 好男人视频免费观看在线| 久久久国产欧美日韩av| 交换朋友夫妻互换小说| 精品久久国产蜜桃| 侵犯人妻中文字幕一二三四区| 国产一区二区激情短视频 | 精品视频人人做人人爽| 久久免费观看电影| 在线观看国产h片| 飞空精品影院首页| 久久久久国产网址| 欧美日韩精品成人综合77777| 成人无遮挡网站| 久久久国产欧美日韩av| 永久网站在线| 欧美精品av麻豆av| 亚洲精品456在线播放app| 国产高清不卡午夜福利| 精品久久蜜臀av无| 高清欧美精品videossex| 亚洲三级黄色毛片| av在线观看视频网站免费| 亚洲情色 制服丝袜| 啦啦啦啦在线视频资源| 国产成人精品在线电影| av免费在线看不卡| 欧美人与性动交α欧美软件 | 只有这里有精品99| 午夜免费鲁丝| 乱码一卡2卡4卡精品| 天天躁夜夜躁狠狠久久av| 校园人妻丝袜中文字幕| 亚洲伊人色综图| 亚洲人成77777在线视频| 午夜久久久在线观看| 久久久久精品性色| 亚洲精品美女久久久久99蜜臀 | 国产精品无大码| 黄片播放在线免费| 蜜桃国产av成人99| 免费大片黄手机在线观看| 精品一区二区免费观看| 免费高清在线观看视频在线观看| 欧美精品一区二区免费开放| 欧美国产精品va在线观看不卡| 性高湖久久久久久久久免费观看| av一本久久久久| 婷婷色av中文字幕| 久久鲁丝午夜福利片| av免费在线看不卡| 亚洲人与动物交配视频| 亚洲国产看品久久| 日韩精品有码人妻一区| 熟女人妻精品中文字幕| 国产精品一区二区在线观看99| 91久久精品国产一区二区三区| 国产在线一区二区三区精| 咕卡用的链子| 九九爱精品视频在线观看| 最近中文字幕2019免费版| 国国产精品蜜臀av免费| 久久久久精品性色| 亚洲性久久影院| 国产精品无大码| 18禁在线无遮挡免费观看视频| 亚洲国产毛片av蜜桃av| 永久免费av网站大全| 成人影院久久| 在线亚洲精品国产二区图片欧美| 91午夜精品亚洲一区二区三区| 色视频在线一区二区三区| 国产亚洲av片在线观看秒播厂| 午夜福利在线观看免费完整高清在| 色哟哟·www| 国产日韩欧美视频二区| 久久鲁丝午夜福利片| 99久久中文字幕三级久久日本| av女优亚洲男人天堂| 久久毛片免费看一区二区三区| 成人手机av| 在线观看免费高清a一片| 国产一区有黄有色的免费视频| 亚洲国产精品一区二区三区在线| 夫妻午夜视频| 久久久久久久国产电影| 纵有疾风起免费观看全集完整版| 成人国语在线视频| 久久精品久久久久久久性| 中文天堂在线官网| 少妇猛男粗大的猛烈进出视频| 色5月婷婷丁香| 欧美少妇被猛烈插入视频| 精品人妻一区二区三区麻豆| 亚洲精品,欧美精品| 久久国内精品自在自线图片| 久久av网站| 亚洲精品久久久久久婷婷小说| 亚洲综合精品二区| 五月开心婷婷网| 欧美另类一区| 久久精品国产亚洲av天美| 91国产中文字幕| 国产亚洲精品久久久com| 亚洲在久久综合| 成人国产av品久久久| 亚洲精品av麻豆狂野| 极品少妇高潮喷水抽搐| 久久久亚洲精品成人影院| 久久精品国产综合久久久 | 国国产精品蜜臀av免费| 乱码一卡2卡4卡精品| av免费观看日本| 建设人人有责人人尽责人人享有的| 你懂的网址亚洲精品在线观看| 久久久久久久精品精品| 日韩欧美一区视频在线观看| 哪个播放器可以免费观看大片| 国产精品久久久久成人av| 亚洲久久久国产精品| 国产男人的电影天堂91| 欧美日韩亚洲高清精品| 亚洲人成77777在线视频| 国产成人精品一,二区| 亚洲精品日韩在线中文字幕| 卡戴珊不雅视频在线播放| 久久久精品免费免费高清| 亚洲欧洲国产日韩| 亚洲精品第二区| 久久国产精品大桥未久av| 美女xxoo啪啪120秒动态图| 精品一区二区三卡| 日韩大片免费观看网站| 性色av一级| 午夜福利网站1000一区二区三区| 久久热在线av| 国产日韩欧美亚洲二区| 超色免费av| 最近手机中文字幕大全| 尾随美女入室| 各种免费的搞黄视频| 热re99久久精品国产66热6| 成人亚洲欧美一区二区av| 欧美性感艳星| 久久狼人影院| 十分钟在线观看高清视频www| 欧美亚洲日本最大视频资源| 高清黄色对白视频在线免费看| 91在线精品国自产拍蜜月| 秋霞伦理黄片| 少妇被粗大猛烈的视频| 国产精品99久久99久久久不卡 | 久久99热这里只频精品6学生| 另类亚洲欧美激情| xxx大片免费视频| 国产乱人偷精品视频| 91国产中文字幕| 国产激情久久老熟女| 超碰97精品在线观看| 一级片免费观看大全| 高清欧美精品videossex| 看免费成人av毛片| 国产亚洲最大av| 成年av动漫网址| 欧美日韩成人在线一区二区| 最近手机中文字幕大全| 夫妻性生交免费视频一级片| 成人18禁高潮啪啪吃奶动态图| 国产日韩欧美亚洲二区| 国产一区二区三区av在线| 曰老女人黄片| 90打野战视频偷拍视频| 久久综合国产亚洲精品| 又黄又爽又刺激的免费视频.| 26uuu在线亚洲综合色| 99热全是精品| 男女下面插进去视频免费观看 | 午夜免费观看性视频| 十分钟在线观看高清视频www| 99久久人妻综合| 极品人妻少妇av视频| 蜜桃国产av成人99| 午夜日本视频在线| a级毛片黄视频| 永久网站在线| 春色校园在线视频观看| 久久久久久久久久人人人人人人| 国产成人免费无遮挡视频| 久久精品国产亚洲av涩爱| 狂野欧美激情性xxxx在线观看| 亚洲国产看品久久| 亚洲精品乱久久久久久| 97在线人人人人妻| 成人国产麻豆网| 国产乱来视频区| 久久久久久久久久久久大奶| 春色校园在线视频观看| 国产成人精品在线电影| 国产av国产精品国产| 国产探花极品一区二区| 成人漫画全彩无遮挡| 亚洲人成网站在线观看播放| 亚洲内射少妇av| 精品视频人人做人人爽| av又黄又爽大尺度在线免费看| 91成人精品电影| 日韩大片免费观看网站| 91成人精品电影| 最近最新中文字幕免费大全7| av在线app专区| 最近最新中文字幕免费大全7| 老女人水多毛片| 亚洲av福利一区| 久久狼人影院| 欧美另类一区| 国产精品国产av在线观看| 色哟哟·www| 久久久精品免费免费高清| 亚洲欧洲日产国产| 人妻 亚洲 视频| 久久ye,这里只有精品| 国产精品人妻久久久久久| √禁漫天堂资源中文www| 精品一区二区三卡| 中文精品一卡2卡3卡4更新| 精品亚洲成国产av| 少妇人妻久久综合中文| 性色av一级| av在线观看视频网站免费| 人妻系列 视频| 国产永久视频网站| 亚洲五月色婷婷综合| 午夜日本视频在线| 国产69精品久久久久777片| 日韩中字成人| 亚洲精品国产av蜜桃| 免费播放大片免费观看视频在线观看| 飞空精品影院首页| 精品国产一区二区久久| 97在线人人人人妻| 18禁裸乳无遮挡动漫免费视频| 国产精品麻豆人妻色哟哟久久| 日韩大片免费观看网站| 日本欧美视频一区| √禁漫天堂资源中文www| 欧美变态另类bdsm刘玥| 国产精品一区二区在线不卡| 午夜免费男女啪啪视频观看| 久久热在线av| 国产一区二区三区综合在线观看 | 秋霞伦理黄片| av天堂久久9| 人人妻人人爽人人添夜夜欢视频| 成人漫画全彩无遮挡| 人妻一区二区av| 男男h啪啪无遮挡| 狠狠婷婷综合久久久久久88av| 欧美日韩国产mv在线观看视频| 伦理电影大哥的女人| 亚洲国产最新在线播放| 一级毛片黄色毛片免费观看视频| 国产精品熟女久久久久浪| 午夜福利网站1000一区二区三区| 欧美xxxx性猛交bbbb| 久久久亚洲精品成人影院|