• <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
    老司机福利观看| 久久九九热精品免费| 国产伦一二天堂av在线观看| 美女高潮喷水抽搐中文字幕| 亚洲精品乱码久久久v下载方式| 亚洲乱码一区二区免费版| 99热6这里只有精品| 欧美一区二区精品小视频在线| 成人高潮视频无遮挡免费网站| 国产欧美日韩精品一区二区| 天天躁日日操中文字幕| 草草在线视频免费看| 99久久九九国产精品国产免费| 在线播放国产精品三级| 一个人免费在线观看电影| 大型黄色视频在线免费观看| 欧美区成人在线视频| 少妇猛男粗大的猛烈进出视频 | 国产黄片美女视频| 夜夜爽天天搞| 国产精品1区2区在线观看.| 日日干狠狠操夜夜爽| 欧美绝顶高潮抽搐喷水| 偷拍熟女少妇极品色| 欧美日韩国产亚洲二区| 国产午夜精品论理片| 他把我摸到了高潮在线观看| 国产v大片淫在线免费观看| 亚洲成人久久性| 一本一本综合久久| 99九九线精品视频在线观看视频| 免费搜索国产男女视频| 狂野欧美激情性xxxx在线观看| 国产主播在线观看一区二区| 亚洲成人久久性| 欧美性感艳星| 人妻制服诱惑在线中文字幕| 我要搜黄色片| 欧美不卡视频在线免费观看| 色精品久久人妻99蜜桃| 又紧又爽又黄一区二区| 久久九九热精品免费| 日韩精品青青久久久久久| 成年女人毛片免费观看观看9| eeuss影院久久| 亚洲男人的天堂狠狠| 国产精品免费一区二区三区在线| 大又大粗又爽又黄少妇毛片口| 欧美日韩中文字幕国产精品一区二区三区| 日韩在线高清观看一区二区三区 | 色综合亚洲欧美另类图片| av黄色大香蕉| 国产精品一区二区三区四区久久| 成人一区二区视频在线观看| 色综合站精品国产| 国产亚洲精品av在线| 嫩草影院新地址| 波野结衣二区三区在线| 亚洲最大成人手机在线| 亚洲av中文av极速乱 | 国产高清不卡午夜福利| a在线观看视频网站| 成人毛片a级毛片在线播放| 久久久国产成人精品二区| 日本 av在线| 亚洲在线自拍视频| 欧美性猛交黑人性爽| 人妻制服诱惑在线中文字幕| 99riav亚洲国产免费| 久久热精品热| 男女做爰动态图高潮gif福利片| 国产精品久久电影中文字幕| 久久人人精品亚洲av| 亚洲最大成人手机在线| 狠狠狠狠99中文字幕| 国产精品三级大全| 热99在线观看视频| 美女 人体艺术 gogo| 色av中文字幕| 老司机福利观看| 亚洲在线观看片| 精品一区二区三区av网在线观看| 日韩,欧美,国产一区二区三区 | 女同久久另类99精品国产91| 亚洲 国产 在线| 日本色播在线视频| 亚洲国产精品sss在线观看| 草草在线视频免费看| 无遮挡黄片免费观看| 久久久久久国产a免费观看| 亚洲性久久影院| 欧美成人一区二区免费高清观看| 91久久精品电影网| 日韩中字成人| 成人国产麻豆网| 天堂动漫精品| 草草在线视频免费看| 亚洲精品亚洲一区二区| 亚洲国产高清在线一区二区三| 久久久久久九九精品二区国产| 日韩欧美一区二区三区在线观看| a级毛片a级免费在线| 嫩草影院入口| 深爱激情五月婷婷| 有码 亚洲区| 长腿黑丝高跟| 国产视频一区二区在线看| 国产69精品久久久久777片| 色综合亚洲欧美另类图片| 欧美+日韩+精品| 亚洲四区av| 日韩欧美精品v在线| 联通29元200g的流量卡| 91久久精品国产一区二区成人| 又粗又爽又猛毛片免费看| 黄色欧美视频在线观看| 亚洲国产日韩欧美精品在线观看| 亚洲在线观看片| 午夜精品久久久久久毛片777| 欧美黑人巨大hd| 噜噜噜噜噜久久久久久91| 九九久久精品国产亚洲av麻豆| 女人十人毛片免费观看3o分钟| 又紧又爽又黄一区二区| 国产69精品久久久久777片| 有码 亚洲区| 日韩中文字幕欧美一区二区| 中出人妻视频一区二区| 嫩草影院精品99| 人妻夜夜爽99麻豆av| 在线播放国产精品三级| 天美传媒精品一区二区| 97碰自拍视频| 99热精品在线国产| 亚洲va在线va天堂va国产| 久久久成人免费电影| 日本爱情动作片www.在线观看 | 我要搜黄色片| 欧美xxxx性猛交bbbb| 内地一区二区视频在线| 亚洲人成网站高清观看| 高清毛片免费观看视频网站| 欧美中文日本在线观看视频| 国产黄a三级三级三级人| 黄色日韩在线| 欧美成人免费av一区二区三区| 久久精品综合一区二区三区| 黄色日韩在线| 亚洲久久久久久中文字幕| 偷拍熟女少妇极品色| 91久久精品电影网| 亚洲欧美日韩高清在线视频| 久久午夜福利片| 3wmmmm亚洲av在线观看| 免费av观看视频| 成年人黄色毛片网站| 久久精品国产亚洲av香蕉五月| 人妻制服诱惑在线中文字幕| x7x7x7水蜜桃| 亚洲国产欧美人成| 成人av一区二区三区在线看| 国产aⅴ精品一区二区三区波| 99久久无色码亚洲精品果冻| eeuss影院久久| 亚洲国产精品合色在线| 少妇人妻精品综合一区二区 | 长腿黑丝高跟| 国产免费一级a男人的天堂| 国产精品一区二区免费欧美| 日本一二三区视频观看| www.色视频.com| 日韩,欧美,国产一区二区三区 | 超碰av人人做人人爽久久| av在线观看视频网站免费| netflix在线观看网站| bbb黄色大片| 国产精品日韩av在线免费观看| 免费在线观看影片大全网站| 免费人成在线观看视频色| 麻豆成人午夜福利视频| 麻豆国产97在线/欧美| 成人毛片a级毛片在线播放| 可以在线观看毛片的网站| 亚洲国产色片| 亚洲国产欧美人成| 国产三级中文精品| 大又大粗又爽又黄少妇毛片口| 别揉我奶头~嗯~啊~动态视频| 国国产精品蜜臀av免费| 久久欧美精品欧美久久欧美| 国产精品人妻久久久久久| 非洲黑人性xxxx精品又粗又长| 日韩欧美三级三区| 成人永久免费在线观看视频| 制服丝袜大香蕉在线| www日本黄色视频网| 国产精品一区二区三区四区免费观看 | 免费观看精品视频网站| 人妻少妇偷人精品九色| 亚洲狠狠婷婷综合久久图片| 人人妻,人人澡人人爽秒播| 亚洲自拍偷在线| 男女做爰动态图高潮gif福利片| 嫩草影院精品99| 亚洲人成伊人成综合网2020| 免费在线观看日本一区| 女同久久另类99精品国产91| 少妇丰满av| 舔av片在线| 麻豆成人午夜福利视频| 国模一区二区三区四区视频| 日韩高清综合在线| 一本久久中文字幕| 简卡轻食公司| 欧美3d第一页| 免费观看精品视频网站| 干丝袜人妻中文字幕| 18禁裸乳无遮挡免费网站照片| 久久久久久国产a免费观看| 亚洲成人中文字幕在线播放| 可以在线观看毛片的网站| 狠狠狠狠99中文字幕| 国产免费av片在线观看野外av| 我的老师免费观看完整版| 国产精品不卡视频一区二区| 亚洲美女搞黄在线观看 | 亚洲五月天丁香| 久久99热6这里只有精品| 国产视频内射| 美女高潮的动态| 别揉我奶头 嗯啊视频| 亚洲第一电影网av| 三级毛片av免费| 久久99热6这里只有精品| 国产日本99.免费观看| 日韩中字成人| 一级黄色大片毛片| 亚洲人成伊人成综合网2020| 日本免费a在线| 美女黄网站色视频| 村上凉子中文字幕在线| 亚洲av二区三区四区| 亚洲av中文字字幕乱码综合| 亚洲人成网站在线播| 国产亚洲精品久久久com| 亚洲最大成人av| 黄色女人牲交| 人人妻,人人澡人人爽秒播| 免费av不卡在线播放| 国产激情偷乱视频一区二区| 蜜桃亚洲精品一区二区三区| 亚洲最大成人手机在线| 搡老妇女老女人老熟妇| 国产精品免费一区二区三区在线| 又粗又爽又猛毛片免费看| 国产精品98久久久久久宅男小说| 联通29元200g的流量卡| 亚洲人成网站在线播| bbb黄色大片| videossex国产| 亚洲精华国产精华精| 亚洲人成网站高清观看| 全区人妻精品视频| 国产熟女欧美一区二区| 91狼人影院| 黄色欧美视频在线观看| 欧美极品一区二区三区四区| 成人av在线播放网站| 亚洲精品影视一区二区三区av| 露出奶头的视频| 97超视频在线观看视频| 婷婷色综合大香蕉| 亚洲 国产 在线| 亚洲成人免费电影在线观看| 国产午夜精品论理片| 免费在线观看日本一区| 99热这里只有精品一区| 亚洲欧美激情综合另类| 一本一本综合久久| 欧美一区二区亚洲| 免费不卡的大黄色大毛片视频在线观看 | 黄色欧美视频在线观看| 欧美另类亚洲清纯唯美| 精品人妻熟女av久视频| 精品久久久久久久末码| 九九热线精品视视频播放| 国产精品福利在线免费观看| 波野结衣二区三区在线| 久久精品国产亚洲av涩爱 | 日韩欧美 国产精品| 三级男女做爰猛烈吃奶摸视频| 欧美人与善性xxx| 精品久久久久久久人妻蜜臀av| 国产 一区 欧美 日韩| 精品日产1卡2卡| 色视频www国产| 欧美色视频一区免费| 国产精品久久视频播放| 亚洲七黄色美女视频| 最近视频中文字幕2019在线8| 欧美黑人欧美精品刺激| 热99在线观看视频| 国产午夜精品久久久久久一区二区三区 | 成人国产一区最新在线观看| 春色校园在线视频观看| 一个人免费在线观看电影| or卡值多少钱| a级毛片a级免费在线| 国产一区二区在线av高清观看| 99热只有精品国产| 久久99热这里只有精品18| 观看av在线不卡| 国产精品无大码| 国产黄频视频在线观看| 亚洲av欧美aⅴ国产| 身体一侧抽搐| 午夜福利在线观看免费完整高清在| 亚洲成色77777| 岛国毛片在线播放| 成人高潮视频无遮挡免费网站| 蜜桃在线观看..| 人人妻人人看人人澡| 在线观看免费视频网站a站| 国产大屁股一区二区在线视频| 国产精品久久久久久精品古装| 少妇人妻精品综合一区二区| 水蜜桃什么品种好| 一本一本综合久久| 久久韩国三级中文字幕| 91在线精品国自产拍蜜月| 国产综合精华液| 丰满迷人的少妇在线观看| 国产精品久久久久成人av| 国产成人精品一,二区| 免费看光身美女| 亚洲精品视频女| 久久久久久伊人网av| 国产综合精华液| 亚洲欧美中文字幕日韩二区| 日韩一区二区视频免费看| av专区在线播放| 赤兔流量卡办理| 日韩欧美一区视频在线观看 | 老司机影院成人| av不卡在线播放| 国产成人aa在线观看| 国产美女午夜福利| 国产美女午夜福利| 久久久久国产精品人妻一区二区| 久久精品夜色国产| 最近的中文字幕免费完整| 水蜜桃什么品种好| 精品人妻一区二区三区麻豆| 免费av不卡在线播放| 精品国产乱码久久久久久小说| 一级片'在线观看视频| 亚洲成人手机| 国产精品久久久久久久久免| 国产淫语在线视频| 性高湖久久久久久久久免费观看| 精华霜和精华液先用哪个| av在线观看视频网站免费| 亚洲成人中文字幕在线播放| 又大又黄又爽视频免费| 久久久久精品久久久久真实原创| 亚洲国产av新网站| 亚洲一级一片aⅴ在线观看| 国产一区亚洲一区在线观看| 亚洲欧洲日产国产| 久久久久人妻精品一区果冻| 观看美女的网站| 卡戴珊不雅视频在线播放| 女人十人毛片免费观看3o分钟| 欧美成人a在线观看| 午夜福利视频精品| 夜夜骑夜夜射夜夜干| 亚洲国产精品成人久久小说| 亚洲精品成人av观看孕妇| 国产精品久久久久久精品古装| 性色av一级| 国产欧美日韩一区二区三区在线 | 91精品一卡2卡3卡4卡| 久久精品国产亚洲av涩爱| 女人久久www免费人成看片| 精品酒店卫生间| 日韩在线高清观看一区二区三区| 中国美白少妇内射xxxbb| 大香蕉久久网| 看免费成人av毛片| 国产高清不卡午夜福利| 男女免费视频国产| 国产黄色免费在线视频| 啦啦啦中文免费视频观看日本| 在线观看人妻少妇| 久久久午夜欧美精品| 美女福利国产在线 | 亚洲精品日本国产第一区| 国产精品国产三级国产专区5o| 婷婷色av中文字幕| 亚洲av在线观看美女高潮| 日韩视频在线欧美| 麻豆成人av视频| 黑丝袜美女国产一区| 成人毛片60女人毛片免费| av在线观看视频网站免费| 国内揄拍国产精品人妻在线| 久久亚洲国产成人精品v| 日韩,欧美,国产一区二区三区| 精品国产露脸久久av麻豆| 成人毛片a级毛片在线播放| 日本av免费视频播放| 草草在线视频免费看| 3wmmmm亚洲av在线观看| 蜜臀久久99精品久久宅男| 日产精品乱码卡一卡2卡三| 午夜福利网站1000一区二区三区| 日韩av不卡免费在线播放| 街头女战士在线观看网站| 黑人高潮一二区| 亚洲,一卡二卡三卡| 熟女人妻精品中文字幕| 中文字幕免费在线视频6| 日韩电影二区| 夫妻性生交免费视频一级片| 蜜臀久久99精品久久宅男| 国产一区亚洲一区在线观看| 亚洲,一卡二卡三卡| 秋霞在线观看毛片| 久久久a久久爽久久v久久| 国产成人freesex在线| 男女啪啪激烈高潮av片| 成人国产av品久久久| 深夜a级毛片| 有码 亚洲区| 亚洲综合精品二区| 国产欧美日韩一区二区三区在线 | 国产极品天堂在线| 国产一区亚洲一区在线观看| 国产成人免费无遮挡视频| 国产精品人妻久久久久久| 精品午夜福利在线看| 欧美丝袜亚洲另类| 这个男人来自地球电影免费观看 | 免费观看av网站的网址| 日本av手机在线免费观看| 亚洲性久久影院| www.色视频.com| 欧美极品一区二区三区四区| 国产亚洲5aaaaa淫片| 搡老乐熟女国产| 亚洲精品国产av成人精品| 婷婷色av中文字幕| 亚洲人成网站在线观看播放| 成人亚洲欧美一区二区av| 最黄视频免费看| 欧美三级亚洲精品| 交换朋友夫妻互换小说| 国产成人91sexporn| 日韩欧美一区视频在线观看 | tube8黄色片| 精品一品国产午夜福利视频| 亚洲欧美一区二区三区国产| 97在线视频观看| 美女内射精品一级片tv| 黄色视频在线播放观看不卡| 亚洲国产成人一精品久久久| 大又大粗又爽又黄少妇毛片口| 国产毛片在线视频| 成人免费观看视频高清| 22中文网久久字幕| 日韩伦理黄色片| 一级片'在线观看视频| 综合色丁香网| 美女cb高潮喷水在线观看| 水蜜桃什么品种好| 亚洲不卡免费看| av在线蜜桃| 国产成人精品婷婷| 中文字幕免费在线视频6| 精品少妇黑人巨大在线播放| 欧美亚洲 丝袜 人妻 在线| 深爱激情五月婷婷| 国产精品一二三区在线看| 国产淫语在线视频| 国产男女超爽视频在线观看| 在线天堂最新版资源| 国产真实伦视频高清在线观看| 日韩三级伦理在线观看| 日韩三级伦理在线观看| a级毛片免费高清观看在线播放| 插阴视频在线观看视频| 国产69精品久久久久777片| 一级爰片在线观看| 亚洲久久久国产精品| 纵有疾风起免费观看全集完整版| 国产一区二区三区av在线| 国产男女内射视频| 一级毛片我不卡| 日韩免费高清中文字幕av| 伊人久久国产一区二区| 最近中文字幕2019免费版| 国产精品精品国产色婷婷| 国产美女午夜福利| av福利片在线观看| 最近最新中文字幕免费大全7| 日本欧美国产在线视频| 久久精品熟女亚洲av麻豆精品| 中文字幕av成人在线电影| 嫩草影院新地址| 亚洲欧美中文字幕日韩二区| 国产成人午夜福利电影在线观看| 精品熟女少妇av免费看| 成年美女黄网站色视频大全免费 | 久久久精品免费免费高清| 国产精品一区二区在线观看99| 精品人妻视频免费看| 成人特级av手机在线观看| 亚洲精品日本国产第一区| 老女人水多毛片| 五月开心婷婷网| 亚洲精品日韩av片在线观看| 国产精品一区二区在线不卡| 亚洲国产色片| tube8黄色片| 最近中文字幕2019免费版| 久久久久精品久久久久真实原创| 青青草视频在线视频观看| 校园人妻丝袜中文字幕| 三级国产精品片| 小蜜桃在线观看免费完整版高清| 美女脱内裤让男人舔精品视频| 国产一区二区在线观看日韩| 国产视频首页在线观看| 免费黄色在线免费观看| 美女中出高潮动态图| 精品熟女少妇av免费看| 久久久久久伊人网av| 高清不卡的av网站| 99久久综合免费| 亚洲精品456在线播放app| 亚洲,欧美,日韩| 国产亚洲5aaaaa淫片| 国产精品一区二区在线不卡| 久久国内精品自在自线图片| 久久精品国产a三级三级三级| 日本免费在线观看一区| 搡女人真爽免费视频火全软件| 嫩草影院新地址| 国产精品伦人一区二区| 日本黄色日本黄色录像| 欧美日韩视频精品一区| 日韩成人av中文字幕在线观看| 免费看av在线观看网站| 日韩成人伦理影院| 日产精品乱码卡一卡2卡三| 国产精品爽爽va在线观看网站| 免费黄色在线免费观看| 日韩欧美一区视频在线观看 | 国产高清有码在线观看视频| 97精品久久久久久久久久精品| 欧美97在线视频| 国内少妇人妻偷人精品xxx网站| 爱豆传媒免费全集在线观看| 欧美成人a在线观看| 国产日韩欧美亚洲二区| 你懂的网址亚洲精品在线观看| av国产免费在线观看| 国产有黄有色有爽视频| av免费观看日本| 一区二区三区四区激情视频| 亚洲av在线观看美女高潮| av天堂中文字幕网| 亚洲综合色惰| 2021少妇久久久久久久久久久| 国产精品麻豆人妻色哟哟久久| 成人毛片60女人毛片免费| 久久久久人妻精品一区果冻| 亚洲精品第二区| 80岁老熟妇乱子伦牲交| 国内揄拍国产精品人妻在线| 王馨瑶露胸无遮挡在线观看| 丝袜喷水一区| 边亲边吃奶的免费视频| 成人18禁高潮啪啪吃奶动态图 | av播播在线观看一区| 亚洲精品久久午夜乱码| 丝瓜视频免费看黄片| 亚洲欧美精品自产自拍| 舔av片在线| 熟妇人妻不卡中文字幕| 22中文网久久字幕| 视频中文字幕在线观看| 精品99又大又爽又粗少妇毛片| 老司机影院毛片| 日韩三级伦理在线观看| 51国产日韩欧美| 国产欧美亚洲国产| 成人国产av品久久久| 久久99精品国语久久久| 亚洲av电影在线观看一区二区三区| 欧美 日韩 精品 国产| 久久久久久久久久人人人人人人| 欧美精品国产亚洲| 亚洲av不卡在线观看| 亚洲经典国产精华液单| 青春草亚洲视频在线观看| 内地一区二区视频在线| 欧美xxⅹ黑人| 综合色丁香网| 老师上课跳d突然被开到最大视频| 永久免费av网站大全| 成人影院久久| 高清毛片免费看| 女人久久www免费人成看片| 久久久久人妻精品一区果冻|