• <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 ?

    基于數(shù)據(jù)挖掘的財(cái)務(wù)危機(jī)多分類預(yù)警研究

    2016-08-05 03:19:42趙智繁王世民
    中國管理信息化 2016年11期
    關(guān)鍵詞:財(cái)務(wù)危機(jī)財(cái)務(wù)指標(biāo)預(yù)警

    趙智繁,王世民,曹 倩

    (北京工商大學(xué) 計(jì)算機(jī)與信息工程學(xué)院 食品安全大數(shù)據(jù)技術(shù)北京市重點(diǎn)實(shí)驗(yàn)室,北京 100048)

    基于數(shù)據(jù)挖掘的財(cái)務(wù)危機(jī)多分類預(yù)警研究

    趙智繁,王世民,曹倩

    (北京工商大學(xué)計(jì)算機(jī)與信息工程學(xué)院食品安全大數(shù)據(jù)技術(shù)北京市重點(diǎn)實(shí)驗(yàn)室,北京 100048)

    目前對財(cái)務(wù)危機(jī)預(yù)警模型的研究大多少為二分類研究,其只能對企業(yè)是否存在財(cái)務(wù)危機(jī)做出預(yù)警,無法對企業(yè)的財(cái)務(wù)危機(jī)程度做出警報(bào),因此簡單的二分類可能無法揭示企業(yè)財(cái)務(wù)狀況逐漸變差的事實(shí)。鑒于此,將F分?jǐn)?shù)模型與ST分類法相結(jié)合,對企業(yè)財(cái)務(wù)危機(jī)程度進(jìn)行了細(xì)化,并使用t-2年的財(cái)務(wù)數(shù)據(jù)構(gòu)建了基于關(guān)聯(lián)規(guī)則、決策樹等數(shù)據(jù)挖掘算法的財(cái)務(wù)危機(jī)多分類預(yù)警模型。實(shí)證結(jié)果表明,模型在保證了較高準(zhǔn)確率的基礎(chǔ)上,能夠提供更加精細(xì)的警報(bào)。

    F分?jǐn)?shù)模型;數(shù)據(jù)挖掘;財(cái)務(wù)預(yù)警;財(cái)務(wù)危機(jī);多分類

    1 引言

    面對日趨嚴(yán)峻的市場競爭,不少企業(yè)將會(huì)面臨財(cái)務(wù)危機(jī)的困擾。財(cái)務(wù)危機(jī)又稱財(cái)務(wù)困境,陷入財(cái)務(wù)危機(jī)的企業(yè)不但將面臨資不抵債、無法償還到期債務(wù)、盈利能力下降、財(cái)務(wù)指標(biāo)數(shù)據(jù)惡化等狀況,甚至還有破產(chǎn)的風(fēng)險(xiǎn)。因此,如何提前識別出企業(yè)潛在的財(cái)務(wù)危機(jī)狀況,及時(shí)地進(jìn)行改善,以避免更為嚴(yán)重的損失,成為了企業(yè)管理者、投資者最為關(guān)注的問題。

    通過大量的、真實(shí)的企業(yè)財(cái)務(wù)歷史數(shù)據(jù),并使用一定的數(shù)學(xué)建模方法所構(gòu)建的財(cái)務(wù)危機(jī)預(yù)警模型,是用來預(yù)測企業(yè)是否存在財(cái)務(wù)危機(jī)的重要方法,也是財(cái)務(wù)危機(jī)預(yù)警定量研究的重要內(nèi)容。最早的財(cái)務(wù)危機(jī)預(yù)警模型研究是20世紀(jì)30年代Fitz Patrick等人使用的單變量預(yù)測方法。隨著統(tǒng)計(jì)理論的普及和計(jì)算機(jī)技術(shù)、數(shù)據(jù)庫應(yīng)用的興起,財(cái)務(wù)危機(jī)預(yù)警模型得到了不斷的推衍與改進(jìn),并涌現(xiàn)出了大量的優(yōu)秀成果,如國外Altman等人的Z值計(jì)分模型和國內(nèi)周首華等人的F分?jǐn)?shù)模型等。

    縱觀國內(nèi)外現(xiàn)有的研究成果,大多數(shù)研究的重點(diǎn)都集中在建模方法的對比和預(yù)測變量的選取這兩個(gè)方面,卻缺乏在財(cái)務(wù)危機(jī)預(yù)警中對財(cái)務(wù)危機(jī)進(jìn)行多分類的探討。就目前的文獻(xiàn)資料來看,大多數(shù)的研究依然采取傳統(tǒng)的二分類預(yù)警模式,即只能預(yù)測企業(yè)將成為ST企業(yè),或者將成為非ST企業(yè)。然而在實(shí)際的情況中,有些企業(yè)雖然沒有被標(biāo)記為ST,但是其財(cái)務(wù)狀況依然不樂觀,現(xiàn)有的二分類預(yù)警模型卻并不能對這一部分企業(yè)給出警報(bào)。因此當(dāng)前的依據(jù)ST進(jìn)行劃分的財(cái)務(wù)危機(jī)二分類預(yù)警模型很難提升實(shí)際應(yīng)用的價(jià)值,同時(shí)也掩蓋了企業(yè)在陷入財(cái)務(wù)危機(jī)前財(cái)務(wù)狀況惡化的過程。

    對財(cái)務(wù)危機(jī)的多分類目前還沒有公認(rèn)的標(biāo)準(zhǔn),同時(shí)該問題相對定性,難以在定量研究中通過單一的數(shù)值進(jìn)行表示,這些都為在財(cái)務(wù)危機(jī)預(yù)警模型中進(jìn)行財(cái)務(wù)危機(jī)程度的多分類造成了障礙。

    本文將采用目前國內(nèi)在財(cái)務(wù)危機(jī)預(yù)警領(lǐng)域使用較為廣泛的F分?jǐn)?shù)模型的判別公式,并與傳統(tǒng)研究中的ST分類方式相結(jié)合,將企業(yè)財(cái)務(wù)危機(jī)程度劃分為“財(cái)務(wù)穩(wěn)定企業(yè)”、“財(cái)務(wù)不穩(wěn)定企業(yè)”、“財(cái)務(wù)較危機(jī)企業(yè)”和“財(cái)務(wù)危機(jī)企業(yè)”四個(gè)部分。并使用t-2年的財(cái)務(wù)指標(biāo)數(shù)據(jù),通過關(guān)聯(lián)規(guī)則算法篩選出重要的預(yù)測變量,再通過決策樹模型進(jìn)行訓(xùn)練生成財(cái)務(wù)危機(jī)多分類預(yù)警模型,最后使用測試樣本對模型的準(zhǔn)確性進(jìn)行檢驗(yàn)。

    2 國內(nèi)外研究綜述

    財(cái)務(wù)危機(jī)預(yù)警模型的研究中,在財(cái)務(wù)危機(jī)的分類方面,最早是依據(jù)企業(yè)是否破產(chǎn)進(jìn)行分類的,其中具有代表性的研究是Altman[1]使用多元線性判別方法創(chuàng)立的 Z值計(jì)分模型,其使用的研究樣本是33家提出破產(chǎn)申請的企業(yè)與33家與之配對產(chǎn)生的財(cái)務(wù)狀況良好的企業(yè)。在國外的現(xiàn)有研究中,大部分也是依據(jù)企業(yè)是否破產(chǎn)進(jìn)行二分類。在抽樣的方法上,大多也使用配對抽樣的方法。在國內(nèi),由于上市企業(yè)的財(cái)務(wù)年報(bào)獲取較為容易,同時(shí)其年報(bào)數(shù)據(jù)的真實(shí)性、準(zhǔn)確性較高,所以大部分研究選取上市企業(yè)作為研究樣本。但是由于我國真正破產(chǎn)、退市的上市企業(yè)很少,所以在研究中一般以上市企業(yè)被特別處理(ST)作為企業(yè)陷入財(cái)務(wù)危機(jī)的標(biāo)志,同樣屬于一種二分類方式,這主要是為了迎合我國上市企業(yè)的實(shí)際情況、提升建模實(shí)驗(yàn)的可操作性以及便于不同學(xué)者的研究相互比較。其中最具影響力的是周首華[2]等人在Z值計(jì)分模型的基礎(chǔ)上,以我國企業(yè)為研究樣本進(jìn)行了修正,并考慮了現(xiàn)金流量因素,提出了F分?jǐn)?shù)模型。對于財(cái)務(wù)危機(jī)多分類預(yù)警模型的研究探討相對較少,但也有一些成果,如張坤[3]以西部四省上市企業(yè)為例,在構(gòu)建財(cái)務(wù)危機(jī)預(yù)警模型前使用數(shù)據(jù)包絡(luò)分析法將企業(yè)財(cái)務(wù)危機(jī)狀況分成五類。陳磊[4]則將傳統(tǒng)的基于ST的二分類方式擴(kuò)展為ST、*ST、非ST的三分類。

    在預(yù)測變量的選擇上,目前主要分為財(cái)務(wù)指標(biāo)和非財(cái)務(wù)指標(biāo)兩類。相對而言,財(cái)務(wù)指標(biāo)更加容易獲取,且構(gòu)建的財(cái)務(wù)預(yù)警模型具有直觀性、穩(wěn)定性,因此更多的研究選擇財(cái)務(wù)指標(biāo)作為預(yù)測變量。非財(cái)務(wù)指標(biāo)相對難以獲取且難以量化,但也有相關(guān)研究表明非財(cái)務(wù)指標(biāo)與財(cái)務(wù)危機(jī)具有一定的關(guān)系,如La Porta[5]等人發(fā)現(xiàn)企業(yè)股權(quán)集中度越高,企業(yè)越容易出現(xiàn)財(cái)務(wù)危機(jī)。邊海榮[6]等人將Web金融信息文本數(shù)值化后發(fā)現(xiàn),其也可以作為預(yù)測變量用于構(gòu)建財(cái)務(wù)危機(jī)預(yù)警模型。

    在建模方法的應(yīng)用上,傳統(tǒng)的方法主要是單變量、多變量預(yù)測模型,但隨著計(jì)算機(jī)網(wǎng)絡(luò)和數(shù)據(jù)庫技術(shù)的興起,數(shù)據(jù)挖掘技術(shù)逐漸成為了構(gòu)建財(cái)務(wù)危機(jī)預(yù)警模型的主要工具。數(shù)據(jù)挖掘擁有強(qiáng)大的學(xué)習(xí)能力,可以從大量歷史信息中發(fā)現(xiàn)潛在的、有價(jià)值的知識,輔助管理者進(jìn)行決策。其中,Odom[7]是使用人工神經(jīng)網(wǎng)絡(luò)構(gòu)建企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型的最具代表性的學(xué)者之一。吳世農(nóng)[8]等人通過對邏輯回歸模型與另外兩種方法對比發(fā)現(xiàn),邏輯回歸模型擁有最低的誤判率。李?。?]通過對邏輯回歸、決策樹、人工神經(jīng)網(wǎng)絡(luò)三種不同的數(shù)據(jù)挖掘算法進(jìn)行對比,發(fā)現(xiàn)在構(gòu)建財(cái)務(wù)危機(jī)預(yù)警模型時(shí)決策樹模型訓(xùn)練次數(shù)少、速度快,在長期預(yù)測和短期預(yù)測中都能取得較高的準(zhǔn)確率,穩(wěn)定性更強(qiáng)。

    3 研究設(shè)計(jì)

    3.1技術(shù)路線

    基于數(shù)據(jù)挖掘的財(cái)務(wù)危機(jī)多分類預(yù)警建模的研究,大致可分為四個(gè)部分:樣本數(shù)據(jù)的選取和財(cái)務(wù)指標(biāo)的計(jì)算、財(cái)務(wù)危機(jī)的多分類、預(yù)測變量的篩選、數(shù)據(jù)挖掘算法的訓(xùn)練。

    對于財(cái)務(wù)危機(jī)的多分類,由于現(xiàn)有的二分類預(yù)警模型存在較為明顯的局限性,因此本文將F分?jǐn)?shù)模型的判別公式和ST分類方法相結(jié)合,將財(cái)務(wù)危機(jī)細(xì)化為“財(cái)務(wù)穩(wěn)定企業(yè)”、“財(cái)務(wù)不穩(wěn)定企業(yè)”、“財(cái)務(wù)較危機(jī)企業(yè)”和“財(cái)務(wù)危機(jī)企業(yè)”四個(gè)部分,使得預(yù)警模型可以對那些雖然目前沒有被標(biāo)記為ST的風(fēng)險(xiǎn),但財(cái)務(wù)狀況依舊不樂觀的企業(yè)做出警報(bào)。

    對于預(yù)測變量的篩選,由于預(yù)測變量(財(cái)務(wù)指標(biāo))的多樣性,以及不同預(yù)測變量間可能存在的關(guān)聯(lián)性,同時(shí)也為了能夠生成簡練易讀的財(cái)務(wù)危機(jī)預(yù)警模型,因此需要對預(yù)測變量進(jìn)行篩選。本文將使用t-2年的財(cái)務(wù)指標(biāo)數(shù)據(jù),并通過數(shù)據(jù)挖掘中的關(guān)聯(lián)規(guī)則算法,篩選出與t年財(cái)務(wù)危機(jī)程度關(guān)聯(lián)度較大的財(cái)務(wù)指標(biāo)作為預(yù)測變量,剔除了弱關(guān)聯(lián)指標(biāo)。

    最后,本文將使用t-2年的預(yù)測變量數(shù)據(jù),以t年的財(cái)務(wù)危機(jī)程度作為結(jié)果變量,并通過數(shù)據(jù)挖掘中的決策樹算法進(jìn)行訓(xùn)練,生成樹狀判別模型,并使用測試樣本檢驗(yàn)?zāi)P偷臏?zhǔn)確率。

    3.2樣本來源和指標(biāo)體系

    本文的樣本數(shù)據(jù)來源于上海證券交易所官網(wǎng)中上市公司定期披露的財(cái)務(wù)年報(bào),這些年報(bào)數(shù)據(jù)經(jīng)過了嚴(yán)格的審查,具有較高的真實(shí)性和規(guī)范性。

    由于在財(cái)務(wù)分析研究中,各類財(cái)務(wù)指標(biāo)類型較多,為了避免在選取備用的財(cái)務(wù)指標(biāo)時(shí)造成的主觀性和相關(guān)性,本文選取了國內(nèi)相對較為完善的《企業(yè)綜合績效評價(jià)實(shí)施細(xì)則》中財(cái)務(wù)績效定量評價(jià)指標(biāo)規(guī)定的8個(gè)基本指標(biāo)與14個(gè)修正指標(biāo)作為備選的財(cái)務(wù)指標(biāo),其中舍棄4個(gè)外部報(bào)表使用者難以獲取的指標(biāo),分別是不良資產(chǎn)比率、帶息負(fù)債比率、或有負(fù)債比率和技術(shù)投入比率,剩余的財(cái)務(wù)指標(biāo)如表1所示。

    表1備選的財(cái)務(wù)指標(biāo)

    3.3財(cái)務(wù)危機(jī)的多分類

    3.3.1 F分?jǐn)?shù)模型

    為了彌補(bǔ)目前二分類預(yù)警模型的缺陷,本文采用F分?jǐn)?shù)模型的判別公式與傳統(tǒng)ST分類標(biāo)準(zhǔn)相結(jié)合,實(shí)現(xiàn)了對財(cái)務(wù)危機(jī)程度的多分類。

    F分?jǐn)?shù)模型是我國學(xué)者在Z值計(jì)分模型的基礎(chǔ)上,以我國企業(yè)財(cái)務(wù)信息為樣本數(shù)據(jù)所改進(jìn)的財(cái)務(wù)危機(jī)預(yù)測模型。隨后,在相關(guān)領(lǐng)域的研究中,F(xiàn)分?jǐn)?shù)模型得到了廣泛的運(yùn)用,并保持了很高的準(zhǔn)確率。與Z值計(jì)分模型相比,它具有如下的優(yōu)勢:首先,F(xiàn)分?jǐn)?shù)模型充分考慮到現(xiàn)金流量的因素;其次,F(xiàn)分?jǐn)?shù)模型通過數(shù)據(jù)庫技術(shù)使用了更大的研究樣本,擁有更強(qiáng)的穩(wěn)定性和普遍適用性,同時(shí)更加適用于國內(nèi)企業(yè);另外,F(xiàn)分?jǐn)?shù)模型考慮到了近代企業(yè)財(cái)務(wù)狀況相關(guān)標(biāo)準(zhǔn)的更新與發(fā)展。

    F分?jǐn)?shù)模型的判別公式如下:

    其中的X1表示的是企業(yè)期末流動(dòng)資產(chǎn)與期末流動(dòng)負(fù)債的差值,占企業(yè)期末總資產(chǎn)的比率;X2表示企業(yè)期末留存收益與期末總資產(chǎn)的比值;X3表示企業(yè)稅后純收益與折舊的總和與平均總負(fù)債的比值;X4是期末股東權(quán)益的市場價(jià)值與期末總負(fù)債的比值;X5表示企業(yè)稅后純收益、利息、折舊三者總和與平均總資產(chǎn)的比值。與Z值計(jì)分模型相比,F(xiàn)分?jǐn)?shù)模型考慮了現(xiàn)金流量方面的情況,如 X3、X5指標(biāo)的分子項(xiàng),都是對企業(yè)創(chuàng)造的現(xiàn)金流量方面的測量[9]。F分?jǐn)?shù)的計(jì)算比較簡單,流動(dòng)資產(chǎn)、流動(dòng)負(fù)債、總負(fù)債、總資產(chǎn)等項(xiàng)目均可從資產(chǎn)負(fù)債表中直接獲取,凈利潤可從利潤表中獲取,只有期末股東權(quán)益的市場價(jià)值需要參考期末股價(jià)、未上市流通股份和已上市流通股份等其他會(huì)計(jì)資料。

    F分?jǐn)?shù)模型的臨界點(diǎn)被設(shè)定為0.027 4,當(dāng)企業(yè)的F分?jǐn)?shù)小于臨界點(diǎn)時(shí),則被預(yù)測為具有較高的財(cái)務(wù)危機(jī),被標(biāo)記為ST的可能性很大;若F分?jǐn)?shù)大于臨界點(diǎn),則被預(yù)測為財(cái)務(wù)狀況正常的企業(yè)。另外,經(jīng)過大量的樣本檢驗(yàn),當(dāng)F分?jǐn)?shù)處于[-0.050 1,0.104 9]時(shí),預(yù)測的準(zhǔn)確率將會(huì)下降到僅僅70%左右,一般在研究中我們稱之為“灰色區(qū)域”。

    3.3.2多分類標(biāo)準(zhǔn)

    在目前的相關(guān)研究中,經(jīng)常依據(jù)上市企業(yè)被標(biāo)記為ST作為企業(yè)是否存在財(cái)務(wù)危機(jī)的分類標(biāo)準(zhǔn)。ST(Special Treatment),意為“特別處理”,是證券交易所對財(cái)務(wù)狀況或其他狀況出現(xiàn)異常的上市企業(yè)股票交易進(jìn)行的特別處理,這里的異常狀況主要包括:最近兩個(gè)會(huì)計(jì)年度的審計(jì)結(jié)果顯示的凈利潤均為負(fù);最近一個(gè)會(huì)計(jì)年度的審計(jì)結(jié)果顯示其股東權(quán)益低于注冊資本等??梢?,上市企業(yè)被標(biāo)記為ST是一種明顯的具有較高財(cái)務(wù)危機(jī)的體現(xiàn)。本文也認(rèn)同這種觀點(diǎn),因此將被標(biāo)記為ST的企業(yè)作為財(cái)務(wù)危機(jī)多分類中的“財(cái)務(wù)危機(jī)企業(yè)”樣本,并將其被標(biāo)記為ST的年份稱為第t年。但是,由于在實(shí)際情況中,部分上市企業(yè)雖然沒有被標(biāo)記為ST企業(yè),但財(cái)務(wù)狀況并不樂觀,依然存在較高的財(cái)務(wù)危機(jī)風(fēng)險(xiǎn),僅僅使用傳統(tǒng)的ST分類方式是無法將這部分企業(yè)篩選出來的。因此,將使用F分?jǐn)?shù)模型,繼續(xù)對非ST企業(yè)進(jìn)行分類。

    由于財(cái)務(wù)數(shù)據(jù)的發(fā)表具有滯后性,因此使用t-1年的財(cái)務(wù)報(bào)表數(shù)據(jù)進(jìn)行F分?jǐn)?shù)的計(jì)算。當(dāng)非ST企業(yè)的F分?jǐn)?shù)低于-0.050 1時(shí),我們認(rèn)為這部分企業(yè)雖然沒有被標(biāo)記為ST,但依然存在較高的財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)。而且,當(dāng)非ST企業(yè)的凈利潤為負(fù)數(shù)時(shí),近兩年成為ST企業(yè)的可能性很高。因此我們將這兩類企業(yè)作為財(cái)務(wù)危機(jī)多分類中的“財(cái)務(wù)較危機(jī)企業(yè)”樣本。

    當(dāng)非ST企業(yè)的F分?jǐn)?shù)處于灰色區(qū)域 [-0.050 1,0.104 9]時(shí),F(xiàn)分?jǐn)?shù)模型的預(yù)測準(zhǔn)確率較低,因此這部分企業(yè)的財(cái)務(wù)狀況并不穩(wěn)定,將這類企業(yè)作為財(cái)務(wù)危機(jī)多分類中的“財(cái)務(wù)不穩(wěn)定企業(yè)”樣本。

    當(dāng)非ST企業(yè)的F分?jǐn)?shù)高于0.104 9時(shí),F(xiàn)分?jǐn)?shù)模型的預(yù)測準(zhǔn)確率回升到了較高的水平,這部分企業(yè)的財(cái)務(wù)狀況良好,存在財(cái)務(wù)風(fēng)險(xiǎn)的可能性很低,因此我們將這類企業(yè)作為財(cái)務(wù)危機(jī)多分類中的“財(cái)務(wù)穩(wěn)定企業(yè)”樣本。

    最終本文在上海證券交易所官網(wǎng)中選取了37家2015年被標(biāo)記為ST的上市企業(yè)作為“財(cái)務(wù)危機(jī)企業(yè)”樣本,同時(shí)通過計(jì)算 F分?jǐn)?shù),選取“財(cái)務(wù)較危機(jī)企業(yè)”、“財(cái)務(wù)不穩(wěn)定企業(yè)”、“財(cái)務(wù)穩(wěn)定企業(yè)”各37家,共148個(gè)研究樣本,將其中將98家作為訓(xùn)練樣本,50家作為測試樣本。

    3.4預(yù)測變量的篩選

    3.4.1財(cái)務(wù)危機(jī)分類結(jié)果與財(cái)務(wù)指標(biāo)的對應(yīng)

    因?yàn)樨?cái)務(wù)數(shù)據(jù)的發(fā)布具有滯后性,因此當(dāng)我們獲取t-1年的財(cái)務(wù)報(bào)表數(shù)據(jù)時(shí),實(shí)際上第t年的財(cái)務(wù)危機(jī)已經(jīng)發(fā)生,因此在構(gòu)建財(cái)務(wù)危機(jī)預(yù)警模型時(shí),使用t-1年的財(cái)務(wù)數(shù)據(jù)沒有任何預(yù)警意義,使用t-2年的財(cái)務(wù)數(shù)據(jù)更為合理。

    在數(shù)據(jù)庫中對預(yù)測變量進(jìn)行篩選前,需要將樣本企業(yè)第t年的財(cái)務(wù)危機(jī)分類結(jié)果與第t-2年的財(cái)務(wù)指標(biāo)數(shù)據(jù)進(jìn)行對應(yīng)。最簡單的方法是,在企業(yè)第t-2年的財(cái)務(wù)指標(biāo)數(shù)據(jù)行中添加一個(gè)新的屬性(列),通過數(shù)據(jù)庫的存儲(chǔ)過程寫入將該企業(yè)第t年的財(cái)務(wù)危機(jī)分類結(jié)果。

    3.4.2關(guān)聯(lián)規(guī)則篩選預(yù)測變量

    表1中列舉了備選的財(cái)務(wù)指標(biāo),但是如果將所列的財(cái)務(wù)指標(biāo)全部當(dāng)作預(yù)測變量來構(gòu)建預(yù)警模型,則容易造成預(yù)警模型過擬合,同時(shí)過于復(fù)雜的預(yù)警模型不利于實(shí)際的應(yīng)用。因此,需要對財(cái)務(wù)指標(biāo)進(jìn)行篩選,選擇出合適的財(cái)務(wù)指標(biāo)作為預(yù)測變量。

    以往的研究在篩選財(cái)務(wù)指標(biāo)時(shí)常采用的方法包括:K-S檢驗(yàn)、配對T檢驗(yàn)和主成分分析等方法,但都具有一定的局限性。首先K-S檢驗(yàn)、配對T檢驗(yàn)對樣本數(shù)據(jù)的分布狀況有一定的要求,部分財(cái)務(wù)數(shù)據(jù)因其本身的特點(diǎn)往往很難滿足要求。其次在使用主成分分析前需要對樣本進(jìn)行KMO檢驗(yàn)和Bartlett球形檢驗(yàn),而且最終形成的主成分因子是所有指標(biāo)在不同權(quán)系數(shù)下的線性組合,不一定具有合理的財(cái)務(wù)意義。因此,本文采用了數(shù)據(jù)挖掘中關(guān)聯(lián)規(guī)則算法來篩選預(yù)測變量。關(guān)聯(lián)規(guī)則算法對樣本數(shù)據(jù)的分布沒有要求,同時(shí)能夠篩選出與財(cái)務(wù)危機(jī)狀況關(guān)聯(lián)度較高的財(cái)務(wù)指標(biāo)作為預(yù)測變量。

    關(guān)聯(lián)規(guī)則是一種可以在大量數(shù)據(jù)集中找出項(xiàng)與項(xiàng)之間的關(guān)系的數(shù)據(jù)挖掘技術(shù),Apriori算法是關(guān)聯(lián)規(guī)則中最經(jīng)典的算法,依據(jù)每條規(guī)則的支持度與置信度,可以得出在規(guī)則先導(dǎo)發(fā)生的情況下,規(guī)則后繼發(fā)生的可能性。其中規(guī)則的支持度用support表示,意為在所有記錄中同時(shí)包括先導(dǎo)與后繼的比率,公式為:

    其中X為規(guī)則的先導(dǎo),Y為規(guī)則的后繼,|D|表示所有記錄的條數(shù)。

    規(guī)則的置信度用confidence表示,表達(dá)的含義是當(dāng)一條記錄包含先導(dǎo)時(shí),同時(shí)也包含后繼的概率,公式為:

    通過設(shè)定最小支持度和最小置信度,可以選擇出我們需要的關(guān)聯(lián)規(guī)則。例如:當(dāng)規(guī)則中指標(biāo)X1<m推導(dǎo)出“財(cái)務(wù)危機(jī)企業(yè)”的支持度與置信度均滿足最低標(biāo)準(zhǔn),那么指標(biāo)X1將成合格的預(yù)測變量。

    因此我們將財(cái)務(wù)危機(jī)分類設(shè)置成后繼屬性Y,通過約束規(guī)則的最大項(xiàng)數(shù),來考察單一的財(cái)務(wù)指標(biāo)數(shù)據(jù)與財(cái)務(wù)危機(jī)分類的關(guān)聯(lián)程度。經(jīng)過篩選,當(dāng)最小置信度設(shè)置為0.7時(shí),獲得的規(guī)則數(shù)目與規(guī)則先導(dǎo)數(shù)量最為合理,分別可以獲得9條重要的關(guān)聯(lián)規(guī)則和 7個(gè)預(yù)測變量,分別是 X1、X2、X3、X5、X8、X9、X16,重要的關(guān)聯(lián)規(guī)則如表2所示。

    表2重要的關(guān)聯(lián)規(guī)則

    3.5基于決策樹的財(cái)務(wù)危機(jī)預(yù)警模型

    數(shù)據(jù)挖掘中的決策樹算法是一種逼近離散函數(shù)值的方法,可用于分類、預(yù)測。通過決策樹來構(gòu)建財(cái)務(wù)危機(jī)預(yù)警模型具有訓(xùn)練次數(shù)少、速度快的優(yōu)點(diǎn),同時(shí)決策樹的分類精度高、生成的模型直觀可讀、對樣本中的噪聲數(shù)據(jù)有很好的健壯性并能取得穩(wěn)定的預(yù)測準(zhǔn)確率。

    決策樹自根節(jié)點(diǎn)開始,依據(jù)屬性的信息增益量進(jìn)行分裂,優(yōu)先分裂信息增益量最大的屬性,其分類過程具有貪心思想。屬性的信息增益量為系統(tǒng)在攜帶該屬性時(shí)與不攜帶該屬性時(shí)的信息量的差值。信息量(熵)的計(jì)算公式為:

    其中Pi為變量在取不同的值i的概率。使用98組訓(xùn)練樣本,將通過關(guān)聯(lián)規(guī)則篩選出的t-2年的財(cái)務(wù)指標(biāo)作為決策樹的預(yù)測變量,以第t年的財(cái)務(wù)危機(jī)分類作為決策樹的結(jié)果變量,在葉結(jié)點(diǎn)處,決策樹給出每一個(gè)分支的預(yù)測分類,如圖1所示。

    圖1決策樹預(yù)測結(jié)果

    4 結(jié)果檢驗(yàn)

    本文使用的是 SQL Server數(shù)據(jù)庫及配套的 Business Intelligence Development Studio商務(wù)智能套件,在挖掘結(jié)果信息欄中選取挖掘準(zhǔn)確性圖表,可以使用50組測試樣本數(shù)據(jù)對預(yù)警模型的準(zhǔn)確性進(jìn)行檢驗(yàn),得到如表3的結(jié)果分類矩陣。

    表3預(yù)測結(jié)果分類矩陣

    根據(jù)預(yù)測的結(jié)果來看,本文在使用F分?jǐn)?shù)模型與ST分類法相結(jié)合的方法將財(cái)務(wù)危機(jī)進(jìn)行了多分類,并用數(shù)據(jù)挖掘算法訓(xùn)練生成了預(yù)警模型,這使得預(yù)警模型的預(yù)警結(jié)果也是多分類的。與現(xiàn)有的二分類模型相比,多分類的預(yù)警模型不但能對可能成為ST的企業(yè)進(jìn)行警報(bào),同時(shí)能對那些雖然暫時(shí)沒有被ST的風(fēng)險(xiǎn),但是其財(cái)務(wù)狀況依舊不樂觀的企業(yè)做出警報(bào),增強(qiáng)了實(shí)用價(jià)值。

    在準(zhǔn)確率方面,多分類的預(yù)警模型與傳統(tǒng)的二分類模型并不具有直接的可比性。但是從預(yù)測準(zhǔn)確率上依舊可以看出,多分類預(yù)警模型在對財(cái)務(wù)危機(jī)型企業(yè)與財(cái)務(wù)穩(wěn)定型企業(yè)進(jìn)行預(yù)警時(shí),準(zhǔn)確率較高,但在對財(cái)務(wù)較危機(jī)型企業(yè)和財(cái)務(wù)不穩(wěn)定型企業(yè)進(jìn)行預(yù)警時(shí)準(zhǔn)確率不夠,只能達(dá)到60%左右,這可能是由于難以挖掘到有效的預(yù)警指標(biāo)和預(yù)警區(qū)間,但這對實(shí)際的應(yīng)用價(jià)值影響較小。

    在財(cái)務(wù)危機(jī)預(yù)警模型的驗(yàn)證中,經(jīng)常需要檢驗(yàn)?zāi)P偷腻e(cuò)誤成本,因?yàn)镾inkey[10]認(rèn)為,當(dāng)預(yù)測結(jié)果優(yōu)于實(shí)際結(jié)果時(shí),其給企業(yè)帶來的錯(cuò)誤成本要高于預(yù)測結(jié)果劣于實(shí)際結(jié)果的情況,根據(jù)本文的預(yù)測結(jié)果分類矩陣,錯(cuò)誤的預(yù)測大部分要劣于實(shí)際的結(jié)果,因此該模型的錯(cuò)誤成本相對較小。

    5 結(jié)語

    本文使用F分?jǐn)?shù)模型,并與傳統(tǒng)的ST分類法相結(jié)合,將企業(yè)財(cái)務(wù)危機(jī)進(jìn)行了多分類,在財(cái)務(wù)危機(jī)預(yù)警建模中,提供了一種新的財(cái)務(wù)危機(jī)多分類預(yù)警思路。與傳統(tǒng)的二分類預(yù)警模型相比,多分類的預(yù)警模型在保證了一定準(zhǔn)確率的基礎(chǔ)上,能夠提供更多種類的警報(bào),具有更強(qiáng)的應(yīng)用價(jià)值。

    在篩選財(cái)務(wù)指標(biāo)時(shí),關(guān)聯(lián)規(guī)則算法與K-S檢驗(yàn)、配對T檢驗(yàn)和主成分分析法相比,擁有更強(qiáng)的適用性,更加適合財(cái)務(wù)數(shù)據(jù)本身的數(shù)據(jù)特點(diǎn)。同時(shí),決策樹算法在構(gòu)建財(cái)務(wù)危機(jī)預(yù)警模型時(shí)訓(xùn)練次數(shù)少、速度快、準(zhǔn)確率較為穩(wěn)定。

    就目前的研究結(jié)果來看,總資產(chǎn)報(bào)酬率、流動(dòng)資產(chǎn)周轉(zhuǎn)率、資本保值增值率、成本費(fèi)用利潤率、凈資產(chǎn)收益率等幾個(gè)指標(biāo)在預(yù)測企業(yè)財(cái)務(wù)危機(jī)時(shí)具有較高的穩(wěn)定性。因此無論是作為企業(yè)的管理者還是外部的投資者,都應(yīng)當(dāng)重點(diǎn)關(guān)注這些指標(biāo)的變化,相關(guān)的財(cái)務(wù)指標(biāo)評價(jià)體系也可適當(dāng)調(diào)高這些指標(biāo)的權(quán)重,使其獲得更準(zhǔn)確的評價(jià)。

    主要文獻(xiàn)文獻(xiàn)

    [1]Altman,E.I.Financial Ratios,Discriminate Analysis and the Prediction of Corporate Bankruptcy[J].The Joural of Finance,1968(4):589-609.

    [2]周首華,楊濟(jì)華,王平.論財(cái)務(wù)危機(jī)的預(yù)警分析—F分?jǐn)?shù)模型[J].會(huì)計(jì)研究,1996(8):8-11.

    [3]張坤,丁玉芳,胡敏杰.基于數(shù)據(jù)包絡(luò)分析:決策樹的企業(yè)財(cái)務(wù)評價(jià)與預(yù)警——以西部四省上市企業(yè)為例 [J].財(cái)務(wù)與金融,2014(3):36-41.

    [4]陳磊,任若恩,曹漢平.公司多階段財(cái)務(wù)危機(jī)動(dòng)態(tài)預(yù)警研究[J].系統(tǒng)工程理論與實(shí)踐,2008(11):29-35.

    [5]N Gennaioli,RL Porta,F(xiàn)LD Silanes,et al.Growth in Regions[J].Journal of Economic Growth,1969,19(3):259-309.

    [6]邊海容,萬常選,劉德喜.考慮Web金融信息的上市企業(yè)財(cái)務(wù)危機(jī)預(yù)測模型研究[J].計(jì)算機(jī)科學(xué),2013,40(11):295-298.

    [7]Odom M D,Sharda R.A Neural Network for Bankruptcy Prediction[C]// Proceedings of the International Joint Conference on Neural Networks Tool,1990.

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

    [9]李吉林.基于F分?jǐn)?shù)模型的上市公司財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)研究[J].中小企業(yè)管理與科技,2010(18):72-74.

    [10]趙長明.我國二手房地產(chǎn)交易價(jià)格風(fēng)險(xiǎn)的核算[J].統(tǒng)計(jì)與決策,2014(1):50-52.

    10.3969/j.issn.1673-0194.2016.11.032

    F275

    A

    1673-0194(2016)11-0056-06

    2016-04-19

    北京市教委科學(xué)研究項(xiàng)目(KM201410011005);北京市優(yōu)秀人才培養(yǎng)資助項(xiàng)目(2015000020124G029);北京工商大學(xué)教育教學(xué)改革項(xiàng)目(jg155225)。

    猜你喜歡
    財(cái)務(wù)危機(jī)財(cái)務(wù)指標(biāo)預(yù)警
    法國發(fā)布高溫預(yù)警 嚴(yán)陣以待備戰(zhàn)“史上最熱周”
    基于LASSO-LARS的上市公司財(cái)務(wù)危機(jī)預(yù)警模型研究
    我國金融機(jī)構(gòu)股價(jià)和主要財(cái)務(wù)指標(biāo)的相關(guān)性分析
    園林有害生物預(yù)警與可持續(xù)控制
    拿什么拯救中年財(cái)務(wù)危機(jī)
    商周刊(2017年6期)2017-08-22 03:42:49
    全國國有企業(yè)主要財(cái)務(wù)指標(biāo)
    基于遺傳算法和LS-SVM的財(cái)務(wù)危機(jī)預(yù)測
    內(nèi)部控制與財(cái)務(wù)危機(jī)預(yù)警耦合——基于外貿(mào)企業(yè)內(nèi)部控制與風(fēng)險(xiǎn)管理問題的研究
    全國國有企業(yè)主要財(cái)務(wù)指標(biāo)
    機(jī)載預(yù)警雷達(dá)對IFF 的干擾分析
    国产中年淑女户外野战色| 久久久久久久久久成人| 免费人成在线观看视频色| 欧美日韩亚洲高清精品| 久久人妻熟女aⅴ| 2021少妇久久久久久久久久久| 91久久精品国产一区二区三区| 日本猛色少妇xxxxx猛交久久| 精品久久国产蜜桃| 国产精品欧美亚洲77777| 我要看日韩黄色一级片| 国产精品一区二区在线不卡| 亚洲av福利一区| 免费播放大片免费观看视频在线观看| 日本wwww免费看| 国产亚洲午夜精品一区二区久久| 亚洲国产欧美在线一区| 国产精品一区二区在线不卡| 少妇丰满av| 高清av免费在线| 亚洲成人手机| 香蕉精品网在线| 成人美女网站在线观看视频| 永久网站在线| 国产精品成人在线| 夫妻午夜视频| 中文字幕精品免费在线观看视频 | 亚洲精品国产成人久久av| av女优亚洲男人天堂| 少妇精品久久久久久久| 亚洲欧美精品自产自拍| 在线观看三级黄色| 麻豆成人午夜福利视频| 久久久精品免费免费高清| 国产成人精品久久久久久| 亚洲国产精品专区欧美| av卡一久久| 狠狠精品人妻久久久久久综合| 国产色爽女视频免费观看| 久久久久国产网址| 日韩制服骚丝袜av| 亚洲国产最新在线播放| 欧美精品高潮呻吟av久久| 99精国产麻豆久久婷婷| 女人精品久久久久毛片| 我要看黄色一级片免费的| videos熟女内射| 夫妻性生交免费视频一级片| 女人精品久久久久毛片| 99久久精品国产国产毛片| 观看免费一级毛片| 亚洲欧美精品自产自拍| 自拍欧美九色日韩亚洲蝌蚪91 | 国产黄色免费在线视频| 我要看日韩黄色一级片| 国产欧美日韩一区二区三区在线 | 99热国产这里只有精品6| 久久综合国产亚洲精品| 亚洲欧美一区二区三区国产| 午夜福利,免费看| 亚洲真实伦在线观看| 亚洲情色 制服丝袜| 国产精品国产三级国产专区5o| 日韩在线高清观看一区二区三区| 欧美日韩视频精品一区| 王馨瑶露胸无遮挡在线观看| 九九爱精品视频在线观看| 黄色一级大片看看| 久久久久视频综合| 插阴视频在线观看视频| 亚洲人成网站在线观看播放| 2022亚洲国产成人精品| 久久青草综合色| 国产精品蜜桃在线观看| 成年人免费黄色播放视频 | 亚洲av免费高清在线观看| 欧美精品高潮呻吟av久久| 久久99一区二区三区| 亚洲自偷自拍三级| 少妇熟女欧美另类| 亚洲久久久国产精品| 免费观看a级毛片全部| 免费观看性生交大片5| 麻豆乱淫一区二区| 亚洲欧美成人精品一区二区| 婷婷色综合大香蕉| 午夜91福利影院| 久久精品国产鲁丝片午夜精品| av天堂中文字幕网| 2018国产大陆天天弄谢| 男人狂女人下面高潮的视频| 在线天堂最新版资源| 97超视频在线观看视频| 欧美xxxx性猛交bbbb| 国产精品不卡视频一区二区| 少妇人妻 视频| 王馨瑶露胸无遮挡在线观看| 国产成人精品一,二区| 久久99一区二区三区| 欧美少妇被猛烈插入视频| 少妇 在线观看| 欧美高清成人免费视频www| 国产精品国产三级专区第一集| 国产精品女同一区二区软件| 亚洲精品一区蜜桃| 天天躁夜夜躁狠狠久久av| 伦理电影免费视频| 国产欧美日韩一区二区三区在线 | 七月丁香在线播放| 水蜜桃什么品种好| 99re6热这里在线精品视频| 精品国产乱码久久久久久小说| 亚洲婷婷狠狠爱综合网| 国产日韩欧美在线精品| 国产精品无大码| 一区二区三区四区激情视频| 久久久久久久亚洲中文字幕| 国产精品国产三级专区第一集| 黄色怎么调成土黄色| 中文字幕制服av| 欧美最新免费一区二区三区| 欧美国产精品一级二级三级 | 搡女人真爽免费视频火全软件| 精品久久久精品久久久| 久久亚洲国产成人精品v| 哪个播放器可以免费观看大片| 国产免费视频播放在线视频| 99九九在线精品视频 | 日日撸夜夜添| 麻豆乱淫一区二区| 九九在线视频观看精品| 久久ye,这里只有精品| 99久国产av精品国产电影| 久久久a久久爽久久v久久| 新久久久久国产一级毛片| 好男人视频免费观看在线| 亚洲av不卡在线观看| 丝瓜视频免费看黄片| 亚洲国产精品999| 亚洲三级黄色毛片| 亚洲av二区三区四区| 亚洲熟女精品中文字幕| 3wmmmm亚洲av在线观看| 男女边吃奶边做爰视频| 欧美国产精品一级二级三级 | 欧美成人精品欧美一级黄| 精品一品国产午夜福利视频| 国产男女超爽视频在线观看| 欧美bdsm另类| 欧美另类一区| 一区二区三区乱码不卡18| 国产91av在线免费观看| 午夜免费观看性视频| 久久久久久久久久久免费av| 日本色播在线视频| 寂寞人妻少妇视频99o| 免费不卡的大黄色大毛片视频在线观看| 亚洲精品国产av成人精品| 亚洲精品国产av蜜桃| 精品人妻熟女毛片av久久网站| 久久久久精品久久久久真实原创| 久久青草综合色| 亚洲精品第二区| 十八禁高潮呻吟视频 | 有码 亚洲区| 精品少妇久久久久久888优播| 国产精品熟女久久久久浪| 婷婷色av中文字幕| 日韩电影二区| 日本-黄色视频高清免费观看| 国产欧美日韩综合在线一区二区 | 美女福利国产在线| 曰老女人黄片| 极品教师在线视频| 高清视频免费观看一区二区| 制服丝袜香蕉在线| 日韩中字成人| 男女边吃奶边做爰视频| 夜夜骑夜夜射夜夜干| 国产精品伦人一区二区| 赤兔流量卡办理| 午夜福利在线观看免费完整高清在| 美女主播在线视频| 777米奇影视久久| 好男人视频免费观看在线| 18禁动态无遮挡网站| 99re6热这里在线精品视频| 国产黄频视频在线观看| 多毛熟女@视频| 99久国产av精品国产电影| 国产成人精品一,二区| 久久久国产精品麻豆| 天天操日日干夜夜撸| 免费看光身美女| 亚洲国产欧美日韩在线播放 | a级片在线免费高清观看视频| 十八禁网站网址无遮挡 | 夜夜爽夜夜爽视频| 成人午夜精彩视频在线观看| 国产又色又爽无遮挡免| 美女中出高潮动态图| 在线播放无遮挡| 在线精品无人区一区二区三| 欧美亚洲 丝袜 人妻 在线| 多毛熟女@视频| 国产美女午夜福利| 日韩视频在线欧美| 久久人妻熟女aⅴ| 18禁裸乳无遮挡动漫免费视频| 少妇猛男粗大的猛烈进出视频| 丰满饥渴人妻一区二区三| av专区在线播放| 18+在线观看网站| 在线观看av片永久免费下载| 少妇的逼好多水| 色婷婷久久久亚洲欧美| 丁香六月天网| 最近中文字幕2019免费版| 亚洲国产av新网站| 人妻人人澡人人爽人人| 丝袜在线中文字幕| 亚洲精品一二三| 中文字幕人妻丝袜制服| 欧美日韩视频精品一区| 少妇 在线观看| 成人亚洲欧美一区二区av| 精品一区在线观看国产| 亚洲国产毛片av蜜桃av| 日韩精品有码人妻一区| 国产精品99久久99久久久不卡 | 99热国产这里只有精品6| 国产成人aa在线观看| 人人妻人人澡人人爽人人夜夜| 国国产精品蜜臀av免费| 在线观看一区二区三区激情| 欧美bdsm另类| 建设人人有责人人尽责人人享有的| 人体艺术视频欧美日本| 国产av国产精品国产| 国产伦精品一区二区三区四那| 亚洲美女视频黄频| 免费看日本二区| av网站免费在线观看视频| 91久久精品国产一区二区成人| 久久精品熟女亚洲av麻豆精品| 日韩伦理黄色片| 最近的中文字幕免费完整| 狂野欧美激情性xxxx在线观看| 丝袜在线中文字幕| 亚洲精品视频女| 午夜91福利影院| 欧美激情国产日韩精品一区| 久久久精品94久久精品| 久久久久久久久久久丰满| 久久99蜜桃精品久久| 亚洲精品日本国产第一区| 岛国毛片在线播放| 9色porny在线观看| a级一级毛片免费在线观看| 日日撸夜夜添| 精品99又大又爽又粗少妇毛片| 纵有疾风起免费观看全集完整版| 性色avwww在线观看| 麻豆成人av视频| 免费久久久久久久精品成人欧美视频 | 最黄视频免费看| 一本一本综合久久| 99精国产麻豆久久婷婷| 国产成人免费无遮挡视频| 国产精品不卡视频一区二区| a级毛片免费高清观看在线播放| 丝袜喷水一区| 草草在线视频免费看| 国产日韩欧美视频二区| 久久久久久久久久久久大奶| 99久国产av精品国产电影| 看十八女毛片水多多多| 亚洲精品久久午夜乱码| 欧美激情国产日韩精品一区| 偷拍熟女少妇极品色| 国产免费又黄又爽又色| 日韩中文字幕视频在线看片| 久久久久久久久久久丰满| 亚洲熟女精品中文字幕| 妹子高潮喷水视频| 婷婷色麻豆天堂久久| 国产精品嫩草影院av在线观看| 亚洲中文av在线| 久久综合国产亚洲精品| 亚洲无线观看免费| 丰满迷人的少妇在线观看| 日韩视频在线欧美| 中文精品一卡2卡3卡4更新| 熟妇人妻不卡中文字幕| 国产熟女欧美一区二区| 黑人高潮一二区| 国产成人精品久久久久久| 亚洲av日韩在线播放| 国内揄拍国产精品人妻在线| 嫩草影院新地址| 自线自在国产av| 亚洲成人av在线免费| 亚洲av.av天堂| 美女cb高潮喷水在线观看| h视频一区二区三区| 久久免费观看电影| 我要看日韩黄色一级片| 晚上一个人看的免费电影| 国产高清不卡午夜福利| 777米奇影视久久| 色视频www国产| 看免费成人av毛片| 亚洲国产av新网站| 亚洲国产色片| 国产探花极品一区二区| 亚洲美女视频黄频| 亚洲人成网站在线播| 国产精品福利在线免费观看| 一级黄片播放器| 纵有疾风起免费观看全集完整版| 亚洲国产精品成人久久小说| 伊人亚洲综合成人网| 亚洲精品国产av成人精品| av福利片在线观看| 嫩草影院入口| 欧美日韩综合久久久久久| 亚洲,一卡二卡三卡| 人人妻人人爽人人添夜夜欢视频 | 一本一本综合久久| 我的老师免费观看完整版| 婷婷色综合www| 国产白丝娇喘喷水9色精品| 青青草视频在线视频观看| 国产成人午夜福利电影在线观看| av一本久久久久| a级一级毛片免费在线观看| 一级片'在线观看视频| 精品亚洲成国产av| 国产成人免费观看mmmm| 亚洲国产毛片av蜜桃av| 国产成人精品婷婷| 国产伦精品一区二区三区四那| 国产国拍精品亚洲av在线观看| 观看免费一级毛片| 亚洲国产欧美在线一区| 亚洲丝袜综合中文字幕| 精品一区在线观看国产| 熟女av电影| 一级毛片电影观看| 国产精品不卡视频一区二区| 少妇裸体淫交视频免费看高清| 亚洲无线观看免费| 9色porny在线观看| 亚洲欧美日韩东京热| 国产黄片视频在线免费观看| 久久鲁丝午夜福利片| 嫩草影院新地址| 不卡视频在线观看欧美| 国产高清有码在线观看视频| 久久久久久久久久久免费av| 性色avwww在线观看| 人体艺术视频欧美日本| 99久国产av精品国产电影| 日本-黄色视频高清免费观看| 夜夜骑夜夜射夜夜干| 夜夜看夜夜爽夜夜摸| 美女cb高潮喷水在线观看| 欧美三级亚洲精品| 在现免费观看毛片| 日韩一本色道免费dvd| 下体分泌物呈黄色| 2022亚洲国产成人精品| 色视频www国产| 免费人妻精品一区二区三区视频| 建设人人有责人人尽责人人享有的| 国产成人精品无人区| 婷婷色综合www| 亚洲第一区二区三区不卡| 插阴视频在线观看视频| 人妻夜夜爽99麻豆av| 成年人午夜在线观看视频| 天天操日日干夜夜撸| 国产 精品1| 男女边摸边吃奶| 国产中年淑女户外野战色| 国产精品国产三级专区第一集| 99热这里只有是精品在线观看| 国产精品成人在线| 国产91av在线免费观看| 99久久中文字幕三级久久日本| 97在线人人人人妻| 亚洲精品日韩av片在线观看| 国产亚洲精品久久久com| 欧美丝袜亚洲另类| 免费人成在线观看视频色| 一区在线观看完整版| 曰老女人黄片| 插逼视频在线观看| 久久久久久久精品精品| 另类亚洲欧美激情| 亚洲av.av天堂| 国产欧美日韩一区二区三区在线 | 伦理电影大哥的女人| 综合色丁香网| 在线播放无遮挡| 一级毛片电影观看| 国产一区有黄有色的免费视频| 日本vs欧美在线观看视频 | 菩萨蛮人人尽说江南好唐韦庄| 日韩一区二区三区影片| 中文天堂在线官网| 国产亚洲精品久久久com| 国产av精品麻豆| 中文字幕av电影在线播放| 日韩视频在线欧美| 亚洲国产精品专区欧美| 在线亚洲精品国产二区图片欧美 | 日本黄色片子视频| 色94色欧美一区二区| 高清不卡的av网站| 日本黄色日本黄色录像| 亚洲av电影在线观看一区二区三区| 亚洲av成人精品一区久久| 国产伦精品一区二区三区视频9| 老司机影院成人| 精品熟女少妇av免费看| 美女内射精品一级片tv| 成年人免费黄色播放视频 | 乱人伦中国视频| 国产熟女午夜一区二区三区 | 校园人妻丝袜中文字幕| 国产精品麻豆人妻色哟哟久久| 亚洲av日韩在线播放| 亚洲国产欧美在线一区| 黄色欧美视频在线观看| 亚洲av.av天堂| 九九爱精品视频在线观看| 搡女人真爽免费视频火全软件| 国产精品蜜桃在线观看| 亚洲精品自拍成人| 一级毛片我不卡| 亚洲中文av在线| 欧美日韩视频高清一区二区三区二| 男女无遮挡免费网站观看| 国产伦精品一区二区三区视频9| 婷婷色av中文字幕| 天堂中文最新版在线下载| 美女内射精品一级片tv| 成年人免费黄色播放视频 | 国产无遮挡羞羞视频在线观看| 亚洲精品aⅴ在线观看| 国产精品久久久久成人av| 黄色一级大片看看| 国产综合精华液| 熟女av电影| 伦理电影免费视频| a级一级毛片免费在线观看| xxx大片免费视频| 免费黄频网站在线观看国产| 日韩中字成人| 特大巨黑吊av在线直播| 久久国产乱子免费精品| a级毛色黄片| 亚洲精品久久久久久婷婷小说| 9色porny在线观看| 我要看黄色一级片免费的| 大香蕉久久网| 成人漫画全彩无遮挡| 午夜免费观看性视频| 免费不卡的大黄色大毛片视频在线观看| 高清毛片免费看| 久久精品国产自在天天线| 国产亚洲一区二区精品| 在线观看av片永久免费下载| 18禁在线播放成人免费| 国产探花极品一区二区| 一本久久精品| 亚洲一区二区三区欧美精品| 久久久久久人妻| 777米奇影视久久| 中国美白少妇内射xxxbb| 中文字幕av电影在线播放| 亚洲第一区二区三区不卡| 韩国av在线不卡| 少妇被粗大猛烈的视频| 国产色爽女视频免费观看| 亚洲欧洲精品一区二区精品久久久 | 国产精品久久久久久精品古装| 亚洲国产精品专区欧美| 欧美变态另类bdsm刘玥| 久久97久久精品| 熟女电影av网| 三级国产精品片| 亚洲国产av新网站| 午夜视频国产福利| 亚洲欧美日韩卡通动漫| 永久网站在线| 男人狂女人下面高潮的视频| 18禁裸乳无遮挡动漫免费视频| 亚洲精华国产精华液的使用体验| 卡戴珊不雅视频在线播放| 午夜福利网站1000一区二区三区| 如何舔出高潮| 一级片'在线观看视频| 99re6热这里在线精品视频| 少妇裸体淫交视频免费看高清| 99国产精品免费福利视频| 黄色怎么调成土黄色| 国产伦精品一区二区三区四那| 97在线视频观看| 大又大粗又爽又黄少妇毛片口| av又黄又爽大尺度在线免费看| 国产成人精品一,二区| 国产一区二区三区av在线| 最近2019中文字幕mv第一页| 亚洲av国产av综合av卡| 日本黄色片子视频| 黄片无遮挡物在线观看| 三级国产精品片| 91aial.com中文字幕在线观看| 国产美女午夜福利| 久久久午夜欧美精品| 国产日韩欧美视频二区| 免费高清在线观看视频在线观看| 亚洲va在线va天堂va国产| 亚洲中文av在线| 高清不卡的av网站| 看十八女毛片水多多多| 国产免费一区二区三区四区乱码| 99精国产麻豆久久婷婷| 最近手机中文字幕大全| 国产成人精品久久久久久| 国产精品久久久久久精品电影小说| 成人毛片a级毛片在线播放| 欧美精品亚洲一区二区| 国产黄色免费在线视频| 日本黄色片子视频| 哪个播放器可以免费观看大片| 18禁动态无遮挡网站| 少妇人妻 视频| 精品人妻一区二区三区麻豆| 最近最新中文字幕免费大全7| tube8黄色片| 久久久久视频综合| 青春草视频在线免费观看| 久久人人爽人人爽人人片va| 80岁老熟妇乱子伦牲交| av天堂久久9| av福利片在线观看| a级毛色黄片| 各种免费的搞黄视频| 久久精品国产亚洲av涩爱| 五月天丁香电影| 国产欧美日韩综合在线一区二区 | 日韩不卡一区二区三区视频在线| 赤兔流量卡办理| 欧美日韩国产mv在线观看视频| av在线观看视频网站免费| 丝袜喷水一区| 啦啦啦中文免费视频观看日本| 中文天堂在线官网| 久久精品国产鲁丝片午夜精品| 久久久久人妻精品一区果冻| 亚洲电影在线观看av| 欧美3d第一页| 高清av免费在线| 人人妻人人澡人人爽人人夜夜| 久久人人爽人人片av| 97超视频在线观看视频| 看免费成人av毛片| 久久精品夜色国产| 一级毛片 在线播放| 99国产精品免费福利视频| 国产片特级美女逼逼视频| 少妇人妻 视频| 91精品一卡2卡3卡4卡| 大香蕉97超碰在线| 少妇丰满av| 18+在线观看网站| 我要看黄色一级片免费的| 日本午夜av视频| 久久婷婷青草| 欧美日韩国产mv在线观看视频| 91aial.com中文字幕在线观看| 精品一区二区三卡| 99久久综合免费| 亚洲精品久久久久久婷婷小说| 国产精品麻豆人妻色哟哟久久| 久久6这里有精品| 亚洲一区二区三区欧美精品| 日本91视频免费播放| 综合色丁香网| 国产永久视频网站| 精品亚洲成国产av| 国产av国产精品国产| 男人舔奶头视频| 在线观看一区二区三区激情| 91久久精品国产一区二区成人| 汤姆久久久久久久影院中文字幕| 日本欧美视频一区| 黄色毛片三级朝国网站 | 国产乱人偷精品视频| 视频中文字幕在线观看| 内射极品少妇av片p| 久久久久网色| 草草在线视频免费看| 欧美+日韩+精品| 麻豆成人午夜福利视频| 日本vs欧美在线观看视频 | av不卡在线播放| 少妇人妻一区二区三区视频| 成人午夜精彩视频在线观看| 美女cb高潮喷水在线观看| 最新中文字幕久久久久| 国产伦理片在线播放av一区|