• <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
    avwww免费| 欧美bdsm另类| 成年女人永久免费观看视频| 亚洲最大成人手机在线| 美女高潮的动态| av专区在线播放| 网址你懂的国产日韩在线| 久久久久久九九精品二区国产| 欧美bdsm另类| 亚洲黑人精品在线| 精品99又大又爽又粗少妇毛片 | 成年人黄色毛片网站| 精品日产1卡2卡| 国产亚洲精品综合一区在线观看| 成人av一区二区三区在线看| 国产高清视频在线观看网站| 国产精品精品国产色婷婷| 国产一区二区激情短视频| 国产免费男女视频| 手机成人av网站| 亚洲中文字幕日韩| 国内精品久久久久精免费| 性色avwww在线观看| 久久久精品欧美日韩精品| 国产黄色小视频在线观看| tocl精华| 国产中年淑女户外野战色| 欧洲精品卡2卡3卡4卡5卡区| 看黄色毛片网站| 亚洲色图av天堂| 欧美三级亚洲精品| 久久久久亚洲av毛片大全| avwww免费| 国产精品一区二区三区四区久久| 一个人免费在线观看的高清视频| 91在线精品国自产拍蜜月 | 国产色婷婷99| 国产亚洲精品av在线| 亚洲色图av天堂| 日韩欧美 国产精品| 少妇人妻一区二区三区视频| 久久精品国产清高在天天线| 一个人免费在线观看的高清视频| 老鸭窝网址在线观看| 久久九九热精品免费| 国产亚洲欧美98| 在线看三级毛片| 欧美成人免费av一区二区三区| 怎么达到女性高潮| 国产亚洲精品一区二区www| 国产精品99久久99久久久不卡| 日韩人妻高清精品专区| 久久人人精品亚洲av| 日本三级黄在线观看| 性欧美人与动物交配| 黑人欧美特级aaaaaa片| 国产午夜精品论理片| 婷婷精品国产亚洲av| 国产一区二区三区视频了| 国产精品久久久久久亚洲av鲁大| 国产真人三级小视频在线观看| 亚洲国产欧洲综合997久久,| 少妇裸体淫交视频免费看高清| 天天躁日日操中文字幕| 免费观看的影片在线观看| 国产高潮美女av| 国产三级在线视频| 色综合亚洲欧美另类图片| 波多野结衣高清作品| 天天添夜夜摸| 免费看十八禁软件| 欧美丝袜亚洲另类 | 欧美丝袜亚洲另类 | 国内精品久久久久精免费| 我的老师免费观看完整版| 天堂动漫精品| 18禁黄网站禁片午夜丰满| 久久久久久久久中文| 欧美又色又爽又黄视频| 91在线精品国自产拍蜜月 | 国产成人a区在线观看| 天堂网av新在线| 人妻夜夜爽99麻豆av| 欧美午夜高清在线| tocl精华| 婷婷丁香在线五月| 成年版毛片免费区| 日韩欧美三级三区| 亚洲人成电影免费在线| 国产精品电影一区二区三区| 亚洲成人精品中文字幕电影| 久久香蕉国产精品| 美女高潮的动态| 成人精品一区二区免费| 国产极品精品免费视频能看的| 精品一区二区三区人妻视频| 91麻豆精品激情在线观看国产| www.www免费av| 欧美一级毛片孕妇| 两性午夜刺激爽爽歪歪视频在线观看| 国产欧美日韩一区二区三| 69人妻影院| 色av中文字幕| 少妇熟女aⅴ在线视频| 大型黄色视频在线免费观看| 91在线精品国自产拍蜜月 | 久久国产乱子伦精品免费另类| 国产一区二区在线av高清观看| 99久久无色码亚洲精品果冻| 国产在线精品亚洲第一网站| 亚洲中文字幕日韩| 亚洲内射少妇av| 18禁裸乳无遮挡免费网站照片| 精品午夜福利视频在线观看一区| 日韩中文字幕欧美一区二区| 国产私拍福利视频在线观看| 国产精品自产拍在线观看55亚洲| 国产精品久久电影中文字幕| 少妇高潮的动态图| 国产高清视频在线观看网站| 嫩草影院入口| 亚洲人成网站在线播| 九九在线视频观看精品| 欧美最新免费一区二区三区 | 色精品久久人妻99蜜桃| а√天堂www在线а√下载| 97超级碰碰碰精品色视频在线观看| 99精品在免费线老司机午夜| 亚洲中文字幕日韩| 少妇人妻一区二区三区视频| 午夜亚洲福利在线播放| 国产97色在线日韩免费| 国产色爽女视频免费观看| 色哟哟哟哟哟哟| 国产蜜桃级精品一区二区三区| 亚洲av免费高清在线观看| 级片在线观看| 国产老妇女一区| 99在线人妻在线中文字幕| 18禁裸乳无遮挡免费网站照片| 91麻豆av在线| 老汉色∧v一级毛片| www.色视频.com| 国产精品 国内视频| 蜜桃亚洲精品一区二区三区| 久久精品国产亚洲av涩爱 | 亚洲乱码一区二区免费版| 亚洲精品粉嫩美女一区| 欧美日韩亚洲国产一区二区在线观看| 99久久九九国产精品国产免费| 91av网一区二区| 欧美xxxx黑人xx丫x性爽| 国产v大片淫在线免费观看| 成人欧美大片| av欧美777| 欧美成人性av电影在线观看| 欧美一级a爱片免费观看看| 99久久九九国产精品国产免费| 高清日韩中文字幕在线| 亚洲五月婷婷丁香| 国产成人a区在线观看| 亚洲电影在线观看av| 国产精品一及| 高清毛片免费观看视频网站| 精品国内亚洲2022精品成人| 国产99白浆流出| 亚洲av电影在线进入| 老司机午夜十八禁免费视频| 999久久久精品免费观看国产| 午夜福利欧美成人| 操出白浆在线播放| 亚洲最大成人中文| 日本 av在线| av视频在线观看入口| 观看免费一级毛片| 每晚都被弄得嗷嗷叫到高潮| 国产高清有码在线观看视频| 国产精品久久电影中文字幕| 亚洲av五月六月丁香网| 有码 亚洲区| 成人性生交大片免费视频hd| 老司机在亚洲福利影院| 美女黄网站色视频| 97超级碰碰碰精品色视频在线观看| 久久精品亚洲精品国产色婷小说| 美女免费视频网站| 精品熟女少妇八av免费久了| 99久久99久久久精品蜜桃| 久久这里只有精品中国| 高清毛片免费观看视频网站| 国产色婷婷99| 久久婷婷人人爽人人干人人爱| 欧美在线一区亚洲| 欧美最黄视频在线播放免费| 女同久久另类99精品国产91| 亚洲 欧美 日韩 在线 免费| 色av中文字幕| 99久久成人亚洲精品观看| 人人妻人人看人人澡| 精品国产亚洲在线| 91久久精品电影网| 免费看a级黄色片| 国产成人系列免费观看| 亚洲精品粉嫩美女一区| 制服丝袜大香蕉在线| 亚洲精品影视一区二区三区av| 给我免费播放毛片高清在线观看| 一本一本综合久久| 亚洲欧美激情综合另类| 很黄的视频免费| www国产在线视频色| 性欧美人与动物交配| 免费在线观看日本一区| 欧美乱色亚洲激情| 久久久久国产精品人妻aⅴ院| 亚洲av五月六月丁香网| 国产午夜福利久久久久久| 日韩精品青青久久久久久| 成年女人永久免费观看视频| 老熟妇仑乱视频hdxx| 国产久久久一区二区三区| 色尼玛亚洲综合影院| 欧美黑人欧美精品刺激| 色综合亚洲欧美另类图片| 九色成人免费人妻av| 亚洲无线在线观看| 床上黄色一级片| 成人午夜高清在线视频| 日本免费a在线| 嫩草影院精品99| 男插女下体视频免费在线播放| 老司机午夜十八禁免费视频| 日本一本二区三区精品| 国产99白浆流出| 国产三级黄色录像| 成年免费大片在线观看| 国产激情欧美一区二区| 精品一区二区三区视频在线观看免费| 天堂动漫精品| 99久久精品国产亚洲精品| 亚洲最大成人中文| 午夜影院日韩av| 亚洲av第一区精品v没综合| 老司机福利观看| 国内精品一区二区在线观看| 国产精品久久久久久精品电影| 中国美女看黄片| xxx96com| 在线观看av片永久免费下载| 听说在线观看完整版免费高清| 给我免费播放毛片高清在线观看| 在线十欧美十亚洲十日本专区| 啦啦啦免费观看视频1| 禁无遮挡网站| 国产精品99久久久久久久久| 色综合亚洲欧美另类图片| 久99久视频精品免费| 日韩欧美在线乱码| 欧美午夜高清在线| 久久久色成人| 黑人欧美特级aaaaaa片| 婷婷精品国产亚洲av在线| 国产精品自产拍在线观看55亚洲| 99精品在免费线老司机午夜| 日本五十路高清| 日本一二三区视频观看| 免费一级毛片在线播放高清视频| 色噜噜av男人的天堂激情| 18美女黄网站色大片免费观看| 精品人妻一区二区三区麻豆 | 小蜜桃在线观看免费完整版高清| 神马国产精品三级电影在线观看| 最近视频中文字幕2019在线8| 国产精品永久免费网站| 成人av一区二区三区在线看| 国产亚洲av嫩草精品影院| 久久久精品大字幕| 国产一区在线观看成人免费| 日本一二三区视频观看| 怎么达到女性高潮| 国产欧美日韩一区二区三| 久久久久国内视频| 一个人看视频在线观看www免费 | 国产精华一区二区三区| 网址你懂的国产日韩在线| 午夜免费观看网址| 精品日产1卡2卡| 国产老妇女一区| 91麻豆精品激情在线观看国产| 成年免费大片在线观看| 亚洲在线观看片| 国产真实伦视频高清在线观看 | 好男人电影高清在线观看| 亚洲av电影在线进入| xxx96com| 日韩成人在线观看一区二区三区| 亚洲人成电影免费在线| 757午夜福利合集在线观看| 深夜精品福利| 在线看三级毛片| 成人永久免费在线观看视频| 天堂√8在线中文| 母亲3免费完整高清在线观看| 女警被强在线播放| 亚洲天堂国产精品一区在线| 尤物成人国产欧美一区二区三区| 在线观看免费午夜福利视频| 欧美成人免费av一区二区三区| 成人亚洲精品av一区二区| 18+在线观看网站| 国产一级毛片七仙女欲春2| 亚洲18禁久久av| 老鸭窝网址在线观看| 精品熟女少妇八av免费久了| 亚洲天堂国产精品一区在线| 好看av亚洲va欧美ⅴa在| 午夜免费成人在线视频| 国产精品三级大全| 亚洲黑人精品在线| 可以在线观看的亚洲视频| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 天堂影院成人在线观看| 国产毛片a区久久久久| 男人舔奶头视频| 九色成人免费人妻av| 18美女黄网站色大片免费观看| 久久久精品大字幕| 人人妻人人澡欧美一区二区| 岛国在线免费视频观看| a级一级毛片免费在线观看| 精华霜和精华液先用哪个| 操出白浆在线播放| 久久精品91蜜桃| 欧美性感艳星| 无限看片的www在线观看| 免费电影在线观看免费观看| 国产精品永久免费网站| 特级一级黄色大片| 亚洲精品在线观看二区| 一级a爱片免费观看的视频| 国内精品一区二区在线观看| 在线十欧美十亚洲十日本专区| 特大巨黑吊av在线直播| 天堂影院成人在线观看| 国产免费男女视频| 欧美午夜高清在线| 99riav亚洲国产免费| xxxwww97欧美| 亚洲av中文字字幕乱码综合| 国产高清视频在线播放一区| 亚洲av熟女| 国产成人啪精品午夜网站| 亚洲专区国产一区二区| 国产精品,欧美在线| 亚洲av熟女| 一本一本综合久久| 精品久久久久久成人av| 老司机深夜福利视频在线观看| 国内少妇人妻偷人精品xxx网站| 亚洲无线在线观看| 亚洲国产色片| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 深夜精品福利| 成年人黄色毛片网站| 日韩欧美在线二视频| 成人永久免费在线观看视频| 久久欧美精品欧美久久欧美| 91久久精品国产一区二区成人 | 啦啦啦韩国在线观看视频| 99久久久亚洲精品蜜臀av| 色综合站精品国产| 91九色精品人成在线观看| 他把我摸到了高潮在线观看| 国产精品 欧美亚洲| 人人妻,人人澡人人爽秒播| 搡老妇女老女人老熟妇| 午夜日韩欧美国产| a级毛片a级免费在线| 精品一区二区三区av网在线观看| 亚洲真实伦在线观看| e午夜精品久久久久久久| av在线蜜桃| 久久久色成人| 国产视频一区二区在线看| 性色avwww在线观看| 亚洲成av人片在线播放无| 国产不卡一卡二| 欧美极品一区二区三区四区| av天堂在线播放| 99热6这里只有精品| 久久香蕉精品热| 18美女黄网站色大片免费观看| 色老头精品视频在线观看| 国产黄色小视频在线观看| 午夜视频国产福利| 日韩欧美免费精品| www日本在线高清视频| 91在线精品国自产拍蜜月 | 免费人成视频x8x8入口观看| av福利片在线观看| 毛片女人毛片| 国产精品一区二区三区四区免费观看 | 在线免费观看的www视频| 欧美另类亚洲清纯唯美| 国产一区在线观看成人免费| 亚洲一区高清亚洲精品| 丁香欧美五月| 国产单亲对白刺激| 久久精品夜夜夜夜夜久久蜜豆| 99精品久久久久人妻精品| 欧美最新免费一区二区三区 | 99热只有精品国产| 色综合欧美亚洲国产小说| 国内揄拍国产精品人妻在线| 最新在线观看一区二区三区| av中文乱码字幕在线| 真人一进一出gif抽搐免费| 在线观看免费视频日本深夜| 亚洲欧美日韩卡通动漫| 午夜两性在线视频| 天天躁日日操中文字幕| 国产一级毛片七仙女欲春2| 亚洲欧美日韩卡通动漫| 午夜两性在线视频| av国产免费在线观看| 黄色片一级片一级黄色片| 波多野结衣高清无吗| 俺也久久电影网| 国产毛片a区久久久久| 噜噜噜噜噜久久久久久91| xxx96com| 久久久久久大精品| 精品久久久久久久久久免费视频| 国产亚洲欧美在线一区二区| 国产综合懂色| 欧美日韩中文字幕国产精品一区二区三区| 久久国产精品人妻蜜桃| 国产黄a三级三级三级人| 黑人欧美特级aaaaaa片| 亚洲国产欧美人成| 国产激情欧美一区二区| 听说在线观看完整版免费高清| 欧美乱色亚洲激情| 天堂√8在线中文| 精品熟女少妇八av免费久了| 色在线成人网| 久久草成人影院| 日韩欧美精品v在线| 欧美丝袜亚洲另类 | 日日摸夜夜添夜夜添小说| 亚洲av美国av| 免费一级毛片在线播放高清视频| 床上黄色一级片| 91九色精品人成在线观看| www.999成人在线观看| 人人妻人人看人人澡| 69人妻影院| 日日摸夜夜添夜夜添小说| 99在线人妻在线中文字幕| 在线观看舔阴道视频| 久久久久久久精品吃奶| 男女视频在线观看网站免费| 一区二区三区国产精品乱码| 日韩欧美免费精品| 免费看光身美女| 日韩高清综合在线| 国语自产精品视频在线第100页| 毛片女人毛片| 日本黄大片高清| 99久久精品国产亚洲精品| 成人av一区二区三区在线看| 两人在一起打扑克的视频| 精品人妻偷拍中文字幕| 少妇人妻精品综合一区二区 | x7x7x7水蜜桃| 一级毛片高清免费大全| 久久国产乱子伦精品免费另类| 国产精华一区二区三区| av天堂在线播放| 无人区码免费观看不卡| 国产真人三级小视频在线观看| 久久久久性生活片| 99久久精品热视频| 亚洲久久久久久中文字幕| 亚洲18禁久久av| 级片在线观看| 露出奶头的视频| 亚洲人成网站在线播| 男女床上黄色一级片免费看| 高潮久久久久久久久久久不卡| av在线天堂中文字幕| 精品久久久久久久人妻蜜臀av| 日本精品一区二区三区蜜桃| 国产真实伦视频高清在线观看 | 天堂av国产一区二区熟女人妻| 免费电影在线观看免费观看| 国产高清三级在线| 欧美性猛交黑人性爽| 国产伦精品一区二区三区四那| 国内毛片毛片毛片毛片毛片| 欧美绝顶高潮抽搐喷水| 免费观看的影片在线观看| 小说图片视频综合网站| 一级黄片播放器| 在线观看av片永久免费下载| 人妻久久中文字幕网| 亚洲自拍偷在线| 一本精品99久久精品77| avwww免费| 啦啦啦韩国在线观看视频| 床上黄色一级片| 少妇熟女aⅴ在线视频| 俄罗斯特黄特色一大片| 国产伦一二天堂av在线观看| 最近视频中文字幕2019在线8| 亚洲国产日韩欧美精品在线观看 | 一本综合久久免费| 69人妻影院| 亚洲一区二区三区色噜噜| 久9热在线精品视频| 一级a爱片免费观看的视频| 亚洲欧美精品综合久久99| 五月玫瑰六月丁香| 国产色婷婷99| 久久6这里有精品| 国产成+人综合+亚洲专区| 桃红色精品国产亚洲av| 在线十欧美十亚洲十日本专区| 制服丝袜大香蕉在线| 一级毛片高清免费大全| 精品久久久久久久末码| h日本视频在线播放| 别揉我奶头~嗯~啊~动态视频| 成年女人看的毛片在线观看| 国产单亲对白刺激| 美女免费视频网站| 精品国内亚洲2022精品成人| 亚洲av第一区精品v没综合| 国语自产精品视频在线第100页| 99精品久久久久人妻精品| 国产精品久久久久久亚洲av鲁大| 在线播放国产精品三级| av天堂在线播放| 久久久久性生活片| 波多野结衣高清无吗| 国产淫片久久久久久久久 | 91九色精品人成在线观看| 精品久久久久久久末码| 欧美三级亚洲精品| www国产在线视频色| avwww免费| 小蜜桃在线观看免费完整版高清| av在线天堂中文字幕| 亚洲 欧美 日韩 在线 免费| 午夜免费激情av| 在线视频色国产色| 亚洲在线观看片| 90打野战视频偷拍视频| 在线观看免费视频日本深夜| 亚洲欧美日韩高清专用| 国产一区在线观看成人免费| 99久久成人亚洲精品观看| 欧美性猛交╳xxx乱大交人| av专区在线播放| 日韩欧美免费精品| 欧美三级亚洲精品| 午夜激情欧美在线| 18禁国产床啪视频网站| 天堂网av新在线| 欧美zozozo另类| av天堂中文字幕网| 亚洲一区高清亚洲精品| 啦啦啦免费观看视频1| 免费一级毛片在线播放高清视频| 国产不卡一卡二| 一区二区三区国产精品乱码| 日韩成人在线观看一区二区三区| 国产精品久久久久久人妻精品电影| 国内精品久久久久精免费| 长腿黑丝高跟| 成年女人毛片免费观看观看9| 成人国产综合亚洲| 亚洲国产色片| 国产精品久久久人人做人人爽| 欧美日韩国产亚洲二区| 麻豆国产av国片精品| av欧美777| 国产亚洲精品av在线| 国产主播在线观看一区二区| 91在线观看av| 国产亚洲av嫩草精品影院| 91字幕亚洲| 国产又黄又爽又无遮挡在线| 免费av毛片视频| 国产伦一二天堂av在线观看| 亚洲欧美日韩卡通动漫| 神马国产精品三级电影在线观看| xxx96com| 日韩欧美一区二区三区在线观看| 国产成+人综合+亚洲专区| 色综合站精品国产| 欧美三级亚洲精品| 国产视频内射| 熟女电影av网| 国产真实乱freesex| 国产高清三级在线| 色播亚洲综合网| 欧美日本亚洲视频在线播放| 亚洲人成伊人成综合网2020| 国产精品一区二区三区四区久久| 欧美中文综合在线视频| 少妇的逼好多水| 久久人妻av系列| 免费人成视频x8x8入口观看| 欧美乱色亚洲激情|