• <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 ?

    基于鄰域粗糙集神經(jīng)網(wǎng)絡(luò)的審計(jì)意見預(yù)測(cè)模型研究

    2017-09-12 06:39:16張志恒
    關(guān)鍵詞:約簡(jiǎn)粗糙集財(cái)務(wù)指標(biāo)

    張志恒,李 丹,李 瑜

    (1.重慶理工大學(xué) 會(huì)計(jì)學(xué)院, 重慶 400054; 2.西南大學(xué) 經(jīng)濟(jì)管理學(xué)院, 重慶 400715;3.重慶市合川區(qū)煙草專賣局, 重慶 401520)

    基于鄰域粗糙集神經(jīng)網(wǎng)絡(luò)的審計(jì)意見預(yù)測(cè)模型研究

    張志恒1,李 丹1,李 瑜2,3

    (1.重慶理工大學(xué) 會(huì)計(jì)學(xué)院, 重慶 400054; 2.西南大學(xué) 經(jīng)濟(jì)管理學(xué)院, 重慶 400715;3.重慶市合川區(qū)煙草專賣局, 重慶 401520)

    審計(jì)意見類型及其預(yù)測(cè)結(jié)果受到企業(yè)各利益相關(guān)方的高度關(guān)注。同時(shí)選用財(cái)務(wù)指標(biāo)和非財(cái)務(wù)指標(biāo)為變量,構(gòu)建了基于鄰域粗糙集神經(jīng)網(wǎng)絡(luò)的審計(jì)意見預(yù)測(cè)模型。將領(lǐng)域粗糙集作為BP神經(jīng)網(wǎng)絡(luò)的前置系統(tǒng),在保持分類能力不變的前提下進(jìn)行指標(biāo)約簡(jiǎn),提取關(guān)鍵指標(biāo),再將約簡(jiǎn)的指標(biāo)體系作為神經(jīng)網(wǎng)絡(luò)模型的輸入變量。以2013—2015年滬深A(yù)股176家公司數(shù)據(jù)作為研究樣本,采用三種模型進(jìn)行審計(jì)意見預(yù)測(cè)對(duì)比分析,結(jié)果表明:本模型預(yù)測(cè)準(zhǔn)確率達(dá)到97.06%,與單純利用神經(jīng)網(wǎng)絡(luò)建?;騿渭兝秘?cái)務(wù)指標(biāo)建模的預(yù)測(cè)效果相比具有更好的預(yù)測(cè)效果。

    審計(jì)意見;預(yù)測(cè);BP神經(jīng)網(wǎng)絡(luò);鄰域粗糙集

    一、引言

    上市公司定期披露的財(cái)務(wù)報(bào)告是各利益相關(guān)方進(jìn)行投資決策的重要依據(jù)。注冊(cè)會(huì)計(jì)師作為獨(dú)立于被審計(jì)單位及利益相關(guān)者的第三方,其出具的審計(jì)意見是對(duì)上市公司財(cái)務(wù)狀況、經(jīng)營(yíng)成果、現(xiàn)金流量等信息的鑒證性文件,對(duì)增強(qiáng)上市公司財(cái)務(wù)信息的可信性起著至關(guān)重要的作用,經(jīng)注冊(cè)會(huì)計(jì)師審計(jì)的財(cái)務(wù)報(bào)告更加可靠。因此,上市公司被出具的審計(jì)意見類型受到利益相關(guān)方高度重視,且對(duì)其投資決策將產(chǎn)生重大影響。

    早期的審計(jì)意見預(yù)測(cè)研究主要是考察各個(gè)財(cái)務(wù)指標(biāo)對(duì)審計(jì)意見的影響[1]。隨著研究的深入,學(xué)者們開始重視審計(jì)意見預(yù)測(cè)模型的構(gòu)建,大多采用logistic或probit等統(tǒng)計(jì)分析方法進(jìn)行實(shí)證分析,并取得了較好的預(yù)測(cè)效果[2-5],但傳統(tǒng)的統(tǒng)計(jì)模型受制于研究樣本呈正態(tài)分布、協(xié)方差相等等嚴(yán)格的假設(shè)條件,且模型一般為靜態(tài)判別,容錯(cuò)性較差。為克服這些局限,有學(xué)者應(yīng)用非統(tǒng)計(jì)方法,如神經(jīng)網(wǎng)絡(luò)方法[6-8]、支持向量機(jī)方法[9]等人工智能和機(jī)器學(xué)習(xí)方法進(jìn)行審計(jì)意見預(yù)測(cè)模型的構(gòu)建。此外,有學(xué)者將人工智能方法和傳統(tǒng)的線性分析方法在審計(jì)意見預(yù)測(cè)效果方面進(jìn)行對(duì)比分析,結(jié)果表明人工智能方法具有明顯的優(yōu)勢(shì)[10-11]。然而,這些預(yù)測(cè)模型的指標(biāo)體系設(shè)計(jì)方面較少考慮非財(cái)務(wù)指標(biāo)對(duì)審計(jì)意見的影響,而指標(biāo)體系的規(guī)模控制,也面臨著維度過大導(dǎo)致效率低下或指標(biāo)約簡(jiǎn)導(dǎo)致信息失真的兩難取舍。本文同時(shí)以財(cái)務(wù)指標(biāo)和非財(cái)務(wù)指標(biāo)為變量,構(gòu)建的基于鄰域粗糙集神經(jīng)網(wǎng)絡(luò)的審計(jì)意見預(yù)測(cè)模型主要有以下幾個(gè)特點(diǎn):

    (1)在傳統(tǒng)財(cái)務(wù)指標(biāo)的基礎(chǔ)上,增加了公司治理、會(huì)計(jì)師事務(wù)所等非財(cái)務(wù)指標(biāo)作為預(yù)測(cè)指標(biāo)體系,使得模型中影響審計(jì)意見類型的因素更加全面。

    (2)利用鄰域粗糙集方法進(jìn)行指標(biāo)約簡(jiǎn),既能處理離散變量又能處理數(shù)值型變量,克服了經(jīng)典粗糙集只適用于處理離散變量的缺點(diǎn),避免了離散化過程的信息丟失問題。同時(shí),鄰域粗糙集拓展了不可分辨關(guān)系,定義了程度包含與程度互斥,提升了抗噪聲能力。

    (3)將鄰域粗糙集方法和BP神經(jīng)網(wǎng)絡(luò)結(jié)合,形成優(yōu)勢(shì)互補(bǔ),并克服各自方法的缺點(diǎn)。鄰域粗糙集理論能夠?qū)Χㄐ院投康臄?shù)據(jù)進(jìn)行約簡(jiǎn),且無需先驗(yàn)知識(shí),但其容錯(cuò)能力和泛化能力較弱,精確度易受噪聲環(huán)境的影響。而BP神經(jīng)網(wǎng)絡(luò)研究分類問題時(shí)具有魯棒性強(qiáng)且預(yù)測(cè)精度較高的優(yōu)點(diǎn),但存在不能刪除冗余信息、知識(shí)解釋性能差及網(wǎng)絡(luò)結(jié)構(gòu)不確定等問題。本研究首先通過鄰域粗糙集進(jìn)行預(yù)測(cè)指標(biāo)約簡(jiǎn),提取關(guān)鍵指標(biāo),再將約簡(jiǎn)的指標(biāo)體系作為神經(jīng)網(wǎng)絡(luò)模型的輸入變量,實(shí)現(xiàn)了神經(jīng)網(wǎng)絡(luò)模型的優(yōu)化,提升了預(yù)測(cè)效率與精度。

    二、基于鄰域粗糙集神經(jīng)網(wǎng)絡(luò)的審計(jì)意見預(yù)測(cè)模型構(gòu)建

    (一)鄰域粗糙集

    粗糙集是由Pawlak教授于1982年提出的用粗糙逼近的方法自然地模擬人類學(xué)習(xí)和推理過程,是一種處理模糊和不精確性問題的新型數(shù)學(xué)工具,它通過對(duì)數(shù)據(jù)進(jìn)行分析、近似分類和推理數(shù)據(jù)間的關(guān)系,從中發(fā)現(xiàn)隱含的知識(shí),揭示潛在的規(guī)律,提供一種決策支持方法,因此,被廣泛應(yīng)用于屬性約簡(jiǎn)、規(guī)則提取等方面。其主要相關(guān)概念如下:

    (1)δ鄰域信息粒子。給定實(shí)數(shù)空間上的非空有限集合U={x1,x2,x3,…,xn},對(duì)于U上的任意對(duì)象xi,其δ鄰域定義為:δ(xi)={x|x∈U,Δ(x,xi)≤δ},其中,Δ是實(shí)數(shù)空間中的一個(gè)度量,δ≥0。

    (2)鄰域的上近似與下近似。給定實(shí)數(shù)空間上的非空有限集合U={x1,x2,x3,…,xn}及其上的鄰域關(guān)系N,即二元組NS=(U,N),?X?U屬于U,則X在鄰域近似空間NS=(U,N)中的上近似和下近似分別為:

    則得出X的近似邊界為:

    (3)屬性約簡(jiǎn)。給定一個(gè)決策系統(tǒng)DS=(U,C∪D,V,f),B?C,若條件屬性子集B滿足以下條件:

    1.γB(D)=γC(D),即PosB(D)=Posc(D),條件屬性子集B和C分類能力相同;

    2.?a∈B,γB(D)>γB-{a}(D),即條件屬性子集B中沒有冗余。

    則稱條件屬性子集B是條件屬性集C的一個(gè)相對(duì)約簡(jiǎn)。

    其中γB(D)=Card(POSB(D))/Card(U),為決策屬性D對(duì)條件屬性子集B的依賴度,即條件屬性子集B所確定的正域集合在論域U中所占的比例。

    γB(D)-γB-{a}(D),為在條件屬性子集B中刪除條件屬性a后,決策屬性D對(duì)條件子集B依賴減小的程度。

    (二)BP神經(jīng)網(wǎng)絡(luò)

    BP神經(jīng)網(wǎng)絡(luò)能夠以任意精度逼近復(fù)雜的非線性函數(shù),是一個(gè)從輸入到輸出的高度非線性映射,給定一個(gè)輸入模式時(shí),由輸入層傳遞到隱含層單元,再經(jīng)由隱含層單元逐個(gè)處理后傳輸?shù)捷敵鰧?,這個(gè)稱為前向傳播?!罢`差逆向傳播”是當(dāng)輸出值與期望輸出有誤差且不滿足要求時(shí)則轉(zhuǎn)入誤差逆向傳播,并對(duì)各層連接權(quán)值進(jìn)行修正,通過不斷學(xué)習(xí)與修正,最后達(dá)到誤差最小化。BP神經(jīng)網(wǎng)絡(luò)就是網(wǎng)絡(luò)訓(xùn)練前向傳播和誤差反向傳播的結(jié)合[12]。

    BP神經(jīng)網(wǎng)絡(luò)具有高度自適應(yīng)、自學(xué)習(xí)功能,并具有良好的容錯(cuò)性等優(yōu)點(diǎn),其被廣泛應(yīng)用于各個(gè)領(lǐng)域的研究,如自動(dòng)控制、財(cái)務(wù)危機(jī)預(yù)警、人臉識(shí)別等。眾多研究結(jié)果表明,BP神經(jīng)網(wǎng)絡(luò)方法具有較大的適用范圍,且具有較高的推廣價(jià)值。

    (三)基于鄰域粗糙集和BP神經(jīng)網(wǎng)絡(luò)的審計(jì)意見預(yù)測(cè)模型

    本文構(gòu)建了基于鄰域粗糙集-BP神經(jīng)網(wǎng)絡(luò)的上市公司審計(jì)意見預(yù)測(cè)模型,在本模型中首先對(duì)預(yù)測(cè)指標(biāo)數(shù)據(jù)進(jìn)行歸一化處理,然后利用鄰域粗糙集方法對(duì)初選的指標(biāo)進(jìn)行約簡(jiǎn),刪除冗余指標(biāo),利用約簡(jiǎn)后的指標(biāo)數(shù)據(jù)進(jìn)行BP神經(jīng)網(wǎng)絡(luò)建模,最終實(shí)現(xiàn)對(duì)審計(jì)意見預(yù)測(cè)的目標(biāo)。模型處理的流程如圖1所示。

    圖1 鄰域粗糙集-BP神經(jīng)網(wǎng)絡(luò)模型

    三、實(shí)證分析

    (一)樣本選取

    2013年被出具非標(biāo)準(zhǔn)審計(jì)意見的制造業(yè)上市公司有176家,2014年被出具非標(biāo)準(zhǔn)審計(jì)意見的制造業(yè)上市公司有60家,2015年滬深兩市全部A股被出具非標(biāo)準(zhǔn)審計(jì)意見的制造業(yè)上市公司有68家,根據(jù)行業(yè)及1:1配比原則、資產(chǎn)規(guī)模,隨機(jī)選取配對(duì)樣本,最后剔除指標(biāo)數(shù)據(jù)缺失值,最終得到2013年及2014年一共104個(gè)公司(52個(gè)被出具非標(biāo)準(zhǔn)審計(jì)意見的公司和52個(gè)被出具標(biāo)準(zhǔn)審計(jì)意見的公司)為訓(xùn)練樣本,2015年34個(gè)公司(17個(gè)被出具非標(biāo)準(zhǔn)審計(jì)意見的公司和17個(gè)被出具標(biāo)準(zhǔn)審計(jì)意見的公司)為檢驗(yàn)樣本。

    (二)變量的初選

    (1)被審計(jì)單位的財(cái)務(wù)指標(biāo)

    審計(jì)意見是對(duì)被審計(jì)單位財(cái)務(wù)報(bào)告是否已按照適用的會(huì)計(jì)準(zhǔn)則編制,以及財(cái)務(wù)報(bào)表是否在所有重大方面公允反應(yīng)其財(cái)務(wù)狀況、經(jīng)營(yíng)成果和現(xiàn)金流量發(fā)表意見。而公司的財(cái)務(wù)指標(biāo)是公司財(cái)務(wù)狀況和經(jīng)營(yíng)成果的綜合反映,此外,企業(yè)是否具備持續(xù)經(jīng)營(yíng)能力,是財(cái)務(wù)報(bào)表編制的基礎(chǔ),注冊(cè)會(huì)計(jì)師在對(duì)公司的財(cái)務(wù)報(bào)表進(jìn)行審計(jì)時(shí),會(huì)對(duì)上市公司的持續(xù)經(jīng)營(yíng)能力進(jìn)行判斷和評(píng)價(jià)。而對(duì)公司而言,其償債能力、經(jīng)營(yíng)管理能力和獲利能力等都會(huì)影響其持續(xù)經(jīng)營(yíng)能力,從而影響注冊(cè)會(huì)計(jì)師對(duì)風(fēng)險(xiǎn)的判斷。因此,有理由認(rèn)為公司財(cái)務(wù)指標(biāo)的優(yōu)劣能夠影響注冊(cè)會(huì)計(jì)師出具的審計(jì)意見類型。

    (2)公司治理

    公司治理起源于以股份公司為代表的現(xiàn)代企業(yè)組織中基于委托-代理關(guān)系的所有權(quán)與經(jīng)營(yíng)權(quán)的分離。企業(yè)財(cái)務(wù)報(bào)表信息產(chǎn)生于公司治理構(gòu)架之下并反應(yīng)企業(yè)公司治理情況,公司治理是上市公司會(huì)計(jì)信息系統(tǒng)運(yùn)行的環(huán)境,公司治理水平能夠影響會(huì)計(jì)信息質(zhì)量,而審計(jì)意見又是對(duì)蘊(yùn)含會(huì)計(jì)信息質(zhì)量的財(cái)務(wù)報(bào)告進(jìn)行衡量的工具,公司治理水平能夠影響企業(yè)管理層的經(jīng)營(yíng)績(jī)效及效率,從而可能影響注冊(cè)會(huì)計(jì)師對(duì)公司存在的經(jīng)營(yíng)風(fēng)險(xiǎn)的判斷,因此本文認(rèn)為公司治理狀況能夠影響注冊(cè)會(huì)計(jì)師出具的審計(jì)意見類型。公司治理也可通過對(duì)事務(wù)所的聘任以及審計(jì)服務(wù)定價(jià)等事項(xiàng)干擾注冊(cè)會(huì)計(jì)師的判斷。

    (3)會(huì)計(jì)師事務(wù)所

    從審計(jì)主體來看,會(huì)計(jì)師事務(wù)所的規(guī)模在一定程度上影響審計(jì)的獨(dú)立性,即會(huì)計(jì)師事務(wù)所的規(guī)模通過影響注冊(cè)會(huì)計(jì)師的獨(dú)立性從而影響其出具的審計(jì)意見的類型。Francis認(rèn)為,事務(wù)所規(guī)模是影響審計(jì)質(zhì)量的重要因素之一。而出具非標(biāo)準(zhǔn)審計(jì)意見,或者以較高的概率出具非標(biāo)準(zhǔn)審計(jì)意見,被認(rèn)為是高質(zhì)量審計(jì)的象征。此外,李爽等認(rèn)為,審計(jì)意見具有高度的連續(xù)性,即上一年度被出具非標(biāo)準(zhǔn)審計(jì)意見的公司本年度再次被出具非標(biāo)準(zhǔn)審計(jì)意見的可能性較大[13]。

    根據(jù)以上三個(gè)方面,本文從營(yíng)運(yùn)能力、成長(zhǎng)能力、盈利能力、每股指標(biāo)、現(xiàn)金流量、償債能力六個(gè)方面選取財(cái)務(wù)指標(biāo)(見表1),從公司治理和會(huì)計(jì)師事務(wù)所角度選取非財(cái)務(wù)指標(biāo)(見表2)。

    表1 財(cái)務(wù)指標(biāo)變量

    表2 非財(cái)務(wù)指標(biāo)變量

    (三)指標(biāo)約簡(jiǎn)

    針對(duì)審計(jì)意見預(yù)測(cè)問題,論域空間由選取的上市公司樣本數(shù)據(jù)構(gòu)成,不同的預(yù)測(cè)指標(biāo)和審計(jì)意見類型分別構(gòu)成條件屬性及決策屬性,當(dāng)條件屬性(指標(biāo)數(shù)據(jù))生成論域上的一族鄰域關(guān)系時(shí),構(gòu)成鄰域決策系統(tǒng)。通過鄰域粗糙集算法可以對(duì)條件屬性進(jìn)行約簡(jiǎn),同時(shí)保持原始指標(biāo)數(shù)據(jù)的分類能力不變。

    本文利用胡清華教授提出的鄰域粗糙集前向搜索屬性快速約簡(jiǎn)算法程序?qū)χ笜?biāo)進(jìn)行篩選,將鄰域半徑δ初定在[0.2,0.4],利用Matlab軟件,首先對(duì)指標(biāo)數(shù)據(jù)進(jìn)行歸一化處理,利用鄰域粗糙集模型,以0.05為步長(zhǎng)反復(fù)測(cè)試,并比較結(jié)果,最終選擇鄰域半徑δ為0.35時(shí),指標(biāo)約簡(jiǎn)效果最好,通過運(yùn)行得出指標(biāo)篩選結(jié)果為:上期審計(jì)意見、股權(quán)集中度、每股經(jīng)營(yíng)現(xiàn)金凈流量、總資產(chǎn)周轉(zhuǎn)率、每股收益,分別代表會(huì)計(jì)師事務(wù)所、公司治理、現(xiàn)金流量、營(yíng)運(yùn)能力、每股指標(biāo)五個(gè)方面,最后構(gòu)成本文的預(yù)測(cè)指標(biāo)。

    (四)模型建立及檢驗(yàn)

    隱含層層數(shù)的設(shè)定:相關(guān)理論研究已證明,單個(gè)隱含層的BP神經(jīng)網(wǎng)絡(luò)模型可逼近任何有理函數(shù),增加隱含層的數(shù)量并不會(huì)提高預(yù)測(cè)的準(zhǔn)確率。因此,本文選擇了經(jīng)典的單隱層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。

    輸入層節(jié)點(diǎn)數(shù)為5個(gè),分別為上期審計(jì)意見、股權(quán)集中度、每股經(jīng)營(yíng)現(xiàn)金凈流量、總資產(chǎn)周轉(zhuǎn)率、每股收益。

    輸出層節(jié)點(diǎn)數(shù)為1個(gè),且定義若輸出值小于0.5,則為0(被出具標(biāo)準(zhǔn)審計(jì)意見),輸出值大于0.5,則為1(被判為非標(biāo)準(zhǔn)審計(jì)意見)。

    模型的傳遞函數(shù)為tansig函數(shù)和purelin函數(shù);選擇learngdm函數(shù)為模型的學(xué)習(xí)函數(shù);訓(xùn)練函數(shù)用于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練,本文選取了訓(xùn)練速度較快的trainlm函數(shù)。設(shè)置系統(tǒng)誤差為10-3,學(xué)習(xí)速率為0.01,最大循環(huán)次數(shù)為 1 000。由于各項(xiàng)指標(biāo)數(shù)據(jù)具有不同的意義以及不同的量綱,會(huì)在一定程度上影響模型的訓(xùn)練時(shí)間及效果,因此,需要對(duì)輸入指標(biāo)數(shù)據(jù)進(jìn)行歸一化處理。

    利用Matlab編程進(jìn)行BP神經(jīng)網(wǎng)絡(luò)模型建模,模型的訓(xùn)練過程如圖2所示。

    圖2 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差

    圖2 BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練誤差顯示,本次模型在第11次訓(xùn)練達(dá)到了模型設(shè)定的誤差,訓(xùn)練速度較快,且模型訓(xùn)練的輸出結(jié)果與真實(shí)值間的擬合優(yōu)度達(dá)到0.9967,表明模型訓(xùn)練結(jié)果較好,模型訓(xùn)練的擬合優(yōu)度如圖3所示。

    圖3 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練擬合優(yōu)度

    為檢驗(yàn)上述訓(xùn)練的模型是否具有可靠性,本文利用選取的檢驗(yàn)組樣本數(shù)據(jù)對(duì)其進(jìn)行檢驗(yàn),將指標(biāo)數(shù)據(jù)作為輸入值導(dǎo)入訓(xùn)練完畢的BP神經(jīng)網(wǎng)絡(luò),得到的檢驗(yàn)結(jié)果如表3所示。

    根據(jù)設(shè)定,將上述真實(shí)值與預(yù)測(cè)值整理如表4所示。

    表3 BP神經(jīng)網(wǎng)絡(luò)輸出值與真實(shí)值

    根據(jù)表4預(yù)測(cè)結(jié)果顯示,通過鄰域粗糙集篩選出的指標(biāo)可以總結(jié)出指標(biāo)數(shù)據(jù)和審計(jì)意見之間的潛在關(guān)系,被出具非標(biāo)準(zhǔn)審計(jì)意見的預(yù)測(cè)準(zhǔn)確率為94.12%,綜合準(zhǔn)確率為97.06%,顯示出比較滿意的預(yù)測(cè)效果,能夠較好地逼近樣本數(shù)據(jù)的內(nèi)在規(guī)則。從會(huì)計(jì)師事務(wù)所、公司治理、現(xiàn)金流量、營(yíng)運(yùn)能力、每股指標(biāo)五個(gè)方面篩選出的上期審計(jì)意見、股權(quán)集中度、每股經(jīng)營(yíng)現(xiàn)金凈流量、總資產(chǎn)周轉(zhuǎn)率、每股收益指標(biāo),能在一定程度上較為全面地解釋其與審計(jì)意見類型之間的數(shù)據(jù)規(guī)律,模型具有良好的預(yù)測(cè)能力。

    表4 BP神經(jīng)網(wǎng)絡(luò)檢驗(yàn)結(jié)果

    為進(jìn)行比較分析,本文利用未經(jīng)鄰域粗糙集指標(biāo)約簡(jiǎn)的樣本指標(biāo)數(shù)據(jù)進(jìn)行簡(jiǎn)單BP神經(jīng)網(wǎng)絡(luò)建模,最終構(gòu)建了28-19-1的三層BP神經(jīng)網(wǎng)絡(luò)模型。此外,為與僅用財(cái)務(wù)指標(biāo)建模的預(yù)測(cè)結(jié)果作對(duì)比,本文僅用上文選取的22個(gè)財(cái)務(wù)指標(biāo)進(jìn)行鄰域粗糙集神經(jīng)網(wǎng)絡(luò)建模,設(shè)置相同的訓(xùn)練樣本及檢驗(yàn)樣本。

    本文構(gòu)建的模型及兩個(gè)對(duì)比模型的預(yù)測(cè)準(zhǔn)確度見表5。

    表5 BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果

    兩類錯(cuò)誤分別為Ⅰ類錯(cuò)誤和Ⅱ類錯(cuò)誤,前者指被出具標(biāo)準(zhǔn)審計(jì)意見的公司被預(yù)測(cè)為收到非標(biāo)準(zhǔn)審計(jì)意見,后者指被出具非標(biāo)準(zhǔn)審計(jì)意見的公司被預(yù)測(cè)為收到標(biāo)準(zhǔn)審計(jì)意見。據(jù)表5可得出,三種模型中,利用財(cái)務(wù)及非財(cái)務(wù)指標(biāo)建立的鄰域粗糙集-神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)效果最好,預(yù)測(cè)準(zhǔn)確度達(dá)到97.06%,其中Ⅰ類錯(cuò)誤率為0,表明標(biāo)準(zhǔn)審計(jì)意見的公司樣本全部預(yù)測(cè)正確。僅用財(cái)務(wù)指標(biāo)建立的鄰域粗糙集-神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)效果最差,僅為82.35%,其中Ⅰ類錯(cuò)誤率和Ⅱ類錯(cuò)誤率均達(dá)到10%以上,且兩類錯(cuò)誤率相差超過10%,表明該模型預(yù)測(cè)表現(xiàn)不夠平均,預(yù)測(cè)效果較差。通過兩個(gè)模型的對(duì)比表明,根據(jù)選取的財(cái)務(wù)指標(biāo)數(shù)據(jù),補(bǔ)充選取公司治理變量(股權(quán)集中度)和會(huì)計(jì)師事務(wù)所(上期審計(jì)意見)相關(guān)變量,所建立的模型能在一定程度上提高指標(biāo)數(shù)據(jù)的預(yù)測(cè)及分類效果,能更好地詮釋樣本數(shù)據(jù)之中蘊(yùn)含的規(guī)律,本文選取的非財(cái)務(wù)指標(biāo)起到了一定的補(bǔ)充衡量作用。

    而結(jié)合財(cái)務(wù)指標(biāo)及非財(cái)務(wù)指標(biāo)建立的模型中,簡(jiǎn)單BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)準(zhǔn)確率為91.18%,低于鄰域粗糙集-神經(jīng)網(wǎng)絡(luò)模型得到的預(yù)測(cè)準(zhǔn)確率97.06%,表明利用鄰域粗糙集理論知識(shí)對(duì)指標(biāo)數(shù)據(jù)的輸入值進(jìn)行約簡(jiǎn),解決了傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜的問題,在剔除了冗余數(shù)據(jù)的同時(shí)減少了預(yù)測(cè)系統(tǒng)的計(jì)算負(fù)擔(dān),且保證了原始數(shù)據(jù)的分類能力,提高了預(yù)測(cè)的準(zhǔn)確度。

    四、結(jié)論

    通過對(duì)文獻(xiàn)的梳理,在財(cái)務(wù)指標(biāo)之外,補(bǔ)充公司治理及會(huì)計(jì)師事務(wù)所方面的非財(cái)務(wù)指標(biāo)變量,在建模過程中將財(cái)務(wù)指標(biāo)及非財(cái)務(wù)指標(biāo)結(jié)合實(shí)現(xiàn)對(duì)審計(jì)意見的預(yù)測(cè),以保證預(yù)測(cè)的準(zhǔn)確率。本文初選的財(cái)務(wù)及非財(cái)務(wù)指標(biāo)共28個(gè),經(jīng)鄰域粗糙集篩選后最終形成5個(gè)指標(biāo),分別為會(huì)計(jì)師事務(wù)所、公司治理、現(xiàn)金流量、營(yíng)運(yùn)能力、每股指標(biāo)方面。

    與單純利用神經(jīng)網(wǎng)絡(luò)建模及單純利用財(cái)務(wù)指標(biāo)建模的預(yù)測(cè)效果相比,本文的模型預(yù)測(cè)效果更好,即將領(lǐng)域粗糙集作為BP神經(jīng)網(wǎng)絡(luò)的前置系統(tǒng),在保持分類能力不變的前提下,提高了預(yù)測(cè)的準(zhǔn)確率;此外,在補(bǔ)充選取非財(cái)務(wù)指標(biāo)作為預(yù)測(cè)指標(biāo)的情況下,提高了預(yù)測(cè)的準(zhǔn)確率。

    [1] KIDA T.Anivestigation into auditor’s continutity and related qualification judgments[J].Jpurnal of Accounting Research,1980(8):506-526.

    [2] LAITINEN E K,LAITINEN T.Qualified audit reports in Finland:evidence from large companies[J].European Accounting Review,1998,7(4):639-653.

    [3] 朱小平,余謙.上市公司的財(cái)務(wù)指標(biāo)與審計(jì)意見類型相關(guān)性的實(shí)證分析[J].中國(guó)會(huì)計(jì)評(píng)論,2003(7):29-50.

    [4] 張曉嵐,張文杰,魯曉嵐.持續(xù)經(jīng)營(yíng)能力重大不確定性下審計(jì)意見的預(yù)測(cè)研究[J].統(tǒng)計(jì)與決策,2007(8):96-98.

    [5] 胡繼榮,王耀明.論CPA不確定性審計(jì)意見預(yù)測(cè)——基于重大疑慮事項(xiàng)的持續(xù)經(jīng)營(yíng)[J].會(huì)計(jì)研究,2009(6):81-87.

    [7] 田金玉.基于BP神經(jīng)網(wǎng)絡(luò)的上市公司審計(jì)意見預(yù)測(cè)模型[J].財(cái)會(huì)月刊,2010(3):109-110.

    [8] 王旭,孔玉生.基于BP神經(jīng)網(wǎng)絡(luò)模型的持續(xù)經(jīng)營(yíng)不確定性審計(jì)意見預(yù)測(cè)[J].財(cái)會(huì)月刊,2012(36):62-64.

    [9] DOUMPOS M,GAGANISC,PASIOURAS F.Explainingqualifi-cations in audit reports using a support vector machine methodology[J].Intelligent Systems in Accounting Finance & Management,2005,13(4):197-215.

    [10]GAGANIS C,PASIOURAS F,SPATHIS C,et al.A comparison of nearest neighbours,discriminant and logit models for auditing decisions[J].Intelligent Systems in Accounting Finance & Management,2007(15):23-40.

    [11]PASIOURAS F,GAGANIS C,ZOPOUNIDIS C.Multicriteriadecision support methodologies for auditing decisions:the case of qualified audit report in the UK[J].European Journal of Operational Research,2007,180(3):1317-1330.

    [12]王筱欣,高攀.基于BP神經(jīng)網(wǎng)絡(luò)的重慶市房?jī)r(jià)驗(yàn)證與預(yù)測(cè)[J].重慶理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)),2016(9):49-53.

    [13]李爽,吳溪.證券市場(chǎng)審計(jì)師變更的信息披露——制度比較與現(xiàn)狀分析[J].審計(jì)研究,2001(3):10-16.

    (責(zé)任編輯 魏艷君)

    Research on the Model of Audit Opinion Prediction Based on Integration of Neighborhood Rough Sets and Neural Network

    ZHANG Zhiheng1, LI Dan1, LI Yu2,3

    (1.College of Accounting, Chongqing University of Technology, Chongqing 400054, China;2.College of Economics and Management,Southwest University, Chongqing 400715, China; 3.Chongqing Hechuan District Tobacco Monopoly Bureau, Chongqing 401519, China)

    The type of audit opinion and its forecast results are highly concerned by the stakeholders.The financial indicators and non-financial indicators will be selected as predicting variables in this paper. An integrated model of neighborhood rough set and neural network for audit opinion prediction is proposed. The neighborhood rough set is used as the front-end system of BP neural network, on the premise of keeping the classification ability unchanged, the index reduction is carried out, the key index is extracted, and the reduced index system is taken as the input variable of the neural network model. This paper selects 176 companies’ data of A share listed in Shanghai and Shenzhenstock markets from 2013 to 2015as the research sample and uses three models to carry out the audit opinion prediction comparative analysis. The result shows that the accuracy of this model is 97.06%, which is better than the prediction effect based on simple use of neural network modeling or financial index modeling.

    audit opinion;prediction;BP neural network;neighborhood rough set

    2017-07-11 基金項(xiàng)目:國(guó)家社會(huì)科學(xué)基金項(xiàng)目“我國(guó)商業(yè)銀行流動(dòng)性與房地產(chǎn)極端關(guān)聯(lián)波動(dòng)的測(cè)度及防范研究”(14BJY188)

    張志恒(1976—),男,內(nèi)蒙古通遼人,副教授,研究方向:會(huì)計(jì)信息化、審計(jì)信息化。

    張志恒,李丹,李瑜.基于鄰域粗糙集神經(jīng)網(wǎng)絡(luò)的審計(jì)意見預(yù)測(cè)模型研究[J].重慶理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)),2017(8):37-43.

    format:ZHANG Zhiheng,LI Dan,LI Yu.Research on the Model of Audit Opinion Prediction Based on Integration of Neighborhood Rough Sets and Neural Network[J].Journal of Chongqing University of Technology(Social Science),2017(8):37-43.

    10.3969/j.issn.1674-8425(s).2017.08.006

    F239.1

    A

    1674-8425(2017)08-0037-07

    猜你喜歡
    約簡(jiǎn)粗糙集財(cái)務(wù)指標(biāo)
    基于Pawlak粗糙集模型的集合運(yùn)算關(guān)系
    基于二進(jìn)制鏈表的粗糙集屬性約簡(jiǎn)
    我國(guó)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
    實(shí)值多變量維數(shù)約簡(jiǎn):綜述
    基于模糊貼近度的屬性約簡(jiǎn)
    全國(guó)國(guó)有企業(yè)主要財(cái)務(wù)指標(biāo)
    多?;植诩再|(zhì)的幾個(gè)充分條件
    全國(guó)國(guó)有企業(yè)主要財(cái)務(wù)指標(biāo)
    雙論域粗糙集在故障診斷中的應(yīng)用
    榮豐控股財(cái)務(wù)指標(biāo)分析
    日韩中字成人| 亚洲色图综合在线观看| 亚洲精品色激情综合| 中国国产av一级| 国产成人av激情在线播放 | 亚洲图色成人| 一个人看视频在线观看www免费| 精品熟女少妇av免费看| 国产一区二区在线观看av| 国国产精品蜜臀av免费| 欧美日韩av久久| 免费黄频网站在线观看国产| 成年美女黄网站色视频大全免费 | 日韩视频在线欧美| 午夜福利网站1000一区二区三区| 亚洲av.av天堂| 亚洲欧美日韩卡通动漫| 国产老妇伦熟女老妇高清| www.色视频.com| av黄色大香蕉| 久久久精品94久久精品| 亚洲精品乱码久久久久久按摩| 99久国产av精品国产电影| 菩萨蛮人人尽说江南好唐韦庄| 3wmmmm亚洲av在线观看| 国产精品无大码| 国产极品天堂在线| 纵有疾风起免费观看全集完整版| 人成视频在线观看免费观看| 成人毛片a级毛片在线播放| 国产精品无大码| 久久ye,这里只有精品| 亚洲精品日本国产第一区| 乱人伦中国视频| 黄色一级大片看看| 日韩不卡一区二区三区视频在线| 大片免费播放器 马上看| 国产精品久久久久久精品古装| av视频免费观看在线观看| 男女啪啪激烈高潮av片| 久久ye,这里只有精品| 熟女人妻精品中文字幕| 久久亚洲国产成人精品v| 18在线观看网站| 色哟哟·www| 一本一本综合久久| 秋霞伦理黄片| 国产免费现黄频在线看| 久久久国产精品麻豆| 国产亚洲av片在线观看秒播厂| 美女cb高潮喷水在线观看| 国产精品一区二区在线不卡| 亚洲色图 男人天堂 中文字幕 | 美女福利国产在线| 99久久中文字幕三级久久日本| 一边亲一边摸免费视频| 极品人妻少妇av视频| 永久网站在线| 大香蕉久久网| 午夜福利网站1000一区二区三区| 亚洲天堂av无毛| 欧美性感艳星| 久久午夜福利片| 久久久久久久大尺度免费视频| 九九爱精品视频在线观看| 欧美激情 高清一区二区三区| 国产av一区二区精品久久| 99热这里只有是精品在线观看| 欧美老熟妇乱子伦牲交| 成人无遮挡网站| 能在线免费看毛片的网站| 国产精品一区www在线观看| 日本欧美国产在线视频| 99热6这里只有精品| a级毛色黄片| 亚洲高清免费不卡视频| 国产精品一区www在线观看| 久久99热这里只频精品6学生| 男女国产视频网站| 国产精品久久久久久av不卡| 999精品在线视频| 尾随美女入室| 欧美日韩综合久久久久久| 日本与韩国留学比较| 七月丁香在线播放| 久久久久人妻精品一区果冻| 我要看黄色一级片免费的| 高清在线视频一区二区三区| 国产不卡av网站在线观看| 欧美精品一区二区大全| 亚洲精品自拍成人| 哪个播放器可以免费观看大片| 国产免费一级a男人的天堂| 99久久精品国产国产毛片| 我的老师免费观看完整版| 久久久久久久久久成人| 一区二区日韩欧美中文字幕 | 亚洲精品美女久久av网站| 国产免费一级a男人的天堂| 久久热精品热| 七月丁香在线播放| 亚洲美女黄色视频免费看| 欧美三级亚洲精品| 国产日韩欧美亚洲二区| 80岁老熟妇乱子伦牲交| 成人亚洲精品一区在线观看| 免费看光身美女| av有码第一页| 亚洲欧美成人精品一区二区| 精品人妻熟女毛片av久久网站| 18+在线观看网站| 97超碰精品成人国产| 亚洲,欧美,日韩| 在线观看一区二区三区激情| 久久精品熟女亚洲av麻豆精品| 久久精品熟女亚洲av麻豆精品| 赤兔流量卡办理| a 毛片基地| 久久综合国产亚洲精品| 777米奇影视久久| 久久精品国产亚洲av涩爱| 久久久久久久精品精品| 母亲3免费完整高清在线观看 | 日本爱情动作片www.在线观看| 日韩精品有码人妻一区| 欧美精品一区二区大全| 国产黄色免费在线视频| 蜜桃在线观看..| 久久精品熟女亚洲av麻豆精品| 赤兔流量卡办理| 国产av码专区亚洲av| 视频区图区小说| 九色成人免费人妻av| 五月天丁香电影| 国产无遮挡羞羞视频在线观看| 久久久久久久久久久丰满| 日韩电影二区| 国产av精品麻豆| 亚洲av国产av综合av卡| 一级二级三级毛片免费看| 成人无遮挡网站| 日日啪夜夜爽| 91精品一卡2卡3卡4卡| 亚洲精品乱码久久久久久按摩| 亚洲av.av天堂| 性色avwww在线观看| 妹子高潮喷水视频| 女人久久www免费人成看片| 交换朋友夫妻互换小说| 黄片无遮挡物在线观看| 国产综合精华液| 大香蕉97超碰在线| 久久久久久久久久久丰满| 丝袜在线中文字幕| 欧美人与善性xxx| 久久久久国产网址| 亚洲av成人精品一二三区| √禁漫天堂资源中文www| 亚洲国产色片| 九九爱精品视频在线观看| 亚洲国产毛片av蜜桃av| 视频在线观看一区二区三区| 精品久久国产蜜桃| 久久久久精品性色| 97精品久久久久久久久久精品| 国产伦精品一区二区三区视频9| 成人免费观看视频高清| 精品久久久噜噜| 欧美变态另类bdsm刘玥| kizo精华| 免费大片黄手机在线观看| 性高湖久久久久久久久免费观看| 日韩av在线免费看完整版不卡| 午夜日本视频在线| 亚洲精品色激情综合| 黑人高潮一二区| 爱豆传媒免费全集在线观看| 成人漫画全彩无遮挡| 久久久久久久精品精品| 日日爽夜夜爽网站| 制服诱惑二区| 国产av国产精品国产| 免费少妇av软件| 日产精品乱码卡一卡2卡三| 男女边吃奶边做爰视频| 在线观看www视频免费| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 成人无遮挡网站| 国产乱人偷精品视频| 久久精品人人爽人人爽视色| 欧美少妇被猛烈插入视频| 99久国产av精品国产电影| 国产精品不卡视频一区二区| a级毛片在线看网站| 国产亚洲欧美精品永久| 中文字幕亚洲精品专区| 亚洲精品美女久久av网站| 亚洲av男天堂| 中文字幕精品免费在线观看视频 | 国产精品蜜桃在线观看| 国产精品一区二区在线观看99| 欧美精品人与动牲交sv欧美| 多毛熟女@视频| 国产老妇伦熟女老妇高清| 亚洲,欧美,日韩| 免费高清在线观看视频在线观看| 一本久久精品| av在线老鸭窝| 国产午夜精品久久久久久一区二区三区| 卡戴珊不雅视频在线播放| 中文字幕免费在线视频6| 高清午夜精品一区二区三区| 777米奇影视久久| 人妻系列 视频| 成人综合一区亚洲| av在线观看视频网站免费| 男女高潮啪啪啪动态图| 美女视频免费永久观看网站| 九草在线视频观看| 国国产精品蜜臀av免费| 成人二区视频| 亚洲av欧美aⅴ国产| 最近中文字幕高清免费大全6| 久久精品国产亚洲网站| 国产精品一区二区三区四区免费观看| 一区二区av电影网| 51国产日韩欧美| 80岁老熟妇乱子伦牲交| 亚洲av.av天堂| 美女内射精品一级片tv| 午夜福利,免费看| 国产一级毛片在线| 亚洲丝袜综合中文字幕| 国产极品天堂在线| 亚洲精品日本国产第一区| 在线观看免费视频网站a站| 搡女人真爽免费视频火全软件| 亚洲av电影在线观看一区二区三区| av在线app专区| 国产精品一区二区三区四区免费观看| 日韩大片免费观看网站| av女优亚洲男人天堂| 免费少妇av软件| 国产精品一国产av| 亚洲欧美清纯卡通| 久久精品人人爽人人爽视色| 国产日韩一区二区三区精品不卡 | 国产免费福利视频在线观看| 国产精品三级大全| 少妇精品久久久久久久| 国产极品粉嫩免费观看在线 | 考比视频在线观看| 国产熟女午夜一区二区三区 | 亚洲av国产av综合av卡| av在线播放精品| 精品一区二区三卡| 91国产中文字幕| 午夜福利影视在线免费观看| 久久狼人影院| 亚洲欧洲国产日韩| 亚洲精品中文字幕在线视频| 最近中文字幕2019免费版| 亚洲av男天堂| 免费黄色在线免费观看| 久久国产精品大桥未久av| 亚洲欧洲精品一区二区精品久久久 | 大香蕉久久成人网| 丝袜美足系列| 午夜福利,免费看| 精品一区二区免费观看| 国产精品久久久久久精品电影小说| 99re6热这里在线精品视频| 亚洲av成人精品一二三区| 国产乱来视频区| 国产探花极品一区二区| 国产片内射在线| av在线老鸭窝| 亚洲精品,欧美精品| 色婷婷久久久亚洲欧美| 久久久久久久久久成人| 男女高潮啪啪啪动态图| 在线亚洲精品国产二区图片欧美 | 最近2019中文字幕mv第一页| 伦精品一区二区三区| 国产一区亚洲一区在线观看| 中文字幕制服av| 精品国产一区二区三区久久久樱花| 一级二级三级毛片免费看| 自线自在国产av| 日本与韩国留学比较| 亚洲av电影在线观看一区二区三区| 国产日韩欧美视频二区| 秋霞在线观看毛片| 亚洲无线观看免费| 日韩av在线免费看完整版不卡| 中国国产av一级| av线在线观看网站| 又大又黄又爽视频免费| 啦啦啦视频在线资源免费观看| 蜜桃在线观看..| 自拍欧美九色日韩亚洲蝌蚪91| 三级国产精品片| 制服丝袜香蕉在线| 国产精品女同一区二区软件| 另类亚洲欧美激情| 一本色道久久久久久精品综合| 国产成人aa在线观看| 在线天堂最新版资源| 97在线视频观看| 国产成人精品一,二区| 日韩不卡一区二区三区视频在线| 五月天丁香电影| 日本黄色日本黄色录像| 亚洲一级一片aⅴ在线观看| 女的被弄到高潮叫床怎么办| 夫妻性生交免费视频一级片| 青青草视频在线视频观看| 人妻 亚洲 视频| 精品国产乱码久久久久久小说| 亚洲精品成人av观看孕妇| 蜜桃在线观看..| 日韩av免费高清视频| 久久久久久久久久久丰满| 国产精品 国内视频| 日韩免费高清中文字幕av| 97超碰精品成人国产| 一边亲一边摸免费视频| 天天影视国产精品| 亚洲天堂av无毛| 国产精品国产三级国产专区5o| 国产精品一区二区三区四区免费观看| 啦啦啦中文免费视频观看日本| 老女人水多毛片| 国产欧美日韩综合在线一区二区| 欧美亚洲日本最大视频资源| 亚洲欧美一区二区三区黑人 | 美女主播在线视频| 午夜福利视频精品| 色94色欧美一区二区| 亚洲国产精品一区三区| 美女视频免费永久观看网站| 久久99精品国语久久久| 午夜福利视频精品| 大又大粗又爽又黄少妇毛片口| 色婷婷av一区二区三区视频| 婷婷色av中文字幕| 国产黄色免费在线视频| 老司机亚洲免费影院| 久久亚洲国产成人精品v| 女人精品久久久久毛片| 亚洲国产精品国产精品| av在线观看视频网站免费| 久久精品夜色国产| 欧美日韩综合久久久久久| 亚洲精品av麻豆狂野| 一个人免费看片子| 一级毛片 在线播放| 蜜桃久久精品国产亚洲av| 成人毛片a级毛片在线播放| av不卡在线播放| 十八禁网站网址无遮挡| 在线观看美女被高潮喷水网站| 久久久久久久亚洲中文字幕| 桃花免费在线播放| 女的被弄到高潮叫床怎么办| 日韩中字成人| 91精品国产九色| 日韩av不卡免费在线播放| a 毛片基地| 波野结衣二区三区在线| 嫩草影院入口| 国产精品.久久久| 激情五月婷婷亚洲| 欧美老熟妇乱子伦牲交| 一区二区av电影网| 在线观看www视频免费| 久久久午夜欧美精品| 亚洲成人手机| 99视频精品全部免费 在线| 男男h啪啪无遮挡| 亚洲人成网站在线观看播放| 26uuu在线亚洲综合色| 嘟嘟电影网在线观看| 日韩不卡一区二区三区视频在线| 18禁动态无遮挡网站| 天天操日日干夜夜撸| 亚洲四区av| 精品酒店卫生间| xxx大片免费视频| 特大巨黑吊av在线直播| 欧美日韩成人在线一区二区| 亚洲精品456在线播放app| 在线看a的网站| 欧美 亚洲 国产 日韩一| 欧美激情极品国产一区二区三区 | 看十八女毛片水多多多| av一本久久久久| 国产深夜福利视频在线观看| 91国产中文字幕| 在线观看www视频免费| 欧美精品人与动牲交sv欧美| 久久人人爽人人片av| 老司机影院毛片| 18禁在线无遮挡免费观看视频| 色5月婷婷丁香| 极品人妻少妇av视频| 极品少妇高潮喷水抽搐| 男人操女人黄网站| 女的被弄到高潮叫床怎么办| 国产黄频视频在线观看| 国产无遮挡羞羞视频在线观看| 亚洲精品aⅴ在线观看| 天美传媒精品一区二区| 伦理电影大哥的女人| 国产日韩一区二区三区精品不卡 | 91午夜精品亚洲一区二区三区| 精品卡一卡二卡四卡免费| 亚洲成人av在线免费| 日本av手机在线免费观看| 欧美激情国产日韩精品一区| 狂野欧美激情性xxxx在线观看| 少妇的逼水好多| 日韩三级伦理在线观看| 国产淫语在线视频| 日日撸夜夜添| 男人添女人高潮全过程视频| 成人国产av品久久久| 天堂8中文在线网| 人妻一区二区av| 国产精品人妻久久久影院| 丝瓜视频免费看黄片| 亚洲综合色惰| 国产精品久久久久久久久免| 亚洲av国产av综合av卡| 婷婷成人精品国产| 91国产中文字幕| 欧美日韩亚洲高清精品| 如日韩欧美国产精品一区二区三区 | 免费av中文字幕在线| 免费看不卡的av| 亚洲精品乱久久久久久| 免费人成在线观看视频色| 一区二区av电影网| 国产欧美日韩一区二区三区在线 | 少妇人妻精品综合一区二区| 只有这里有精品99| 欧美精品亚洲一区二区| 制服诱惑二区| 久久精品久久久久久久性| videosex国产| 亚洲四区av| 久久精品人人爽人人爽视色| 亚洲精品国产av成人精品| 久久鲁丝午夜福利片| 在线观看免费高清a一片| 精品少妇黑人巨大在线播放| 好男人视频免费观看在线| 99re6热这里在线精品视频| 卡戴珊不雅视频在线播放| 精品少妇黑人巨大在线播放| 王馨瑶露胸无遮挡在线观看| 国产深夜福利视频在线观看| 亚洲美女黄色视频免费看| 少妇熟女欧美另类| 欧美人与性动交α欧美精品济南到 | 国产精品麻豆人妻色哟哟久久| 亚洲av福利一区| 97在线人人人人妻| 国产精品国产三级专区第一集| 国产亚洲精品久久久com| 亚洲精品一二三| 亚洲色图综合在线观看| 国产毛片在线视频| 亚洲婷婷狠狠爱综合网| 亚洲av二区三区四区| 插阴视频在线观看视频| 夫妻性生交免费视频一级片| 最近中文字幕高清免费大全6| 亚洲精华国产精华液的使用体验| 女人精品久久久久毛片| 精品亚洲成a人片在线观看| 在线观看三级黄色| 在线观看一区二区三区激情| 国产高清国产精品国产三级| 免费看不卡的av| 国产高清有码在线观看视频| 在线精品无人区一区二区三| 能在线免费看毛片的网站| 免费av不卡在线播放| 2021少妇久久久久久久久久久| 九九在线视频观看精品| 国产精品一区www在线观看| 日本免费在线观看一区| 99久久综合免费| 亚洲在久久综合| 亚洲成人手机| 伦理电影大哥的女人| 国内精品宾馆在线| 欧美日韩一区二区视频在线观看视频在线| 熟女人妻精品中文字幕| a级毛片在线看网站| 国产精品99久久99久久久不卡 | 欧美日韩视频精品一区| 亚洲少妇的诱惑av| 桃花免费在线播放| 久久久欧美国产精品| 激情五月婷婷亚洲| 女性生殖器流出的白浆| 丝袜美足系列| 国产又色又爽无遮挡免| 久久 成人 亚洲| 成人免费观看视频高清| 免费观看无遮挡的男女| 男女免费视频国产| 曰老女人黄片| 免费观看在线日韩| 久久精品国产亚洲网站| av播播在线观看一区| 妹子高潮喷水视频| 久久久久久久久大av| 涩涩av久久男人的天堂| 国产成人91sexporn| 精品人妻一区二区三区麻豆| 亚洲熟女精品中文字幕| 国产精品国产三级国产专区5o| 国产成人freesex在线| 人人澡人人妻人| 秋霞伦理黄片| 亚洲欧洲精品一区二区精品久久久 | 性色avwww在线观看| 免费高清在线观看日韩| 国产免费一区二区三区四区乱码| 国产一区二区三区综合在线观看 | 性色av一级| a级毛片在线看网站| 国产 一区精品| 三级国产精品片| 精品国产一区二区久久| 亚洲不卡免费看| 成人国产麻豆网| av专区在线播放| 多毛熟女@视频| 在线观看一区二区三区激情| 久久人人爽av亚洲精品天堂| 精品人妻在线不人妻| 少妇人妻久久综合中文| 国产乱人偷精品视频| 久久99蜜桃精品久久| 丝袜在线中文字幕| 成人国产麻豆网| 久久久欧美国产精品| 99久久中文字幕三级久久日本| 乱码一卡2卡4卡精品| www.色视频.com| 精品久久久噜噜| 少妇被粗大猛烈的视频| 两个人免费观看高清视频| 中文字幕最新亚洲高清| 人人妻人人澡人人爽人人夜夜| av卡一久久| 免费av不卡在线播放| a级毛色黄片| 国产精品成人在线| 美女国产高潮福利片在线看| 亚洲美女视频黄频| 亚洲图色成人| 99九九线精品视频在线观看视频| 国产成人freesex在线| 日日爽夜夜爽网站| 亚洲精品乱码久久久久久按摩| 在线免费观看不下载黄p国产| 观看av在线不卡| 久久久久久久国产电影| 日本午夜av视频| 亚洲av综合色区一区| 在线观看三级黄色| 午夜视频国产福利| 男女高潮啪啪啪动态图| 高清午夜精品一区二区三区| 曰老女人黄片| 日本vs欧美在线观看视频| 日本91视频免费播放| 国产成人91sexporn| 国产精品99久久久久久久久| 久久国产亚洲av麻豆专区| 最新的欧美精品一区二区| 日韩一区二区三区影片| 超色免费av| 久久久久久久亚洲中文字幕| 国产亚洲午夜精品一区二区久久| 亚洲av二区三区四区| 国产精品久久久久成人av| 久久久久久久久久久免费av| 亚洲精品成人av观看孕妇| 亚洲美女黄色视频免费看| 韩国高清视频一区二区三区| 午夜激情久久久久久久| av视频免费观看在线观看| 春色校园在线视频观看| 久久久久久久久久久久大奶| 中文字幕人妻熟人妻熟丝袜美| 大码成人一级视频| 亚洲精品乱码久久久v下载方式| 99九九线精品视频在线观看视频| 两个人的视频大全免费| 欧美成人午夜免费资源| 免费大片18禁| 国产精品 国内视频| 丝袜喷水一区| 中国三级夫妇交换| 精品人妻在线不人妻| 春色校园在线视频观看| 成人毛片a级毛片在线播放| videos熟女内射| 高清av免费在线|