• <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 ?

    企業(yè)財(cái)務(wù)預(yù)警定量模型的研究現(xiàn)狀及評(píng)述

    2018-01-31 17:45:40李莉
    關(guān)鍵詞:財(cái)務(wù)預(yù)警財(cái)務(wù)危機(jī)

    李莉

    【摘要】財(cái)務(wù)預(yù)警是企業(yè)財(cái)務(wù)管理中的重要組成部分,本文將企業(yè)財(cái)務(wù)預(yù)警中的定量模型分為判別分析模型、條件概率模型、人工智能模型和集成優(yōu)化模型四大類進(jìn)行研究現(xiàn)狀評(píng)述,并提出應(yīng)該注重集成優(yōu)化模型的開發(fā)與應(yīng)用。

    【關(guān)鍵詞】財(cái)務(wù)危機(jī);財(cái)務(wù)預(yù)警;定量模型

    【中圖分類號(hào)】F275

    企業(yè)財(cái)務(wù)預(yù)警即財(cái)務(wù)危機(jī)預(yù)警,指的是以企業(yè)的日常財(cái)務(wù)運(yùn)行情況為依據(jù),通過選取合適的財(cái)務(wù)指標(biāo)來(lái)構(gòu)建數(shù)理模型對(duì)其財(cái)務(wù)危機(jī)發(fā)生的可能性進(jìn)行研究的過程。有效的財(cái)務(wù)預(yù)警能夠及時(shí)發(fā)現(xiàn)企業(yè)存在潛在風(fēng)險(xiǎn),從而為企業(yè)管理者提供決策依據(jù),及時(shí)規(guī)避財(cái)務(wù)風(fēng)險(xiǎn)。財(cái)務(wù)預(yù)警的靈敏度越高,就能夠越早地發(fā)現(xiàn)并解決存在的問題,財(cái)務(wù)預(yù)警模型研究已經(jīng)成為企業(yè)財(cái)務(wù)管理中不可或缺的一部分。

    從形成機(jī)理來(lái)看,企業(yè)財(cái)務(wù)危機(jī)的產(chǎn)生是一個(gè)累積變化的動(dòng)態(tài)過程,因此,建立財(cái)務(wù)預(yù)警模型是可行的。預(yù)警過程是將預(yù)警樣本進(jìn)行識(shí)別并分類的一個(gè)過程,構(gòu)建財(cái)務(wù)預(yù)警模型的關(guān)鍵在于建立合適的指標(biāo)體系和選擇恰當(dāng)?shù)哪P头椒?。企業(yè)財(cái)務(wù)預(yù)警的模型方法可以分為定性方法和定量方法,定性分析方法主要有財(cái)務(wù)風(fēng)險(xiǎn)分析調(diào)查法、財(cái)務(wù)危機(jī)四階段分析法和管理評(píng)分法三種。定性分析方法客觀、易懂,但也存在準(zhǔn)確性不足的問題,目前大多數(shù)實(shí)證研究都是基于定量分析方法進(jìn)行的。對(duì)于企業(yè)財(cái)務(wù)預(yù)警定量模型方法分類,本文分為判別分析模型、條件概率模型、人工智能模型和集成優(yōu)化模型四大類,模型方法具體細(xì)分結(jié)果見圖1。

    本文對(duì)企業(yè)財(cái)務(wù)預(yù)警定量模型研究現(xiàn)狀進(jìn)行評(píng)述,對(duì)財(cái)務(wù)預(yù)警定量模型進(jìn)行較為準(zhǔn)確的分類,旨在更清晰地呈現(xiàn)出其研究的演變過程,加深對(duì)研究框架結(jié)構(gòu)的理解,并在此基礎(chǔ)上充分挖掘今后的研究擴(kuò)展方向,推動(dòng)企業(yè)財(cái)務(wù)預(yù)警定量模型的理論及應(yīng)用研究。

    一、判別分析模型

    判別分析模型是一種對(duì)研究對(duì)象屬性進(jìn)行判別的分析方法,首先根據(jù)已知樣本數(shù)據(jù)建立判別函數(shù),然后檢驗(yàn)新樣本指標(biāo)數(shù)據(jù)與已知樣本的差異性,由此確定新樣本屬于哪種樣本類別。其中,判別分析模型可以分為單變量和多變量?jī)煞N。

    (一)單變量判別模型

    P. Fitzpatrick是最早研究財(cái)務(wù)預(yù)警的學(xué)者之一,其在1932年發(fā)表的一篇論文中首次運(yùn)用單一財(cái)務(wù)比率指標(biāo)進(jìn)行判別分析,研究發(fā)現(xiàn),破產(chǎn)企業(yè)與正常企業(yè)之間的財(cái)務(wù)比率數(shù)據(jù)具有明顯的差異,并指出凈利潤(rùn)/股東權(quán)益和股東權(quán)益/負(fù)債這兩個(gè)財(cái)務(wù)比率指標(biāo)能夠在一定程度上預(yù)測(cè)企業(yè)的發(fā)展未來(lái)。之后,美國(guó)學(xué)者威廉比弗使用單變量判別模型對(duì)企業(yè)財(cái)務(wù)預(yù)警進(jìn)行的研究最具影響力。威廉比弗(1966)首先隨機(jī)選取危機(jī)企業(yè)和與其所屬行業(yè)、資產(chǎn)規(guī)模類似的正常企業(yè),共得到158個(gè)樣本企業(yè);然后,選取30個(gè)財(cái)務(wù)比率指標(biāo)作為模型的基本變量;最后,運(yùn)用配對(duì)樣本法分析建立模型的判別能力。研究結(jié)果表明,對(duì)企業(yè)危機(jī)判別能力最好的財(cái)務(wù)比率指標(biāo)是債務(wù)現(xiàn)金保障率,其表示現(xiàn)金流量與總負(fù)債的比值;其次為資產(chǎn)負(fù)債率指標(biāo),表示的是總負(fù)債與總資產(chǎn)的比值。

    威廉比弗的研究簡(jiǎn)單易懂且具有不錯(cuò)的預(yù)測(cè)能力,為財(cái)務(wù)預(yù)警實(shí)證研究提供了理論基礎(chǔ),也為后續(xù)的研究提供了拓展思路。不過在比弗提出財(cái)務(wù)預(yù)警的單變量判別模型后,運(yùn)用該種方法進(jìn)行實(shí)證研究的成果并不多,主要在于該種方法存在一定的缺陷。第一,單一財(cái)務(wù)比率指標(biāo)無(wú)法全面描述整體情況,不能完全掌握企業(yè)的財(cái)務(wù)狀況;第二,不同的財(cái)務(wù)比率指標(biāo)用于同一企業(yè)可能會(huì)出現(xiàn)相互矛盾的結(jié)果,造成結(jié)論的判斷困難;第三,該模型只考慮到變量的集中趨勢(shì)程度而忽略了離散變異程度,同時(shí)還未考察變量之間的相關(guān)關(guān)系。

    (二)多變量判別模型

    鑒于單變量判別模型存在的種種缺陷,為了提出更好的財(cái)務(wù)預(yù)警模型,20世紀(jì)60年代起多變量判別模型便得到了迅猛發(fā)展,其中以美國(guó)紐約大學(xué)Edward Altman教授的研究成果最為突出。

    Altman(1968)基于差異分析方法,對(duì)選取的33家破產(chǎn)公司和33家正常公司的財(cái)務(wù)數(shù)據(jù)進(jìn)行配對(duì)抽樣,建立了5個(gè)變量的多變量財(cái)務(wù)預(yù)警模型,模型表達(dá)式為:

    該模型被稱為Z計(jì)分模型。其中,模型變量依次代表企業(yè)的流動(dòng)能力、獲利能力、財(cái)務(wù)杠桿、償債能力和資產(chǎn)周轉(zhuǎn)能力。Altman研究指出,模型Z值越小,那么企業(yè)出現(xiàn)財(cái)務(wù)危機(jī)的可能性就越高;當(dāng)Z值小于1.81時(shí),表明企業(yè)財(cái)務(wù)狀況糟糕,破產(chǎn)的可能性很大;當(dāng)Z值大于2.99時(shí),表明企業(yè)財(cái)務(wù)狀況良好,破產(chǎn)的可能性較??;當(dāng)Z值在兩者之間時(shí),表明企業(yè)財(cái)務(wù)狀況不穩(wěn)定,處于灰色地帶。

    Z計(jì)分模型適用于上市公司的財(cái)務(wù)預(yù)警研究,為了擴(kuò)展Z計(jì)分模型的應(yīng)用領(lǐng)域,Altman(1977)基于Z計(jì)分模型先后提出了針對(duì)非上市公司的Z′財(cái)務(wù)預(yù)警模型和跨行業(yè)的ZETA財(cái)務(wù)預(yù)警模型。我國(guó)學(xué)者周首華等(1996)考慮到Z計(jì)分模型沒有充分考慮現(xiàn)金流量變動(dòng)等情況,提出了F分?jǐn)?shù)模型。楊淑娥等(2003)在Z計(jì)分模型的基礎(chǔ)上,運(yùn)用主成分分析方法,提出了適用于我國(guó)的企業(yè)財(cái)務(wù)預(yù)警模型Y分?jǐn)?shù)模型。

    從相關(guān)的理論及實(shí)證研究中可以看出,多變量判別模型較單變量模型更為科學(xué)準(zhǔn)確,同時(shí)客觀性、綜合性較強(qiáng),因此在財(cái)務(wù)預(yù)警研究中應(yīng)用較為廣泛。不過,在應(yīng)用多變量判別模型時(shí)對(duì)數(shù)據(jù)的統(tǒng)計(jì)分布具有很高的要求,樣本指標(biāo)數(shù)據(jù)需滿足多元正態(tài)分布,且兩樣本的協(xié)方差矩陣要相等,這在很大程度上會(huì)限制模型的準(zhǔn)確性和適用性。

    二、條件概率模型

    由于多變量判別模型存在數(shù)據(jù)的強(qiáng)限制性,而條件概率模型的建模條件較為寬松,在二十世紀(jì)八十年代后,條件概率模型逐漸取代多元判別模型成為財(cái)務(wù)預(yù)警研究的主流模型,其主要包括Logistic回歸模型和Probit回歸模型。

    (一)Logistic回歸預(yù)警模型

    Logistic回歸模型是一種非線性的回歸模型,其最早始于生物學(xué)中果蠅的繁殖研究,如今被廣泛應(yīng)用到經(jīng)濟(jì)等領(lǐng)域中。相比于線性概率模型,Logistic回歸模型的概率分布在0~1之間,而不再是0或者1的確定值,其模型的數(shù)學(xué)表達(dá)式為:

    其中,a為待解參數(shù),x為財(cái)務(wù)指標(biāo),p為發(fā)生財(cái)務(wù)危機(jī)的概率。

    Martin(1997)首次在財(cái)務(wù)危機(jī)研究領(lǐng)域引進(jìn)Logistic回歸模型,通過選擇6個(gè)財(cái)務(wù)比率指標(biāo)和58個(gè)研究樣本,構(gòu)建了銀行財(cái)務(wù)危機(jī)預(yù)測(cè)的Logistic回歸模型。研究發(fā)現(xiàn),Logistic回歸模型比Z計(jì)分模型和ZETA模型預(yù)警性能更好。1980年由Ohlson提出的Logistic回歸財(cái)務(wù)預(yù)警模型引用最為廣泛,通過選取工業(yè)上市公司作為樣本進(jìn)行研究。結(jié)果表明,Logistic回歸模型對(duì)財(cái)務(wù)預(yù)警的預(yù)測(cè)準(zhǔn)確度達(dá)到了96.12%,同時(shí)證明了虛擬指標(biāo)的適用性。在此之后,諸多學(xué)者利用Logistic回歸模型研究財(cái)務(wù)預(yù)警問題。宋鵬等(2009)為了增強(qiáng)研究的適用性,基于Logistic模型對(duì)我國(guó)A股上市公司財(cái)務(wù)危機(jī)預(yù)警進(jìn)行研究。劉秀琴等(2016)則利用Logistic模型對(duì)中小板上市公司的財(cái)務(wù)預(yù)警進(jìn)行了預(yù)測(cè)分析。

    (二)Probit回歸預(yù)警模型

    Probit回歸模型形式與Logistic回歸相似,都適用于研究二分變量的回歸問題,因此被廣泛運(yùn)用到財(cái)務(wù)危機(jī)預(yù)警研究中。

    Zmijewski于1984年首次將Probit回歸模型應(yīng)用到企業(yè)財(cái)務(wù)危機(jī)預(yù)測(cè)研究中,用于分析研究樣本的不同對(duì)結(jié)果的影響,結(jié)果表明,雙變量Probit回歸模型能有效降低偏差效果。白承彪(2010)為了對(duì)滬深兩市制造業(yè)的企業(yè)財(cái)務(wù)狀況進(jìn)行研究,分別構(gòu)建了Logistic和Probit回歸模型進(jìn)行了研究,通過對(duì)比發(fā)現(xiàn),Logistic模型效果優(yōu)于Probit模型。張妍妍等(2011)選取7個(gè)財(cái)務(wù)指標(biāo),運(yùn)用Probit模型對(duì)我國(guó)上市公司的退市風(fēng)險(xiǎn)進(jìn)行預(yù)警研究。蔣亞奇(2014)構(gòu)建了最有效的多元Probit回歸模型對(duì)旅游行業(yè)上市公司財(cái)務(wù)預(yù)警進(jìn)行分析,結(jié)果表明預(yù)警分析是正確有效的。由于Probit回歸模型用于財(cái)務(wù)預(yù)警研究時(shí)性能并未得到很好地改善,且使用過程相對(duì)復(fù)雜,因此在財(cái)務(wù)預(yù)警中的理論及應(yīng)用研究相對(duì)有限。

    Logistic回歸模型與Probit回歸模型都是基于概率函數(shù)建立的,模型是利用最大似然估計(jì)求解出參數(shù)。其優(yōu)點(diǎn)在于克服了傳統(tǒng)判別分析對(duì)數(shù)據(jù)的強(qiáng)限制性,使得實(shí)用性大大提升。不過,此類模型也存在一定的局限性,首先模型樣本數(shù)一般要求200個(gè)以上為宜,另外模型自變量的多重共線性較為敏感。

    三、人工智能模型

    國(guó)內(nèi)外諸多學(xué)者應(yīng)用判別分析模型和條件概率模型對(duì)企業(yè)財(cái)務(wù)預(yù)警進(jìn)行應(yīng)用研究,但是這些模型有時(shí)在面對(duì)復(fù)雜的現(xiàn)實(shí)情況時(shí)預(yù)測(cè)效果并不理想,且無(wú)法進(jìn)行自學(xué)習(xí)過程。隨著經(jīng)濟(jì)的迅速發(fā)展以及計(jì)算機(jī)運(yùn)行速度的提升,越來(lái)越多的研究不再局限于傳統(tǒng)方法,而紛紛引進(jìn)人工模型用于風(fēng)險(xiǎn)預(yù)警預(yù)測(cè)研究,這些方法主要包括神經(jīng)網(wǎng)絡(luò)模型和智能信息處理模型等。

    (一)神經(jīng)網(wǎng)絡(luò)模型

    神經(jīng)網(wǎng)絡(luò)是一種新型智能計(jì)算方法,是由大量簡(jiǎn)單的神經(jīng)元廣泛地互相連接而形成的復(fù)雜網(wǎng)絡(luò)系統(tǒng)。神經(jīng)網(wǎng)絡(luò)模型具有優(yōu)良的非線性映射能力,能夠避開復(fù)雜的參數(shù)估計(jì)過程而通過自學(xué)習(xí)過程自動(dòng)擬合樣本數(shù)據(jù)的發(fā)展規(guī)律函數(shù),因此能夠處理一系列無(wú)法用精確函數(shù)表達(dá)出的分類及預(yù)測(cè)問題。大量的研究及實(shí)踐表明,在建立的模型合理的情況下,神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)性能會(huì)優(yōu)于其他一些的傳統(tǒng)預(yù)測(cè)方法。鑒于神經(jīng)網(wǎng)絡(luò)模型強(qiáng)大的非線性擬合和自我學(xué)習(xí)能力,許多財(cái)務(wù)預(yù)警研究嘗試采用神經(jīng)網(wǎng)絡(luò)技術(shù),常用有BP神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)(SVM)、Hopfield神經(jīng)網(wǎng)絡(luò)等。

    Odom于1990年首次將BP神經(jīng)網(wǎng)絡(luò)應(yīng)用到財(cái)務(wù)預(yù)警中,利用Altman構(gòu)建的5個(gè)財(cái)務(wù)比率指標(biāo)作為模型的輸入變量,并分析分成學(xué)習(xí)與測(cè)試樣本兩部分進(jìn)行研究。仿真結(jié)果表明,神經(jīng)網(wǎng)絡(luò)模型的精準(zhǔn)度達(dá)到了81.18%,優(yōu)于判別分析模型?;菔夭┑龋?006)提出了一種基于支持向量機(jī)(SVM)神經(jīng)網(wǎng)絡(luò)的財(cái)務(wù)預(yù)警模型,研究結(jié)果發(fā)現(xiàn),該模型的預(yù)測(cè)精度為87%,較BP神經(jīng)網(wǎng)絡(luò)及判別分析模型有很大提升。楊旸(2016)以滬深A(yù)股企業(yè)為研究樣本,對(duì)離散Hopfield神經(jīng)網(wǎng)絡(luò)用于財(cái)務(wù)預(yù)警的步驟進(jìn)行了詳細(xì)介紹,并表明了模型預(yù)測(cè)的穩(wěn)健性。

    神經(jīng)網(wǎng)絡(luò)模型無(wú)須考慮指標(biāo)數(shù)據(jù)的統(tǒng)計(jì)分布情況及多重共線性問題,通過樣本訓(xùn)練學(xué)習(xí)便能夠進(jìn)行很好的應(yīng)用。不過,在利用神經(jīng)網(wǎng)絡(luò)模型研究財(cái)務(wù)預(yù)警時(shí),要選取大量的訓(xùn)練樣本數(shù)據(jù),同時(shí)還需注意模型的參數(shù)設(shè)置、過擬合等問題。

    (二)智能信息處理模型

    智能信息處理模型隨著計(jì)算機(jī)技術(shù)的發(fā)展在財(cái)務(wù)預(yù)警研究中也得到了廣泛應(yīng)用,主要應(yīng)用有案例推理模型和粗糙集理論等。

    案例推理(CBR)是人工智能領(lǐng)域中一種有效的信息化推理模型,其實(shí)質(zhì)上是一種動(dòng)態(tài)非統(tǒng)計(jì)的類比推理方法,能夠在復(fù)雜環(huán)境中尋找解決方法并進(jìn)行決策。應(yīng)用到財(cái)務(wù)預(yù)警研究中主要分為表示與組織案例、索引與檢索案例、調(diào)整案例和案例的學(xué)習(xí)幾個(gè)步驟,Bryant在1997年首次對(duì)案例推理模型在財(cái)務(wù)預(yù)警中的應(yīng)用進(jìn)行了介紹。粗糙集理論是一種處理信息不完備性和不確定性的數(shù)學(xué)方法,該方法僅根據(jù)數(shù)據(jù)本身進(jìn)行處理得到知識(shí)約簡(jiǎn),而無(wú)需其他先驗(yàn)信息便可在模糊信息中挖掘出隱含知識(shí),研究出其內(nèi)在發(fā)展規(guī)律。劉新允(2007)將財(cái)務(wù)指標(biāo)作為模型的條件屬性,企業(yè)狀態(tài)作為模型決策屬性,構(gòu)建了基于粗糙集的財(cái)務(wù)預(yù)警模型。

    四、集成優(yōu)化模型

    為了改善已有模型在企業(yè)財(cái)務(wù)預(yù)警中的預(yù)測(cè)精度,二十一世紀(jì)以來(lái),諸多專家學(xué)者都相繼提出一些集成優(yōu)化財(cái)務(wù)預(yù)警模型,以期解決現(xiàn)有單一模型方法的某種應(yīng)用上的局限。目前,主要對(duì)邏輯回歸模型和神經(jīng)網(wǎng)絡(luò)模型的優(yōu)化改善研究最多。

    (一)邏輯回歸優(yōu)化模型

    劉彥文等(2007)認(rèn)為傳統(tǒng)研究將上市公司分為財(cái)務(wù)困境和非財(cái)務(wù)困境僅兩種情況是不合理的,文章提出將公司分為財(cái)務(wù)困境、財(cái)務(wù)狀況不穩(wěn)定以及財(cái)務(wù)良好的三類分法,并構(gòu)建了三元Logistic的財(cái)務(wù)困境預(yù)警模型。李建中(2010)考慮到Logistic模型用于財(cái)務(wù)預(yù)警時(shí),財(cái)務(wù)指標(biāo)非常多而且之間會(huì)存在多重共線性,而自變量的多重共線性會(huì)造成回歸模型的估計(jì)產(chǎn)生偏差。因此,文章首先利用因子分析消除指標(biāo)的共線性,再在此基礎(chǔ)上建立房地產(chǎn)上市公司財(cái)務(wù)預(yù)警的Logistic模型。劉遵雄等(2012)為了解決邏輯回歸模型存在的過擬合情況,提出利用平滑削邊絕對(duì)偏離懲罰邏輯回歸模型并構(gòu)建財(cái)務(wù)預(yù)警模型。通過實(shí)證表明,所建優(yōu)化模型具有很高的分類預(yù)測(cè)能力,模型解釋性能好。梁琪等(2014)認(rèn)為L(zhǎng)ogistic模型是財(cái)務(wù)預(yù)警研究的主流方法,但是該方法采用極大似然估計(jì)使得模型之外的因素對(duì)財(cái)務(wù)狀況的影響作用無(wú)法進(jìn)行控制。為此,作者提出了截面數(shù)據(jù)的隨機(jī)效應(yīng)Logistic模型對(duì)滬深兩市中小上市企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行實(shí)證分析,結(jié)果表明此模型具有一定的參考價(jià)值。

    根據(jù)以上對(duì)邏輯回歸模型進(jìn)行的優(yōu)化研究可以知道,Logistic模型在財(cái)務(wù)預(yù)警研究中應(yīng)用廣泛,不過也存在一定的應(yīng)用局限性,這需要我們根據(jù)實(shí)際研究問題對(duì)Logistic模型進(jìn)行進(jìn)一步的優(yōu)化研究。

    (二)神經(jīng)網(wǎng)絡(luò)優(yōu)化模型

    李賀等(2006)提出將主成分分析(PCA)與支持向量機(jī)(SVM)進(jìn)行結(jié)合,實(shí)現(xiàn)企業(yè)的財(cái)務(wù)危機(jī)預(yù)警研究。在利用SVM模型進(jìn)行模式識(shí)別前,利用PCA方法解決財(cái)務(wù)指標(biāo)的冗余與共線問題實(shí)現(xiàn)指標(biāo)結(jié)構(gòu)優(yōu)化。此模型能夠很好地適用于小樣本數(shù)據(jù),同時(shí)對(duì)企業(yè)財(cái)務(wù)狀況的預(yù)測(cè)精度也遠(yuǎn)高于BP神經(jīng)網(wǎng)絡(luò)模型等。趙冠華等(2011)指出SVM模型用于財(cái)務(wù)預(yù)警時(shí),模型的參數(shù)求解過程十分繁瑣,因此引進(jìn)更易求解、判別效果更好的最小二乘支持向量機(jī)(LS-SVM)模型,再進(jìn)一步利用遺傳算法對(duì)LS-SVM模型進(jìn)行參數(shù)優(yōu)化。王新利等(2011)構(gòu)建了基于偏最小二乘BP神經(jīng)網(wǎng)絡(luò)的農(nóng)業(yè)上市公司財(cái)務(wù)預(yù)警模型,文章利用偏最小二乘法對(duì)模型中的財(cái)務(wù)指標(biāo)數(shù)據(jù)進(jìn)行篩選使數(shù)據(jù)降低維度。將偏最小二乘與神經(jīng)網(wǎng)絡(luò)進(jìn)行結(jié)合,能夠克服指標(biāo)間的多重共線性,同時(shí)可以改善神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)效果。倪志偉等(2014)認(rèn)為,在進(jìn)行企業(yè)財(cái)務(wù)預(yù)警時(shí)應(yīng)該選取足夠多的指標(biāo)來(lái)呈現(xiàn)出企業(yè)財(cái)務(wù)狀況,但是過多的指標(biāo)形成的高維數(shù)據(jù)會(huì)使模型變得復(fù)雜化。文章嘗試引進(jìn)流形學(xué)習(xí)算法將財(cái)務(wù)高維數(shù)據(jù)映射到低維空間中,再利用多核SVM能夠處理不平坦數(shù)據(jù)的特點(diǎn),建立了流形學(xué)習(xí)算法多核SVM的財(cái)務(wù)預(yù)警模型。

    綜上所述,神經(jīng)網(wǎng)絡(luò)模型作為目前財(cái)務(wù)預(yù)警研究領(lǐng)域中最為主流的模型,具有強(qiáng)大的自學(xué)習(xí)、自適應(yīng)能力以及良好的容錯(cuò)性,不過也易出現(xiàn)陷入局部最小、泛化能力差等問題。在用于財(cái)務(wù)預(yù)警研究時(shí),應(yīng)該從多方面考慮優(yōu)化神經(jīng)網(wǎng)絡(luò)模型,實(shí)現(xiàn)預(yù)測(cè)效果的最優(yōu)化。

    五、結(jié)論

    財(cái)務(wù)預(yù)警研究已經(jīng)成為企業(yè)財(cái)務(wù)管理中不可或缺的一部分,通過對(duì)企業(yè)財(cái)務(wù)預(yù)警定量模型的研究進(jìn)行回歸和評(píng)述,我們發(fā)現(xiàn)各類定量模型均具優(yōu)缺點(diǎn)。判別分析模型計(jì)算簡(jiǎn)便易操作,但是對(duì)數(shù)據(jù)的統(tǒng)計(jì)分布要求嚴(yán)格;條件概率模型雖然對(duì)數(shù)據(jù)分布不再有要求,不過模型對(duì)指標(biāo)的多重共線性頗為敏感;人工智能模型對(duì)數(shù)據(jù)分布無(wú)要求且模型容錯(cuò)性好,但也存在樣本量不足、泛化能力差等問題;而集成優(yōu)化模型則能夠取長(zhǎng)補(bǔ)短,綜合多種模型方法的優(yōu)勢(shì),組成新的預(yù)測(cè)效果更好、性能更優(yōu)的財(cái)務(wù)預(yù)警模型。在今后的財(cái)務(wù)預(yù)警定量模型研究中,應(yīng)該更加注重集成優(yōu)化模型的開發(fā)與應(yīng)用。

    主要參考文獻(xiàn):

    [1]萬(wàn)如榮,張莉芳,蔣琰.財(cái)務(wù)分析[M].人民郵電出版社,2014.

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

    [3]Fitzpatrick P J.A Comparison of the Ratios of Successful Industrial Enterprises with those of Failed Companies [J].Certified Public Accountant,1932:598-605.

    [4]Beaver W H.Financial Ratios As Predictors of Failure[J].Journal of Accounting Research,1966,4(1): 71-111.

    [5]李帆,杜志濤,李玲娟.企業(yè)財(cái)務(wù)預(yù)警模型:理論回顧及其評(píng)論[J].管理評(píng)論,2011,23(9):144-151.

    [6]Altman.E.I.Financial Ratios: Discriminant Analysis and the Prediction of Corporate Bankruptcy[J].Journal of Finance,1968,23(4):589-609.

    [7]Altman E I,Haldeman R G,Narayanan P.ZETA Analysis:A new model to identify bankruptcy risk of corporations [J].Journal of Banking & Finance,1977,1(1):29-54.

    [8]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)模式[J].會(huì)計(jì)研究,1996(08):8-11.

    [9]楊淑娥,徐偉剛.上市公司財(cái)務(wù)預(yù)警模型——Y分?jǐn)?shù)模型的實(shí)證研究[J].中國(guó)軟科學(xué),2003(01):56-60.

    [10]Martin D.Early warning of bank failure:A logit regression approach[J].Journal of Banking & Finance,1977,1(3):249-276.

    [11]Ohlson J A.Financial Ratios and the Probabilistic Prediction of Bankruptcy[J].Journal of Accounting Research,1980,18(1):109-131.

    [12]宋鵬,張信東.基于Logistic模型的上市公司財(cái)務(wù)危機(jī)預(yù)警研究[J].經(jīng)濟(jì)問題,2009(08):50-52.

    [13]劉秀琴,陳藝城,羅軍.基于logistic模型的中小板上市公司財(cái)務(wù)預(yù)警模型構(gòu)建[J].財(cái)會(huì)月刊,2016(36):85-88.

    [14]Zmijewski M E.Methodological Issues Related to the Estimation of Financial Distress Prediction Models[J].Journal of Accounting Research,1984,22(1):59-82.

    [15]白承彪.Logistic模型與Probit模型用于上市公司財(cái)務(wù)預(yù)警的比較[J].財(cái)會(huì)月刊,2010(33):65-67.

    [16]張妍妍,吳喬.基于Probit模型的中國(guó)上市公司退市風(fēng)險(xiǎn)預(yù)警研究[J].貴州財(cái)經(jīng)學(xué)院學(xué)報(bào),2011(01):46-50.

    [17]蔣亞奇.基于多元Probit模型的上市旅游公司的財(cái)務(wù)預(yù)警[J].統(tǒng)計(jì)與決策,2014(3):181-183.

    [18]鮑新中,何思婧.企業(yè)財(cái)務(wù)預(yù)警的研究方法及其改進(jìn)——基于文獻(xiàn)綜述[J].南京審計(jì)大學(xué)學(xué)報(bào),2012,9(5):60-70.

    [19]Odom M,Sharda R.A neural networks model for bankruptcy prediction[R].Proceedings of the IEEE International Conference on Neural Network,1990: 163-168.

    [20]惠守博,王文杰.基于支持向量機(jī)的財(cái)務(wù)預(yù)警模型與應(yīng)用研究[J].計(jì)算機(jī)工程與設(shè)計(jì),2006,27(7):1183-1186.

    [21]楊旸,林輝.基于離散Hopfield網(wǎng)絡(luò)的上市公司財(cái)務(wù)困境預(yù)警研究[J].華東經(jīng)濟(jì)管理,2016,30(12):156-162.

    [22]Bryant S M.A case-based reasoning approach to bankruptcy prediction modeling[J].International Journal of Intelligent Systems in Accounting,F(xiàn)inance and Management,1997,6(3): 195-214.

    [23]劉新允.基于粗糙集理論的財(cái)務(wù)危機(jī)預(yù)警研究[J].中國(guó)管理信息化(會(huì)計(jì)版),2007(10): 59-61.

    [24]劉彥文,戴紅軍.基于三元Logistic的財(cái)務(wù)困境預(yù)警模型實(shí)證研究[J].大連理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2007,28(2):60-66.

    [25]李建中,武鐵梅.基于因子—logistic模型的房地產(chǎn)業(yè)上市公司財(cái)務(wù)預(yù)警分析[J].哈爾濱商業(yè)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2010(5):89-93.

    [26]劉遵雄,黃志強(qiáng),孫清等.SCAD懲罰邏輯回歸的財(cái)務(wù)預(yù)警模型[J].統(tǒng)計(jì)與信息論壇,2012,27(12):21-26.

    [27]梁琪,過新偉,石寧.基于隨機(jī)效應(yīng)logistic模型的中小企業(yè)財(cái)務(wù)失敗預(yù)警研究[J].管理工程學(xué)報(bào),2014,28(3):126-134.

    [28]李賀,馮天瑾,丁香乾等.企業(yè)財(cái)務(wù)預(yù)警PCA-SVM模型研究[J].計(jì)算機(jī)工程,2006,32(9):233-235.

    [29]趙冠華,李玥,趙娟.基于遺傳算法參數(shù)優(yōu)化的最小二乘支持向量機(jī)財(cái)務(wù)困境預(yù)測(cè)[J].科學(xué)與管理,2011(5):56-63.

    [30]王新利,陳敏.基于偏最小二乘BP神經(jīng)網(wǎng)絡(luò)的財(cái)務(wù)預(yù)警研究——以農(nóng)業(yè)上市公司為例[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì),2011(11):122-128.

    [31]倪志偉,薛永堅(jiān),倪麗萍等.基于流形學(xué)習(xí)的多核SVM財(cái)務(wù)預(yù)警方法研究[J].系統(tǒng)工程理論與實(shí)踐,2014,34(10):2666-2674.

    猜你喜歡
    財(cái)務(wù)預(yù)警財(cái)務(wù)危機(jī)
    基于LASSO-LARS的上市公司財(cái)務(wù)危機(jī)預(yù)警模型研究
    企業(yè)財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)研究
    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
    基于遺傳算法和LS-SVM的財(cái)務(wù)危機(jī)預(yù)測(cè)
    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
    企業(yè)財(cái)務(wù)危機(jī)預(yù)警問題研究
    公司債券違約的財(cái)務(wù)預(yù)警體系
    判別分析在財(cái)務(wù)預(yù)警中的應(yīng)用
    淺談企業(yè)如何實(shí)施財(cái)務(wù)預(yù)警分析
    財(cái)務(wù)預(yù)警Z3模型在江浙中小企業(yè)的應(yīng)用研究
    商(2016年18期)2016-06-20 14:16:02
    又大又黄又爽视频免费| 免费黄网站久久成人精品| 少妇被粗大的猛进出69影院| 天堂中文最新版在线下载| 别揉我奶头~嗯~啊~动态视频 | 制服丝袜香蕉在线| 日韩一卡2卡3卡4卡2021年| 啦啦啦在线观看免费高清www| 国产精品三级大全| 亚洲精品久久午夜乱码| 日韩一区二区三区影片| 久久亚洲国产成人精品v| 欧美在线一区亚洲| 可以免费在线观看a视频的电影网站 | 亚洲国产精品国产精品| 波野结衣二区三区在线| 精品一区二区三区四区五区乱码 | 热re99久久国产66热| 国产无遮挡羞羞视频在线观看| 国产不卡av网站在线观看| 老司机影院毛片| 欧美日韩福利视频一区二区| 中文字幕av电影在线播放| 水蜜桃什么品种好| 人妻 亚洲 视频| 国产免费福利视频在线观看| 大码成人一级视频| 午夜激情av网站| 国产xxxxx性猛交| 中文字幕人妻丝袜制服| 亚洲综合色网址| 欧美日韩国产mv在线观看视频| 欧美成人精品欧美一级黄| 午夜福利,免费看| 精品福利永久在线观看| 色吧在线观看| 久久久久网色| 亚洲人成网站在线观看播放| 一区二区三区精品91| 欧美精品av麻豆av| 国产精品久久久久久精品古装| 熟女av电影| 十八禁人妻一区二区| 国产片内射在线| 一级a爱视频在线免费观看| 一区福利在线观看| 午夜日本视频在线| 人人澡人人妻人| 亚洲五月色婷婷综合| h视频一区二区三区| 国产福利在线免费观看视频| 国产亚洲欧美精品永久| 日韩 亚洲 欧美在线| 久热这里只有精品99| 交换朋友夫妻互换小说| 熟女少妇亚洲综合色aaa.| 久久精品亚洲熟妇少妇任你| 精品人妻在线不人妻| 中文天堂在线官网| 久久久久人妻精品一区果冻| 另类精品久久| 大香蕉久久网| 午夜老司机福利片| av不卡在线播放| 欧美av亚洲av综合av国产av | 亚洲五月色婷婷综合| 免费看不卡的av| 麻豆av在线久日| av一本久久久久| 亚洲欧美日韩另类电影网站| 国产成人一区二区在线| 亚洲国产av新网站| 欧美人与性动交α欧美软件| 亚洲人成网站在线观看播放| 美女主播在线视频| 夜夜骑夜夜射夜夜干| 国产精品久久久av美女十八| 久久天躁狠狠躁夜夜2o2o | 亚洲精品成人av观看孕妇| 一区二区日韩欧美中文字幕| 最新的欧美精品一区二区| √禁漫天堂资源中文www| 狂野欧美激情性bbbbbb| 久久天堂一区二区三区四区| 观看av在线不卡| 久久 成人 亚洲| 日韩制服丝袜自拍偷拍| 51午夜福利影视在线观看| 大码成人一级视频| 亚洲精品第二区| 亚洲视频免费观看视频| 91国产中文字幕| 国产99久久九九免费精品| 久久久久久久大尺度免费视频| 性高湖久久久久久久久免费观看| 少妇的丰满在线观看| www日本在线高清视频| 国产精品香港三级国产av潘金莲 | 国产人伦9x9x在线观看| 成年av动漫网址| 国产精品一区二区在线观看99| e午夜精品久久久久久久| 国产精品久久久久成人av| 国产精品久久久av美女十八| 亚洲欧美成人综合另类久久久| 国产精品三级大全| 亚洲精品国产区一区二| 欧美日韩一区二区视频在线观看视频在线| 中文字幕色久视频| 国产亚洲一区二区精品| 日韩一区二区视频免费看| 国产av码专区亚洲av| 免费人妻精品一区二区三区视频| bbb黄色大片| 国产99久久九九免费精品| 免费日韩欧美在线观看| 啦啦啦啦在线视频资源| 欧美av亚洲av综合av国产av | 人人澡人人妻人| 国产精品一区二区精品视频观看| 日本91视频免费播放| 精品酒店卫生间| 街头女战士在线观看网站| www.精华液| 精品卡一卡二卡四卡免费| 啦啦啦啦在线视频资源| 午夜免费观看性视频| 国产精品av久久久久免费| 中文字幕人妻熟女乱码| 丰满迷人的少妇在线观看| 午夜激情av网站| 免费少妇av软件| 人人妻人人澡人人爽人人夜夜| 欧美人与性动交α欧美精品济南到| 欧美精品av麻豆av| 国产亚洲欧美精品永久| 视频区图区小说| 日韩大片免费观看网站| 国产亚洲午夜精品一区二区久久| 精品少妇内射三级| 少妇 在线观看| 日本欧美视频一区| 精品国产一区二区三区久久久樱花| 别揉我奶头~嗯~啊~动态视频 | 老汉色av国产亚洲站长工具| 精品视频人人做人人爽| 国产男女超爽视频在线观看| 一区在线观看完整版| 久久ye,这里只有精品| 日韩免费高清中文字幕av| 啦啦啦啦在线视频资源| 久久精品aⅴ一区二区三区四区| 中文字幕人妻丝袜制服| 国产极品粉嫩免费观看在线| 久久97久久精品| 水蜜桃什么品种好| 欧美精品高潮呻吟av久久| 黄色视频不卡| 免费高清在线观看视频在线观看| 免费久久久久久久精品成人欧美视频| 无限看片的www在线观看| 精品人妻一区二区三区麻豆| 亚洲中文av在线| 如日韩欧美国产精品一区二区三区| 2018国产大陆天天弄谢| 亚洲综合精品二区| av线在线观看网站| 九草在线视频观看| 中文字幕人妻熟女乱码| 亚洲 欧美一区二区三区| 黄色 视频免费看| 赤兔流量卡办理| 亚洲国产欧美一区二区综合| 一边亲一边摸免费视频| 国产精品免费视频内射| 亚洲av电影在线进入| 一边亲一边摸免费视频| 国产深夜福利视频在线观看| 国产极品天堂在线| 日韩欧美精品免费久久| 人人妻人人爽人人添夜夜欢视频| 成人三级做爰电影| 亚洲av综合色区一区| 黑丝袜美女国产一区| 欧美中文综合在线视频| 亚洲美女搞黄在线观看| 天天躁夜夜躁狠狠久久av| 午夜免费鲁丝| h视频一区二区三区| 亚洲一卡2卡3卡4卡5卡精品中文| 一边摸一边抽搐一进一出视频| 亚洲精品美女久久久久99蜜臀 | 亚洲婷婷狠狠爱综合网| 亚洲,欧美,日韩| 18禁裸乳无遮挡动漫免费视频| 免费黄色在线免费观看| 精品免费久久久久久久清纯 | 观看av在线不卡| 男女边吃奶边做爰视频| 亚洲综合精品二区| 亚洲欧美色中文字幕在线| 大陆偷拍与自拍| 各种免费的搞黄视频| 在线 av 中文字幕| 国产精品久久久人人做人人爽| 亚洲激情五月婷婷啪啪| 激情五月婷婷亚洲| 我要看黄色一级片免费的| 亚洲少妇的诱惑av| 成人亚洲精品一区在线观看| 哪个播放器可以免费观看大片| 午夜免费鲁丝| 久久久久久人人人人人| 欧美人与善性xxx| 成人黄色视频免费在线看| 又粗又硬又长又爽又黄的视频| 国产成人a∨麻豆精品| av线在线观看网站| 中文字幕另类日韩欧美亚洲嫩草| av片东京热男人的天堂| 我要看黄色一级片免费的| 久久狼人影院| 亚洲激情五月婷婷啪啪| 欧美另类一区| 丝袜脚勾引网站| 美女中出高潮动态图| 男女免费视频国产| 中国三级夫妇交换| 中文字幕高清在线视频| 18禁动态无遮挡网站| 国产毛片在线视频| 亚洲天堂av无毛| 一区二区三区四区激情视频| 丝袜在线中文字幕| 在线天堂中文资源库| av免费观看日本| 啦啦啦在线免费观看视频4| 亚洲av在线观看美女高潮| 人体艺术视频欧美日本| 丰满乱子伦码专区| 国产又爽黄色视频| 国产97色在线日韩免费| 亚洲av综合色区一区| 成人毛片60女人毛片免费| 国产成人免费无遮挡视频| 人妻 亚洲 视频| 99热网站在线观看| 热re99久久精品国产66热6| 夫妻性生交免费视频一级片| 最近最新中文字幕免费大全7| 欧美日韩国产mv在线观看视频| 亚洲精品成人av观看孕妇| 男女无遮挡免费网站观看| videosex国产| 桃花免费在线播放| 夜夜骑夜夜射夜夜干| 精品国产一区二区三区四区第35| 国产女主播在线喷水免费视频网站| 黑人猛操日本美女一级片| 亚洲三区欧美一区| 欧美激情极品国产一区二区三区| 少妇人妻久久综合中文| 我要看黄色一级片免费的| 美女中出高潮动态图| 久久免费观看电影| 夫妻午夜视频| 免费观看a级毛片全部| 人人澡人人妻人| 国产野战对白在线观看| 伦理电影大哥的女人| 性少妇av在线| 五月天丁香电影| 赤兔流量卡办理| 国产熟女午夜一区二区三区| 一二三四中文在线观看免费高清| 亚洲国产成人一精品久久久| 国产精品国产三级专区第一集| 丁香六月欧美| 在线观看一区二区三区激情| 人体艺术视频欧美日本| 成人影院久久| 国产一级毛片在线| 19禁男女啪啪无遮挡网站| av福利片在线| 王馨瑶露胸无遮挡在线观看| 日本黄色日本黄色录像| 久久热在线av| 久久亚洲国产成人精品v| 亚洲成国产人片在线观看| 丝袜在线中文字幕| 91国产中文字幕| 又黄又粗又硬又大视频| 久久久久久久久久久免费av| 国产av国产精品国产| 午夜免费观看性视频| 免费不卡黄色视频| 国产爽快片一区二区三区| 老鸭窝网址在线观看| av国产久精品久网站免费入址| 人妻一区二区av| 一级片'在线观看视频| 伊人久久大香线蕉亚洲五| 一区二区三区精品91| 成年人午夜在线观看视频| 夫妻性生交免费视频一级片| 99久久综合免费| 亚洲第一青青草原| 国产亚洲最大av| 在线观看一区二区三区激情| 中国三级夫妇交换| 嫩草影视91久久| 日本av免费视频播放| 国产片特级美女逼逼视频| 久久女婷五月综合色啪小说| av国产精品久久久久影院| 国产一卡二卡三卡精品 | av在线播放精品| 国产一卡二卡三卡精品 | 国产一级毛片在线| 中文欧美无线码| 少妇人妻精品综合一区二区| 天天躁夜夜躁狠狠久久av| 女性被躁到高潮视频| 欧美激情高清一区二区三区 | 伊人亚洲综合成人网| 亚洲欧美清纯卡通| 精品免费久久久久久久清纯 | 免费少妇av软件| 最新在线观看一区二区三区 | h视频一区二区三区| 久久久久国产一级毛片高清牌| 精品人妻一区二区三区麻豆| 十分钟在线观看高清视频www| www.自偷自拍.com| 亚洲欧洲国产日韩| 伊人久久国产一区二区| 国产97色在线日韩免费| 国产成人系列免费观看| 日韩中文字幕视频在线看片| 久久国产精品男人的天堂亚洲| 最近最新中文字幕免费大全7| 精品亚洲乱码少妇综合久久| 一级毛片 在线播放| 日韩 亚洲 欧美在线| 狠狠婷婷综合久久久久久88av| 91精品国产国语对白视频| 久久鲁丝午夜福利片| 黄色怎么调成土黄色| 久久av网站| www.熟女人妻精品国产| 久久毛片免费看一区二区三区| 夫妻午夜视频| 国产一卡二卡三卡精品 | 涩涩av久久男人的天堂| 日日撸夜夜添| tube8黄色片| 亚洲精品乱久久久久久| 久久狼人影院| 伦理电影免费视频| 亚洲男人天堂网一区| 国产精品女同一区二区软件| 欧美黑人欧美精品刺激| 免费观看性生交大片5| 捣出白浆h1v1| 啦啦啦在线免费观看视频4| 黄色视频不卡| 大片免费播放器 马上看| 90打野战视频偷拍视频| 国产在视频线精品| 满18在线观看网站| 一级a爱视频在线免费观看| 1024视频免费在线观看| 另类精品久久| 在线观看免费午夜福利视频| 久久人人97超碰香蕉20202| 亚洲欧洲国产日韩| 精品亚洲成国产av| 精品午夜福利在线看| 国产xxxxx性猛交| 高清av免费在线| 亚洲国产看品久久| 亚洲精品国产色婷婷电影| 1024香蕉在线观看| 最近中文字幕高清免费大全6| 成年人免费黄色播放视频| 最近中文字幕高清免费大全6| 亚洲精品美女久久av网站| 日日摸夜夜添夜夜爱| 成人免费观看视频高清| 亚洲欧美清纯卡通| 欧美精品人与动牲交sv欧美| 精品少妇一区二区三区视频日本电影 | 精品久久久久久电影网| 国产精品久久久av美女十八| √禁漫天堂资源中文www| 国产午夜精品一二区理论片| 色视频在线一区二区三区| 日韩,欧美,国产一区二区三区| 国产99久久九九免费精品| 美女高潮到喷水免费观看| 精品少妇内射三级| 天堂中文最新版在线下载| 国产片特级美女逼逼视频| 亚洲国产欧美一区二区综合| 亚洲精品在线美女| 在线观看免费午夜福利视频| 91成人精品电影| 在线观看三级黄色| 热99久久久久精品小说推荐| 人人澡人人妻人| 十八禁网站网址无遮挡| 王馨瑶露胸无遮挡在线观看| 大话2 男鬼变身卡| 高清欧美精品videossex| 大香蕉久久网| 亚洲情色 制服丝袜| 久久人人97超碰香蕉20202| 欧美 日韩 精品 国产| 国产高清不卡午夜福利| 激情五月婷婷亚洲| 丝瓜视频免费看黄片| 久久99精品国语久久久| 国产老妇伦熟女老妇高清| 夫妻性生交免费视频一级片| 一区二区三区四区激情视频| 免费看不卡的av| 国产男人的电影天堂91| 久久久久久久大尺度免费视频| 亚洲av国产av综合av卡| 欧美 亚洲 国产 日韩一| 成人亚洲精品一区在线观看| 色视频在线一区二区三区| 赤兔流量卡办理| 精品久久蜜臀av无| 黑人巨大精品欧美一区二区蜜桃| 国产精品偷伦视频观看了| 美女国产高潮福利片在线看| 国产男女超爽视频在线观看| 日日爽夜夜爽网站| av卡一久久| 一本一本久久a久久精品综合妖精| 国产精品免费大片| 欧美精品高潮呻吟av久久| 日日撸夜夜添| 国产深夜福利视频在线观看| 国产熟女午夜一区二区三区| 国产精品久久久av美女十八| 中文字幕最新亚洲高清| 19禁男女啪啪无遮挡网站| 午夜91福利影院| 国产成人精品久久久久久| 国产精品免费视频内射| 欧美人与性动交α欧美精品济南到| 99久久人妻综合| 18禁裸乳无遮挡动漫免费视频| 一区二区日韩欧美中文字幕| 最近中文字幕高清免费大全6| 夫妻性生交免费视频一级片| 国产 精品1| 如日韩欧美国产精品一区二区三区| 韩国精品一区二区三区| 高清av免费在线| 国产伦理片在线播放av一区| 9191精品国产免费久久| 电影成人av| 丝袜在线中文字幕| 日本vs欧美在线观看视频| 国产精品麻豆人妻色哟哟久久| 男女免费视频国产| 国产精品久久久久久精品电影小说| 汤姆久久久久久久影院中文字幕| 18禁观看日本| 各种免费的搞黄视频| 日韩一区二区视频免费看| 精品第一国产精品| 日韩熟女老妇一区二区性免费视频| 天天躁日日躁夜夜躁夜夜| 一级片免费观看大全| 黄色 视频免费看| 国产97色在线日韩免费| 久久久欧美国产精品| 久久青草综合色| 免费观看人在逋| 秋霞在线观看毛片| 久久精品久久久久久噜噜老黄| 搡老岳熟女国产| 亚洲av电影在线观看一区二区三区| 黄色视频不卡| www日本在线高清视频| 超色免费av| 亚洲图色成人| 免费av中文字幕在线| 19禁男女啪啪无遮挡网站| 超碰成人久久| 国产精品无大码| 在线观看人妻少妇| 青春草亚洲视频在线观看| 亚洲av电影在线进入| 国产 精品1| 中文字幕人妻熟女乱码| 欧美97在线视频| 欧美久久黑人一区二区| 黑丝袜美女国产一区| a 毛片基地| 最黄视频免费看| 亚洲国产毛片av蜜桃av| 天堂8中文在线网| 国产有黄有色有爽视频| 国产精品一二三区在线看| 性少妇av在线| kizo精华| 日韩欧美精品免费久久| 超色免费av| 亚洲少妇的诱惑av| 久久午夜综合久久蜜桃| 美女脱内裤让男人舔精品视频| 国产黄色视频一区二区在线观看| 亚洲欧洲国产日韩| 成人午夜精彩视频在线观看| 亚洲成人手机| 视频在线观看一区二区三区| 老熟女久久久| 欧美精品av麻豆av| 精品国产一区二区三区久久久樱花| 在线免费观看不下载黄p国产| 日韩伦理黄色片| avwww免费| 啦啦啦视频在线资源免费观看| 午夜福利网站1000一区二区三区| 纯流量卡能插随身wifi吗| 亚洲国产欧美在线一区| 亚洲国产日韩一区二区| 久久久久精品性色| bbb黄色大片| 精品人妻在线不人妻| 中文字幕av电影在线播放| 欧美在线一区亚洲| 18禁动态无遮挡网站| 一边亲一边摸免费视频| 日韩熟女老妇一区二区性免费视频| 国产精品99久久99久久久不卡 | 性色av一级| 最新在线观看一区二区三区 | 大陆偷拍与自拍| 亚洲欧美激情在线| 亚洲一级一片aⅴ在线观看| 亚洲男人天堂网一区| 国产精品久久久久成人av| 亚洲色图 男人天堂 中文字幕| 亚洲第一av免费看| 国产av国产精品国产| 天天操日日干夜夜撸| 18禁观看日本| av一本久久久久| 99精国产麻豆久久婷婷| 亚洲精品在线美女| 啦啦啦在线观看免费高清www| 国产欧美亚洲国产| 亚洲欧美一区二区三区国产| 日本vs欧美在线观看视频| 黄片小视频在线播放| 超碰成人久久| av福利片在线| av视频免费观看在线观看| 午夜日韩欧美国产| 大香蕉久久成人网| 久久国产精品男人的天堂亚洲| 国产av国产精品国产| 电影成人av| 日日啪夜夜爽| 我的亚洲天堂| 国产精品久久久久久人妻精品电影 | 老鸭窝网址在线观看| av线在线观看网站| 9色porny在线观看| 男女下面插进去视频免费观看| 天天躁夜夜躁狠狠躁躁| svipshipincom国产片| 大陆偷拍与自拍| 婷婷色av中文字幕| 成人三级做爰电影| 久久女婷五月综合色啪小说| 一区二区三区激情视频| 亚洲国产欧美在线一区| 女性生殖器流出的白浆| 亚洲熟女毛片儿| 一本色道久久久久久精品综合| 亚洲国产日韩一区二区| 久久久久国产精品人妻一区二区| 操美女的视频在线观看| 久久久久精品人妻al黑| 丝袜脚勾引网站| 操美女的视频在线观看| 久久久久精品人妻al黑| 一二三四在线观看免费中文在| 日韩大片免费观看网站| 国产欧美亚洲国产| 秋霞在线观看毛片| 精品午夜福利在线看| 成人亚洲精品一区在线观看| 在线观看www视频免费| 熟女少妇亚洲综合色aaa.| 夫妻性生交免费视频一级片| 超碰97精品在线观看| √禁漫天堂资源中文www| 欧美日韩亚洲综合一区二区三区_| 亚洲国产欧美日韩在线播放| 激情五月婷婷亚洲| 天堂中文最新版在线下载| 免费黄网站久久成人精品| 国产一区二区 视频在线| 精品福利永久在线观看| 精品亚洲成a人片在线观看| 亚洲 欧美一区二区三区| 亚洲精品久久久久久婷婷小说|