• <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
    亚洲欧美清纯卡通| 中国美女看黄片| 免费一级毛片在线播放高清视频| 久99久视频精品免费| 国产 一区精品| 三级男女做爰猛烈吃奶摸视频| 日韩精品中文字幕看吧| 99久久成人亚洲精品观看| 欧美成人免费av一区二区三区| 精品久久久久久成人av| 免费看日本二区| 久99久视频精品免费| 春色校园在线视频观看| 中国美女看黄片| 国产黄色小视频在线观看| 免费看美女性在线毛片视频| 69人妻影院| 六月丁香七月| 午夜爱爱视频在线播放| 夜夜夜夜夜久久久久| 精品久久久久久久久久久久久| 亚洲国产日韩欧美精品在线观看| 成人特级黄色片久久久久久久| 婷婷色综合大香蕉| 久久综合国产亚洲精品| aaaaa片日本免费| 日本三级黄在线观看| 国产精品不卡视频一区二区| ponron亚洲| 久久精品久久久久久噜噜老黄 | 99视频精品全部免费 在线| 最好的美女福利视频网| 美女xxoo啪啪120秒动态图| av女优亚洲男人天堂| 又爽又黄a免费视频| 欧美人与善性xxx| 一区二区三区高清视频在线| 校园春色视频在线观看| 老女人水多毛片| 欧美日韩国产亚洲二区| 身体一侧抽搐| 亚洲av.av天堂| 亚洲最大成人av| 亚洲欧美日韩高清专用| 老司机午夜福利在线观看视频| 免费观看精品视频网站| 寂寞人妻少妇视频99o| 菩萨蛮人人尽说江南好唐韦庄 | 人人妻人人澡欧美一区二区| av在线天堂中文字幕| 别揉我奶头~嗯~啊~动态视频| 色av中文字幕| 精品99又大又爽又粗少妇毛片| 国产精品99久久久久久久久| 国产真实伦视频高清在线观看| 丰满乱子伦码专区| 欧美色视频一区免费| 又爽又黄a免费视频| 大香蕉久久网| 日本 av在线| 亚洲av一区综合| 午夜激情欧美在线| 亚洲性久久影院| 亚洲精品亚洲一区二区| 精品午夜福利在线看| 久久午夜福利片| 蜜桃亚洲精品一区二区三区| 黄色配什么色好看| 国产蜜桃级精品一区二区三区| 日日干狠狠操夜夜爽| 啦啦啦啦在线视频资源| 欧美日韩国产亚洲二区| eeuss影院久久| 露出奶头的视频| 好男人在线观看高清免费视频| 精品久久久久久久久久久久久| 久久久久国产网址| av国产免费在线观看| 欧美性感艳星| 日本撒尿小便嘘嘘汇集6| 97热精品久久久久久| 最新在线观看一区二区三区| 搞女人的毛片| 日韩欧美精品v在线| 听说在线观看完整版免费高清| 99在线视频只有这里精品首页| 欧美区成人在线视频| 人人妻人人看人人澡| 亚洲18禁久久av| 国产成人精品久久久久久| 午夜久久久久精精品| 午夜爱爱视频在线播放| 色哟哟·www| 十八禁网站免费在线| av中文乱码字幕在线| 91狼人影院| 亚洲天堂国产精品一区在线| 国产精品伦人一区二区| 国产成人影院久久av| 女生性感内裤真人,穿戴方法视频| 男女下面进入的视频免费午夜| 嫩草影视91久久| 性插视频无遮挡在线免费观看| 小说图片视频综合网站| 久久久精品大字幕| 免费观看精品视频网站| 日本在线视频免费播放| 欧美xxxx性猛交bbbb| 国产精品久久久久久av不卡| 一级毛片久久久久久久久女| 女生性感内裤真人,穿戴方法视频| 久久精品国产自在天天线| 久久久久国产精品人妻aⅴ院| 小蜜桃在线观看免费完整版高清| 又黄又爽又刺激的免费视频.| 亚洲国产精品成人综合色| 女生性感内裤真人,穿戴方法视频| 精品午夜福利在线看| 少妇人妻一区二区三区视频| 国内少妇人妻偷人精品xxx网站| 在线播放无遮挡| 欧美色欧美亚洲另类二区| 少妇人妻精品综合一区二区 | 韩国av在线不卡| 免费人成视频x8x8入口观看| 日本精品一区二区三区蜜桃| 日韩人妻高清精品专区| 成人特级黄色片久久久久久久| 婷婷亚洲欧美| 色综合色国产| 少妇熟女aⅴ在线视频| 成年版毛片免费区| 一个人看视频在线观看www免费| 国产伦在线观看视频一区| 欧美日韩国产亚洲二区| 欧美+日韩+精品| 伦精品一区二区三区| 亚洲av中文字字幕乱码综合| 成人精品一区二区免费| av专区在线播放| 成人一区二区视频在线观看| 久久久久久久久中文| 在线播放无遮挡| 欧美日韩国产亚洲二区| 日韩成人伦理影院| 一级毛片aaaaaa免费看小| 麻豆一二三区av精品| 免费观看精品视频网站| 成人一区二区视频在线观看| 午夜视频国产福利| 99热这里只有是精品50| 亚洲第一电影网av| 久久精品国产鲁丝片午夜精品| av黄色大香蕉| 精品久久久久久久久久久久久| 直男gayav资源| 亚洲国产精品久久男人天堂| 亚洲欧美精品综合久久99| 欧美成人精品欧美一级黄| 蜜桃久久精品国产亚洲av| 国内久久婷婷六月综合欲色啪| 亚洲av电影不卡..在线观看| 欧美3d第一页| 国产乱人偷精品视频| 久久精品国产亚洲av天美| 麻豆精品久久久久久蜜桃| 亚洲欧美精品综合久久99| 欧美另类亚洲清纯唯美| 欧美高清性xxxxhd video| 免费看日本二区| 成熟少妇高潮喷水视频| 内地一区二区视频在线| 老司机福利观看| 国产亚洲欧美98| 国产精品永久免费网站| 亚洲人成网站高清观看| 国产精品人妻久久久久久| 中文字幕av在线有码专区| 赤兔流量卡办理| 一个人看视频在线观看www免费| 中文亚洲av片在线观看爽| 精品福利观看| 亚洲成人av在线免费| 国产熟女欧美一区二区| 麻豆久久精品国产亚洲av| 午夜福利高清视频| 午夜福利18| 香蕉av资源在线| 久久久久久久久久黄片| 十八禁网站免费在线| 久久久久久大精品| 亚洲精品粉嫩美女一区| 亚洲国产欧美人成| 久久久精品94久久精品| 男女视频在线观看网站免费| 日日啪夜夜撸| 亚洲国产日韩欧美精品在线观看| 免费一级毛片在线播放高清视频| 国产精品人妻久久久久久| 欧美激情国产日韩精品一区| 日韩精品中文字幕看吧| h日本视频在线播放| 国产精品国产高清国产av| 欧美人与善性xxx| 国产精品亚洲美女久久久| 欧美人与善性xxx| 黄色配什么色好看| 又黄又爽又免费观看的视频| 三级经典国产精品| 亚洲专区国产一区二区| 两个人的视频大全免费| 人妻夜夜爽99麻豆av| 亚洲,欧美,日韩| 人妻制服诱惑在线中文字幕| 免费看光身美女| 日本熟妇午夜| 亚洲国产精品合色在线| 国产精品一区二区三区四区免费观看 | 国产精品久久久久久久久免| 人妻久久中文字幕网| 国产色爽女视频免费观看| 黄色日韩在线| 99久久久亚洲精品蜜臀av| 国产爱豆传媒在线观看| 欧美bdsm另类| 天堂动漫精品| 成人无遮挡网站| 别揉我奶头 嗯啊视频| 国产午夜精品论理片| 亚洲激情五月婷婷啪啪| 久久婷婷人人爽人人干人人爱| av免费在线看不卡| a级毛片免费高清观看在线播放| 搡老妇女老女人老熟妇| 最后的刺客免费高清国语| 国产亚洲欧美98| 国内精品久久久久精免费| 成人欧美大片| 亚洲性久久影院| 人人妻人人澡人人爽人人夜夜 | 亚洲第一电影网av| 国产伦精品一区二区三区四那| 亚洲,欧美,日韩| 人人妻人人澡人人爽人人夜夜 | 一区二区三区免费毛片| 欧美性猛交╳xxx乱大交人| 久久天躁狠狠躁夜夜2o2o| 美女cb高潮喷水在线观看| 国产美女午夜福利| 99久国产av精品| av黄色大香蕉| 天堂av国产一区二区熟女人妻| 又黄又爽又免费观看的视频| 一区二区三区高清视频在线| 久久精品久久久久久噜噜老黄 | 久久人妻av系列| 亚洲国产日韩欧美精品在线观看| 九九在线视频观看精品| 22中文网久久字幕| 亚洲av.av天堂| 久久久久久久午夜电影| 嫩草影院入口| 99热全是精品| 亚洲三级黄色毛片| 亚洲av中文字字幕乱码综合| 欧美区成人在线视频| 婷婷色综合大香蕉| 久久久久久久久大av| 成年女人永久免费观看视频| 亚洲av熟女| 国产亚洲精品久久久com| 国产精品一二三区在线看| 国产av一区在线观看免费| 国产亚洲精品综合一区在线观看| 国产精品99久久久久久久久| 日韩欧美 国产精品| 美女大奶头视频| 国产av不卡久久| 丝袜美腿在线中文| 麻豆精品久久久久久蜜桃| 乱码一卡2卡4卡精品| 国产精品99久久久久久久久| 国产精品综合久久久久久久免费| 久久精品夜夜夜夜夜久久蜜豆| 日韩欧美一区二区三区在线观看| 有码 亚洲区| 国产亚洲av嫩草精品影院| 国产精品伦人一区二区| 天堂av国产一区二区熟女人妻| 国产白丝娇喘喷水9色精品| 成年版毛片免费区| 免费看a级黄色片| 精品午夜福利在线看| 嫩草影院入口| 久久99热6这里只有精品| 成人一区二区视频在线观看| 亚洲精品一卡2卡三卡4卡5卡| 成人高潮视频无遮挡免费网站| 亚洲精华国产精华液的使用体验 | 天堂网av新在线| 成年版毛片免费区| 最好的美女福利视频网| 国产一区亚洲一区在线观看| 女人十人毛片免费观看3o分钟| 国产成人aa在线观看| 天堂网av新在线| 小说图片视频综合网站| 少妇丰满av| 欧美性感艳星| 在线免费观看不下载黄p国产| 国产在线精品亚洲第一网站| av天堂中文字幕网| 欧美bdsm另类| 亚洲av熟女| 欧洲精品卡2卡3卡4卡5卡区| 色综合色国产| 亚洲国产精品sss在线观看| 亚洲精品国产成人久久av| 狂野欧美白嫩少妇大欣赏| 精品久久久噜噜| 国产午夜福利久久久久久| 久久人人爽人人爽人人片va| 亚洲最大成人手机在线| 99热这里只有是精品50| 在线a可以看的网站| 一区福利在线观看| 欧美zozozo另类| 色av中文字幕| 真人做人爱边吃奶动态| 久久久久久九九精品二区国产| 亚洲精品色激情综合| 亚洲精品久久国产高清桃花| 久久久久久久久久久丰满| 国产黄片美女视频| 亚洲成人中文字幕在线播放| 成人漫画全彩无遮挡| 麻豆精品久久久久久蜜桃| 亚洲人成网站在线观看播放| 中文字幕av成人在线电影| 国产精品一区二区三区四区久久| 高清毛片免费观看视频网站| 在线播放国产精品三级| 黄色一级大片看看| av天堂在线播放| 亚洲性夜色夜夜综合| 精品欧美国产一区二区三| 国产 一区 欧美 日韩| 欧美绝顶高潮抽搐喷水| 成人毛片a级毛片在线播放| 亚洲熟妇熟女久久| 国产亚洲精品久久久com| 级片在线观看| 99久久九九国产精品国产免费| 五月伊人婷婷丁香| 久久久久久伊人网av| av视频在线观看入口| 欧美成人免费av一区二区三区| 国产精品亚洲美女久久久| 色在线成人网| 丰满乱子伦码专区| 欧美色视频一区免费| 国产大屁股一区二区在线视频| 变态另类成人亚洲欧美熟女| 成人av在线播放网站| 久久99热6这里只有精品| 人人妻人人看人人澡| 蜜臀久久99精品久久宅男| 深夜精品福利| 午夜精品在线福利| 免费人成在线观看视频色| 欧美三级亚洲精品| 菩萨蛮人人尽说江南好唐韦庄 | 超碰av人人做人人爽久久| 国产成人aa在线观看| 天堂av国产一区二区熟女人妻| 成人毛片a级毛片在线播放| 国产精品人妻久久久影院| 国产黄色小视频在线观看| 免费看日本二区| 欧美激情久久久久久爽电影| 亚洲欧美成人综合另类久久久 | 亚洲性久久影院| 亚洲真实伦在线观看| 天美传媒精品一区二区| 成人鲁丝片一二三区免费| 97超碰精品成人国产| 午夜福利18| 日日干狠狠操夜夜爽| 一卡2卡三卡四卡精品乱码亚洲| 国产精品国产高清国产av| 日韩制服骚丝袜av| 日韩欧美精品免费久久| 在线播放国产精品三级| 欧美区成人在线视频| 国产黄a三级三级三级人| aaaaa片日本免费| 搞女人的毛片| 99久久精品热视频| 1024手机看黄色片| 日韩在线高清观看一区二区三区| av国产免费在线观看| 在线观看午夜福利视频| 观看免费一级毛片| 12—13女人毛片做爰片一| or卡值多少钱| 成人亚洲精品av一区二区| 插逼视频在线观看| 色综合站精品国产| 又爽又黄无遮挡网站| 精品久久久久久久人妻蜜臀av| 不卡视频在线观看欧美| 国产蜜桃级精品一区二区三区| 在现免费观看毛片| 国产伦精品一区二区三区四那| 亚洲精品在线观看二区| 少妇裸体淫交视频免费看高清| 国内久久婷婷六月综合欲色啪| 悠悠久久av| 综合色丁香网| 精品人妻一区二区三区麻豆 | 成人三级黄色视频| 午夜老司机福利剧场| 99热这里只有是精品50| 99国产极品粉嫩在线观看| 丝袜美腿在线中文| 久久久久久久亚洲中文字幕| 成人毛片a级毛片在线播放| 美女xxoo啪啪120秒动态图| 免费黄网站久久成人精品| 99视频精品全部免费 在线| 亚洲无线在线观看| 色视频www国产| 天天一区二区日本电影三级| 国产精品国产三级国产av玫瑰| av女优亚洲男人天堂| av在线亚洲专区| 一区福利在线观看| 国产真实乱freesex| 欧美绝顶高潮抽搐喷水| 亚洲av美国av| 97超级碰碰碰精品色视频在线观看| 老熟妇乱子伦视频在线观看| 十八禁网站免费在线| 最新在线观看一区二区三区| 亚洲经典国产精华液单| 国产一区二区激情短视频| 老司机福利观看| 亚洲一区二区三区色噜噜| 欧美一区二区亚洲| 日本一本二区三区精品| 亚洲精品在线观看二区| videossex国产| 国产探花在线观看一区二区| 少妇人妻一区二区三区视频| 亚洲精品久久国产高清桃花| 99久久精品一区二区三区| 亚洲精品成人久久久久久| 亚洲最大成人手机在线| 搡老熟女国产l中国老女人| 婷婷六月久久综合丁香| 久99久视频精品免费| 黄色一级大片看看| 久久精品影院6| 亚洲欧美精品综合久久99| 免费看光身美女| 在线观看一区二区三区| 国产真实乱freesex| 少妇高潮的动态图| a级毛片免费高清观看在线播放| 别揉我奶头 嗯啊视频| 最好的美女福利视频网| 18禁裸乳无遮挡免费网站照片| 欧美人与善性xxx| 国产男人的电影天堂91| 欧美成人精品欧美一级黄| ponron亚洲| 国产成人a∨麻豆精品| 看黄色毛片网站| 亚洲av.av天堂| 最新在线观看一区二区三区| 成年女人看的毛片在线观看| av在线播放精品| 99精品在免费线老司机午夜| 搡老岳熟女国产| 久久久色成人| 免费看光身美女| 一级毛片电影观看 | 亚洲精华国产精华液的使用体验 | 久久精品久久久久久噜噜老黄 | 亚洲精品在线观看二区| 亚洲高清免费不卡视频| 搞女人的毛片| 国产成人福利小说| 亚洲av电影不卡..在线观看| 国产女主播在线喷水免费视频网站 | 国产午夜精品久久久久久一区二区三区 | 嫩草影院新地址| 国产综合懂色| 一级a爱片免费观看的视频| 在现免费观看毛片| 亚洲av五月六月丁香网| 欧美一区二区国产精品久久精品| 国产91av在线免费观看| 日产精品乱码卡一卡2卡三| 亚洲四区av| 免费看光身美女| 十八禁网站免费在线| 校园春色视频在线观看| 成人av一区二区三区在线看| 女人十人毛片免费观看3o分钟| 中文字幕久久专区| 成人国产麻豆网| aaaaa片日本免费| 国产免费一级a男人的天堂| 日韩av在线大香蕉| 97超碰精品成人国产| av免费在线看不卡| 91精品国产九色| 97碰自拍视频| 亚洲四区av| 亚洲色图av天堂| 欧美性感艳星| 99久久精品一区二区三区| 97超视频在线观看视频| 特大巨黑吊av在线直播| 在线观看av片永久免费下载| 少妇猛男粗大的猛烈进出视频 | or卡值多少钱| 黄色欧美视频在线观看| 日韩欧美一区二区三区在线观看| 床上黄色一级片| 夜夜夜夜夜久久久久| 欧美最新免费一区二区三区| 午夜亚洲福利在线播放| 国产av麻豆久久久久久久| 亚洲一级一片aⅴ在线观看| 欧美成人免费av一区二区三区| 亚洲av中文av极速乱| 久久九九热精品免费| 在线观看66精品国产| 女人十人毛片免费观看3o分钟| 欧美日本视频| 深夜精品福利| 色尼玛亚洲综合影院| 午夜福利高清视频| 日本爱情动作片www.在线观看 | 丰满人妻一区二区三区视频av| 免费看av在线观看网站| 欧美+亚洲+日韩+国产| 男人的好看免费观看在线视频| 精品久久久久久久人妻蜜臀av| 国产 一区精品| 欧美色欧美亚洲另类二区| 精品人妻偷拍中文字幕| 在现免费观看毛片| 欧美日韩一区二区视频在线观看视频在线 | 亚洲精品国产av成人精品 | 天美传媒精品一区二区| 免费av观看视频| 免费av毛片视频| 亚洲精品乱码久久久v下载方式| 村上凉子中文字幕在线| 久久久久九九精品影院| 色5月婷婷丁香| 舔av片在线| 99热精品在线国产| 一进一出好大好爽视频| 欧美3d第一页| 22中文网久久字幕| 99久国产av精品国产电影| 欧美+日韩+精品| 国产欧美日韩精品亚洲av| 精品人妻一区二区三区麻豆 | 国产精品三级大全| 精品久久久久久久久久免费视频| 美女免费视频网站| 色视频www国产| 神马国产精品三级电影在线观看| 日韩亚洲欧美综合| 夜夜看夜夜爽夜夜摸| 天天躁日日操中文字幕| 国产伦一二天堂av在线观看| 久久久久久大精品| 精品国内亚洲2022精品成人| 国产蜜桃级精品一区二区三区| 91精品国产九色| 最好的美女福利视频网| 亚洲人与动物交配视频| 我的老师免费观看完整版| 免费观看的影片在线观看| 欧美日韩综合久久久久久| 少妇猛男粗大的猛烈进出视频 | 搡老妇女老女人老熟妇| 亚洲国产日韩欧美精品在线观看| 国产成人福利小说| 成人综合一区亚洲| 99热只有精品国产| 亚洲国产精品国产精品| 日本 av在线| 一卡2卡三卡四卡精品乱码亚洲| 成人三级黄色视频| 欧美中文日本在线观看视频| 日本五十路高清| 人妻少妇偷人精品九色| 国产精品一区二区性色av| 久久九九热精品免费| 亚洲电影在线观看av| 俺也久久电影网| 高清午夜精品一区二区三区 | 国产精品久久视频播放| 免费无遮挡裸体视频| 一个人观看的视频www高清免费观看| 国内精品一区二区在线观看| 一区二区三区四区激情视频 | 欧美人与善性xxx|