• <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 ?

    遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)股指研究

    2019-06-09 10:36:01謝夢(mèng)蝶秦江濤
    軟件導(dǎo)刊 2019年4期
    關(guān)鍵詞:BP神經(jīng)網(wǎng)絡(luò)遺傳算法

    謝夢(mèng)蝶 秦江濤

    摘 要:股票價(jià)格受眾多不確定性因素影響。為更精準(zhǔn)地預(yù)測(cè)股票指數(shù),首先利用具有良好非線性尋優(yōu)能力的遺傳算法優(yōu)化BP網(wǎng)絡(luò)初始權(quán)值閾值設(shè)置,然后構(gòu)建一個(gè)以開(kāi)盤(pán)價(jià)、最高價(jià)、最低價(jià)、收盤(pán)價(jià)、成交量、收盤(pán)價(jià)近5日移動(dòng)平均線MA等6個(gè)輸入變量、以下一天6個(gè)變量為輸出變量的股指預(yù)測(cè)模型。對(duì)觀察期內(nèi)上證綜指實(shí)證研究表明,經(jīng)遺傳算法優(yōu)化后的BP 網(wǎng)絡(luò)對(duì)股票指數(shù)預(yù)測(cè)平均誤差為0.1%,其中成交量預(yù)測(cè)值比單純BP神經(jīng)網(wǎng)絡(luò)算法誤差減少0.71%,同時(shí)收斂速度得到提高。

    關(guān)鍵詞:BP神經(jīng)網(wǎng)絡(luò);遺傳算法;股指預(yù)測(cè)

    DOI:10. 11907/rjdk. 191185

    中圖分類號(hào):TP306文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1672-7800(2019)004-0041-05

    0 引言

    股市波動(dòng)會(huì)對(duì)金融市場(chǎng)產(chǎn)生重大影響,甚至影響到經(jīng)濟(jì)發(fā)展。如果能較好地預(yù)測(cè)股票指數(shù)走勢(shì),則可及時(shí)調(diào)控引導(dǎo)股市,對(duì)投資者給予指導(dǎo)。

    股價(jià)預(yù)測(cè)存在的問(wèn)題主要有:①股價(jià)數(shù)據(jù)中含有較多噪聲[1],股指指數(shù)編制不合理,大型機(jī)構(gòu)造市行為及外部影響等因素引起股市的強(qiáng)烈波動(dòng);②股價(jià)本身以及影響股價(jià)的各變量之間呈非線性特性[2];③股票市場(chǎng)的主體是具有主觀能動(dòng)性的投資者,不確定的投資行為使股價(jià)難以預(yù)測(cè);④我國(guó)股市明顯的政策特征[3-4]。

    但股票價(jià)格并非完全隨機(jī),而是與歷史數(shù)據(jù)、宏觀經(jīng)濟(jì)因素、技術(shù)面等相關(guān)。人工神經(jīng)網(wǎng)絡(luò)ANN(Artificial Neural Network)作為最準(zhǔn)確的軟計(jì)算技術(shù)廣泛應(yīng)用在許多領(lǐng)域的預(yù)測(cè)模型中,這些領(lǐng)域包括社會(huì)、工程、經(jīng)濟(jì)、商業(yè)、金融、外匯、股票等[5-6]。Pesaran等[7]根據(jù)過(guò)去25年倫敦證券指數(shù)數(shù)據(jù),采用神經(jīng)網(wǎng)絡(luò)技術(shù)預(yù)測(cè)指數(shù)的月變化情況,正確率達(dá)到60%;王上飛等[8]從非線性時(shí)間序列預(yù)測(cè)角度,使用滑動(dòng)窗技術(shù)與徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)對(duì)IBM公司股票進(jìn)行預(yù)測(cè),曲線擬合效果較好。

    股票市場(chǎng)是一個(gè)極其復(fù)雜的非線性動(dòng)力學(xué)系統(tǒng),而神經(jīng)網(wǎng)絡(luò)具有分布處理、自組織、自適應(yīng)、自學(xué)習(xí)和容錯(cuò)性等優(yōu)良特性,在處理股價(jià)預(yù)測(cè)這種多因素、不確定和非線性的時(shí)間序列預(yù)測(cè)問(wèn)題方面具有獨(dú)特優(yōu)勢(shì)。

    Yudong等[9]提出了一種改進(jìn)的細(xì)菌趨化性優(yōu)化,集成到反向傳播人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)各種股票指數(shù),實(shí)驗(yàn)表明該預(yù)測(cè)模型比其它方法在學(xué)習(xí)能力和泛化能力方面性能更好;Kara等[10]對(duì)支持向量機(jī)和神經(jīng)網(wǎng)絡(luò)算法進(jìn)行比較,實(shí)驗(yàn)證明神經(jīng)網(wǎng)絡(luò)算法更優(yōu);Adebiyi等[11]利用紐約證券交易所的股票數(shù)據(jù)探討自回歸積分移動(dòng)平均模型ARIMA(Autoregressive Integrated Moving Average Model)和人工神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)性能,實(shí)證結(jié)果顯示神經(jīng)網(wǎng)絡(luò)模型比ARIMA模型優(yōu)越;Qiu等 [12]利用神經(jīng)網(wǎng)絡(luò)對(duì)日經(jīng)平均指數(shù)進(jìn)行預(yù)測(cè),搜集了71個(gè)輸入指標(biāo),利用模糊曲線最終選出18個(gè)具代表性的輸入指標(biāo),成功預(yù)測(cè)了股票市場(chǎng)收益;胡照躍等[13]首先利用主成分分析法采用貢獻(xiàn)率達(dá)90%的主成分,再用附加動(dòng)量法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)股價(jià),取得更小的誤差和更少的運(yùn)行時(shí)間;黎鐳等[14]利用GRU遞歸神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)上證中的18支股票未來(lái)10天的收盤(pán)價(jià),精度達(dá)到98%。于卓熙[15]首先利用主成分分析法對(duì)股票價(jià)格指標(biāo)降維,再利用廣義回歸神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)股票價(jià)格,比ARIMA模型結(jié)果更精準(zhǔn)。

    上述文獻(xiàn)表明,神經(jīng)網(wǎng)絡(luò)及其衍生模型能夠在股票市場(chǎng)預(yù)測(cè)方面取得較好的結(jié)果。BP神經(jīng)網(wǎng)絡(luò)(Back Propagation)算法對(duì)于初始權(quán)值閾值的設(shè)置非常重要,如果設(shè)置不當(dāng),不僅會(huì)導(dǎo)致網(wǎng)絡(luò)訓(xùn)練速度慢,而且容易陷入局部最優(yōu)[16]。針對(duì)這一問(wèn)題,本文利用具有良好非線性尋優(yōu)能力的遺傳算法優(yōu)化BP 網(wǎng)絡(luò)初始權(quán)閾值設(shè)置,以此提高預(yù)測(cè)模型性能。

    1 BP神經(jīng)網(wǎng)絡(luò)與遺傳算法

    1.1 BP神經(jīng)網(wǎng)絡(luò)原理

    BP網(wǎng)絡(luò)采用反向傳播算法,利用梯度下降原理對(duì)網(wǎng)絡(luò)參數(shù)進(jìn)行調(diào)節(jié),以最好的擬合進(jìn)行訓(xùn)練樣本集合[17],使神經(jīng)網(wǎng)絡(luò)的輸出值和目標(biāo)值之間的誤差平方最小化,梯度下降收斂到訓(xùn)練誤差相對(duì)于網(wǎng)絡(luò)權(quán)值的局部極小值。

    一個(gè)具有m個(gè)輸入、一個(gè)隱含層和h個(gè)輸出的三層神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)如圖1所示。

    1.2 遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)原理

    遺傳算法[18]GA(Genetic Algorithm)是一種仿生群智能算法,它從任一初始種群出發(fā),通過(guò)隨機(jī)選擇、交叉和變異等操作,產(chǎn)生一群更適應(yīng)環(huán)境的個(gè)體,使種群逐步進(jìn)化到搜索空間中越來(lái)越好的區(qū)域。遺傳算法是一種不依賴于輔助信息的啟發(fā)式全局搜索算法,在搜索過(guò)程中不易陷入局部最優(yōu),這一點(diǎn)正好可以彌補(bǔ)BP 網(wǎng)絡(luò)的不足[19],所以本文采用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)權(quán)值閾值的初始設(shè)置。

    2 股指預(yù)測(cè)模型設(shè)計(jì)

    2.1 神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)

    2.1.1 輸入層和輸出層設(shè)計(jì)

    神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)涉及到選擇網(wǎng)絡(luò)的隱層數(shù)、隱含層節(jié)點(diǎn)數(shù)和輸入層輸出層節(jié)點(diǎn)數(shù)。由于三層前饋網(wǎng)絡(luò)能以任意精度逼近任何連續(xù)的非線性函數(shù)[20],因此本文選用只有一個(gè)隱層的三層BP網(wǎng)絡(luò)。

    為了預(yù)測(cè)時(shí)刻t+n的數(shù)據(jù),需收集并分析從時(shí)刻t+n-m到時(shí)刻t+n-1的歷史數(shù)據(jù),然后找出預(yù)測(cè)值與歷史數(shù)據(jù)之間的聯(lián)系。由于預(yù)測(cè)量為第二天的開(kāi)盤(pán)價(jià)OPEN、最高價(jià)HIGH、最低價(jià)LOW、收盤(pán)價(jià)CLOSE、成交量V、收盤(pán)價(jià)近5日簡(jiǎn)單移動(dòng)平移MA等6個(gè)變量,因而輸出層神經(jīng)元數(shù)目為6。

    2.1.2 確定隱層節(jié)點(diǎn)數(shù)

    隱層節(jié)點(diǎn)數(shù)量的選擇是一個(gè)復(fù)雜問(wèn)題[21],通常采用試湊法確定最佳的隱層節(jié)點(diǎn)數(shù),即先設(shè)置較少的隱層節(jié)點(diǎn)作為初始值,然后逐漸增加隱層節(jié)點(diǎn)數(shù),最后選擇誤差最小時(shí)所對(duì)應(yīng)的隱層節(jié)點(diǎn)數(shù)。采用試湊法時(shí)可將一種粗略估計(jì)隱層節(jié)點(diǎn)數(shù)的公式作為初始值參考。

    2.1.3 激活函數(shù)與訓(xùn)練函數(shù)選擇

    初始化參數(shù)時(shí),選取激活函數(shù)為S型函數(shù)。S型函數(shù)因?yàn)榫哂锌晌⑶曳蔷€性特點(diǎn),所以能夠強(qiáng)化網(wǎng)絡(luò)的非線性映射能力。神經(jīng)網(wǎng)絡(luò)傳遞函數(shù)通常采用連續(xù)可微的Sigmoid函數(shù)。本實(shí)驗(yàn)隱含層的傳遞函數(shù)確定為tan-sigmoid函數(shù),輸出層的傳遞函數(shù)確定為線性激活函數(shù)。

    本文用迭代次數(shù)和收斂精度作為評(píng)價(jià)指標(biāo),經(jīng)多次訓(xùn)練模型發(fā)現(xiàn),Levenberg-Marquardt算法的迭代次數(shù)最少,收斂精度表現(xiàn)最佳,故本文網(wǎng)絡(luò)模型采用trainlm作為訓(xùn)練函數(shù)。

    2.2 遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)

    遺傳算法一般從3個(gè)方面優(yōu)化神經(jīng)網(wǎng)絡(luò):①利用遺傳算法訓(xùn)練神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值;②利用遺傳算法確定神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu);③二者結(jié)合進(jìn)行。本文模型利用遺傳算法的目的是優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值。種群中的個(gè)體通過(guò)適應(yīng)度函數(shù)計(jì)算得出個(gè)體適應(yīng)度值,然后通過(guò)選擇、交叉和變異操作,找出最優(yōu)個(gè)體。利用最優(yōu)個(gè)體對(duì)網(wǎng)絡(luò)權(quán)值和閾值進(jìn)行賦值,網(wǎng)絡(luò)訓(xùn)練后經(jīng)輸出層輸出,最后經(jīng)過(guò)反歸一化得到預(yù)測(cè)值。具體流程如圖2所示。

    2.2.1 編碼與種群初始化

    個(gè)體編碼方法為二進(jìn)制編碼,每個(gè)個(gè)體均是一個(gè)二進(jìn)制數(shù)串,由輸入層與隱含層連接權(quán)值、隱含層閾值、隱含層與輸出層連接權(quán)值以及輸出層閾值4 部分組成,本文個(gè)體編碼長(zhǎng)度為:

    2.2.2 適應(yīng)度函數(shù)

    本文使用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò),是通過(guò)遺傳算法從權(quán)值和閾值編碼成的群體中選取最優(yōu)個(gè)體初始化神經(jīng)網(wǎng)絡(luò)各層的權(quán)值和閾值,即通過(guò)遺傳算法優(yōu)化后的權(quán)值和閾值使神經(jīng)網(wǎng)絡(luò)的輸出值與目標(biāo)值間的誤差平方和最小,所以這是一個(gè)求最小值問(wèn)題。因此,將神經(jīng)網(wǎng)絡(luò)誤差平方和的倒數(shù)作為適應(yīng)度函數(shù),計(jì)算公式為:

    2.2.3 遺傳算子控制參數(shù)

    (1)群體規(guī)模。本文利用訓(xùn)練樣本通過(guò)多次訓(xùn)練,選擇種群規(guī)模為50。

    (2)選擇操作。本文采用輪盤(pán)賭選擇方法確定個(gè)體的生存和淘汰。輪盤(pán)賭選擇是從群體中選擇一些個(gè)體,被選中的機(jī)率和個(gè)體的適應(yīng)性分?jǐn)?shù)成比例,個(gè)體的適應(yīng)性分?jǐn)?shù)愈高被選中的概率也愈高。

    (3)交叉操作。本文采取簡(jiǎn)單算術(shù)交叉,交叉概率為0.95。

    (4)變異操作。本文采用的變異操作是非一致變異,變異概率為0.1。

    (5)算法終止條件。通過(guò)多次訓(xùn)練模型,最后選擇最大進(jìn)化代數(shù)為100。

    3 實(shí)驗(yàn)與結(jié)果分析

    3.1 數(shù)據(jù)選取

    選取2016年1月14日至2016年11月10日共200個(gè)交易日的上證指數(shù)作為原始數(shù)據(jù)(數(shù)據(jù)來(lái)源于通達(dá)信金融終端),選擇上證指數(shù)開(kāi)盤(pán)價(jià)OPEN、最高價(jià)HIGH、最低價(jià)LOW、收盤(pán)價(jià)CLOSE、成交量V、收盤(pán)價(jià)近5日簡(jiǎn)單移動(dòng)平移MA等6個(gè)輸入變量,將200組數(shù)據(jù)前2/3作為訓(xùn)練樣本,后1/3作為測(cè)試樣本,依次將順序5天的數(shù)據(jù)作為一個(gè)樣本輸入數(shù)據(jù),將其后一天的收盤(pán)價(jià)作為BP神經(jīng)網(wǎng)絡(luò)的輸出目標(biāo)。原始數(shù)據(jù)如表1所示。

    3.2 股指預(yù)測(cè)

    本文利用MATLAB神經(jīng)網(wǎng)絡(luò)工具箱GOAT構(gòu)建網(wǎng)絡(luò)模型,預(yù)測(cè)模型包括輸入層、隱含層和輸出層的三層BP神經(jīng)網(wǎng)絡(luò)。構(gòu)建BP神經(jīng)網(wǎng)絡(luò)需要不斷調(diào)整網(wǎng)絡(luò)的隱層節(jié)點(diǎn)數(shù)和其它參數(shù),根據(jù)模型的預(yù)測(cè)誤差確定最佳的網(wǎng)絡(luò)結(jié)構(gòu)。設(shè)定最大迭代次數(shù)為2 000次,學(xué)習(xí)速率為0.3,最小均方誤差目標(biāo)為0.000 1。

    對(duì)于普通的BP網(wǎng)絡(luò),取學(xué)習(xí)期為5天,學(xué)習(xí)期的每天選取股市交易數(shù)據(jù)輸入指標(biāo):上證指數(shù)的開(kāi)盤(pán)價(jià)OPEN、最高價(jià)HIGH、最低價(jià)LOW、收盤(pán)價(jià)CLOSE、成交量V、收盤(pán)價(jià)近5日簡(jiǎn)單移動(dòng)平移MA等6個(gè)。因此,網(wǎng)絡(luò)輸入層節(jié)點(diǎn)個(gè)數(shù)為5×6=30。

    隱層結(jié)點(diǎn)個(gè)數(shù)經(jīng)驗(yàn)公式如下:

    由上述經(jīng)驗(yàn)公式可知,隱含層節(jié)點(diǎn)數(shù)的大致范圍為5-16個(gè)。為了加快訓(xùn)練的收斂速度,適當(dāng)擴(kuò)大范圍,分別對(duì)隱含層5-28的節(jié)點(diǎn)數(shù)進(jìn)行網(wǎng)絡(luò)建模分析,找出合適的隱層結(jié)點(diǎn)數(shù)。網(wǎng)絡(luò)結(jié)構(gòu)的其它設(shè)置不變,對(duì)原始數(shù)據(jù)采用BP網(wǎng)絡(luò)進(jìn)行實(shí)驗(yàn)分析。

    從表2可以看出,當(dāng)隱含層節(jié)點(diǎn)數(shù)為24時(shí),BP神經(jīng)網(wǎng)絡(luò)模型的迭代次數(shù)和收斂精度都達(dá)到最小,同時(shí)網(wǎng)絡(luò)的訓(xùn)練時(shí)間也在合理區(qū)間內(nèi)。因此,選定神經(jīng)網(wǎng)絡(luò)模型的拓?fù)浣Y(jié)構(gòu)為30-24-6。BP網(wǎng)絡(luò)結(jié)構(gòu)、預(yù)測(cè)效果如圖3、圖4所示。

    3.3 預(yù)測(cè)實(shí)驗(yàn)結(jié)果對(duì)比

    用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)進(jìn)行實(shí)驗(yàn)。從圖5可以看出,經(jīng)過(guò)50步迭代,適應(yīng)度達(dá)到穩(wěn)定。適應(yīng)度值小是因?yàn)橛?jì)算誤差平方和SE時(shí)成交量這一變量值過(guò)大,但這不影響后續(xù)結(jié)果誤差率的對(duì)比。下面以預(yù)測(cè)10天收盤(pán)價(jià)為例對(duì)比觀察,如表3所示。

    上證指數(shù)在BP神經(jīng)網(wǎng)絡(luò)和基于遺傳算法優(yōu)化的神經(jīng)網(wǎng)絡(luò)中,開(kāi)盤(pán)價(jià)、最高價(jià)、最低價(jià)和收盤(pán)價(jià)預(yù)測(cè)誤差統(tǒng)計(jì)如表4所示。

    由表3可知,GA-BP網(wǎng)絡(luò)對(duì)上證指數(shù)預(yù)測(cè)的準(zhǔn)確率相對(duì)BP網(wǎng)絡(luò)都有提升,但提升的幅度不統(tǒng)一,其中收盤(pán)價(jià)平均誤差只有0.1%,成交量平均誤差下降了0.71%,這和遺傳算法的穩(wěn)定性較差有直接關(guān)系,但達(dá)到了利用遺傳算法優(yōu)化網(wǎng)絡(luò)的實(shí)驗(yàn)?zāi)康?。單純采用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)股指時(shí)會(huì)出現(xiàn)初始權(quán)值設(shè)定隨意性大、收斂速度慢、平均誤差大等缺點(diǎn),但經(jīng)遺傳算法優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)改善了以上問(wèn)題。

    上證指數(shù)在兩種不同算法下的收斂速度如圖6、圖7所示。

    由圖6、圖7可知,利用BP神經(jīng)網(wǎng)絡(luò)迭代210次才達(dá)到目標(biāo)收斂精度,而基于遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)在經(jīng)過(guò)147次迭代后便收斂??梢?jiàn),基于遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)在收斂速度要優(yōu)于BP神經(jīng)網(wǎng)絡(luò)。

    4 結(jié)語(yǔ)

    BP神經(jīng)網(wǎng)絡(luò)由于初始權(quán)值閾值的設(shè)置容易導(dǎo)致網(wǎng)絡(luò)訓(xùn)練速度慢、陷入局部最優(yōu)等問(wèn)題。本文采取具有非線性尋優(yōu)特點(diǎn)的遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)權(quán)值閾值,構(gòu)建上證指數(shù)的開(kāi)盤(pán)價(jià)OPEN、最高價(jià)HIGH、最低價(jià)LOW、收盤(pán)價(jià)CLOSE、成交量V、收盤(pán)價(jià)近5日簡(jiǎn)單移動(dòng)平移MA等為輸入變量,下一天的6個(gè)變量為輸出變量的GA-BP 神經(jīng)網(wǎng)絡(luò)股指預(yù)測(cè)模型,分別從6個(gè)變量的平均誤差率角度對(duì)比分析了BP 網(wǎng)絡(luò)優(yōu)化前后的預(yù)測(cè)結(jié)果。對(duì)比單純的BP神經(jīng)網(wǎng)絡(luò),6個(gè)指標(biāo)預(yù)測(cè)誤差率得到不同程度提升,平均誤差率為0.1%,收斂速度得到加快。實(shí)驗(yàn)結(jié)果表明,基于遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)在預(yù)測(cè)股指方面優(yōu)于單純的BP神經(jīng)網(wǎng)絡(luò),可為投資者提供更準(zhǔn)確的股票市場(chǎng)趨勢(shì)預(yù)測(cè)數(shù)據(jù)。

    參考文獻(xiàn):

    [1] 歐陽(yáng)洪. 中國(guó)股市噪聲交易行為有效性實(shí)證研究[J]. 山東財(cái)政學(xué)院學(xué)報(bào),2007(4):20-22.

    [2] 周洪濤,王宗軍. 上海股市非線性特征:一個(gè)基于R/S方法的實(shí)證分析[J]. 管理學(xué)報(bào),2005,2(5):597-600.

    [3] 胡金焱. 中國(guó)股票市場(chǎng)宏觀政策效應(yīng)的實(shí)證研究[J]. 經(jīng)濟(jì)學(xué)動(dòng)態(tài),2003(6):22-24.

    [4] 肖小鋒. 中國(guó)政策市的行為思考[J]. 華東經(jīng)濟(jì)管理, 2003, 17(5):94-95.

    [5] KHASHEI M,BIJARI M. An artificial neural network (p, d, q) model for timeseries forecasting[J]. Expert Systems with Applications, 2010, 37(1):479-489.

    [6] ZHANG G,PATUWO B E, HU M Y. Forecasting with artificial neural networks: the state of the art[J]. International Journal of Forecasting, 1998,14(1):35-62.

    [7] PESARAN M H,TIMMERMANN A. A recursive modelling approach to predicting UK stock returns[J]. Economic Journal,2010,110(460):159-191.

    [8] 王上飛,周佩玲,吳耿峰,等. 徑向基神經(jīng)網(wǎng)絡(luò)在股市預(yù)測(cè)中的應(yīng)用[J]. 預(yù)測(cè),1998(6):44-46.

    [9] YUDONG Z,LENAN W. Stock market prediction of S&P 500 via combination of improved bco approach and bp neural network[J]. Expert Systems with Applications, 2009, 36(5):8849-8854.

    [10] KARA Y,BOYACIOGLU M A,BAYKAN O K. Predicting direction of stock price index movement using artificial neural networks and support vector machines: the sample of the istanbul stock exchange[J]. Expert Systems with Applications, 2011, 38(5):5311-5319.

    [11] ADEBIYI A A,ADEWUMI? A? O,AYO? C? K. Comparison of ARIMA and artificial neural networks models for stock price prediction[J]. Journal of Applied Mathematics,2014(1):1-7.

    [12] QIU M,SONG Y,AKAGI F. Application of artificial neural network for the prediction of stock market returns: the case of the Japanese stock market[J]. Chaos Solitons & Fractals the Interdisciplinary Journal of Nonlinear Science & Nonequilibrium & Complex Phenomena, 2016, 85(9):1-7.

    [13] 胡照躍,白艷萍. 基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的股票預(yù)測(cè)[J]. 經(jīng)貿(mào)實(shí)踐,2016(2):153-157.

    [14] 黎鐳,陳藹祥,李偉書(shū). GRU遞歸神經(jīng)網(wǎng)絡(luò)對(duì)股票收盤(pán)價(jià)的預(yù)測(cè)研究[J]. 計(jì)算機(jī)與現(xiàn)代化, 2018(11):98-102.

    [15] 于卓熙,秦璐,趙志文. 基于主成分分析與廣義回歸神經(jīng)網(wǎng)絡(luò)的股票價(jià)格預(yù)測(cè)[J]. 統(tǒng)計(jì)與決策, 2018(18):62-67.

    [16] 李永明. 人工神經(jīng)網(wǎng)絡(luò)BP學(xué)習(xí)算法的研究及在人臉識(shí)別中的應(yīng)用[D]. 濟(jì)南:山東大學(xué), 2012.

    [17] 陳蓓蓓.基于主成分分析與神經(jīng)網(wǎng)絡(luò)的股票價(jià)格預(yù)測(cè)[D].天津:南開(kāi)大學(xué), 2011.

    [18] 王小平,曹立明. 遺傳算法:理論、應(yīng)用及軟件實(shí)現(xiàn)[M]. 西安:西安交通大學(xué)出版社, 2002.

    [19] 蘭勝坤. 遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的說(shuō)話人識(shí)別系統(tǒng)[J]. 重慶理工大學(xué)學(xué)報(bào), 2013, 27(10):91-95.

    [20] 何成剛,張燕平,張站. 機(jī)器學(xué)習(xí)中知識(shí)動(dòng)態(tài)獲取在函數(shù)逼近中的探究[J]. 微計(jì)算機(jī)信息, 2010, 26(27):134-136.

    [21] 劉要來(lái),周紅波,荀小偉. 基于BP神經(jīng)網(wǎng)絡(luò)的滲流場(chǎng)反演分析[J]. 中國(guó)水運(yùn),2014,14(10):113-116.

    (責(zé)任編輯:杜能鋼)

    猜你喜歡
    BP神經(jīng)網(wǎng)絡(luò)遺傳算法
    遺傳算法對(duì)CMAC與PID并行勵(lì)磁控制的優(yōu)化
    基于自適應(yīng)遺傳算法的CSAMT一維反演
    一種基于遺傳算法的聚類分析方法在DNA序列比較中的應(yīng)用
    基于遺傳算法和LS-SVM的財(cái)務(wù)危機(jī)預(yù)測(cè)
    就bp神經(jīng)網(wǎng)絡(luò)銀行選址模型的相關(guān)研究
    協(xié)同進(jìn)化在遺傳算法中的應(yīng)用研究
    基于DEA—GA—BP的建設(shè)工程評(píng)標(biāo)方法研究
    基于BP神經(jīng)網(wǎng)絡(luò)的旅行社發(fā)展方向研究
    商情(2016年39期)2016-11-21 09:30:36
    復(fù)雜背景下的手勢(shì)識(shí)別方法
    BP神經(jīng)網(wǎng)絡(luò)在軟件質(zhì)量評(píng)價(jià)中的應(yīng)用研究 
    九色亚洲精品在线播放| 亚洲av日韩精品久久久久久密| 日韩人妻精品一区2区三区| 亚洲欧美成人综合另类久久久| 夫妻午夜视频| 国产精品久久久久久精品电影小说| 99国产极品粉嫩在线观看| 亚洲精品美女久久av网站| 欧美激情高清一区二区三区| 各种免费的搞黄视频| 99久久综合免费| 欧美 日韩 精品 国产| a级片在线免费高清观看视频| 永久免费av网站大全| 两人在一起打扑克的视频| 亚洲精品久久午夜乱码| 性色av一级| 国产精品国产av在线观看| 中文字幕人妻丝袜制服| 亚洲第一欧美日韩一区二区三区 | 最新在线观看一区二区三区| 人妻人人澡人人爽人人| 91字幕亚洲| 在线观看免费视频网站a站| 国产淫语在线视频| 99久久精品国产亚洲精品| 色综合欧美亚洲国产小说| 人妻久久中文字幕网| 国产高清国产精品国产三级| 免费一级毛片在线播放高清视频 | 一级,二级,三级黄色视频| 91国产中文字幕| 国产国语露脸激情在线看| 夜夜夜夜夜久久久久| 欧美一级毛片孕妇| 国产片内射在线| 国产精品一区二区在线不卡| 黄片播放在线免费| 美女福利国产在线| 午夜福利影视在线免费观看| 欧美日韩精品网址| 蜜桃国产av成人99| 乱人伦中国视频| 久久狼人影院| 国产不卡av网站在线观看| 黄色视频不卡| 在线看a的网站| 久久香蕉激情| 国产男人的电影天堂91| 精品第一国产精品| 老司机靠b影院| 黄片小视频在线播放| 国产成人影院久久av| av一本久久久久| 九色亚洲精品在线播放| 99国产精品免费福利视频| 亚洲五月婷婷丁香| 一区二区三区四区激情视频| 婷婷成人精品国产| 视频区欧美日本亚洲| 日本一区二区免费在线视频| 国产成人a∨麻豆精品| 久久久久久人人人人人| 国产精品自产拍在线观看55亚洲 | 大型av网站在线播放| e午夜精品久久久久久久| 国产av国产精品国产| 亚洲精品在线美女| 亚洲av日韩精品久久久久久密| 国产极品粉嫩免费观看在线| 一本大道久久a久久精品| 国产亚洲精品第一综合不卡| 国产有黄有色有爽视频| 国产精品免费大片| 超碰97精品在线观看| 精品人妻熟女毛片av久久网站| 成人手机av| 久久综合国产亚洲精品| 亚洲专区中文字幕在线| 欧美日韩中文字幕国产精品一区二区三区 | 国产真人三级小视频在线观看| 免费女性裸体啪啪无遮挡网站| 国产97色在线日韩免费| 高清欧美精品videossex| av在线老鸭窝| 国产精品 国内视频| 国产成人啪精品午夜网站| a 毛片基地| 国产av一区二区精品久久| 色精品久久人妻99蜜桃| 国产精品一区二区在线不卡| 天天躁夜夜躁狠狠躁躁| 亚洲七黄色美女视频| 国产男人的电影天堂91| 丰满饥渴人妻一区二区三| 99精品欧美一区二区三区四区| 亚洲美女黄色视频免费看| 国产成人av激情在线播放| 欧美日韩黄片免| 久久久水蜜桃国产精品网| 亚洲人成电影免费在线| 一级毛片女人18水好多| 久久久久网色| 国产精品影院久久| 99国产精品免费福利视频| 一级,二级,三级黄色视频| 性少妇av在线| a级毛片黄视频| 亚洲精品久久成人aⅴ小说| 久久天躁狠狠躁夜夜2o2o| 久久久久精品国产欧美久久久 | 亚洲精品中文字幕一二三四区 | 国产精品一区二区精品视频观看| 精品少妇黑人巨大在线播放| 国产一区二区在线观看av| 人妻人人澡人人爽人人| 久久久欧美国产精品| 欧美成狂野欧美在线观看| 精品国内亚洲2022精品成人 | 免费一级毛片在线播放高清视频 | 亚洲中文av在线| 久久久精品国产亚洲av高清涩受| www日本在线高清视频| 精品视频人人做人人爽| 一区在线观看完整版| 国产免费一区二区三区四区乱码| 国产淫语在线视频| 午夜精品久久久久久毛片777| 91精品伊人久久大香线蕉| 97在线人人人人妻| 国产黄色免费在线视频| 丝袜美足系列| 久久精品国产亚洲av香蕉五月 | 中文字幕人妻丝袜制服| 青春草亚洲视频在线观看| 麻豆乱淫一区二区| 久久女婷五月综合色啪小说| 亚洲国产中文字幕在线视频| 午夜精品国产一区二区电影| 亚洲精品中文字幕一二三四区 | 亚洲五月色婷婷综合| 欧美黄色片欧美黄色片| 国产成人免费观看mmmm| 亚洲精品成人av观看孕妇| 亚洲成av片中文字幕在线观看| 99久久国产精品久久久| 黄色视频在线播放观看不卡| 美女高潮到喷水免费观看| 免费不卡黄色视频| 亚洲熟女毛片儿| 欧美激情极品国产一区二区三区| 久久久国产一区二区| 亚洲精品成人av观看孕妇| 成年人免费黄色播放视频| 国产一区二区在线观看av| 久久久久网色| 亚洲中文av在线| av又黄又爽大尺度在线免费看| 久久国产精品影院| 久久精品人人爽人人爽视色| 国产精品欧美亚洲77777| 动漫黄色视频在线观看| 日本a在线网址| 欧美精品av麻豆av| 午夜免费成人在线视频| 汤姆久久久久久久影院中文字幕| 国产成+人综合+亚洲专区| 久久亚洲精品不卡| 操出白浆在线播放| 亚洲欧美精品综合一区二区三区| 久久久水蜜桃国产精品网| 在线av久久热| 999精品在线视频| 亚洲九九香蕉| 两个人看的免费小视频| 国产精品影院久久| 中文欧美无线码| 久久青草综合色| av在线老鸭窝| 亚洲人成电影免费在线| 久热爱精品视频在线9| 国产在线视频一区二区| 欧美一级毛片孕妇| 91字幕亚洲| cao死你这个sao货| 国产免费视频播放在线视频| 日韩精品免费视频一区二区三区| 一区二区av电影网| 99热全是精品| 少妇裸体淫交视频免费看高清 | 女人高潮潮喷娇喘18禁视频| 欧美精品一区二区大全| 亚洲中文日韩欧美视频| 在线永久观看黄色视频| 人人妻人人澡人人看| 老司机深夜福利视频在线观看 | 黑人操中国人逼视频| 久久精品熟女亚洲av麻豆精品| 国产av又大| 天天躁日日躁夜夜躁夜夜| 国产免费av片在线观看野外av| 国产欧美日韩综合在线一区二区| 亚洲五月色婷婷综合| 国产成人精品在线电影| 久久人人爽av亚洲精品天堂| 欧美精品高潮呻吟av久久| 91国产中文字幕| 国产成+人综合+亚洲专区| 黄片小视频在线播放| 少妇人妻久久综合中文| 妹子高潮喷水视频| av网站免费在线观看视频| av国产精品久久久久影院| 日韩 欧美 亚洲 中文字幕| 久久久国产成人免费| 超碰成人久久| 精品久久久久久久毛片微露脸 | tube8黄色片| 久久九九热精品免费| 一区二区三区乱码不卡18| 另类亚洲欧美激情| 成人国语在线视频| 狠狠精品人妻久久久久久综合| 久久久久久久久久久久大奶| 天天躁日日躁夜夜躁夜夜| 国产91精品成人一区二区三区 | 精品国产国语对白av| 他把我摸到了高潮在线观看 | 国产免费一区二区三区四区乱码| 老汉色av国产亚洲站长工具| 男女高潮啪啪啪动态图| 精品亚洲乱码少妇综合久久| 久久香蕉激情| 天堂俺去俺来也www色官网| 少妇裸体淫交视频免费看高清 | 午夜福利视频在线观看免费| 成人手机av| 免费日韩欧美在线观看| 成人亚洲精品一区在线观看| 国产高清videossex| 乱人伦中国视频| 在线观看免费日韩欧美大片| 下体分泌物呈黄色| 中文字幕另类日韩欧美亚洲嫩草| 国精品久久久久久国模美| 国产主播在线观看一区二区| 夜夜夜夜夜久久久久| 超碰97精品在线观看| 大型av网站在线播放| 美女福利国产在线| 欧美日本中文国产一区发布| 成人影院久久| 丝袜喷水一区| 国产精品秋霞免费鲁丝片| 久热爱精品视频在线9| 俄罗斯特黄特色一大片| 亚洲成人手机| 国产精品九九99| 免费av中文字幕在线| 亚洲少妇的诱惑av| av福利片在线| 不卡一级毛片| a在线观看视频网站| 高清欧美精品videossex| 久久久水蜜桃国产精品网| 一级毛片电影观看| 一区福利在线观看| 久久久久视频综合| 亚洲伊人色综图| 十八禁人妻一区二区| 亚洲自偷自拍图片 自拍| 国产在线免费精品| 看免费av毛片| 亚洲成av片中文字幕在线观看| 亚洲avbb在线观看| 免费黄频网站在线观看国产| 少妇人妻久久综合中文| 成人av一区二区三区在线看 | 999久久久国产精品视频| av超薄肉色丝袜交足视频| 亚洲精品国产av成人精品| 日本精品一区二区三区蜜桃| 丰满人妻熟妇乱又伦精品不卡| 波多野结衣av一区二区av| 欧美人与性动交α欧美精品济南到| 九色亚洲精品在线播放| 亚洲黑人精品在线| 久久精品亚洲熟妇少妇任你| 老司机影院毛片| 精品一区二区三区av网在线观看 | 精品人妻熟女毛片av久久网站| 国产亚洲午夜精品一区二区久久| 午夜影院在线不卡| 日韩大片免费观看网站| 人人妻,人人澡人人爽秒播| tocl精华| 日韩一区二区三区影片| 亚洲国产欧美一区二区综合| 欧美日韩av久久| 久久中文字幕一级| 精品久久久精品久久久| 国产精品自产拍在线观看55亚洲 | 国产精品 欧美亚洲| 极品少妇高潮喷水抽搐| 午夜老司机福利片| 亚洲专区中文字幕在线| 久久精品久久久久久噜噜老黄| 黄网站色视频无遮挡免费观看| 国产免费现黄频在线看| 美女主播在线视频| 亚洲国产日韩一区二区| 在线观看免费日韩欧美大片| 国产高清国产精品国产三级| 免费在线观看影片大全网站| 中文字幕人妻丝袜制服| 精品一区在线观看国产| 亚洲精品国产区一区二| 国产一区二区三区在线臀色熟女 | 在线观看免费午夜福利视频| 精品卡一卡二卡四卡免费| 国产一区有黄有色的免费视频| 亚洲一码二码三码区别大吗| 亚洲精品国产色婷婷电影| 三上悠亚av全集在线观看| 国产精品久久久久久人妻精品电影 | 欧美日韩亚洲综合一区二区三区_| av片东京热男人的天堂| 亚洲专区国产一区二区| 成年人免费黄色播放视频| 高清av免费在线| 蜜桃国产av成人99| 大陆偷拍与自拍| 国产高清videossex| 久久久精品区二区三区| 国产在线视频一区二区| 一本色道久久久久久精品综合| 韩国高清视频一区二区三区| 午夜福利免费观看在线| 亚洲欧洲日产国产| 男人舔女人的私密视频| 中国美女看黄片| 国产av国产精品国产| h视频一区二区三区| 1024香蕉在线观看| 超色免费av| 搡老熟女国产l中国老女人| 一区福利在线观看| 美女主播在线视频| 两性午夜刺激爽爽歪歪视频在线观看 | 国产1区2区3区精品| 亚洲视频免费观看视频| 国产片内射在线| 久热这里只有精品99| 日本vs欧美在线观看视频| 国产成人欧美| 亚洲一卡2卡3卡4卡5卡精品中文| 12—13女人毛片做爰片一| 一区二区三区精品91| 亚洲专区国产一区二区| 午夜福利在线观看吧| 丝袜脚勾引网站| 国产成人精品久久二区二区91| 国产在视频线精品| 天堂中文最新版在线下载| 美国免费a级毛片| 老司机影院毛片| 精品国产国语对白av| 国产精品一区二区在线观看99| 日日爽夜夜爽网站| 精品久久久久久久毛片微露脸 | 高清视频免费观看一区二区| 免费在线观看日本一区| 亚洲av日韩精品久久久久久密| 91精品国产国语对白视频| 美女高潮到喷水免费观看| 国产1区2区3区精品| 美女高潮到喷水免费观看| 国产1区2区3区精品| 五月开心婷婷网| 91精品国产国语对白视频| 成人免费观看视频高清| 午夜91福利影院| 国产男女超爽视频在线观看| 国产亚洲精品一区二区www | 国产亚洲欧美在线一区二区| 王馨瑶露胸无遮挡在线观看| 国产精品av久久久久免费| 色播在线永久视频| 香蕉丝袜av| 99国产精品一区二区三区| 性色av乱码一区二区三区2| 亚洲欧美清纯卡通| 交换朋友夫妻互换小说| 欧美精品亚洲一区二区| 嫁个100分男人电影在线观看| 韩国高清视频一区二区三区| 亚洲色图 男人天堂 中文字幕| 另类精品久久| 99久久国产精品久久久| 久久久国产欧美日韩av| 2018国产大陆天天弄谢| 两个人免费观看高清视频| 欧美精品av麻豆av| 捣出白浆h1v1| 热re99久久国产66热| 99精国产麻豆久久婷婷| 岛国在线观看网站| 视频在线观看一区二区三区| 精品国产超薄肉色丝袜足j| 中文欧美无线码| 每晚都被弄得嗷嗷叫到高潮| 99久久国产精品久久久| 丝袜喷水一区| 国产精品欧美亚洲77777| 91麻豆精品激情在线观看国产 | 国产在线免费精品| 亚洲欧美一区二区三区久久| 国产福利在线免费观看视频| 欧美成人午夜精品| 成年人黄色毛片网站| 美女视频免费永久观看网站| 精品久久久久久电影网| 欧美精品高潮呻吟av久久| 午夜激情久久久久久久| 另类亚洲欧美激情| 免费在线观看日本一区| 大陆偷拍与自拍| 两性午夜刺激爽爽歪歪视频在线观看 | 久久午夜综合久久蜜桃| 99re6热这里在线精品视频| 青青草视频在线视频观看| 捣出白浆h1v1| 搡老熟女国产l中国老女人| 久久青草综合色| 国产精品九九99| 黑人操中国人逼视频| 狠狠婷婷综合久久久久久88av| 免费日韩欧美在线观看| 亚洲人成电影观看| 在线亚洲精品国产二区图片欧美| 亚洲免费av在线视频| 亚洲国产看品久久| 国产一区二区 视频在线| 亚洲精品粉嫩美女一区| 女人爽到高潮嗷嗷叫在线视频| 日本a在线网址| av免费在线观看网站| 中文欧美无线码| 亚洲 国产 在线| e午夜精品久久久久久久| 男人添女人高潮全过程视频| 亚洲av电影在线观看一区二区三区| 日韩,欧美,国产一区二区三区| 王馨瑶露胸无遮挡在线观看| 人成视频在线观看免费观看| 日韩一区二区三区影片| 国产成人av教育| 亚洲欧美色中文字幕在线| svipshipincom国产片| 久久亚洲国产成人精品v| 国精品久久久久久国模美| 国产精品av久久久久免费| 曰老女人黄片| 91国产中文字幕| 成人国产一区最新在线观看| 老司机午夜福利在线观看视频 | 国产一区二区三区综合在线观看| 亚洲国产欧美网| 亚洲一码二码三码区别大吗| 亚洲精品在线美女| 日本撒尿小便嘘嘘汇集6| 精品视频人人做人人爽| 色视频在线一区二区三区| 国产精品.久久久| 不卡av一区二区三区| 久久天躁狠狠躁夜夜2o2o| 另类精品久久| 久久久久久亚洲精品国产蜜桃av| av视频免费观看在线观看| 国产成人av激情在线播放| 精品久久久久久久毛片微露脸 | 老司机影院毛片| 色老头精品视频在线观看| 汤姆久久久久久久影院中文字幕| 嫩草影视91久久| 中文精品一卡2卡3卡4更新| 在线永久观看黄色视频| 真人做人爱边吃奶动态| 男女下面插进去视频免费观看| 国产精品一二三区在线看| 亚洲欧美成人综合另类久久久| 日韩视频在线欧美| 91老司机精品| 91av网站免费观看| 日韩一区二区三区影片| 老司机午夜十八禁免费视频| avwww免费| 我的亚洲天堂| 老司机影院毛片| 欧美精品亚洲一区二区| 日韩有码中文字幕| 国产又爽黄色视频| 亚洲欧美日韩高清在线视频 | 免费不卡黄色视频| 日韩欧美一区二区三区在线观看 | 日本av免费视频播放| 新久久久久国产一级毛片| 黑人猛操日本美女一级片| 久久久水蜜桃国产精品网| 老司机深夜福利视频在线观看 | 99国产极品粉嫩在线观看| 欧美中文综合在线视频| av有码第一页| a 毛片基地| 精品熟女少妇八av免费久了| 日韩 欧美 亚洲 中文字幕| 人人澡人人妻人| 国产精品av久久久久免费| 久久人人爽人人片av| 国产欧美日韩综合在线一区二区| 久久精品熟女亚洲av麻豆精品| xxxhd国产人妻xxx| 黄频高清免费视频| 久久久精品区二区三区| 在线av久久热| 在线十欧美十亚洲十日本专区| 视频在线观看一区二区三区| 丝瓜视频免费看黄片| 人妻久久中文字幕网| 99国产精品免费福利视频| 亚洲欧美清纯卡通| 亚洲五月婷婷丁香| 国产亚洲精品第一综合不卡| 中文字幕最新亚洲高清| 久久精品人人爽人人爽视色| av免费在线观看网站| 一进一出抽搐动态| 天天躁狠狠躁夜夜躁狠狠躁| 91老司机精品| 亚洲欧美一区二区三区黑人| 老司机靠b影院| 亚洲综合色网址| 国产一区二区三区综合在线观看| 岛国在线观看网站| 免费在线观看黄色视频的| av欧美777| 美女福利国产在线| 视频在线观看一区二区三区| 精品人妻1区二区| 欧美大码av| 国产精品自产拍在线观看55亚洲 | 亚洲精品国产av成人精品| 一级,二级,三级黄色视频| 纯流量卡能插随身wifi吗| 大片电影免费在线观看免费| av有码第一页| 一级黄色大片毛片| 国产区一区二久久| 亚洲成av片中文字幕在线观看| 欧美性长视频在线观看| 国产熟女午夜一区二区三区| 日韩视频在线欧美| 啦啦啦视频在线资源免费观看| 亚洲一码二码三码区别大吗| 亚洲精品国产av蜜桃| 一级毛片电影观看| 美女脱内裤让男人舔精品视频| 激情视频va一区二区三区| 精品久久蜜臀av无| 欧美激情极品国产一区二区三区| 国产精品99久久99久久久不卡| 亚洲国产av影院在线观看| 久久毛片免费看一区二区三区| 欧美乱码精品一区二区三区| 久久性视频一级片| 亚洲国产毛片av蜜桃av| 窝窝影院91人妻| 久久天躁狠狠躁夜夜2o2o| 极品少妇高潮喷水抽搐| 淫妇啪啪啪对白视频 | 国产免费视频播放在线视频| 1024视频免费在线观看| 丁香六月天网| 免费在线观看日本一区| 电影成人av| av在线app专区| 久久热在线av| 国产福利在线免费观看视频| 成人国产一区最新在线观看| 成人18禁高潮啪啪吃奶动态图| 男女之事视频高清在线观看| 少妇粗大呻吟视频| 国产成人啪精品午夜网站| 日韩视频一区二区在线观看| 国产无遮挡羞羞视频在线观看| 2018国产大陆天天弄谢| 午夜福利在线免费观看网站| 亚洲欧美激情在线| 欧美一级毛片孕妇| 国产免费现黄频在线看| 国产亚洲一区二区精品| 欧美一级毛片孕妇| 色94色欧美一区二区| 性色av一级| 午夜久久久在线观看| 俄罗斯特黄特色一大片| 老司机靠b影院| 丰满人妻熟妇乱又伦精品不卡| 中文字幕另类日韩欧美亚洲嫩草| 成人av一区二区三区在线看 | 欧美日韩中文字幕国产精品一区二区三区 | 窝窝影院91人妻| 亚洲精品日韩在线中文字幕| 天天躁狠狠躁夜夜躁狠狠躁| 真人做人爱边吃奶动态|