• <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 
    在线观看午夜福利视频| 欧美不卡视频在线免费观看| 午夜福利高清视频| 久久久久久伊人网av| 在线观看美女被高潮喷水网站| 春色校园在线视频观看| 国产aⅴ精品一区二区三区波| 欧美人与善性xxx| 男人舔奶头视频| 国产国拍精品亚洲av在线观看| 久久久久国内视频| 精品日产1卡2卡| 国产精品不卡视频一区二区| 色在线成人网| 精品免费久久久久久久清纯| 91精品国产九色| 国产亚洲精品综合一区在线观看| 亚洲激情五月婷婷啪啪| 国产一区二区三区在线臀色熟女| 成人av在线播放网站| av在线老鸭窝| av在线蜜桃| 免费电影在线观看免费观看| 久久九九热精品免费| 一本精品99久久精品77| 精品福利观看| 日本色播在线视频| 日韩成人av中文字幕在线观看 | 亚洲经典国产精华液单| 国产午夜精品久久久久久一区二区三区 | 日本爱情动作片www.在线观看 | 99久久精品热视频| 欧美在线一区亚洲| 特大巨黑吊av在线直播| 亚洲国产精品合色在线| 久久精品国产亚洲av香蕉五月| 日日干狠狠操夜夜爽| 久久久国产成人精品二区| 日韩欧美在线乱码| 18禁黄网站禁片免费观看直播| 亚洲性夜色夜夜综合| 51国产日韩欧美| 亚洲三级黄色毛片| 大型黄色视频在线免费观看| 亚洲国产欧美人成| 国产精品一二三区在线看| 青春草视频在线免费观看| 亚洲电影在线观看av| 婷婷六月久久综合丁香| 性色avwww在线观看| 亚洲国产精品久久男人天堂| 欧美日韩一区二区视频在线观看视频在线 | 国产三级中文精品| 18禁在线播放成人免费| 成熟少妇高潮喷水视频| 亚洲成人av在线免费| 国产精品av视频在线免费观看| 一区二区三区四区激情视频 | 婷婷亚洲欧美| 日韩精品有码人妻一区| 最后的刺客免费高清国语| 别揉我奶头 嗯啊视频| 亚洲精品一卡2卡三卡4卡5卡| 在线观看一区二区三区| 午夜免费激情av| 午夜久久久久精精品| 欧美日韩综合久久久久久| www.色视频.com| 国产精品久久视频播放| 99精品在免费线老司机午夜| 一级黄色大片毛片| 日本五十路高清| 一进一出好大好爽视频| 夜夜爽天天搞| 欧美一级a爱片免费观看看| 寂寞人妻少妇视频99o| 日韩三级伦理在线观看| 久久精品夜色国产| 天堂av国产一区二区熟女人妻| 又粗又爽又猛毛片免费看| 露出奶头的视频| 久久精品国产亚洲网站| 人妻制服诱惑在线中文字幕| 亚洲av.av天堂| 国产亚洲av嫩草精品影院| 观看免费一级毛片| 亚洲激情五月婷婷啪啪| 男女之事视频高清在线观看| 国产精品伦人一区二区| 欧美激情久久久久久爽电影| 日韩三级伦理在线观看| 51国产日韩欧美| 成人综合一区亚洲| 国语自产精品视频在线第100页| 3wmmmm亚洲av在线观看| 亚洲最大成人手机在线| 小蜜桃在线观看免费完整版高清| 久久精品人妻少妇| 成人午夜高清在线视频| 国产精品一区二区免费欧美| 亚洲激情五月婷婷啪啪| 国产黄色小视频在线观看| 欧美成人精品欧美一级黄| 伦精品一区二区三区| 久久国产乱子免费精品| 男插女下体视频免费在线播放| 国内精品久久久久精免费| ponron亚洲| 狂野欧美激情性xxxx在线观看| 韩国av在线不卡| 日韩国内少妇激情av| 欧美日韩精品成人综合77777| 99久久无色码亚洲精品果冻| 人妻丰满熟妇av一区二区三区| 91午夜精品亚洲一区二区三区| 中文字幕熟女人妻在线| 久久精品国产99精品国产亚洲性色| 国内精品一区二区在线观看| 深夜精品福利| 成人二区视频| 在线观看免费视频日本深夜| 免费高清视频大片| 久久久国产成人精品二区| 国产毛片a区久久久久| 99热网站在线观看| 99热6这里只有精品| 日韩国内少妇激情av| 亚洲欧美成人综合另类久久久 | 欧美zozozo另类| 欧美国产日韩亚洲一区| 久久精品人妻少妇| 国产高清有码在线观看视频| 人妻丰满熟妇av一区二区三区| 国产精品久久久久久亚洲av鲁大| 亚洲av第一区精品v没综合| 亚洲美女搞黄在线观看 | 99热全是精品| .国产精品久久| 五月玫瑰六月丁香| 免费看日本二区| 三级男女做爰猛烈吃奶摸视频| 免费不卡的大黄色大毛片视频在线观看 | 波野结衣二区三区在线| 国产精品人妻久久久影院| 久久精品夜色国产| 又黄又爽又免费观看的视频| 一进一出好大好爽视频| 亚洲成a人片在线一区二区| 伊人久久精品亚洲午夜| 亚洲国产欧洲综合997久久,| 夜夜夜夜夜久久久久| 黄色一级大片看看| 有码 亚洲区| 久久精品国产99精品国产亚洲性色| 免费av不卡在线播放| 五月玫瑰六月丁香| 亚洲av电影不卡..在线观看| 国产爱豆传媒在线观看| 卡戴珊不雅视频在线播放| 一本精品99久久精品77| 国产真实伦视频高清在线观看| 日韩av在线大香蕉| 免费一级毛片在线播放高清视频| 99久久精品热视频| 成年免费大片在线观看| 寂寞人妻少妇视频99o| 18禁在线播放成人免费| 亚洲国产精品久久男人天堂| 日本五十路高清| 性插视频无遮挡在线免费观看| 人妻丰满熟妇av一区二区三区| 自拍偷自拍亚洲精品老妇| 免费搜索国产男女视频| 日韩欧美在线乱码| 亚洲av美国av| 国产91av在线免费观看| 免费观看在线日韩| 日日摸夜夜添夜夜爱| 又黄又爽又刺激的免费视频.| 日韩一本色道免费dvd| 岛国在线免费视频观看| 淫妇啪啪啪对白视频| 久久久午夜欧美精品| 日日摸夜夜添夜夜爱| 人妻丰满熟妇av一区二区三区| 午夜福利18| 午夜老司机福利剧场| 99久久精品一区二区三区| 日韩欧美精品v在线| 最后的刺客免费高清国语| 少妇的逼水好多| 一a级毛片在线观看| 精品欧美国产一区二区三| 日韩成人伦理影院| 免费电影在线观看免费观看| 91精品国产九色| 国产午夜福利久久久久久| 舔av片在线| 日本三级黄在线观看| 欧美一区二区精品小视频在线| 两个人视频免费观看高清| 日本-黄色视频高清免费观看| 精华霜和精华液先用哪个| 在线看三级毛片| 一个人看视频在线观看www免费| 1000部很黄的大片| 欧美日韩精品成人综合77777| 一级毛片久久久久久久久女| 色视频www国产| 特级一级黄色大片| 欧美bdsm另类| 日韩高清综合在线| 免费人成在线观看视频色| 人妻夜夜爽99麻豆av| 丰满人妻一区二区三区视频av| 久久久久九九精品影院| 欧美高清性xxxxhd video| 婷婷亚洲欧美| 国产精品爽爽va在线观看网站| 亚洲国产精品国产精品| 亚洲真实伦在线观看| 午夜老司机福利剧场| 尾随美女入室| 亚洲内射少妇av| 成人亚洲精品av一区二区| 日韩欧美 国产精品| 丝袜美腿在线中文| 中文资源天堂在线| 亚洲熟妇中文字幕五十中出| av黄色大香蕉| 无遮挡黄片免费观看| 给我免费播放毛片高清在线观看| 99久久九九国产精品国产免费| 少妇的逼好多水| 午夜福利成人在线免费观看| 亚洲精品一区av在线观看| 性色avwww在线观看| 国产伦在线观看视频一区| 国产一区亚洲一区在线观看| 亚洲第一电影网av| 亚洲精品日韩av片在线观看| 在线免费观看不下载黄p国产| 亚洲精品一卡2卡三卡4卡5卡| 噜噜噜噜噜久久久久久91| 久久人妻av系列| 国产 一区精品| 成人av在线播放网站| .国产精品久久| 欧美性猛交╳xxx乱大交人| 男女那种视频在线观看| 久久亚洲精品不卡| 久久久国产成人精品二区| 99久久久亚洲精品蜜臀av| 日韩av在线大香蕉| 伊人久久精品亚洲午夜| 99九九线精品视频在线观看视频| a级一级毛片免费在线观看| 亚洲综合色惰| 久久久久久久久大av| 色视频www国产| 身体一侧抽搐| 亚洲va在线va天堂va国产| 精品少妇黑人巨大在线播放 | 久久精品人妻少妇| 精品欧美国产一区二区三| 国产精品国产高清国产av| 97在线视频观看| 中文在线观看免费www的网站| av在线观看视频网站免费| 99久久精品国产国产毛片| 伦精品一区二区三区| 欧美精品国产亚洲| 久久人妻av系列| 精品久久久久久久久亚洲| 日韩 亚洲 欧美在线| 国产高清不卡午夜福利| 91久久精品国产一区二区成人| 在线国产一区二区在线| 五月玫瑰六月丁香| 国产综合懂色| 亚洲综合色惰| 久久久久久久久久久丰满| 国产一区二区三区av在线 | 午夜免费男女啪啪视频观看 | 亚洲性久久影院| 国产精品三级大全| 成人一区二区视频在线观看| 欧美精品国产亚洲| 亚洲在线观看片| 久久精品久久久久久噜噜老黄 | 午夜爱爱视频在线播放| 免费在线观看影片大全网站| 美女cb高潮喷水在线观看| 又黄又爽又免费观看的视频| 91在线精品国自产拍蜜月| 亚洲人成网站在线观看播放| 国产黄a三级三级三级人| 天堂影院成人在线观看| 国产蜜桃级精品一区二区三区| 老司机午夜福利在线观看视频| 此物有八面人人有两片| 国产美女午夜福利| 精品人妻偷拍中文字幕| 国产精品一区www在线观看| 国产视频一区二区在线看| 亚洲av熟女| 91在线观看av| 中文字幕熟女人妻在线| 亚洲成av人片在线播放无| 天堂√8在线中文| 老师上课跳d突然被开到最大视频| av国产免费在线观看| 日本撒尿小便嘘嘘汇集6| 一区二区三区高清视频在线| 亚洲国产精品成人久久小说 | 日本精品一区二区三区蜜桃| 国产在线精品亚洲第一网站| 亚洲av免费在线观看| 色尼玛亚洲综合影院| 精品久久久久久久久亚洲| 国产69精品久久久久777片| 日韩av不卡免费在线播放| 男人和女人高潮做爰伦理| av天堂中文字幕网| 久久久久国内视频| 中文亚洲av片在线观看爽| 免费搜索国产男女视频| 国产午夜精品久久久久久一区二区三区 | 色视频www国产| 嫩草影视91久久| 1024手机看黄色片| 国产高清视频在线播放一区| 国产精品一区www在线观看| 寂寞人妻少妇视频99o| 亚洲va在线va天堂va国产| 欧美最新免费一区二区三区| 亚洲高清免费不卡视频| 成人亚洲欧美一区二区av| 一个人观看的视频www高清免费观看| 欧美激情国产日韩精品一区| 日韩成人av中文字幕在线观看 | 成人无遮挡网站| 色综合色国产| 亚洲婷婷狠狠爱综合网| 在线a可以看的网站| 性插视频无遮挡在线免费观看| 大香蕉久久网| 卡戴珊不雅视频在线播放| 成人高潮视频无遮挡免费网站| 亚洲av一区综合| 亚洲欧美成人精品一区二区| 欧美性猛交╳xxx乱大交人| 国产精品人妻久久久久久| 有码 亚洲区| 99热精品在线国产| 哪里可以看免费的av片| 99热精品在线国产| 麻豆国产97在线/欧美| 国产探花在线观看一区二区| 国产一区二区在线观看日韩| 能在线免费观看的黄片| 国产乱人视频| 国内精品宾馆在线| 亚洲国产日韩欧美精品在线观看| 91久久精品国产一区二区三区| 精品久久久久久久人妻蜜臀av| 国产一区二区激情短视频| 亚洲丝袜综合中文字幕| 综合色av麻豆| 国产伦在线观看视频一区| 成人漫画全彩无遮挡| 日韩在线高清观看一区二区三区| 偷拍熟女少妇极品色| 91狼人影院| 欧美性猛交╳xxx乱大交人| 国产亚洲精品av在线| 黄色视频,在线免费观看| 尾随美女入室| 狠狠狠狠99中文字幕| 亚洲欧美日韩东京热| 一夜夜www| 国产免费男女视频| 少妇猛男粗大的猛烈进出视频 | 久久精品国产清高在天天线| 最近最新中文字幕大全电影3| 精品乱码久久久久久99久播| 久久久精品大字幕| 久久精品综合一区二区三区| 91狼人影院| 天美传媒精品一区二区| 99久久九九国产精品国产免费| 99久久无色码亚洲精品果冻| 中文亚洲av片在线观看爽| 99久久精品国产国产毛片| 精品一区二区三区人妻视频| 热99re8久久精品国产| 国产爱豆传媒在线观看| 国产视频内射| 精品久久久久久久久亚洲| 精品99又大又爽又粗少妇毛片| 日韩精品有码人妻一区| 又爽又黄a免费视频| 99久久中文字幕三级久久日本| 久久久久久久亚洲中文字幕| 男女边吃奶边做爰视频| 亚洲无线观看免费| 91在线精品国自产拍蜜月| 伦理电影大哥的女人| 美女内射精品一级片tv| 国产午夜福利久久久久久| 在线免费十八禁| 此物有八面人人有两片| 91精品国产九色| 日韩精品有码人妻一区| 国产高清三级在线| 欧美一区二区国产精品久久精品| 欧美人与善性xxx| 女人十人毛片免费观看3o分钟| 99久久九九国产精品国产免费| 久久午夜福利片| 亚洲国产高清在线一区二区三| 麻豆国产av国片精品| 大型黄色视频在线免费观看| 久久99热6这里只有精品| 一级a爱片免费观看的视频| 亚洲av不卡在线观看| 精品国产三级普通话版| 国产精品一区二区免费欧美| 欧美一区二区国产精品久久精品| 欧美绝顶高潮抽搐喷水| 成人无遮挡网站| 身体一侧抽搐| 欧美色欧美亚洲另类二区| 搡老岳熟女国产| 国产视频内射| 色噜噜av男人的天堂激情| 国产久久久一区二区三区| 免费电影在线观看免费观看| 日日摸夜夜添夜夜添小说| 露出奶头的视频| 日韩国内少妇激情av| 亚洲婷婷狠狠爱综合网| 全区人妻精品视频| 人妻少妇偷人精品九色| 2021天堂中文幕一二区在线观| 女的被弄到高潮叫床怎么办| 国产精品免费一区二区三区在线| 真人做人爱边吃奶动态| 最近中文字幕高清免费大全6| 国产成人影院久久av| 国产成人freesex在线 | 日本黄大片高清| 日韩 亚洲 欧美在线| 国产午夜精品久久久久久一区二区三区 | 成人高潮视频无遮挡免费网站| 18禁在线无遮挡免费观看视频 | 欧美3d第一页| 亚洲综合色惰| 麻豆一二三区av精品| 日韩欧美免费精品| 亚洲专区国产一区二区| 精品一区二区三区视频在线| 午夜福利18| 欧美国产日韩亚洲一区| 少妇的逼好多水| 久久久久免费精品人妻一区二区| 毛片一级片免费看久久久久| 免费在线观看影片大全网站| 干丝袜人妻中文字幕| 久久婷婷人人爽人人干人人爱| 淫妇啪啪啪对白视频| 舔av片在线| 免费无遮挡裸体视频| 男人和女人高潮做爰伦理| 亚洲精品在线观看二区| 欧洲精品卡2卡3卡4卡5卡区| 九色成人免费人妻av| 国产精品99久久久久久久久| 精品久久久久久久末码| 22中文网久久字幕| 老司机午夜福利在线观看视频| 久久久久久久久大av| 国产精品野战在线观看| 日本爱情动作片www.在线观看 | 免费在线观看成人毛片| 男女下面进入的视频免费午夜| 男女那种视频在线观看| 俄罗斯特黄特色一大片| 在线观看66精品国产| 国产精品一区www在线观看| 国产真实伦视频高清在线观看| 精品人妻一区二区三区麻豆 | av在线老鸭窝| 国产精品精品国产色婷婷| 免费无遮挡裸体视频| 老司机影院成人| 2021天堂中文幕一二区在线观| 日本在线视频免费播放| 一级毛片电影观看 | 亚洲美女搞黄在线观看 | 日本熟妇午夜| 久久九九热精品免费| 国产三级在线视频| 日韩欧美国产在线观看| 久久久精品94久久精品| 一个人看的www免费观看视频| av女优亚洲男人天堂| 国产一区二区三区av在线 | 国产一级毛片七仙女欲春2| 99热全是精品| 国产精品久久久久久精品电影| 麻豆一二三区av精品| 亚洲国产精品成人综合色| 12—13女人毛片做爰片一| 国产精品久久久久久久久免| 波多野结衣高清作品| 久久久久久久久中文| 免费搜索国产男女视频| 在线观看av片永久免费下载| 免费黄网站久久成人精品| 九色成人免费人妻av| 久久久久国产网址| 麻豆国产av国片精品| 日本色播在线视频| 天堂网av新在线| 精品免费久久久久久久清纯| 身体一侧抽搐| 特大巨黑吊av在线直播| 国产黄a三级三级三级人| 欧美激情久久久久久爽电影| 简卡轻食公司| 国产不卡一卡二| 日韩大尺度精品在线看网址| 国产高清有码在线观看视频| 悠悠久久av| 蜜桃亚洲精品一区二区三区| 深夜精品福利| 日本熟妇午夜| 国产欧美日韩一区二区精品| 18禁黄网站禁片免费观看直播| 人妻丰满熟妇av一区二区三区| 69人妻影院| 国产女主播在线喷水免费视频网站 | 91午夜精品亚洲一区二区三区| 亚洲美女搞黄在线观看 | 欧美不卡视频在线免费观看| 乱系列少妇在线播放| 少妇人妻一区二区三区视频| 99热这里只有是精品50| 天美传媒精品一区二区| 麻豆久久精品国产亚洲av| 精品午夜福利视频在线观看一区| 少妇的逼好多水| 亚洲av五月六月丁香网| 中文字幕精品亚洲无线码一区| 精品一区二区免费观看| 尾随美女入室| 99久国产av精品国产电影| 亚洲成人中文字幕在线播放| 国产欧美日韩精品一区二区| 美女内射精品一级片tv| av在线观看视频网站免费| av在线老鸭窝| 最近中文字幕高清免费大全6| 1000部很黄的大片| 免费黄网站久久成人精品| 亚洲精品国产成人久久av| 国产精品亚洲一级av第二区| 干丝袜人妻中文字幕| 久久精品影院6| 精品福利观看| 日本撒尿小便嘘嘘汇集6| 免费不卡的大黄色大毛片视频在线观看 | 国产一区二区激情短视频| 婷婷精品国产亚洲av| 日本撒尿小便嘘嘘汇集6| 久久久久久久久久黄片| 一个人看视频在线观看www免费| 国产淫片久久久久久久久| 国产精品av视频在线免费观看| 亚洲精华国产精华液的使用体验 | 午夜精品一区二区三区免费看| 国产高清有码在线观看视频| 久久精品人妻少妇| 观看免费一级毛片| 一区二区三区四区激情视频 | 最近视频中文字幕2019在线8| 免费观看在线日韩| 亚洲av电影不卡..在线观看| 露出奶头的视频| 午夜福利在线观看免费完整高清在 | 老女人水多毛片| 嫩草影院新地址| 中文字幕av成人在线电影| 精品人妻一区二区三区麻豆 | 午夜免费男女啪啪视频观看 | 久久人人精品亚洲av| 精品国内亚洲2022精品成人| 久久天躁狠狠躁夜夜2o2o| 日本五十路高清| 成人综合一区亚洲| 亚洲五月天丁香| 欧美日韩在线观看h| 欧美潮喷喷水| 日韩高清综合在线| 18禁黄网站禁片免费观看直播| 天堂av国产一区二区熟女人妻| 俺也久久电影网| 日韩中字成人| 成人精品一区二区免费| 免费观看的影片在线观看| 精品久久久久久久久亚洲| 国产精品人妻久久久久久| 久久久色成人| 搡女人真爽免费视频火全软件 |