• <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XGBoost算法模型的金融客戶信用評(píng)估研究

    2019-06-09 10:36:01陸健健江開(kāi)忠
    軟件導(dǎo)刊 2019年4期
    關(guān)鍵詞:隨機(jī)森林

    陸健健 江開(kāi)忠

    摘 要:針對(duì)銀行客戶信用評(píng)估模型不健全不完善等問(wèn)題,在對(duì)比隨機(jī)森林(RF)、GBDT和XGBoost三種集成算法基礎(chǔ)上,提出基于XGBoost算法的金融客戶信用評(píng)估模型。從知名的UCI數(shù)據(jù)庫(kù)中選取德國(guó)某銀行客戶信用數(shù)據(jù)集,在對(duì)數(shù)據(jù)進(jìn)行缺失值、標(biāo)準(zhǔn)化等預(yù)處理后,分別對(duì)隨機(jī)森林(RF)、GBDT算法和XGBoost三種集成算法建立個(gè)人信用評(píng)估模型,然后依據(jù)計(jì)算得到的相關(guān)多元評(píng)價(jià)指標(biāo)對(duì)個(gè)人信用評(píng)估進(jìn)行對(duì)比研究。實(shí)證結(jié)果表明,建立在XGBoost集成算法上的個(gè)人信用評(píng)估模型性能最優(yōu),在準(zhǔn)確率指標(biāo)上比隨機(jī)森林(RF)高出6%,比GBDT算法高0.8%。

    關(guān)鍵詞:信用評(píng)估;XGBoost算法;隨機(jī)森林(RF);GBDT算法;ROC曲線

    DOI:10. 11907/rjdk. 182067

    中圖分類號(hào):TP319文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1672-7800(2019)004-0133-04

    0 引言

    隨著市場(chǎng)經(jīng)濟(jì)體制在全球的逐步確立,投資交易、經(jīng)濟(jì)融資、證券交易等業(yè)務(wù)在世界快速拓展。然而,由于市場(chǎng)經(jīng)濟(jì)的固有缺陷以及參與主體的紛繁復(fù)雜,使得諸多經(jīng)濟(jì)業(yè)務(wù)難以暢通有效運(yùn)行,擁有交易秩序“潤(rùn)滑劑”作用的信用評(píng)級(jí)應(yīng)運(yùn)而生。經(jīng)過(guò)150年的發(fā)展,信用評(píng)級(jí)體系已經(jīng)從資本市場(chǎng)、商業(yè)市場(chǎng)以及消費(fèi)者個(gè)人3個(gè)層次對(duì)所有市場(chǎng)經(jīng)濟(jì)活動(dòng)進(jìn)行了覆蓋,標(biāo)普、穆迪等國(guó)際性信用評(píng)級(jí)公司為世人所熟知。

    伴隨著互聯(lián)網(wǎng)技術(shù)的廣泛應(yīng)用,金融機(jī)構(gòu)面向個(gè)人推廣的服務(wù)在業(yè)務(wù)模式和運(yùn)行機(jī)制上也愈發(fā)多樣。然而,在個(gè)人消費(fèi)信貸業(yè)務(wù)活躍度顯著提升的同時(shí),其所帶來(lái)的個(gè)人信用風(fēng)險(xiǎn)也呈現(xiàn)分散化、普遍化、非系統(tǒng)化等特點(diǎn),給金融機(jī)構(gòu)帶來(lái)莫大的困擾。因此,無(wú)論是國(guó)家還是金融機(jī)構(gòu),對(duì)精準(zhǔn)、有效的個(gè)人信用評(píng)估模型需求都越來(lái)越大。

    我國(guó)的信用評(píng)分研究起步較晚[1]。經(jīng)過(guò)幾十年的發(fā)展,中國(guó)人民銀行征信中心是我國(guó)目前為止唯一一家負(fù)責(zé)個(gè)人征信系統(tǒng)建設(shè)、運(yùn)行和管理的權(quán)威信用評(píng)級(jí)機(jī)構(gòu)。中國(guó)人民銀行征信中心所采納的系統(tǒng)依據(jù)個(gè)人信用信息基礎(chǔ)數(shù)據(jù)庫(kù)中采集的個(gè)人基本信息、信貸信息,為有信貸記錄的消費(fèi)者建立一個(gè)通用風(fēng)險(xiǎn)評(píng)分模型,針對(duì)消費(fèi)者在將來(lái)一段時(shí)期內(nèi)的違約概率進(jìn)行預(yù)測(cè)。

    個(gè)人信用評(píng)價(jià)研究[2]主要涉及個(gè)人信用評(píng)價(jià)指標(biāo)選取和個(gè)人信用評(píng)價(jià)模型這兩個(gè)研究領(lǐng)域,本文主要研究個(gè)人信用評(píng)價(jià)模型建立。個(gè)人信用評(píng)估模型方法可分為線性判別分析法、回歸分析法、非參數(shù)法及基于樹(shù)的分類判別法、支持向量機(jī)、遺傳算法、神經(jīng)網(wǎng)絡(luò)等。

    傳統(tǒng)的個(gè)人信用評(píng)價(jià)模型較多采用單一方法進(jìn)行信用評(píng)價(jià),如徐少峰等[3]利用fisher判別分析,建立判別函數(shù)對(duì)個(gè)人進(jìn)行信用評(píng)估。張成虎[4]則運(yùn)用多元線性判別模型對(duì)個(gè)人信用評(píng)分體系進(jìn)行分析。劉峙廷[5]運(yùn)用AHP層次分析法建立P2P網(wǎng)絡(luò)信貸債務(wù)人風(fēng)險(xiǎn)評(píng)價(jià)體系。周軒[6]運(yùn)用模糊層次分析法確定個(gè)人信用評(píng)分指標(biāo)體系中各指標(biāo)權(quán)重。肖江[7]建立了一個(gè)改進(jìn)的基于BP神經(jīng)網(wǎng)絡(luò)的評(píng)價(jià)模型。羅方科[8]對(duì)個(gè)人小額貸款信用評(píng)估建立Logistic回歸模型。其它諸如線性回歸、邏輯斯遆克回歸等回歸分析法、決策樹(shù)、K近鄰判別(KNN)、聚類算法等方法也有較多學(xué)者使用。另外,神經(jīng)網(wǎng)絡(luò)法擁有強(qiáng)大的非線性處理能力[9],對(duì)信用評(píng)價(jià)過(guò)程具有原始數(shù)據(jù)篩選、預(yù)警精度增加、預(yù)測(cè)速度提高等作用,使其在近年來(lái)的單一評(píng)分方法中有較多頻次使用。

    面對(duì)眾多評(píng)估方法,模型選擇及優(yōu)化一度成為限制評(píng)級(jí)模型研究的瓶頸。然而近些年,多方法之間的集成綜合互補(bǔ)似乎成為提升模型評(píng)價(jià)質(zhì)量的突破口。姜明輝等[10]通過(guò)把PSO算法引入神經(jīng)網(wǎng)絡(luò)個(gè)人信用評(píng)級(jí)模型中,有效提高了檢測(cè)樣本分類中的預(yù)測(cè)精度。而后姜明輝又以CBR(案例推理)方法結(jié)合BP神經(jīng)網(wǎng)絡(luò)對(duì)個(gè)人信用評(píng)分模型的精確性與錯(cuò)分率進(jìn)行優(yōu)化研究。孫亞男[11]通過(guò)卡方交叉檢測(cè)與決策樹(shù)結(jié)合的方法,將誤差成本引入個(gè)人信用評(píng)級(jí)過(guò)程,進(jìn)而增加信用壞型客戶的判別正確率。向暉[12]則把多元判別分析、logistic回歸、神經(jīng)網(wǎng)路、支持向量機(jī)等多種方法融入個(gè)人信用評(píng)價(jià)模型構(gòu)建,發(fā)現(xiàn)新模型顯著增加了信用預(yù)測(cè)的精度與穩(wěn)健性。肖進(jìn)等[13]針對(duì)銀行客戶信用建立動(dòng)態(tài)分類器集成選擇模型,在進(jìn)行模型融合的同時(shí)也為建模前處理原始數(shù)據(jù)提供了一種新的思路。陳力等[14]在銀行個(gè)人信用卡評(píng)級(jí)應(yīng)用中建立Adaboost-Logistic集成算法融合模型。白鵬飛等[15]在研究互聯(lián)網(wǎng)信貸個(gè)人信用評(píng)估方法時(shí)試圖在SVM、隨機(jī)森林、XGBoost等集成模型之上再用投票思想對(duì)其進(jìn)行集成融合,集成后的結(jié)果得到了一定優(yōu)化。楚天玥[16]引入新方法,將GCNN模型與LeNet-5模型相結(jié)合,對(duì)層結(jié)構(gòu)特征進(jìn)行優(yōu)化,加上個(gè)人信用風(fēng)險(xiǎn)特點(diǎn),構(gòu)造出新的個(gè)人信用評(píng)估模型。

    本文應(yīng)用隨機(jī)森林、GBDT算法和XGBoost三種集成算法分別建立個(gè)人信用評(píng)估模型,依據(jù)模型評(píng)價(jià)指標(biāo)對(duì)其進(jìn)行對(duì)比研究[17],從而給信用評(píng)估研究者、相關(guān)企事業(yè)單位選擇模型提供參考。

    1 相關(guān)理論

    1.1 集成分類模型

    集成分類模型指基于多個(gè)單一的分類模型所集合而成的模型,而多個(gè)單分類器集成在一起的方法很多,最通用的有兩種[18]:①袋裝法(Bagging),利用相同訓(xùn)練數(shù)據(jù)同時(shí)搭建多個(gè)獨(dú)立模型,通過(guò)投票的方式以少數(shù)服從多數(shù)原則作出最終分類決策,其中最具有代表性的模型是隨機(jī)森林分類器(Random Forest Classifier);②提升法(Boosting),其思想是按照一定的次序搭建多個(gè)分類器,這些分類器之間彼此存在依賴關(guān)系,每一個(gè)后續(xù)分類器的加入都對(duì)現(xiàn)有集成模型性能有所貢獻(xiàn),進(jìn)而不斷提升更新后的集成模型性能,其中較有代表性的是梯度提升決策樹(shù)(Gradient Tree Boosting)。

    1.2 XGBoost模型

    XGBoost全稱為Extreme Gradient Boosting,它可看作是GBDT的優(yōu)化。GBDT在生成每一棵樹(shù)時(shí)采用梯度下降思想,以所有單棵決策樹(shù)為基礎(chǔ),以損失函數(shù)最小化為目標(biāo)多走一步。與GBDT模型不同的是,XGBoost模型能自動(dòng)利用CPU進(jìn)行多線程并行計(jì)算,并且對(duì)損失函數(shù)進(jìn)行泰勒公式二階展開(kāi),在損失函數(shù)后面增加正則項(xiàng),用于約束損失函數(shù)的下降和模型整體的復(fù)雜度。

    XGBoost整體目標(biāo)函數(shù)為:

    2 實(shí)證分析

    2.1 數(shù)據(jù)來(lái)源與描述

    本文數(shù)據(jù)來(lái)源于加州大學(xué)UCI數(shù)據(jù)庫(kù)中著名的信用數(shù)據(jù)集German數(shù)據(jù)集,它是關(guān)于德國(guó)某銀行信用卡個(gè)人用戶業(yè)務(wù)的數(shù)據(jù)。該數(shù)據(jù)集共有1000個(gè)樣本,其中信用好的用戶有700個(gè),信用差的用戶有300,數(shù)據(jù)集中包含20個(gè)屬性列和1個(gè)標(biāo)簽列,20個(gè)屬性中有7個(gè)數(shù)值型屬性和13個(gè)類別型屬性,標(biāo)簽列有兩個(gè)值0或1,其中0代表信用好,1代表信用差,見(jiàn)表1。

    2.2 數(shù)據(jù)預(yù)處理

    在對(duì)原始數(shù)據(jù)進(jìn)行建模分析之前,需要對(duì)數(shù)據(jù)進(jìn)行預(yù)處理即特征工程。首先,對(duì)數(shù)據(jù)表中嚴(yán)重缺失數(shù)據(jù)的樣本記錄剔除,對(duì)少許缺失值樣本采用眾數(shù)(分類型變量)和均值填充。然后,對(duì)所有分類型數(shù)據(jù)進(jìn)行編碼,本文采用的是獨(dú)熱0-1編碼。最后,對(duì)所有數(shù)值型數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理,本文采用極差標(biāo)準(zhǔn)化:

    2.3 模型評(píng)價(jià)指標(biāo)

    在給出模型評(píng)價(jià)指標(biāo)之前,先給出分類模型評(píng)價(jià)準(zhǔn)則中最常用的混淆矩陣,如表2所示。

    其中:①正類代表信用差,負(fù)類代表信用好;②TP表示實(shí)際為正類預(yù)測(cè)也為正類的樣本個(gè)數(shù),F(xiàn)N表示實(shí)際為正類預(yù)測(cè)為負(fù)類的樣本個(gè)數(shù),F(xiàn)P表示實(shí)際為負(fù)類預(yù)測(cè)為正類的樣本個(gè)數(shù),TN表示實(shí)際為負(fù)類預(yù)測(cè)也為負(fù)類的樣本個(gè)數(shù)。

    (1)準(zhǔn)確率(Accuracy)。在傳統(tǒng)分類模型評(píng)價(jià)指標(biāo)體系中,準(zhǔn)確率(Accuracy)是一個(gè)很重要的評(píng)價(jià)指標(biāo),它代表所有正負(fù)類中有多少被正確預(yù)測(cè)出來(lái),其數(shù)學(xué)表達(dá)如下:

    (2)精確率(Precision)、召回率(Recall)和F1指標(biāo)。在實(shí)際問(wèn)題中并不關(guān)心總的預(yù)測(cè)正確率,而是更加關(guān)注模型對(duì)某一特定類別的預(yù)測(cè)能力。對(duì)于銀行來(lái)說(shuō),它更在意的是信用差的人被判為信用好的情況,也就是說(shuō)假負(fù)類的比率越低越好。所以引入精確率(Precision)、召回率(Recall)和F1這3個(gè)指標(biāo)。

    (3)ROC曲線及AUC值。ROC曲線又稱真正率偽正率圖,其中橫坐標(biāo)表示偽正率,縱坐標(biāo)表示真正率。

    由于直接用ROC曲線去定量評(píng)價(jià)不同的分類模型不是很直觀,因此人們通常采用ROC曲線下方的面積,即AUC值作為評(píng)價(jià)指標(biāo),AUC值越大越好。

    2.4 結(jié)果對(duì)比與分析

    本文模型的構(gòu)建均采用python的sklean程序包實(shí)現(xiàn),此外,除了構(gòu)建XGBoost算法模型,還建立了隨機(jī)森林模型和GBDT算法模型,在使用相同數(shù)據(jù)集的情況下,對(duì)比使用這3種模型。

    針對(duì)這3種算法模型,本文給出它們的ROC曲線,為直觀對(duì)比把ROC曲線放在了同一個(gè)圖中,如圖1所示。

    表3給出3種算法模型在相同數(shù)據(jù)集上的準(zhǔn)確率、精準(zhǔn)率、召回率、F1得分和AUC值,表中標(biāo)粗的數(shù)字表示每列的最大值。從表中可以看出,XGBoost算法模型在準(zhǔn)確率、召回率、F1得分和AUC值上都具有明顯優(yōu)勢(shì),而隨機(jī)森林精準(zhǔn)率較高,顯然XGBoost算法模型具有較好性能。

    3 結(jié)語(yǔ)

    建立合理有效而又科學(xué)的個(gè)人信用評(píng)估模型,能為銀行等金融機(jī)構(gòu)提供更加可靠而科學(xué)的決策支持,減少不必要的損失,意義非常重大。本文在對(duì)比多個(gè)集成算法模型基礎(chǔ)上,建立基于目前最流行及性能較好的XGBoost集成算法的信用評(píng)估模型,并在相同的國(guó)際開(kāi)源數(shù)據(jù)集上,對(duì)隨機(jī)森林、GBDT算法和XGBoost算法進(jìn)行比較與對(duì)比研究。實(shí)證結(jié)果表明,在機(jī)器學(xué)習(xí)等領(lǐng)域具有顯著優(yōu)勢(shì)的XGBoost算法對(duì)個(gè)人信用評(píng)估的研究性能較優(yōu)。

    參考文獻(xiàn):

    [1] 張釗. 基于支持向量機(jī)的個(gè)人信用評(píng)估模型與算法的研究[D]. 北京:首都師范大學(xué),2008.

    [2] 郄彥平. 信用環(huán)境評(píng)價(jià)與“自然履約率”[J]. 金融教學(xué)與研究,2013(5):6-10,17.

    [3] 徐少鋒. FISHER判別分析在個(gè)人信用評(píng)估中的應(yīng)用[J]. 統(tǒng)計(jì)與決策,2006(2):133-135.

    [4] 張成虎,李育林,吳鳴. 基于判別分析的個(gè)人信用評(píng)分模型研究與實(shí)證分析[J]. 大連理工大學(xué)學(xué)報(bào):社會(huì)科學(xué)版,2009,30(1):6-10.

    [5] 劉峙廷. 我國(guó)P2P網(wǎng)絡(luò)信貸風(fēng)險(xiǎn)評(píng)估研究[D]. 南寧:廣西大學(xué),2013.

    [6] 周軒. 基于數(shù)據(jù)挖掘技術(shù)的商業(yè)銀行個(gè)人信用評(píng)分模型研究[D].長(zhǎng)沙:湖南大學(xué),2014.

    [7] 肖江,陳璐瑜. 改進(jìn)的P2P信貸借款人信用風(fēng)險(xiǎn)的研究[J]. 信息技術(shù),2016(11):212-214,220.

    [8] 羅方科,陳曉紅. 基于Logistic回歸模型的個(gè)人小額貸款信用風(fēng)險(xiǎn)評(píng)估及應(yīng)用[J]. 財(cái)經(jīng)理論與實(shí)踐,2017,38(1):30-35.

    [9] 王穎林,賴芨宇,郭豐敏. 建設(shè)需求量預(yù)測(cè)分析中的人工神經(jīng)網(wǎng)絡(luò)和多元回歸方法[J]. 武漢工程大學(xué)學(xué)報(bào),2013,35(11):77-80,86.

    [10] 殷爽,姜明輝. 基于PSO的個(gè)人信用評(píng)估組合預(yù)測(cè)模型[J]. 經(jīng)濟(jì)研究導(dǎo)刊,2008(14):83-86.

    [11] 朱毅峰,孫亞南. 精煉決策樹(shù)模型在個(gè)人信用評(píng)估中的應(yīng)用[J]. 統(tǒng)計(jì)教育,2008(1):5-7.

    [12] 向暉,楊勝剛. 個(gè)人信用評(píng)分關(guān)鍵技術(shù)研究的新進(jìn)展[J]. 財(cái)經(jīng)理論與實(shí)踐,2011,32(4):20-24.

    [13] 肖進(jìn),劉敦虎,顧新,等. 銀行客戶信用評(píng)估動(dòng)態(tài)分類器集成選擇模型[J]. 管理科學(xué)學(xué)報(bào),2015,18(3):114-126.

    [14] 陳力,黃艷瑩,游德創(chuàng). 一種基于Boosting的集成學(xué)習(xí)算法在銀行個(gè)人信用評(píng)級(jí)中的應(yīng)用[J]. 價(jià)值工程,2017,36(18):170-172.

    [15] 白鵬飛,安琪,NICOLAAS FRANSDE ROOIJ,等. 基于多模型融合的互聯(lián)網(wǎng)信貸個(gè)人信用評(píng)估方法[J]. 華南師范大學(xué)學(xué)報(bào):自然科學(xué)版,2017,49(6):119-123.

    [16] 楚天玥.? 基于LeNet-5模型和門卷積神經(jīng)網(wǎng)絡(luò)的信用評(píng)分模型實(shí)證研究[D]. 深圳:深圳大學(xué),2017.

    [17] 張滄生,崔麗娟,楊剛,等. 集成學(xué)習(xí)算法的比較研究[J]. 河北大學(xué)學(xué)報(bào):自然科學(xué)版,2007(5):551-554.

    [18] 周峰. 集成分類器模型的研究[D]. 上海:上海交通大學(xué),2007.

    [19] 王飛.? 集成分類器及其在個(gè)人信用評(píng)估的應(yīng)用[D]. 長(zhǎng)沙:中南大學(xué),2012.

    [20] 邵笑笑.? 個(gè)人信用評(píng)估集成模型研究[D]. 南京:南京信息工程大學(xué),2016.

    [21] 房曉南.? 基于半監(jiān)督和集成學(xué)習(xí)的不平衡數(shù)據(jù)特征選擇和分類[D]. 濟(jì)南:山東師范大學(xué),2016.

    (責(zé)任編輯:杜能鋼)

    猜你喜歡
    隨機(jī)森林
    隨機(jī)森林算法在中藥指紋圖譜中的應(yīng)用:以不同品牌夏桑菊顆粒指紋圖譜分析為例
    基于隨機(jī)森林的登革熱時(shí)空擴(kuò)散影響因子等級(jí)體系挖掘
    基于隨機(jī)森林的HTTP異常檢測(cè)
    個(gè)人信用評(píng)分模型比較數(shù)據(jù)挖掘分析
    隨機(jī)森林在棉蚜蟲害等級(jí)預(yù)測(cè)中的應(yīng)用
    基于二次隨機(jī)森林的不平衡數(shù)據(jù)分類算法
    軟件(2016年7期)2017-02-07 15:54:01
    拱壩變形監(jiān)測(cè)預(yù)報(bào)的隨機(jī)森林模型及應(yīng)用
    基于隨機(jī)森林算法的飛機(jī)發(fā)動(dòng)機(jī)故障診斷方法的研究
    基于奇異熵和隨機(jī)森林的人臉識(shí)別
    軟件(2016年2期)2016-04-08 02:06:21
    基于隨機(jī)森林算法的B2B客戶分級(jí)系統(tǒng)的設(shè)計(jì)
    亚洲中文日韩欧美视频| a级毛片黄视频| 亚洲精品久久成人aⅴ小说| 超碰97精品在线观看| 精品福利永久在线观看| 另类精品久久| 国产熟女午夜一区二区三区| 少妇粗大呻吟视频| 一区二区三区国产精品乱码| 亚洲人成伊人成综合网2020| 久久精品aⅴ一区二区三区四区| 亚洲色图综合在线观看| 亚洲黑人精品在线| 国产亚洲欧美在线一区二区| 乱人伦中国视频| 国产无遮挡羞羞视频在线观看| 久久精品亚洲熟妇少妇任你| 丰满人妻熟妇乱又伦精品不卡| 免费高清在线观看日韩| 精品人妻熟女毛片av久久网站| 老熟女久久久| 水蜜桃什么品种好| 国产亚洲欧美精品永久| 欧美日本中文国产一区发布| 久久青草综合色| 热99re8久久精品国产| 男女边摸边吃奶| 黄频高清免费视频| 一区二区三区激情视频| 国产99久久九九免费精品| 首页视频小说图片口味搜索| 两性夫妻黄色片| 俄罗斯特黄特色一大片| 91麻豆精品激情在线观看国产 | 日韩人妻精品一区2区三区| 两性午夜刺激爽爽歪歪视频在线观看 | 日韩中文字幕视频在线看片| 国产有黄有色有爽视频| 国产又爽黄色视频| 精品卡一卡二卡四卡免费| 久久久久视频综合| 天堂中文最新版在线下载| 久久久久久久大尺度免费视频| 在线十欧美十亚洲十日本专区| 久久青草综合色| 国产亚洲午夜精品一区二区久久| 一区二区av电影网| 国产黄频视频在线观看| 最近最新中文字幕大全免费视频| 满18在线观看网站| 日韩欧美免费精品| 欧美精品高潮呻吟av久久| 一本大道久久a久久精品| 国产成+人综合+亚洲专区| av免费在线观看网站| 人人妻,人人澡人人爽秒播| 蜜桃在线观看..| 十八禁网站网址无遮挡| www.999成人在线观看| 日本欧美视频一区| 国产野战对白在线观看| 好男人电影高清在线观看| 波多野结衣av一区二区av| 男女午夜视频在线观看| 国产精品影院久久| 欧美在线黄色| avwww免费| 欧美黄色片欧美黄色片| 一夜夜www| 久久九九热精品免费| 久久久久久亚洲精品国产蜜桃av| 亚洲欧美日韩高清在线视频 | 91国产中文字幕| 最新美女视频免费是黄的| 女同久久另类99精品国产91| 91麻豆精品激情在线观看国产 | 国产精品久久久久久人妻精品电影 | 一区二区三区激情视频| 国产精品一区二区在线观看99| 黄色片一级片一级黄色片| 免费一级毛片在线播放高清视频 | 熟女少妇亚洲综合色aaa.| 岛国在线观看网站| 国产91精品成人一区二区三区 | 久久精品人人爽人人爽视色| 婷婷丁香在线五月| 777久久人妻少妇嫩草av网站| 一区二区日韩欧美中文字幕| 国产熟女午夜一区二区三区| 国产成+人综合+亚洲专区| 天天影视国产精品| 亚洲av国产av综合av卡| 天堂8中文在线网| 国产无遮挡羞羞视频在线观看| 99在线人妻在线中文字幕 | 王馨瑶露胸无遮挡在线观看| 国产xxxxx性猛交| 狠狠狠狠99中文字幕| 欧美成人免费av一区二区三区 | 999久久久精品免费观看国产| 高清视频免费观看一区二区| 国产极品粉嫩免费观看在线| 99国产精品一区二区三区| 精品一区二区三卡| 91国产中文字幕| 啦啦啦中文免费视频观看日本| 嫩草影视91久久| 亚洲人成77777在线视频| 性少妇av在线| 一本大道久久a久久精品| 精品视频人人做人人爽| 如日韩欧美国产精品一区二区三区| 亚洲精品久久午夜乱码| videos熟女内射| 亚洲欧美一区二区三区黑人| 成人18禁高潮啪啪吃奶动态图| 亚洲国产欧美日韩在线播放| 精品国产乱码久久久久久男人| 国产97色在线日韩免费| 国产精品1区2区在线观看. | 中文字幕另类日韩欧美亚洲嫩草| 亚洲国产中文字幕在线视频| 蜜桃国产av成人99| 国产在线免费精品| 狂野欧美激情性xxxx| 岛国在线观看网站| 人人妻人人爽人人添夜夜欢视频| 日本wwww免费看| 天天躁日日躁夜夜躁夜夜| 日本欧美视频一区| 国产亚洲精品久久久久5区| 亚洲国产欧美在线一区| 亚洲成人免费电影在线观看| 国产精品.久久久| 日本vs欧美在线观看视频| 国产成+人综合+亚洲专区| 伊人久久大香线蕉亚洲五| 国产男女超爽视频在线观看| 国产男女内射视频| 少妇粗大呻吟视频| 99国产精品一区二区蜜桃av | 国产精品亚洲一级av第二区| 女性生殖器流出的白浆| 高清av免费在线| 久久国产精品影院| 久久国产精品大桥未久av| 在线av久久热| 老司机在亚洲福利影院| 人妻一区二区av| 别揉我奶头~嗯~啊~动态视频| 丝袜美足系列| 一区二区日韩欧美中文字幕| 99久久国产精品久久久| 欧美日韩av久久| 国产91精品成人一区二区三区 | 国产真人三级小视频在线观看| 日韩人妻精品一区2区三区| 淫妇啪啪啪对白视频| 天天躁夜夜躁狠狠躁躁| 亚洲一区二区三区欧美精品| 午夜91福利影院| 亚洲国产看品久久| 麻豆国产av国片精品| 亚洲av片天天在线观看| 国产精品国产av在线观看| 亚洲天堂av无毛| 欧美日韩国产mv在线观看视频| 精品国产一区二区三区四区第35| 午夜精品久久久久久毛片777| 亚洲欧美一区二区三区久久| 欧美激情 高清一区二区三区| 免费在线观看黄色视频的| 欧美 亚洲 国产 日韩一| 80岁老熟妇乱子伦牲交| 老司机午夜十八禁免费视频| 在线观看www视频免费| 成在线人永久免费视频| 国产日韩一区二区三区精品不卡| 久久久国产欧美日韩av| av福利片在线| 在线观看免费视频日本深夜| 叶爱在线成人免费视频播放| 久久99热这里只频精品6学生| 免费黄频网站在线观看国产| 免费人妻精品一区二区三区视频| 美女福利国产在线| 久久天堂一区二区三区四区| 性少妇av在线| 飞空精品影院首页| 母亲3免费完整高清在线观看| 黄色a级毛片大全视频| 精品亚洲乱码少妇综合久久| 久久精品亚洲av国产电影网| 757午夜福利合集在线观看| 99国产精品免费福利视频| 国产单亲对白刺激| 国产高清视频在线播放一区| 狠狠狠狠99中文字幕| 黄色a级毛片大全视频| 无遮挡黄片免费观看| 99riav亚洲国产免费| 91九色精品人成在线观看| 久久精品国产亚洲av香蕉五月 | 99九九在线精品视频| 久久毛片免费看一区二区三区| 午夜老司机福利片| 国产亚洲一区二区精品| 欧美在线一区亚洲| 美国免费a级毛片| 久久天堂一区二区三区四区| 色综合欧美亚洲国产小说| 老司机靠b影院| 免费女性裸体啪啪无遮挡网站| 91大片在线观看| 日韩欧美国产一区二区入口| 国产黄频视频在线观看| 美女国产高潮福利片在线看| 亚洲av日韩精品久久久久久密| 人妻久久中文字幕网| 婷婷成人精品国产| 精品福利永久在线观看| 亚洲av片天天在线观看| 国产91精品成人一区二区三区 | 久久亚洲精品不卡| 99香蕉大伊视频| 国产老妇伦熟女老妇高清| 国产在线视频一区二区| 可以免费在线观看a视频的电影网站| 成人特级黄色片久久久久久久 | 日本黄色日本黄色录像| 在线观看免费午夜福利视频| 欧美成人午夜精品| 夜夜爽天天搞| 无限看片的www在线观看| 日韩欧美三级三区| 国产精品免费大片| av免费在线观看网站| 考比视频在线观看| 91成年电影在线观看| 日韩人妻精品一区2区三区| 9色porny在线观看| 久久久久久免费高清国产稀缺| 天天影视国产精品| 亚洲五月婷婷丁香| 亚洲精品久久午夜乱码| videos熟女内射| 美女高潮到喷水免费观看| tocl精华| 免费在线观看日本一区| 丰满少妇做爰视频| 国产在线一区二区三区精| 亚洲av日韩精品久久久久久密| 汤姆久久久久久久影院中文字幕| 丰满人妻熟妇乱又伦精品不卡| 757午夜福利合集在线观看| 91成人精品电影| 国产有黄有色有爽视频| 性少妇av在线| 午夜91福利影院| 自线自在国产av| 久久精品人人爽人人爽视色| 欧美人与性动交α欧美精品济南到| 亚洲精品久久午夜乱码| 亚洲精品国产区一区二| 国产精品二区激情视频| 国产av又大| 精品少妇久久久久久888优播| 妹子高潮喷水视频| 女人久久www免费人成看片| 精品欧美一区二区三区在线| 亚洲中文字幕日韩| 久久精品91无色码中文字幕| 午夜福利影视在线免费观看| 天天添夜夜摸| 啦啦啦视频在线资源免费观看| 考比视频在线观看| av又黄又爽大尺度在线免费看| 久久人人97超碰香蕉20202| 久久久久国内视频| 午夜激情av网站| 大陆偷拍与自拍| 国产精品电影一区二区三区 | 最近最新免费中文字幕在线| 国产亚洲精品一区二区www | 日韩一卡2卡3卡4卡2021年| 日韩中文字幕欧美一区二区| 男女边摸边吃奶| 99国产精品一区二区三区| 久久久国产精品麻豆| 精品一区二区三区av网在线观看 | 亚洲精品乱久久久久久| 国产精品影院久久| 亚洲国产av新网站| 大型黄色视频在线免费观看| 两性夫妻黄色片| 久热爱精品视频在线9| 免费观看人在逋| 大片免费播放器 马上看| 一本一本久久a久久精品综合妖精| 法律面前人人平等表现在哪些方面| 人人妻,人人澡人人爽秒播| 国产熟女午夜一区二区三区| 免费在线观看影片大全网站| 欧美成狂野欧美在线观看| 欧美日韩精品网址| 欧美精品人与动牲交sv欧美| 9热在线视频观看99| 极品教师在线免费播放| 精品久久久精品久久久| 亚洲九九香蕉| 午夜91福利影院| 国产亚洲欧美在线一区二区| 淫妇啪啪啪对白视频| 一进一出好大好爽视频| 搡老乐熟女国产| 久久狼人影院| 亚洲综合色网址| 亚洲少妇的诱惑av| 精品久久久久久电影网| 丝瓜视频免费看黄片| 亚洲熟女精品中文字幕| 国产成人欧美| 亚洲色图 男人天堂 中文字幕| 午夜激情av网站| 高清黄色对白视频在线免费看| netflix在线观看网站| 99在线人妻在线中文字幕 | 丝袜在线中文字幕| 成年人黄色毛片网站| 亚洲熟女毛片儿| 国产精品 国内视频| 久久精品亚洲熟妇少妇任你| 国产亚洲欧美在线一区二区| 欧美另类亚洲清纯唯美| 黄色视频在线播放观看不卡| 欧美变态另类bdsm刘玥| 成年人黄色毛片网站| 一本综合久久免费| 日韩成人在线观看一区二区三区| 久久精品91无色码中文字幕| 亚洲色图综合在线观看| 97在线人人人人妻| 嫩草影视91久久| 18在线观看网站| 757午夜福利合集在线观看| 女人久久www免费人成看片| 在线av久久热| 国产精品99久久99久久久不卡| 日韩三级视频一区二区三区| 熟女少妇亚洲综合色aaa.| 国产精品电影一区二区三区 | 久久中文字幕人妻熟女| 搡老乐熟女国产| 国产真人三级小视频在线观看| 男人操女人黄网站| 久久精品亚洲熟妇少妇任你| 成人免费观看视频高清| 午夜免费鲁丝| 国产精品久久久人人做人人爽| 夜夜夜夜夜久久久久| 国产精品99久久99久久久不卡| a级片在线免费高清观看视频| 国产精品秋霞免费鲁丝片| 老司机深夜福利视频在线观看| 亚洲,欧美精品.| 欧美日韩福利视频一区二区| 在线 av 中文字幕| 1024香蕉在线观看| 亚洲精品乱久久久久久| 一边摸一边做爽爽视频免费| 久久久国产精品麻豆| 国产成人啪精品午夜网站| 国产高清视频在线播放一区| 天天操日日干夜夜撸| 高潮久久久久久久久久久不卡| 亚洲成人免费av在线播放| 啪啪无遮挡十八禁网站| 黑人操中国人逼视频| 亚洲七黄色美女视频| 青青草视频在线视频观看| 午夜福利欧美成人| 亚洲精品国产一区二区精华液| 精品视频人人做人人爽| 成人影院久久| 国产精品二区激情视频| 在线观看免费高清a一片| 大香蕉久久网| 亚洲av成人一区二区三| 日本a在线网址| 激情在线观看视频在线高清 | 免费久久久久久久精品成人欧美视频| 午夜福利乱码中文字幕| 免费久久久久久久精品成人欧美视频| 久久久欧美国产精品| √禁漫天堂资源中文www| 另类亚洲欧美激情| 国产精品一区二区免费欧美| 亚洲精品美女久久av网站| 丁香六月欧美| 久久人妻福利社区极品人妻图片| 欧美国产精品va在线观看不卡| 久久久久久久精品吃奶| 亚洲熟女毛片儿| 亚洲色图 男人天堂 中文字幕| 国产高清视频在线播放一区| 两人在一起打扑克的视频| 新久久久久国产一级毛片| 十分钟在线观看高清视频www| 国产日韩欧美在线精品| 亚洲国产中文字幕在线视频| 午夜福利,免费看| 脱女人内裤的视频| 99精国产麻豆久久婷婷| 亚洲va日本ⅴa欧美va伊人久久| cao死你这个sao货| 天堂俺去俺来也www色官网| 麻豆国产av国片精品| 黑人巨大精品欧美一区二区蜜桃| av又黄又爽大尺度在线免费看| 精品视频人人做人人爽| 欧美久久黑人一区二区| 亚洲av日韩精品久久久久久密| 搡老熟女国产l中国老女人| 少妇裸体淫交视频免费看高清 | 最近最新中文字幕大全电影3 | 国产福利在线免费观看视频| 亚洲专区国产一区二区| 日本av免费视频播放| 男人舔女人的私密视频| 十分钟在线观看高清视频www| 亚洲国产看品久久| 亚洲情色 制服丝袜| 国产欧美日韩精品亚洲av| 精品少妇内射三级| 美女高潮到喷水免费观看| 丁香六月欧美| 男女之事视频高清在线观看| av免费在线观看网站| 国产精品成人在线| 国产在线一区二区三区精| av又黄又爽大尺度在线免费看| 久久精品国产亚洲av香蕉五月 | 每晚都被弄得嗷嗷叫到高潮| 国产区一区二久久| 亚洲精品久久成人aⅴ小说| 伦理电影免费视频| 大香蕉久久网| 99国产精品一区二区三区| 1024视频免费在线观看| 精品国产超薄肉色丝袜足j| 在线观看免费午夜福利视频| 国产一区有黄有色的免费视频| 美女扒开内裤让男人捅视频| 天堂动漫精品| 女人爽到高潮嗷嗷叫在线视频| 日本a在线网址| 在线观看免费视频日本深夜| 国产极品粉嫩免费观看在线| 国产xxxxx性猛交| 国产精品一区二区在线不卡| 亚洲成av片中文字幕在线观看| 精品高清国产在线一区| cao死你这个sao货| 黄色 视频免费看| 国产区一区二久久| 欧美午夜高清在线| 一级毛片女人18水好多| 黑丝袜美女国产一区| 曰老女人黄片| a在线观看视频网站| 狠狠精品人妻久久久久久综合| e午夜精品久久久久久久| 日韩欧美一区视频在线观看| 国产精品电影一区二区三区 | 久久这里只有精品19| 日韩 欧美 亚洲 中文字幕| 国产一区二区 视频在线| 91成年电影在线观看| 国产精品国产高清国产av | 人人妻人人添人人爽欧美一区卜| 成人亚洲精品一区在线观看| 在线 av 中文字幕| 国产av又大| 丁香六月天网| 精品久久蜜臀av无| a级片在线免费高清观看视频| 少妇猛男粗大的猛烈进出视频| 在线看a的网站| 热re99久久精品国产66热6| 精品久久久久久电影网| av视频免费观看在线观看| 精品少妇久久久久久888优播| 叶爱在线成人免费视频播放| 在线观看免费视频日本深夜| 亚洲一卡2卡3卡4卡5卡精品中文| 女人高潮潮喷娇喘18禁视频| 国产单亲对白刺激| 人人妻人人爽人人添夜夜欢视频| 午夜福利影视在线免费观看| 免费人妻精品一区二区三区视频| 涩涩av久久男人的天堂| 久久久精品94久久精品| 成人亚洲精品一区在线观看| 欧美日韩av久久| av福利片在线| 国产精品香港三级国产av潘金莲| 免费av中文字幕在线| 欧美日本中文国产一区发布| 不卡av一区二区三区| 亚洲人成电影观看| 99久久人妻综合| 免费av中文字幕在线| 日韩三级视频一区二区三区| www日本在线高清视频| 一区二区三区精品91| 黑人巨大精品欧美一区二区蜜桃| 777米奇影视久久| 十八禁网站免费在线| 老司机深夜福利视频在线观看| 国产黄频视频在线观看| 午夜福利视频在线观看免费| 国产精品一区二区在线不卡| 久久国产精品大桥未久av| 亚洲专区国产一区二区| 亚洲国产av影院在线观看| 国产免费av片在线观看野外av| 啦啦啦视频在线资源免费观看| 大型av网站在线播放| 国产一区二区三区视频了| 可以免费在线观看a视频的电影网站| 考比视频在线观看| 99久久99久久久精品蜜桃| 久久精品成人免费网站| 国产男靠女视频免费网站| 在线播放国产精品三级| 亚洲性夜色夜夜综合| 一边摸一边做爽爽视频免费| av片东京热男人的天堂| 午夜福利,免费看| 高清欧美精品videossex| 久久九九热精品免费| 亚洲欧美色中文字幕在线| 两个人看的免费小视频| 日韩欧美免费精品| 欧美日韩黄片免| 国产成人欧美在线观看 | 国产欧美日韩综合在线一区二区| 国产xxxxx性猛交| 国精品久久久久久国模美| 国产精品久久久久久人妻精品电影 | 肉色欧美久久久久久久蜜桃| 黄网站色视频无遮挡免费观看| 日本撒尿小便嘘嘘汇集6| 精品乱码久久久久久99久播| 欧美人与性动交α欧美软件| 一区在线观看完整版| av在线播放免费不卡| 在线观看免费高清a一片| 欧美精品av麻豆av| 日韩精品免费视频一区二区三区| 久久青草综合色| 亚洲黑人精品在线| 伊人久久大香线蕉亚洲五| www.熟女人妻精品国产| 精品国产一区二区三区久久久樱花| 成人特级黄色片久久久久久久 | 日本黄色视频三级网站网址 | a级毛片黄视频| 黄色片一级片一级黄色片| 日韩 欧美 亚洲 中文字幕| 少妇猛男粗大的猛烈进出视频| 亚洲精品自拍成人| 精品亚洲乱码少妇综合久久| 精品第一国产精品| 国产伦人伦偷精品视频| 久久久久久人人人人人| www.熟女人妻精品国产| 欧美激情高清一区二区三区| 另类精品久久| 国产激情久久老熟女| 女人久久www免费人成看片| 精品少妇一区二区三区视频日本电影| 最新在线观看一区二区三区| 十八禁网站网址无遮挡| 水蜜桃什么品种好| 女人精品久久久久毛片| 高清视频免费观看一区二区| a级毛片黄视频| 极品人妻少妇av视频| 亚洲男人天堂网一区| 亚洲va日本ⅴa欧美va伊人久久| 99精品久久久久人妻精品| 国产高清激情床上av| 91九色精品人成在线观看| 亚洲天堂av无毛| 考比视频在线观看| 夜夜骑夜夜射夜夜干| 后天国语完整版免费观看| 精品人妻在线不人妻| 99久久99久久久精品蜜桃| tocl精华| 午夜福利一区二区在线看| 亚洲专区字幕在线| 国产熟女午夜一区二区三区| 午夜福利一区二区在线看| 无限看片的www在线观看| 亚洲人成电影免费在线| 91麻豆精品激情在线观看国产 | 热re99久久国产66热| 国产精品偷伦视频观看了| 久久国产精品男人的天堂亚洲| 色综合婷婷激情| 国产精品偷伦视频观看了| 一区福利在线观看| 9191精品国产免费久久|