• <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)
    在线播放无遮挡| 不卡视频在线观看欧美| av卡一久久| 欧美性猛交黑人性爽| 亚洲精品自拍成人| 麻豆成人av视频| 亚洲不卡免费看| 国产麻豆成人av免费视频| 一区二区三区免费毛片| or卡值多少钱| 中文精品一卡2卡3卡4更新| 亚洲乱码一区二区免费版| 麻豆久久精品国产亚洲av| 插逼视频在线观看| 国产成人一区二区在线| 99久久成人亚洲精品观看| 国产亚洲av嫩草精品影院| 久久精品综合一区二区三区| 只有这里有精品99| 小说图片视频综合网站| 国产伦精品一区二区三区四那| 能在线免费观看的黄片| 国产精品女同一区二区软件| eeuss影院久久| 插逼视频在线观看| 久久久欧美国产精品| 中文字幕亚洲精品专区| 男插女下体视频免费在线播放| 亚洲欧洲日产国产| 五月伊人婷婷丁香| 日本黄色视频三级网站网址| 亚洲丝袜综合中文字幕| 婷婷色av中文字幕| 国模一区二区三区四区视频| 久久久精品94久久精品| eeuss影院久久| 两个人的视频大全免费| 国产伦在线观看视频一区| 亚洲av不卡在线观看| 免费观看的影片在线观看| a级毛片免费高清观看在线播放| 亚洲精品日韩av片在线观看| 日本免费在线观看一区| 少妇的逼水好多| 欧美极品一区二区三区四区| 男插女下体视频免费在线播放| 九九热线精品视视频播放| 久久这里只有精品中国| 又粗又爽又猛毛片免费看| 看免费成人av毛片| 亚洲人成网站高清观看| 欧美3d第一页| 七月丁香在线播放| 国产精品久久久久久久电影| 国产午夜精品论理片| 亚洲欧美成人精品一区二区| 不卡视频在线观看欧美| 日韩视频在线欧美| 国产精品蜜桃在线观看| 好男人在线观看高清免费视频| 校园人妻丝袜中文字幕| 亚洲18禁久久av| 亚洲内射少妇av| 在线免费观看的www视频| 国产欧美另类精品又又久久亚洲欧美| 国产真实伦视频高清在线观看| 在线天堂最新版资源| 麻豆成人av视频| 免费人成在线观看视频色| 亚洲国产精品久久男人天堂| 国产黄色视频一区二区在线观看 | 高清毛片免费看| 中文字幕精品亚洲无线码一区| av卡一久久| 激情 狠狠 欧美| 国产精品,欧美在线| 国产精品无大码| 永久免费av网站大全| 少妇高潮的动态图| 国产在线男女| 国产又黄又爽又无遮挡在线| 欧美丝袜亚洲另类| 男插女下体视频免费在线播放| 午夜亚洲福利在线播放| 又粗又硬又长又爽又黄的视频| www日本黄色视频网| 日本免费一区二区三区高清不卡| 国产免费一级a男人的天堂| 一区二区三区高清视频在线| 亚洲激情五月婷婷啪啪| 在线观看av片永久免费下载| 身体一侧抽搐| 欧美精品一区二区大全| 亚洲中文字幕一区二区三区有码在线看| 亚洲在久久综合| 亚洲av成人精品一区久久| 亚洲国产精品国产精品| 久久精品国产亚洲av天美| 成年av动漫网址| 老司机福利观看| 久久精品国产99精品国产亚洲性色| 日本黄色片子视频| 久久久久网色| 久久午夜福利片| 日日干狠狠操夜夜爽| 视频中文字幕在线观看| 色哟哟·www| 亚洲自偷自拍三级| av又黄又爽大尺度在线免费看 | a级毛片免费高清观看在线播放| 国产精品一区二区三区四区久久| 亚洲综合色惰| 美女国产视频在线观看| 美女国产视频在线观看| 久久精品久久久久久噜噜老黄 | 日韩亚洲欧美综合| 亚洲va在线va天堂va国产| 日韩欧美精品免费久久| 禁无遮挡网站| 一本久久精品| 日本一二三区视频观看| 好男人在线观看高清免费视频| 欧美高清性xxxxhd video| 天堂av国产一区二区熟女人妻| 青春草视频在线免费观看| 成人一区二区视频在线观看| 大又大粗又爽又黄少妇毛片口| 久久这里有精品视频免费| 亚洲av中文字字幕乱码综合| 免费人成在线观看视频色| 一级毛片aaaaaa免费看小| 啦啦啦韩国在线观看视频| 最近最新中文字幕大全电影3| 国产色爽女视频免费观看| 国产久久久一区二区三区| 亚洲国产精品久久男人天堂| 亚洲美女搞黄在线观看| 亚洲美女搞黄在线观看| 内地一区二区视频在线| 亚洲精品乱码久久久v下载方式| 久久精品国产99精品国产亚洲性色| a级毛色黄片| 亚洲精品一区蜜桃| 极品教师在线视频| 特大巨黑吊av在线直播| 久久久国产成人精品二区| 日韩,欧美,国产一区二区三区 | 97人妻精品一区二区三区麻豆| 久久这里只有精品中国| 免费观看a级毛片全部| 久久久精品94久久精品| 久久6这里有精品| 激情 狠狠 欧美| 七月丁香在线播放| 久久精品夜夜夜夜夜久久蜜豆| 亚洲av福利一区| 变态另类丝袜制服| 男女边吃奶边做爰视频| 中国国产av一级| 成人午夜高清在线视频| 国产在视频线精品| 岛国在线免费视频观看| 好男人在线观看高清免费视频| 在线免费十八禁| 韩国高清视频一区二区三区| 国产精品久久久久久久久免| 又黄又爽又刺激的免费视频.| 亚洲人成网站在线观看播放| 久久久久久久久久成人| 熟女电影av网| 日产精品乱码卡一卡2卡三| 日本wwww免费看| 男女国产视频网站| 亚洲国产精品成人久久小说| 国产精品国产三级国产专区5o | 欧美不卡视频在线免费观看| 亚洲经典国产精华液单| 波野结衣二区三区在线| 美女脱内裤让男人舔精品视频| 国产精品一区二区在线观看99 | 麻豆av噜噜一区二区三区| 久久精品国产99精品国产亚洲性色| 国产v大片淫在线免费观看| 亚洲久久久久久中文字幕| 久久精品国产亚洲av天美| 国产大屁股一区二区在线视频| 成人美女网站在线观看视频| 成人欧美大片| 中国美白少妇内射xxxbb| 国产探花极品一区二区| 亚洲在久久综合| 成年版毛片免费区| 欧美日韩综合久久久久久| 成年女人看的毛片在线观看| 精品国产露脸久久av麻豆 | 女的被弄到高潮叫床怎么办| 亚洲国产精品久久男人天堂| 国产 一区 欧美 日韩| 欧美97在线视频| 欧美高清成人免费视频www| 亚洲性久久影院| 岛国毛片在线播放| 插逼视频在线观看| 国产精品综合久久久久久久免费| 男女啪啪激烈高潮av片| 国产三级在线视频| 国内揄拍国产精品人妻在线| 免费不卡的大黄色大毛片视频在线观看 | 免费黄网站久久成人精品| 国产久久久一区二区三区| 国产一区有黄有色的免费视频 | 国产在视频线精品| 国产成人aa在线观看| 日本黄色片子视频| 九九爱精品视频在线观看| 国产又黄又爽又无遮挡在线| 免费人成在线观看视频色| 亚洲精华国产精华液的使用体验| 不卡视频在线观看欧美| 美女脱内裤让男人舔精品视频| 欧美精品一区二区大全| 午夜福利在线在线| 3wmmmm亚洲av在线观看| 免费不卡的大黄色大毛片视频在线观看 | 国产探花极品一区二区| 三级经典国产精品| 国产精品一区二区性色av| 国产三级在线视频| 九九久久精品国产亚洲av麻豆| 国产一区亚洲一区在线观看| 噜噜噜噜噜久久久久久91| 91久久精品国产一区二区成人| 亚洲综合精品二区| 午夜激情欧美在线| 内地一区二区视频在线| 联通29元200g的流量卡| 欧美激情国产日韩精品一区| .国产精品久久| 在线观看av片永久免费下载| 亚洲成人中文字幕在线播放| 免费电影在线观看免费观看| 男女边吃奶边做爰视频| 免费观看性生交大片5| 三级毛片av免费| 国产精品一二三区在线看| 色尼玛亚洲综合影院| 国产伦精品一区二区三区四那| 亚洲成av人片在线播放无| 黄片无遮挡物在线观看| 国产一区二区亚洲精品在线观看| 一级二级三级毛片免费看| 一区二区三区免费毛片| 最近的中文字幕免费完整| 99久国产av精品| 成人美女网站在线观看视频| 高清视频免费观看一区二区 | 中国美白少妇内射xxxbb| 女人久久www免费人成看片 | 欧美成人一区二区免费高清观看| 日韩 亚洲 欧美在线| 亚洲美女搞黄在线观看| 国产伦精品一区二区三区四那| 久久久久国产网址| 1000部很黄的大片| 午夜a级毛片| 久久久久久国产a免费观看| 卡戴珊不雅视频在线播放| 国产麻豆成人av免费视频| 久久精品国产鲁丝片午夜精品| 日产精品乱码卡一卡2卡三| 亚洲欧美日韩无卡精品| 久久这里只有精品中国| 国产成人福利小说| 久久人人爽人人片av| 两性午夜刺激爽爽歪歪视频在线观看| 午夜a级毛片| 国模一区二区三区四区视频| 久久久久性生活片| 国产又黄又爽又无遮挡在线| 久久精品国产亚洲av涩爱| 日韩欧美 国产精品| 色噜噜av男人的天堂激情| 狂野欧美激情性xxxx在线观看| 精品久久久久久久末码| 人妻系列 视频| 日本一本二区三区精品| 色5月婷婷丁香| 日韩欧美 国产精品| 搡女人真爽免费视频火全软件| 久久精品综合一区二区三区| 一区二区三区免费毛片| 超碰97精品在线观看| 国产精品野战在线观看| 小说图片视频综合网站| 2021天堂中文幕一二区在线观| 亚州av有码| 一区二区三区乱码不卡18| 极品教师在线视频| 日韩国内少妇激情av| 亚洲激情五月婷婷啪啪| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 一区二区三区乱码不卡18| 久久精品国产亚洲av天美| 色5月婷婷丁香| 亚洲精品久久久久久婷婷小说 | 免费观看的影片在线观看| 直男gayav资源| 亚洲国产精品合色在线| 日日啪夜夜撸| 国产黄a三级三级三级人| 日韩高清综合在线| 国产精品久久电影中文字幕| 国产亚洲精品av在线| 国产精品综合久久久久久久免费| 亚洲av.av天堂| av卡一久久| 国产精品久久久久久久久免| 日韩成人伦理影院| 日本免费一区二区三区高清不卡| 国产亚洲91精品色在线| 免费观看的影片在线观看| 直男gayav资源| 久久久久国产网址| 午夜日本视频在线| 日本av手机在线免费观看| 超碰97精品在线观看| 免费av观看视频| 亚洲av中文av极速乱| 国产成人福利小说| 精品欧美国产一区二区三| 国产一区有黄有色的免费视频 | 久久久久久久国产电影| 天天一区二区日本电影三级| 中文欧美无线码| 国产高清国产精品国产三级 | 亚洲欧美中文字幕日韩二区| 欧美97在线视频| 亚洲国产精品sss在线观看| 18禁裸乳无遮挡免费网站照片| 色5月婷婷丁香| 亚洲激情五月婷婷啪啪| 国产一区二区在线av高清观看| 日本欧美国产在线视频| 国产乱人偷精品视频| 国产黄片美女视频| 国产精品av视频在线免费观看| 欧美成人a在线观看| 蜜桃亚洲精品一区二区三区| 尾随美女入室| 亚洲乱码一区二区免费版| av在线播放精品| a级毛色黄片| 亚洲精品色激情综合| 午夜福利在线观看吧| 国产单亲对白刺激| 91精品一卡2卡3卡4卡| 国内少妇人妻偷人精品xxx网站| 久久久久久久午夜电影| 亚洲av电影不卡..在线观看| 国产黄片美女视频| 日本午夜av视频| 成人午夜高清在线视频| 午夜精品国产一区二区电影 | 18+在线观看网站| 日韩欧美 国产精品| 国产精品,欧美在线| 精品一区二区三区视频在线| 亚洲欧美成人精品一区二区| 亚洲乱码一区二区免费版| 久久6这里有精品| 久久精品国产99精品国产亚洲性色| 日本熟妇午夜| 男女下面进入的视频免费午夜| 欧美成人a在线观看| 真实男女啪啪啪动态图| 中文字幕av成人在线电影| 女人十人毛片免费观看3o分钟| 夜夜爽夜夜爽视频| 国产三级中文精品| 免费看美女性在线毛片视频| 99久国产av精品| 色综合色国产| 久久久成人免费电影| 午夜老司机福利剧场| 国产乱人偷精品视频| 欧美日韩一区二区视频在线观看视频在线 | 欧美三级亚洲精品| 国产成人精品婷婷| 久99久视频精品免费| 日韩一区二区视频免费看| 日韩人妻高清精品专区| 九九热线精品视视频播放| 久久久久性生活片| 高清视频免费观看一区二区 | 亚洲激情五月婷婷啪啪| 国产精品爽爽va在线观看网站| 少妇熟女欧美另类| 麻豆一二三区av精品| 国产极品天堂在线| 在线观看美女被高潮喷水网站| 久久久国产成人精品二区| 黄色一级大片看看| 菩萨蛮人人尽说江南好唐韦庄 | 极品教师在线视频| 国产白丝娇喘喷水9色精品| 免费av毛片视频| 禁无遮挡网站| 99热精品在线国产| 久久精品人妻少妇| 久久久精品欧美日韩精品| 免费看日本二区| 伦理电影大哥的女人| 亚洲国产精品专区欧美| 国产精品熟女久久久久浪| 欧美变态另类bdsm刘玥| 91aial.com中文字幕在线观看| 国产黄片视频在线免费观看| 欧美成人午夜免费资源| 熟女电影av网| 亚洲国产欧美人成| 超碰97精品在线观看| 黄色一级大片看看| 国产精品一及| 亚洲国产精品成人久久小说| 国产亚洲精品av在线| 午夜a级毛片| 亚洲欧美清纯卡通| 波多野结衣巨乳人妻| 久久国产乱子免费精品| 国产精品久久视频播放| 国产免费又黄又爽又色| 2022亚洲国产成人精品| 一区二区三区四区激情视频| 国产亚洲av片在线观看秒播厂 | 又爽又黄a免费视频| 夜夜看夜夜爽夜夜摸| a级毛片免费高清观看在线播放| 亚洲精品456在线播放app| 在线观看66精品国产| 精品久久久久久久久av| 成人鲁丝片一二三区免费| 国产精品1区2区在线观看.| 亚洲熟妇中文字幕五十中出| 久久精品国产亚洲网站| 国产精品一区二区三区四区免费观看| 久久久久久伊人网av| 午夜爱爱视频在线播放| 一个人看视频在线观看www免费| 桃色一区二区三区在线观看| 人妻制服诱惑在线中文字幕| 免费电影在线观看免费观看| 热99re8久久精品国产| 国产精品国产高清国产av| 黑人高潮一二区| 麻豆精品久久久久久蜜桃| 亚洲经典国产精华液单| 少妇的逼好多水| 亚洲欧美精品综合久久99| 精品国产一区二区三区久久久樱花 | 欧美极品一区二区三区四区| 久久精品91蜜桃| av在线天堂中文字幕| 亚洲国产精品国产精品| 国产乱人视频| 国产精品久久久久久av不卡| 啦啦啦韩国在线观看视频| 美女大奶头视频| 毛片女人毛片| 国产精品99久久久久久久久| 日韩大片免费观看网站 | 天天一区二区日本电影三级| 在线免费观看的www视频| 99热这里只有是精品在线观看| .国产精品久久| a级毛片免费高清观看在线播放| 国产精品久久电影中文字幕| 免费看a级黄色片| 国产麻豆成人av免费视频| 天堂中文最新版在线下载 | 最后的刺客免费高清国语| 少妇的逼水好多| 菩萨蛮人人尽说江南好唐韦庄 | 又黄又爽又刺激的免费视频.| 黄片无遮挡物在线观看| 大香蕉97超碰在线| 伦理电影大哥的女人| 免费观看人在逋| 99久久精品一区二区三区| 七月丁香在线播放| 精品99又大又爽又粗少妇毛片| 天天躁夜夜躁狠狠久久av| 插阴视频在线观看视频| 搞女人的毛片| 少妇的逼好多水| 国产久久久一区二区三区| 亚洲精品乱码久久久久久按摩| 国产精品久久视频播放| 欧美变态另类bdsm刘玥| 99久久精品热视频| 99热全是精品| 国产精品久久久久久久电影| 观看美女的网站| 秋霞伦理黄片| 国产成人91sexporn| 午夜精品国产一区二区电影 | 亚洲av福利一区| 久久精品国产亚洲av天美| 亚洲欧美日韩无卡精品| 久99久视频精品免费| 国产熟女欧美一区二区| 一二三四中文在线观看免费高清| 成人午夜精彩视频在线观看| 最近最新中文字幕免费大全7| 晚上一个人看的免费电影| 亚洲av中文av极速乱| 国产淫片久久久久久久久| 老司机影院毛片| 久久99热这里只频精品6学生 | 美女脱内裤让男人舔精品视频| 两个人视频免费观看高清| 成人午夜精彩视频在线观看| 亚洲一级一片aⅴ在线观看| 老司机福利观看| 村上凉子中文字幕在线| 简卡轻食公司| 在线天堂最新版资源| av视频在线观看入口| 国产午夜精品论理片| 97在线视频观看| 亚洲三级黄色毛片| 我的女老师完整版在线观看| 欧美成人精品欧美一级黄| 婷婷色麻豆天堂久久 | 一个人看视频在线观看www免费| 一级毛片电影观看 | av福利片在线观看| av在线播放精品| 中国美白少妇内射xxxbb| 亚洲内射少妇av| 男女那种视频在线观看| 久久精品夜夜夜夜夜久久蜜豆| 桃色一区二区三区在线观看| 日本与韩国留学比较| 久久草成人影院| 国产精品福利在线免费观看| 国产美女午夜福利| 熟女电影av网| 18禁在线无遮挡免费观看视频| 内射极品少妇av片p| 嫩草影院精品99| 小蜜桃在线观看免费完整版高清| 国产高清视频在线观看网站| 亚洲天堂国产精品一区在线| 最新中文字幕久久久久| 一级av片app| 欧美日韩在线观看h| 精品无人区乱码1区二区| 日韩精品青青久久久久久| 国产精品嫩草影院av在线观看| 精品国产露脸久久av麻豆 | 成人三级黄色视频| 三级毛片av免费| 精品人妻偷拍中文字幕| 国产精品嫩草影院av在线观看| 中文亚洲av片在线观看爽| 能在线免费看毛片的网站| 免费无遮挡裸体视频| 亚洲av熟女| 国产精品一区二区三区四区免费观看| 校园人妻丝袜中文字幕| 国产探花极品一区二区| 在线观看美女被高潮喷水网站| 国产成人午夜福利电影在线观看| 麻豆国产97在线/欧美| 啦啦啦韩国在线观看视频| 久久人人爽人人爽人人片va| 99热这里只有是精品50| av免费在线看不卡| 久久久精品大字幕| 国产成人福利小说| 一级毛片aaaaaa免费看小| 高清av免费在线| 夜夜爽夜夜爽视频| 国产亚洲91精品色在线| 黄色欧美视频在线观看| 五月玫瑰六月丁香| 精品久久久噜噜| 少妇的逼好多水| 国产欧美日韩精品一区二区| 床上黄色一级片| 国产激情偷乱视频一区二区| 天堂√8在线中文| 可以在线观看毛片的网站| 久久精品综合一区二区三区| 久久精品熟女亚洲av麻豆精品 | 精品酒店卫生间| 女人十人毛片免费观看3o分钟| 少妇熟女aⅴ在线视频| 免费观看性生交大片5| 搞女人的毛片| 免费观看性生交大片5| 伊人久久精品亚洲午夜| 一夜夜www| 免费无遮挡裸体视频| 国语对白做爰xxxⅹ性视频网站| 日本免费在线观看一区| 国产亚洲精品久久久com| 国产女主播在线喷水免费视频网站 | 日本与韩国留学比较| 嘟嘟电影网在线观看| 精品久久久久久久久亚洲| 欧美高清性xxxxhd video| 免费av毛片视频| 久久久久久久亚洲中文字幕| 亚洲av成人av|