• <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 ?

    基于深度學習的上市公司財務(wù)風險預警研究

    2019-10-08 07:13:24劉洪濤
    關(guān)鍵詞:財務(wù)指標預警神經(jīng)網(wǎng)絡(luò)

    劉洪濤

    一、緒論

    (一)研究背景和目的

    深度學習(Deep Learning)是基于對人腦神經(jīng)元結(jié)構(gòu)的研究提出的一種很復雜的機器學習分類算法,它在圖像、聲音的識別以及自然語言處理等領(lǐng)域都表現(xiàn)出強大的能力。TensorFlow 是由谷歌人工智能團隊谷歌大腦(Google Brain)開發(fā)和維護的深度學習框架。自2015 年11 月9 日起,TensorFlow 依據(jù)阿帕奇授權(quán)協(xié)議(Apache 2.0 open source license)開放源代碼。

    財務(wù)風險預警是指基于企業(yè)歷史財務(wù)數(shù)據(jù)對企業(yè)的財務(wù)風險做出預測。隨著我國資本市場的發(fā)展,上市公司的披露信息的數(shù)量和質(zhì)量都有了很大提升,這為使用深度學習評價上市公司財務(wù)狀況奠定了基礎(chǔ)。

    雖然深度學習在人工智能領(lǐng)域表現(xiàn)出了很強大的能力,但是目前理論上缺乏足夠的支撐。2017 年的NIPS(Neural Information Processing Systems)上,谷歌工程師Ali Rahimi 稱,深度學習成為了今天的“煉金術(shù)”?;诖?,本文的寫作目的是在應(yīng)用層面驗證深度學習財務(wù)預警的有效性。

    (二)財務(wù)風險的界定

    企業(yè)的風險可以分為經(jīng)營風險和財務(wù)風險,其中財務(wù)風險特指企業(yè)在生產(chǎn)經(jīng)營中的財務(wù)活動與財務(wù)治理中所面臨的風險。理論界對于財務(wù)風險的界定分為狹義和廣義兩個層面。財務(wù)風險的狹義觀點是指由于利用負債給企業(yè)帶來的破產(chǎn)風險或普通股收益發(fā)生大幅度變動的風險;廣義觀點認為財務(wù)風險是指企業(yè)整個財務(wù)活動過程存在的不確定性可能導致企業(yè)的實際收益與預期不一致。廣義的財務(wù)風險是一個多變量、多層次的復合性概念,比較接近于企業(yè)整體的風險,最終反映在企業(yè)的財務(wù)報表中。本文中的財務(wù)風險是指廣義的財務(wù)風險。

    (三)文獻綜述

    受第一次經(jīng)濟危機的影響,西方學者開始財務(wù)風險預警的研究。財務(wù)預警定量分析開始于1932 年Fitz Patrick 進行的一項研究:他以19 對破產(chǎn)和非破產(chǎn)公司作為樣本,運用單個財務(wù)比率將樣本劃分為破產(chǎn)和非破產(chǎn)兩組,發(fā)現(xiàn)判別能力最高的兩個指標是凈資產(chǎn)收益率和股東權(quán)益/負債。1966 年,Beaver 沿著Fitz Patrick 的思路,使用5 個財務(wù)比率作為變量,分別對79 家經(jīng)營成功和79 家經(jīng)營失敗的公司進行了一元判定預測,發(fā)現(xiàn)最好的財務(wù)指標是現(xiàn)金流量/負債,其次是資產(chǎn)負債率。

    為減少使用單一指標的片面性,人們開始嘗試使用多變量模型預測財務(wù)風險。1968 年,Altman 提出了Z 計分模型。該模型運用5 種財務(wù)比率來預測財務(wù)風險,分別是營運資金/資產(chǎn)、留存收益/資產(chǎn)、EBIT/資產(chǎn)、股東的權(quán)益資產(chǎn)/負債和銷售額/資產(chǎn)。同樣在20 世紀70 年代,日本開發(fā)銀行調(diào)查部發(fā)表的《利用經(jīng)營指標進行企業(yè)風險評價的新嘗試——利用多變量分析的探索》中使用6 種財務(wù)比率來預測財務(wù)風險,分別是銷售額增長率、總資本利潤率、利息率、資產(chǎn)負債率、流動比率和粗附加值生產(chǎn)率。

    1977 年,Altman、Haldeman 和Narayanan 提 出 了ZETA 模型,對Z 模型做了一些優(yōu)化。同年,Martin 第一次建立了多元logistic 財務(wù)風險預警模型。1980 年,Ohlson運用Logistic 模型對1970-1976 年的105 家破產(chǎn)公司和2058 家正常公司進行了財務(wù)預警分析。他發(fā)現(xiàn)以資產(chǎn)規(guī)模、資本結(jié)構(gòu)、資產(chǎn)報酬率和短期流動性四項財務(wù)指標的財務(wù)預警的準確度可達96.12%,同時發(fā)現(xiàn)在研究選用的財務(wù)指標往往滯后于財務(wù)危機的發(fā)生日,所以存在高估預測能力的情況。

    財務(wù)風險預警模型先后經(jīng)歷了單變量模型、多變量模型、Logistic 模型等線性模型發(fā)展階段。由于線性模型依賴于嚴格的假設(shè),且沒有自適應(yīng)學習的能力,人們又探索了人工神經(jīng)網(wǎng)絡(luò)模型等非線性的預測模型。

    上世紀80 年代,西方學者開始將人工智能技術(shù)應(yīng)用到企業(yè)財務(wù)風險預警上來。1988 年,Dutta 和Shekhar 首次將神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用到企業(yè)債券等級的預測上。隨后,在1990 年Odom 和Sharda 將神經(jīng)網(wǎng)絡(luò)應(yīng)用到企業(yè)財務(wù)風險預警的問題上。他們以129 家企業(yè)(65 家破產(chǎn)企業(yè)和64 家非破產(chǎn)企業(yè))作為研究樣本,以Z 模型中的5 個財務(wù)指標作為輸入變量,結(jié)果發(fā)現(xiàn)預測效果比判別分析法好。1993 年,Coats 和Fant 沿著這一思路,繼續(xù)以Z 模型的5 個財務(wù)變量作為輸入變量建立神經(jīng)網(wǎng)絡(luò)模型,結(jié)果發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò)模型比Z 模型更適合于企業(yè)長期財務(wù)風險的預測。

    國內(nèi)關(guān)于神經(jīng)網(wǎng)絡(luò)在財務(wù)風險預警中應(yīng)用的研究起步較晚。1995 年,黃小原等在《預測》雜志上發(fā)表了關(guān)于神經(jīng)網(wǎng)絡(luò)預警系統(tǒng)的理論介紹,但由于數(shù)據(jù)量、機器算力都有限,這篇文章只能停留在理論層面。2002 年之后,隨著大數(shù)據(jù)和人工智能應(yīng)用的發(fā)展,與神經(jīng)網(wǎng)絡(luò)和財務(wù)預警相關(guān)的文獻出現(xiàn)快速增長。楊保安等選取了15 項財務(wù)指標、30 個訓練樣本設(shè)計三層(15*15*3)的BP 神經(jīng)網(wǎng)絡(luò),這篇文章引起了較大的關(guān)注和更多相關(guān)的嘗試,但文章中的神經(jīng)網(wǎng)絡(luò)訓練節(jié)點數(shù)高于訓練樣本數(shù),可能存在過擬合的問題。黃宏遠等通過變異系數(shù)和相關(guān)系數(shù)對最為常用的衡量公司績效的22 項指標進行初步篩選和二次篩選,將相關(guān)程度較高的輸入轉(zhuǎn)換成少數(shù)幾個因子作為神經(jīng)網(wǎng)絡(luò)的輸入。這種做法類似卷積神經(jīng)網(wǎng)絡(luò)的卷積過程,可以有效減少數(shù)據(jù)的維度。

    在大多數(shù)文獻中,訓練神經(jīng)網(wǎng)絡(luò)時訓練集的數(shù)據(jù)量都是幾十到兩三百家上市公司一到兩年的數(shù)據(jù),很難滿足神經(jīng)網(wǎng)絡(luò)的訓練要求。近幾年來,隨著數(shù)據(jù)獲取技術(shù)、財務(wù)數(shù)據(jù)庫的發(fā)展,數(shù)據(jù)量級的提升使得神經(jīng)網(wǎng)絡(luò)的預測結(jié)果能夠更加可靠。曹興選取A 股全部非ST 上市公司2014 年的數(shù)據(jù),同時選取2008 至2016 年ST 企業(yè)前兩年的數(shù)據(jù)作為訓練樣本,訓練的神經(jīng)網(wǎng)絡(luò)成功預測了兩年后ST 博元的財務(wù)危機。宋歌等采用2007 年至2016年3513 家上市公司的相關(guān)財務(wù)數(shù)據(jù)為研究樣本,結(jié)果顯示神經(jīng)網(wǎng)絡(luò)對所有上市公司是否陷入財務(wù)危機的預測準確率可以達到72%以上。

    (四)本文的研究思路

    本文認為,在之前的研究文獻中,大多存在兩方面的問題:第一是對行業(yè)因素考慮不充分,第二是多以ST/非ST 分類作為標記高風險企業(yè)的基礎(chǔ)。首先,不同行業(yè)的企業(yè)的財務(wù)指標呈現(xiàn)的特征并不總是一樣的,如輕、重資產(chǎn)企業(yè)在營運資本、周轉(zhuǎn)率上就有明顯的不同。如果不考慮行業(yè)因素,神經(jīng)網(wǎng)絡(luò)得出的結(jié)論就會出現(xiàn)問題,最終的輸出可能取決于訓練集中輕、重資產(chǎn)企業(yè)所占比重。其次,經(jīng)過對大量ST 企業(yè)財務(wù)指標的分析,本文認為簡單地以ST/非ST 分類方法標記高風險企業(yè)是有問題的,因為ST 公司中存在很多通過盈余管理美化財務(wù)指標的情況,而非ST 公司首年出現(xiàn)虧損并不會被ST,所以公司是否ST 與其財務(wù)指標所反映出情況的好壞沒有確定性的關(guān)系。

    本文的研究思路具體可以劃分為以下四步:

    1.財務(wù)指標的選取

    選取合適的財務(wù)指標,可以代表企業(yè)的財務(wù)狀況并作為神經(jīng)網(wǎng)絡(luò)的輸入。

    2.數(shù)據(jù)收集、處理和標記

    收集足夠多的數(shù)據(jù),剔除其中不能使用的數(shù)據(jù),并按神經(jīng)網(wǎng)絡(luò)的輸入要求進行處理(主要是標準化和標記數(shù)據(jù)的過程)。同時把其中一部分數(shù)據(jù)劃分出來作為測試集,不參與神經(jīng)網(wǎng)絡(luò)的訓練。

    3.訓練和調(diào)整神經(jīng)網(wǎng)絡(luò)

    搭建并訓練神經(jīng)網(wǎng)絡(luò)模型,通過調(diào)整訓練參數(shù),獲得一個近似最優(yōu)的預測模型。

    4.預測和分析

    使用在測試集上表現(xiàn)最好的神經(jīng)網(wǎng)絡(luò)預測部分2018 年非ST 公司的財務(wù)風險,并結(jié)合對這些公司的財務(wù)分析得出預測結(jié)果是否可靠的結(jié)論。

    二、神經(jīng)網(wǎng)絡(luò)財務(wù)風險預測體系設(shè)計

    (一)財務(wù)指標體系的建立

    本步驟包含兩個主要問題:選取財務(wù)指標的數(shù)量和選取哪幾個指標。選取的財務(wù)指標的數(shù)量關(guān)系到神經(jīng)網(wǎng)絡(luò)的輸入節(jié)點個數(shù),也就關(guān)系到整個網(wǎng)絡(luò)的規(guī)模。在數(shù)據(jù)量有限的情況下,顯然選取的指標不能越多越好,應(yīng)該保持在一個合理的區(qū)間內(nèi)。另一方面,選取什么樣的財務(wù)指標直接關(guān)系到最終預測結(jié)果的好壞。

    本文先分析以往研究中被選用次數(shù)較多的財務(wù)指標,再從中選擇本文使用的財務(wù)指標。下表列出了本文文獻綜述中涉及的大部分財務(wù)指標。

    表1 文獻綜述中的財務(wù)指標匯總

    秦志敏(2012)對我國上市公司財務(wù)預警變量的選擇問題做了一些研究,通過分析這篇論文中提到的國內(nèi)外經(jīng)典研究成果,發(fā)現(xiàn)在經(jīng)典文獻中被使用次數(shù)最多的財務(wù)指標依次是:總資產(chǎn)報酬率、資產(chǎn)負債率、流動比率、總資產(chǎn)周轉(zhuǎn)率、凈資產(chǎn)收益率、產(chǎn)權(quán)比率、留存收益/總資產(chǎn)和營運資本/總資產(chǎn)。非財務(wù)指標中,審計意見和董事所占股份比例被多次使用。在較新的文獻中,被更多考慮的是現(xiàn)金流量指標、每股指標和成長能力指標。

    綜合以上信息,本文在選用指標時盡量選用在經(jīng)典文獻中常用的指標,同時選用一些新文獻中使用的指標。本文把選用的指標分為9 類,分別是結(jié)構(gòu)比率、償債能力、盈利能力、營運能力、成長能力、每股指標、現(xiàn)金流量、非財務(wù)指標和反映行業(yè)盈利能力的行業(yè)指標。具體指標的選取如下表所示:

    表2 財務(wù)指標體系

    (二)數(shù)據(jù)收集、處理和標記

    本文中使用的原始數(shù)據(jù)全部取自國泰安數(shù)據(jù)庫及相關(guān)公司財務(wù)報告。參與訓練的有效數(shù)據(jù)條數(shù)為18225 條,包括國泰安數(shù)據(jù)庫中2005 年-2017 年全部滬深A 股上市公司數(shù)據(jù)和2018 年部分滬深A 股上市公司數(shù)據(jù)。本文在數(shù)據(jù)清理時去掉了含缺失項的數(shù)據(jù)和本行業(yè)內(nèi)公司數(shù)量過少的公司數(shù)據(jù),便于以后的數(shù)據(jù)處理。

    一般來說,輸入數(shù)據(jù)可以使用歸一化的處理方法,以消除各指標計量單位不同的影響。但本文采用的數(shù)據(jù)極差較大,經(jīng)初步測試直接歸一化后的數(shù)據(jù)呈現(xiàn)兩極化的特點,此時離差歸一化方法(最大最小值歸一化)就不再適用了。

    本文中標準化過程采用Z-score 標準化,這種方法適用于原始數(shù)據(jù)近似服從高斯分布的情況。本文的行業(yè)分類采用證監(jiān)會二級行業(yè)分類(共82 類)。下式中的均值是對應(yīng)指標同年度的行業(yè)均值,標準差是對應(yīng)指標同年度的行業(yè)標準差。

    在沒有進行進一步數(shù)據(jù)處理的情況下,本文直接使用標準化后的數(shù)據(jù)訓練了幾次神經(jīng)網(wǎng)絡(luò)。在訓練集上測試神經(jīng)網(wǎng)絡(luò)時,輸出的預測值往往集中在一個較小的區(qū)間中,區(qū)分度較小。經(jīng)分析本文認為,由于ST 公司往往會進行盈余管理美化財務(wù)指標,且一家公司只有連續(xù)虧損才會被ST,所以直接選用ST 公司的財務(wù)指標作為危機企業(yè)的指標是不盡合理的,同時非ST 公司也不一定意味著其財務(wù)狀況良好。

    在危機企業(yè)的標記方法上,本文采用了手工標記的方式,重點關(guān)注盈利能力、成長能力、現(xiàn)金流量和行業(yè)指標四個方面。雖然這種方法具有很強的主觀色彩,但實踐證明這種標記方法的效果甚至會優(yōu)于直接使用ST/非ST 分類的標記方法。

    (三)訓練和調(diào)整神經(jīng)網(wǎng)絡(luò)

    經(jīng)大量實驗,本文訓練的神經(jīng)網(wǎng)絡(luò)確定為3 個隱藏層(14*9*5)、輸出層節(jié)點數(shù)為1 的4 層神經(jīng)網(wǎng)絡(luò),輸出的結(jié)果經(jīng)Sigmoid 函數(shù)轉(zhuǎn)化為0-1 之間的實數(shù)。

    訓練過程中l(wèi)oss 值的下降如下圖所示:

    (四)測試結(jié)果

    在本階段的測試中按照輸出值的大小進行分級,預測結(jié)果和對應(yīng)級別如下表所示:

    表3 基于預測結(jié)果的評級表

    測試集為數(shù)據(jù)收集階段隨機選出的100 家正常公司(標記為0)的數(shù)據(jù)和100 家高風險公司(標記為1)的數(shù)據(jù)。在測試集上測試的結(jié)果如下表所示,其中正確率的計算公式為:預測風險級別為3 級及以上的公司數(shù)量/預測風險級別為2 級及以下的公司數(shù)量。

    表4 預測結(jié)果統(tǒng)計表

    三、應(yīng)用實例

    本文從滬深A 股的非ST 公司中隨機抽取55 家,使用這些公司2018 年年報的數(shù)據(jù)計算各指標并標準化,輸入神經(jīng)網(wǎng)絡(luò)后得到如下的結(jié)果:

    表5 應(yīng)用實例預測結(jié)果表

    本文對預測級別為第5 級的三家公司(股票代碼000502、002186 和002248)進行驗證,三家公司的基本信息如下:

    表6 風險等級為5 的公司基本信息

    以上三家公司2018 年度主營業(yè)務(wù)收入增長率和總資產(chǎn)增長率均為負數(shù)。綠景控股報告了重大資產(chǎn)出售事項,且其本報告期盈利的原因是子公司廣州明安出售北京明安100%股權(quán)、明安康和100%股權(quán)及南寧明安70%股權(quán),本期確認投資收益。全聚德披露的信息顯示,其2018 年歸屬股東凈利潤較2017 年幾乎減少一半,營收和利潤的跌幅均為自2004 年上市以來最高。華東數(shù)控披露的審計報告中提到:“華東數(shù)控2016 年度虧損,2017年度利潤主要來源于政府補助和資產(chǎn)處置收益,2018 年度繼續(xù)虧損”,“其流動資產(chǎn)小于流動負債,這些事項或情況表明存在可能導致公司持續(xù)經(jīng)營能力產(chǎn)生重大疑慮的重大不確定性?!?/p>

    通過以上簡單分析,三家公司的確出現(xiàn)了財務(wù)危機,可見神經(jīng)網(wǎng)絡(luò)的預測風險較高時,預測的結(jié)果是可靠的。

    一般認為企業(yè)財務(wù)狀況的變化是連續(xù)的,企業(yè)出現(xiàn)高度財務(wù)風險暗示著其必然經(jīng)過了中低風險、中風險、中高風險這些階段。財務(wù)風險預警當然是越早越好,所以本文更關(guān)心的是神經(jīng)網(wǎng)絡(luò)輸出中低風險時,預測的結(jié)果是否可靠。再從表5 中預測風險等級為2 的公司中隨機抽取1 家(股票代碼為600692),其基本信息如表7 所示:

    表7 風險等級為2 的公司基本信息

    亞通股份主要財務(wù)數(shù)據(jù)如表8 所示:

    表8 亞通股份2017 與2018 年主要財務(wù)數(shù)據(jù)

    與2017 年相比,亞通股份2018 年營收和凈利潤均出現(xiàn)了負增長。亞通股份在其披露的年度報告中表示,2018 年主營業(yè)務(wù)收入較上年減少主要系國際鋼材貿(mào)易減少和房地產(chǎn)交付率下降所致。亞通股份的財務(wù)風險確有增大的趨勢,可見神經(jīng)網(wǎng)絡(luò)輸出中低風險的預測結(jié)果時,仍然可以起到較好的風險提示作用。

    四、總結(jié)

    本文采用滬深A 股部分上市公司的財務(wù)指標為樣本,使用TensorFlow 框架搭建神經(jīng)網(wǎng)絡(luò)模型,訓練后的神經(jīng)網(wǎng)絡(luò)達到了75%左右的正確率,且在實際應(yīng)用中能起到較好的風險提示作用。本文較之前研究的創(chuàng)新之處主要體現(xiàn)在以下兩點:第一,充分考慮了行業(yè)因素,不僅在指標標準化時采用了行業(yè)均值和標準差,還在神經(jīng)網(wǎng)絡(luò)的輸入中加入了一個基于行業(yè)整體盈利能力的行業(yè)指標;第二,放棄了傳統(tǒng)的基于ST/非ST 公司的分類方式,盡量減少公司盈余管理對預測效果的影響。同時,本文最大的缺陷也在于此,因為這種方法帶有很強的主觀判斷。

    本文通過訓練好的神經(jīng)網(wǎng)絡(luò)評價了2018 年部分非ST 公司的財務(wù)風險,并結(jié)合中低風險公司亞通股份的預測情況,驗證了神經(jīng)網(wǎng)絡(luò)在財務(wù)風險預警中的有用性。通過應(yīng)用實例的驗證,可以認為本文訓練的神經(jīng)網(wǎng)絡(luò)在實際應(yīng)用中是比較可靠的。

    綜上所述,深度學習在處理非線性問題上有很大優(yōu)勢,在財務(wù)風險預測領(lǐng)域也有很好的表現(xiàn)和發(fā)展前景。

    猜你喜歡
    財務(wù)指標預警神經(jīng)網(wǎng)絡(luò)
    神經(jīng)網(wǎng)絡(luò)抑制無線通信干擾探究
    電子制作(2019年19期)2019-11-23 08:42:00
    法國發(fā)布高溫預警 嚴陣以待備戰(zhàn)“史上最熱周”
    我國金融機構(gòu)股價和主要財務(wù)指標的相關(guān)性分析
    園林有害生物預警與可持續(xù)控制
    全國國有企業(yè)主要財務(wù)指標
    全國國有企業(yè)主要財務(wù)指標
    基于神經(jīng)網(wǎng)絡(luò)的拉矯機控制模型建立
    重型機械(2016年1期)2016-03-01 03:42:04
    機載預警雷達對IFF 的干擾分析
    榮豐控股財務(wù)指標分析
    復數(shù)神經(jīng)網(wǎng)絡(luò)在基于WiFi的室內(nèi)LBS應(yīng)用
    亚洲国产精品999| 狂野欧美激情性xxxx在线观看| 三级经典国产精品| 99re6热这里在线精品视频| 中国美白少妇内射xxxbb| 成人一区二区视频在线观看| 久久精品国产鲁丝片午夜精品| 免费黄频网站在线观看国产| 直男gayav资源| 女的被弄到高潮叫床怎么办| 成年av动漫网址| 一个人免费看片子| 午夜免费观看性视频| 九草在线视频观看| 各种免费的搞黄视频| 中国三级夫妇交换| 亚洲欧美成人综合另类久久久| 午夜日本视频在线| 国产亚洲午夜精品一区二区久久| 3wmmmm亚洲av在线观看| 欧美最新免费一区二区三区| 成人毛片a级毛片在线播放| 欧美日韩在线观看h| 日本wwww免费看| 自拍欧美九色日韩亚洲蝌蚪91 | 大陆偷拍与自拍| 成年美女黄网站色视频大全免费 | 纯流量卡能插随身wifi吗| 中文字幕亚洲精品专区| 黄色视频在线播放观看不卡| 久久人人爽人人片av| 色婷婷久久久亚洲欧美| 久久久久网色| 在线 av 中文字幕| 老司机影院成人| 欧美 日韩 精品 国产| 国产精品麻豆人妻色哟哟久久| 国产伦理片在线播放av一区| 身体一侧抽搐| 亚洲美女黄色视频免费看| 国产极品天堂在线| 欧美精品一区二区免费开放| 精华霜和精华液先用哪个| 国产成人精品婷婷| 天天躁日日操中文字幕| 最近2019中文字幕mv第一页| 久久国产精品男人的天堂亚洲 | 欧美日韩在线观看h| 国产亚洲欧美精品永久| 91精品国产国语对白视频| 国产成人免费无遮挡视频| 熟女人妻精品中文字幕| 精品人妻一区二区三区麻豆| 夜夜爽夜夜爽视频| 国产午夜精品一二区理论片| 伊人久久精品亚洲午夜| 伊人久久精品亚洲午夜| 欧美激情极品国产一区二区三区 | 不卡视频在线观看欧美| 国产精品一区二区在线观看99| 精品熟女少妇av免费看| 欧美日韩一区二区视频在线观看视频在线| 黑丝袜美女国产一区| 国产男女超爽视频在线观看| 天堂中文最新版在线下载| 国产亚洲5aaaaa淫片| 国产精品国产三级专区第一集| 国产精品偷伦视频观看了| 久久99蜜桃精品久久| 国产一区二区在线观看日韩| 各种免费的搞黄视频| 啦啦啦在线观看免费高清www| 大片电影免费在线观看免费| 一区二区av电影网| 国产成人精品婷婷| 亚洲国产欧美人成| 视频中文字幕在线观看| 国产成人免费无遮挡视频| 国产美女午夜福利| 国产v大片淫在线免费观看| 亚洲av不卡在线观看| 精品一品国产午夜福利视频| 久久这里有精品视频免费| 国产 一区精品| 国产亚洲av片在线观看秒播厂| 国产乱人偷精品视频| av黄色大香蕉| 一级爰片在线观看| 国产在线免费精品| 亚洲经典国产精华液单| 大香蕉久久网| 国产在线视频一区二区| 久久精品人妻少妇| 午夜福利网站1000一区二区三区| 少妇被粗大猛烈的视频| 观看美女的网站| 嫩草影院入口| 中文字幕精品免费在线观看视频 | 91久久精品国产一区二区成人| av国产久精品久网站免费入址| 免费黄色在线免费观看| 久久精品国产亚洲网站| 99热这里只有精品一区| 久久久久久久亚洲中文字幕| 精品少妇黑人巨大在线播放| 一个人看的www免费观看视频| 国产免费福利视频在线观看| 1000部很黄的大片| 久久久午夜欧美精品| 国产高潮美女av| 午夜福利在线在线| 亚洲精品色激情综合| 嫩草影院新地址| 亚洲国产欧美人成| 18禁在线播放成人免费| 日本一二三区视频观看| 国产日韩欧美亚洲二区| 中文在线观看免费www的网站| 免费大片黄手机在线观看| 免费大片黄手机在线观看| 日韩一本色道免费dvd| 亚洲欧美日韩无卡精品| 成人国产av品久久久| 夜夜看夜夜爽夜夜摸| 一区二区三区精品91| 久久人人爽人人爽人人片va| 国产精品久久久久久av不卡| 在线免费观看不下载黄p国产| 联通29元200g的流量卡| 成人一区二区视频在线观看| 亚洲在久久综合| 一级毛片黄色毛片免费观看视频| 亚洲精品久久久久久婷婷小说| av国产免费在线观看| 久久精品国产自在天天线| 免费播放大片免费观看视频在线观看| 欧美另类一区| 亚洲av电影在线观看一区二区三区| 日韩成人av中文字幕在线观看| 免费观看的影片在线观看| 亚洲av综合色区一区| 亚洲人成网站高清观看| 另类亚洲欧美激情| 在线播放无遮挡| 国产高潮美女av| 美女国产视频在线观看| 搡老乐熟女国产| 最后的刺客免费高清国语| 天堂俺去俺来也www色官网| 亚洲精品乱码久久久v下载方式| 在线观看一区二区三区激情| www.av在线官网国产| 成人毛片60女人毛片免费| 哪个播放器可以免费观看大片| 97超视频在线观看视频| 一级a做视频免费观看| 青青草视频在线视频观看| 观看美女的网站| 日韩成人av中文字幕在线观看| 如何舔出高潮| 亚洲欧美精品自产自拍| 嫩草影院新地址| 精品亚洲成国产av| 日韩一本色道免费dvd| 国产高清有码在线观看视频| 久久国产精品男人的天堂亚洲 | 天堂8中文在线网| 女性被躁到高潮视频| 我要看黄色一级片免费的| 国产精品国产三级国产专区5o| 久久婷婷青草| 老司机影院毛片| 亚洲av中文av极速乱| 一区二区av电影网| 国产亚洲91精品色在线| videossex国产| 三级国产精品片| 老女人水多毛片| 国产成人精品福利久久| 亚洲熟女精品中文字幕| 精品久久国产蜜桃| 精品久久久精品久久久| 一个人免费看片子| 寂寞人妻少妇视频99o| 日本色播在线视频| 精品久久久久久久久av| 春色校园在线视频观看| 久久久成人免费电影| 国产亚洲最大av| 2021少妇久久久久久久久久久| 韩国av在线不卡| 免费看日本二区| 国产精品国产av在线观看| 三级国产精品欧美在线观看| 亚洲欧美成人综合另类久久久| 一级片'在线观看视频| 一区二区三区乱码不卡18| 97在线人人人人妻| 国产在线免费精品| 一区二区三区精品91| 一级片'在线观看视频| 中文字幕精品免费在线观看视频 | 九九爱精品视频在线观看| 精品少妇黑人巨大在线播放| 国产极品天堂在线| 男女边吃奶边做爰视频| 国产精品久久久久成人av| 99热6这里只有精品| 国产成人精品一,二区| 国产有黄有色有爽视频| 蜜臀久久99精品久久宅男| 草草在线视频免费看| 日韩强制内射视频| 久久6这里有精品| 青春草国产在线视频| 日韩欧美一区视频在线观看 | 你懂的网址亚洲精品在线观看| 国产精品秋霞免费鲁丝片| 少妇裸体淫交视频免费看高清| 性色avwww在线观看| 97在线人人人人妻| av视频免费观看在线观看| 欧美三级亚洲精品| 精品午夜福利在线看| 插阴视频在线观看视频| 丝瓜视频免费看黄片| 麻豆成人av视频| 国产av精品麻豆| 成人黄色视频免费在线看| 2018国产大陆天天弄谢| 18禁在线无遮挡免费观看视频| 国产深夜福利视频在线观看| 人妻一区二区av| 99精国产麻豆久久婷婷| 爱豆传媒免费全集在线观看| 18禁在线无遮挡免费观看视频| 少妇熟女欧美另类| 91狼人影院| 国产精品成人在线| 亚州av有码| 日本欧美国产在线视频| 久久久久久久久久久丰满| 亚洲成人av在线免费| 又大又黄又爽视频免费| 视频中文字幕在线观看| 精品人妻熟女av久视频| 欧美极品一区二区三区四区| 国产精品不卡视频一区二区| 三级国产精品欧美在线观看| 精品久久久久久久久亚洲| 天堂8中文在线网| 国产无遮挡羞羞视频在线观看| 成人一区二区视频在线观看| 夫妻性生交免费视频一级片| 99久久中文字幕三级久久日本| 在线观看免费高清a一片| 国产精品99久久99久久久不卡 | 黄色一级大片看看| 久久99蜜桃精品久久| 天堂8中文在线网| 欧美成人精品欧美一级黄| 久久精品国产亚洲av涩爱| 亚洲精品aⅴ在线观看| av又黄又爽大尺度在线免费看| 国产老妇伦熟女老妇高清| 欧美97在线视频| 2022亚洲国产成人精品| 精品久久久久久久久av| 在线免费观看不下载黄p国产| 伦精品一区二区三区| 日日啪夜夜撸| 国产精品爽爽va在线观看网站| 国产视频内射| 亚洲精华国产精华液的使用体验| 两个人的视频大全免费| 黑人猛操日本美女一级片| 亚洲精品第二区| 日韩,欧美,国产一区二区三区| 亚洲av成人精品一二三区| 99久久综合免费| 亚洲丝袜综合中文字幕| 日韩av不卡免费在线播放| 99热网站在线观看| 插阴视频在线观看视频| 少妇精品久久久久久久| 男的添女的下面高潮视频| 久久久久久久久大av| 一本一本综合久久| 国产伦精品一区二区三区四那| 亚洲精品乱码久久久久久按摩| 成人影院久久| 晚上一个人看的免费电影| 成人亚洲欧美一区二区av| 亚洲美女视频黄频| 丰满少妇做爰视频| 狠狠精品人妻久久久久久综合| 成人亚洲欧美一区二区av| 亚洲欧美中文字幕日韩二区| 亚洲国产最新在线播放| 亚洲精品一区蜜桃| 国产免费福利视频在线观看| 国产视频首页在线观看| 成年免费大片在线观看| 欧美日韩在线观看h| 汤姆久久久久久久影院中文字幕| 一级二级三级毛片免费看| a 毛片基地| 伦精品一区二区三区| 最新中文字幕久久久久| 亚洲av免费高清在线观看| 亚洲人成网站在线观看播放| 亚洲欧美日韩无卡精品| 欧美xxxx黑人xx丫x性爽| 日本欧美视频一区| 国产爱豆传媒在线观看| 黑人猛操日本美女一级片| 欧美丝袜亚洲另类| 99国产精品免费福利视频| 亚洲av.av天堂| 久久久久国产精品人妻一区二区| 九草在线视频观看| 视频区图区小说| 能在线免费看毛片的网站| 日韩欧美一区视频在线观看 | 99久久精品热视频| 国产老妇伦熟女老妇高清| 欧美人与善性xxx| av免费观看日本| 美女内射精品一级片tv| 少妇精品久久久久久久| 久久热精品热| 观看美女的网站| av黄色大香蕉| 在线天堂最新版资源| 搡老乐熟女国产| 精品亚洲乱码少妇综合久久| .国产精品久久| 日韩三级伦理在线观看| 在现免费观看毛片| 日韩成人伦理影院| 九九久久精品国产亚洲av麻豆| 国内精品宾馆在线| 久久精品国产亚洲av涩爱| 国产精品av视频在线免费观看| 午夜福利影视在线免费观看| 国产伦在线观看视频一区| 亚洲av福利一区| 国产中年淑女户外野战色| 一级毛片aaaaaa免费看小| 免费播放大片免费观看视频在线观看| 国产爽快片一区二区三区| 免费观看a级毛片全部| 天堂俺去俺来也www色官网| 久久精品人妻少妇| 51国产日韩欧美| 亚洲第一区二区三区不卡| 美女内射精品一级片tv| 黑丝袜美女国产一区| 日日摸夜夜添夜夜爱| 日韩,欧美,国产一区二区三区| 国产综合精华液| 欧美日本视频| 99九九线精品视频在线观看视频| 国产成人一区二区在线| 男女国产视频网站| 熟女av电影| av一本久久久久| 日韩电影二区| 又粗又硬又长又爽又黄的视频| 尤物成人国产欧美一区二区三区| 精品久久久久久电影网| 99久久人妻综合| 在线观看一区二区三区| 99久久人妻综合| 欧美bdsm另类| 欧美高清性xxxxhd video| 日韩不卡一区二区三区视频在线| 久久精品国产鲁丝片午夜精品| 色婷婷av一区二区三区视频| 久久久a久久爽久久v久久| 国产成人91sexporn| 国产日韩欧美亚洲二区| 黑人高潮一二区| 国产一区有黄有色的免费视频| 美女主播在线视频| 丝袜脚勾引网站| 男女免费视频国产| 国产淫片久久久久久久久| 纵有疾风起免费观看全集完整版| 午夜激情福利司机影院| 日本与韩国留学比较| 久久99热6这里只有精品| 自拍偷自拍亚洲精品老妇| 国产亚洲一区二区精品| 免费观看a级毛片全部| 国产v大片淫在线免费观看| 欧美bdsm另类| 精品人妻一区二区三区麻豆| 亚洲精品色激情综合| 亚洲第一av免费看| 色哟哟·www| 少妇的逼水好多| 精品一区在线观看国产| 国产伦在线观看视频一区| 少妇裸体淫交视频免费看高清| 日韩国内少妇激情av| 午夜激情福利司机影院| 亚洲欧美日韩无卡精品| 欧美日韩亚洲高清精品| 亚洲欧洲国产日韩| 成年免费大片在线观看| 亚洲成人中文字幕在线播放| 久久久久久人妻| 草草在线视频免费看| 丝瓜视频免费看黄片| 亚洲av男天堂| 中文字幕久久专区| 黑人猛操日本美女一级片| 小蜜桃在线观看免费完整版高清| 亚洲国产精品一区三区| 国产精品99久久久久久久久| 国产免费视频播放在线视频| 久久久久久久久久人人人人人人| 一本久久精品| 国产免费一级a男人的天堂| 亚洲精品日本国产第一区| 中文天堂在线官网| 午夜激情福利司机影院| 婷婷色综合大香蕉| 亚洲精品国产av蜜桃| 精品国产三级普通话版| 国产日韩欧美在线精品| 国产精品欧美亚洲77777| 另类亚洲欧美激情| 久久99热这里只频精品6学生| 久久鲁丝午夜福利片| av在线播放精品| 黄色一级大片看看| 美女cb高潮喷水在线观看| 亚洲欧美精品自产自拍| 美女cb高潮喷水在线观看| 国产免费一级a男人的天堂| 51国产日韩欧美| 精品人妻视频免费看| 国产一级毛片在线| 国产伦精品一区二区三区视频9| 伊人久久国产一区二区| 国产国拍精品亚洲av在线观看| 久久婷婷青草| 欧美一区二区亚洲| 久久久久国产网址| 欧美xxxx黑人xx丫x性爽| 日本黄大片高清| a 毛片基地| 夜夜爽夜夜爽视频| 777米奇影视久久| 成人一区二区视频在线观看| 国产精品女同一区二区软件| 女人久久www免费人成看片| 精品久久久久久久末码| 国产高潮美女av| 秋霞在线观看毛片| 最新中文字幕久久久久| 最近最新中文字幕大全电影3| 日本免费在线观看一区| 少妇 在线观看| 日本色播在线视频| 丝袜喷水一区| 狂野欧美激情性xxxx在线观看| 成人高潮视频无遮挡免费网站| 欧美日韩国产mv在线观看视频 | 乱系列少妇在线播放| 久久99蜜桃精品久久| 极品教师在线视频| 久久久久久久久大av| 男女无遮挡免费网站观看| 亚洲av电影在线观看一区二区三区| 日本黄色日本黄色录像| 欧美xxxx黑人xx丫x性爽| 国产精品一区二区性色av| 少妇熟女欧美另类| 一区二区av电影网| 精品视频人人做人人爽| 校园人妻丝袜中文字幕| 国产精品久久久久久久电影| 在线免费观看不下载黄p国产| av国产免费在线观看| 在线观看人妻少妇| 免费久久久久久久精品成人欧美视频 | 欧美+日韩+精品| 少妇猛男粗大的猛烈进出视频| 插逼视频在线观看| 久久久久网色| 男人舔奶头视频| 蜜桃亚洲精品一区二区三区| 亚洲精品色激情综合| 亚洲欧美成人精品一区二区| 免费观看无遮挡的男女| 高清黄色对白视频在线免费看 | 熟女av电影| 久久6这里有精品| 午夜福利在线观看免费完整高清在| 狂野欧美白嫩少妇大欣赏| 最黄视频免费看| 99热这里只有是精品50| 一级二级三级毛片免费看| 女人久久www免费人成看片| 一本一本综合久久| 亚洲熟女精品中文字幕| 国产精品麻豆人妻色哟哟久久| 国产亚洲最大av| 亚洲色图av天堂| 成年人午夜在线观看视频| 亚洲欧美日韩无卡精品| 亚洲国产毛片av蜜桃av| 国产亚洲最大av| 看十八女毛片水多多多| 久久久久网色| 精华霜和精华液先用哪个| 99热这里只有是精品50| 视频中文字幕在线观看| 高清午夜精品一区二区三区| a级毛色黄片| 一级毛片 在线播放| 国产av一区二区精品久久 | 国产伦在线观看视频一区| 丰满少妇做爰视频| 2022亚洲国产成人精品| 老师上课跳d突然被开到最大视频| 男女边吃奶边做爰视频| 性高湖久久久久久久久免费观看| 熟女人妻精品中文字幕| 26uuu在线亚洲综合色| 美女中出高潮动态图| 久久99热这里只频精品6学生| 欧美日韩一区二区视频在线观看视频在线| 人妻系列 视频| 亚洲伊人久久精品综合| 国产成人午夜福利电影在线观看| 王馨瑶露胸无遮挡在线观看| 久久精品人妻少妇| 亚洲美女搞黄在线观看| 日本猛色少妇xxxxx猛交久久| 少妇高潮的动态图| 国产片特级美女逼逼视频| 日本色播在线视频| 国产日韩欧美在线精品| 久久97久久精品| 亚洲精品aⅴ在线观看| 中文字幕亚洲精品专区| 多毛熟女@视频| 国产精品一区二区在线观看99| 久久久久国产精品人妻一区二区| 日本wwww免费看| 午夜免费男女啪啪视频观看| 成人无遮挡网站| 日日啪夜夜撸| 尤物成人国产欧美一区二区三区| 欧美性感艳星| 国产熟女欧美一区二区| 韩国高清视频一区二区三区| 七月丁香在线播放| 高清视频免费观看一区二区| 热99国产精品久久久久久7| 国产一区二区三区av在线| 国产色爽女视频免费观看| 天美传媒精品一区二区| 寂寞人妻少妇视频99o| 成年av动漫网址| 亚洲欧洲日产国产| h日本视频在线播放| 一级黄片播放器| 一本—道久久a久久精品蜜桃钙片| 在线播放无遮挡| 高清欧美精品videossex| 国产真实伦视频高清在线观看| 丝瓜视频免费看黄片| 欧美另类一区| 三级经典国产精品| 秋霞在线观看毛片| 18禁裸乳无遮挡动漫免费视频| 麻豆成人av视频| 久久久色成人| 一区二区av电影网| 熟女av电影| 日韩亚洲欧美综合| 免费播放大片免费观看视频在线观看| 人人妻人人看人人澡| 国产在视频线精品| 亚洲欧美日韩无卡精品| 精品视频人人做人人爽| 久久午夜福利片| 午夜福利在线在线| 亚洲人成网站高清观看| 国产成人免费无遮挡视频| 亚洲精品日韩在线中文字幕| 国产精品麻豆人妻色哟哟久久| 一区二区三区四区激情视频| 国产爱豆传媒在线观看| 精品人妻一区二区三区麻豆| 少妇裸体淫交视频免费看高清| 成人毛片a级毛片在线播放| 亚洲精品一区蜜桃| 午夜免费鲁丝| 国产乱人视频| 国产 一区 欧美 日韩| 99九九线精品视频在线观看视频| 1000部很黄的大片| 直男gayav资源| 亚洲国产精品一区三区| 国产免费一级a男人的天堂| 亚洲图色成人| 欧美日韩视频高清一区二区三区二| 国产高潮美女av| 老师上课跳d突然被开到最大视频|