• <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
    两人在一起打扑克的视频| 中文字幕色久视频| 成人黄色视频免费在线看| 欧美日韩视频精品一区| 波多野结衣一区麻豆| 日本vs欧美在线观看视频| 高清av免费在线| 成人精品一区二区免费| 老司机亚洲免费影院| 丝袜在线中文字幕| 1024香蕉在线观看| 欧美日韩成人在线一区二区| 欧美精品av麻豆av| 一区二区三区激情视频| 99re6热这里在线精品视频| 亚洲国产精品一区二区三区在线| 国产男女内射视频| 午夜激情av网站| 亚洲美女黄片视频| 精品国产乱码久久久久久男人| 国产极品粉嫩免费观看在线| 欧美日韩国产mv在线观看视频| 国产无遮挡羞羞视频在线观看| 国产精品国产av在线观看| 啪啪无遮挡十八禁网站| 伦理电影免费视频| 亚洲精品在线美女| 大香蕉久久网| 日韩有码中文字幕| 黑人操中国人逼视频| 在线亚洲精品国产二区图片欧美| 久久久国产精品麻豆| 国产极品粉嫩免费观看在线| 久久久久精品国产欧美久久久| 国产高清国产精品国产三级| 麻豆av在线久日| av电影中文网址| 亚洲专区中文字幕在线| 1024香蕉在线观看| 大型av网站在线播放| 国产极品粉嫩免费观看在线| 午夜久久久在线观看| 香蕉久久夜色| 欧美日韩亚洲高清精品| 在线观看免费视频网站a站| 亚洲成av片中文字幕在线观看| 捣出白浆h1v1| 黑丝袜美女国产一区| 亚洲精品自拍成人| 宅男免费午夜| 欧美变态另类bdsm刘玥| 91精品三级在线观看| 国产一区二区激情短视频| 久久99一区二区三区| 一级,二级,三级黄色视频| 亚洲人成伊人成综合网2020| 免费久久久久久久精品成人欧美视频| 淫妇啪啪啪对白视频| 精品国产国语对白av| 午夜激情av网站| 欧美+亚洲+日韩+国产| 男女无遮挡免费网站观看| 久久久久精品人妻al黑| 亚洲欧美一区二区三区黑人| 久久久国产一区二区| 五月天丁香电影| 巨乳人妻的诱惑在线观看| 亚洲精品中文字幕一二三四区 | 亚洲一区中文字幕在线| 一进一出好大好爽视频| 久久久久国内视频| 久久影院123| 午夜两性在线视频| 黄片小视频在线播放| 久久性视频一级片| 亚洲色图综合在线观看| 久久久久久久国产电影| 国产精品av久久久久免费| 国产精品偷伦视频观看了| 国产三级黄色录像| 日本黄色视频三级网站网址 | 成人永久免费在线观看视频 | 一级,二级,三级黄色视频| 欧美日韩福利视频一区二区| 熟女少妇亚洲综合色aaa.| 国产精品一区二区免费欧美| 又黄又粗又硬又大视频| 久久久精品区二区三区| 亚洲伊人色综图| 久久毛片免费看一区二区三区| 视频区欧美日本亚洲| 国产黄色免费在线视频| 久久热在线av| 久久久久久人人人人人| 黄频高清免费视频| 国产精品 欧美亚洲| 国产亚洲av高清不卡| 国产91精品成人一区二区三区 | 亚洲精品在线观看二区| 满18在线观看网站| 国产在线精品亚洲第一网站| 日韩制服丝袜自拍偷拍| 免费观看人在逋| av网站在线播放免费| 精品福利观看| 深夜精品福利| 黄色片一级片一级黄色片| 亚洲午夜理论影院| 久久亚洲精品不卡| 老鸭窝网址在线观看| 亚洲精品乱久久久久久| 在线观看免费高清a一片| 777久久人妻少妇嫩草av网站| 另类精品久久| 极品少妇高潮喷水抽搐| 亚洲美女黄片视频| 午夜福利,免费看| 国产伦人伦偷精品视频| 欧美日韩视频精品一区| 中文字幕色久视频| 9色porny在线观看| 日韩免费高清中文字幕av| 每晚都被弄得嗷嗷叫到高潮| 精品视频人人做人人爽| 久久国产精品大桥未久av| 大香蕉久久成人网| 18禁裸乳无遮挡动漫免费视频| 欧美久久黑人一区二区| 99国产精品一区二区三区| 黄色 视频免费看| 久久精品国产亚洲av香蕉五月 | 国产精品 国内视频| 精品第一国产精品| 国产男靠女视频免费网站| 久久精品国产亚洲av高清一级| av网站在线播放免费| 欧美成人午夜精品| 欧美日韩亚洲综合一区二区三区_| 自拍欧美九色日韩亚洲蝌蚪91| 国产精品一区二区精品视频观看| 欧美日韩中文字幕国产精品一区二区三区 | 亚洲一卡2卡3卡4卡5卡精品中文| 超碰成人久久| 18禁国产床啪视频网站| 桃花免费在线播放| 欧美成人午夜精品| 人人妻人人澡人人爽人人夜夜| 久久久久国产一级毛片高清牌| 国产精品98久久久久久宅男小说| 亚洲av电影在线进入| 成年女人毛片免费观看观看9 | 老熟女久久久| 最近最新免费中文字幕在线| 中文字幕高清在线视频| 少妇被粗大的猛进出69影院| 十分钟在线观看高清视频www| 水蜜桃什么品种好| 国产精品一区二区在线观看99| 久久久久国产一级毛片高清牌| 变态另类成人亚洲欧美熟女 | 亚洲欧美一区二区三区久久| 男人舔女人的私密视频| 99re在线观看精品视频| 亚洲欧美精品综合一区二区三区| 亚洲精品成人av观看孕妇| 新久久久久国产一级毛片| 免费黄频网站在线观看国产| 99精品欧美一区二区三区四区| 亚洲黑人精品在线| 少妇的丰满在线观看| 成人精品一区二区免费| 亚洲国产欧美日韩在线播放| 国产精品国产av在线观看| 大陆偷拍与自拍| 无人区码免费观看不卡 | 久久久国产欧美日韩av| 久久久精品免费免费高清| 久久99一区二区三区| 最新美女视频免费是黄的| 天天躁夜夜躁狠狠躁躁| 国产精品 国内视频| 亚洲精品av麻豆狂野| 国产一区有黄有色的免费视频| 桃红色精品国产亚洲av| 热99国产精品久久久久久7| 欧美老熟妇乱子伦牲交| 亚洲第一欧美日韩一区二区三区 | 人成视频在线观看免费观看| 欧美日韩亚洲国产一区二区在线观看 | 国产精品欧美亚洲77777| 50天的宝宝边吃奶边哭怎么回事| 成人特级黄色片久久久久久久 | av超薄肉色丝袜交足视频| 国产成人av教育| 免费在线观看日本一区| 国产精品亚洲一级av第二区| av在线播放免费不卡| 天堂中文最新版在线下载| 女人精品久久久久毛片| 一区二区三区国产精品乱码| 国产无遮挡羞羞视频在线观看| 午夜福利,免费看| 欧美日韩成人在线一区二区| 精品第一国产精品| 精品国产亚洲在线| 亚洲成av片中文字幕在线观看| 午夜福利在线观看吧| 国产精品秋霞免费鲁丝片| 国产福利在线免费观看视频| 久久这里只有精品19| 亚洲色图综合在线观看| 热re99久久精品国产66热6| 欧美老熟妇乱子伦牲交| 久久精品亚洲av国产电影网| 久久久久精品国产欧美久久久| 日韩一区二区三区影片| 国产一区二区激情短视频| 婷婷丁香在线五月| 在线十欧美十亚洲十日本专区| 国产成人系列免费观看| 国产亚洲精品久久久久5区| 狂野欧美激情性xxxx| 岛国在线观看网站| 精品国产一区二区三区四区第35| 国产成人精品久久二区二区91| 可以免费在线观看a视频的电影网站| 高清欧美精品videossex| 免费黄频网站在线观看国产| 18禁美女被吸乳视频| e午夜精品久久久久久久| 在线观看免费视频日本深夜| 亚洲国产精品一区二区三区在线| 丰满少妇做爰视频| 国产在线免费精品| 天堂8中文在线网| 国产成人系列免费观看| 久久香蕉激情| 黄色成人免费大全| 大型av网站在线播放| 91精品国产国语对白视频| 久久毛片免费看一区二区三区| 国产麻豆69| 日本黄色视频三级网站网址 | 美女主播在线视频| 成人特级黄色片久久久久久久 | 午夜日韩欧美国产| 精品人妻熟女毛片av久久网站| 自拍欧美九色日韩亚洲蝌蚪91| 大型黄色视频在线免费观看| 成年人黄色毛片网站| 在线十欧美十亚洲十日本专区| 亚洲av日韩精品久久久久久密| 国产高清国产精品国产三级| 久久精品aⅴ一区二区三区四区| 无人区码免费观看不卡 | 亚洲人成伊人成综合网2020| 国产欧美日韩一区二区三区在线| 国产av又大| 激情在线观看视频在线高清 | 国产区一区二久久| 日韩欧美国产一区二区入口| av福利片在线| 妹子高潮喷水视频| 黄片大片在线免费观看| 少妇 在线观看| 男女之事视频高清在线观看| 亚洲国产欧美网| 日韩欧美三级三区| 高清在线国产一区| 精品视频人人做人人爽| 色综合欧美亚洲国产小说| 狠狠精品人妻久久久久久综合| 国产黄色免费在线视频| 亚洲一区中文字幕在线| 亚洲av第一区精品v没综合| 亚洲精品av麻豆狂野| 18禁国产床啪视频网站| 伦理电影免费视频| 巨乳人妻的诱惑在线观看| 久久这里只有精品19| 999精品在线视频| 1024视频免费在线观看| av免费在线观看网站| 天堂中文最新版在线下载| 美女福利国产在线| 大香蕉久久网| 国产在线精品亚洲第一网站| 欧美激情 高清一区二区三区| 欧美日韩亚洲国产一区二区在线观看 | 欧美成人午夜精品| 视频在线观看一区二区三区| 九色亚洲精品在线播放| 精品福利永久在线观看| 亚洲午夜精品一区,二区,三区| 精品国产一区二区三区久久久樱花| 色视频在线一区二区三区| 考比视频在线观看| www.熟女人妻精品国产| 亚洲精品久久成人aⅴ小说| 两人在一起打扑克的视频| 中文字幕制服av| 青草久久国产| 中文亚洲av片在线观看爽 | 夫妻午夜视频| 成年动漫av网址| 久久久久视频综合| 欧美av亚洲av综合av国产av| 国产单亲对白刺激| 精品国产一区二区三区四区第35| 亚洲成a人片在线一区二区| 久久久久久久国产电影| 18禁黄网站禁片午夜丰满| 成人特级黄色片久久久久久久 | 免费日韩欧美在线观看| 18禁美女被吸乳视频| 咕卡用的链子| 90打野战视频偷拍视频| 9191精品国产免费久久| 极品教师在线免费播放| 91九色精品人成在线观看| 色94色欧美一区二区| 免费在线观看日本一区| 岛国毛片在线播放| 一级片'在线观看视频| 婷婷成人精品国产| 我的亚洲天堂| 水蜜桃什么品种好| 欧美午夜高清在线| 99香蕉大伊视频| 老司机在亚洲福利影院| 久久精品人人爽人人爽视色| av一本久久久久| 丁香六月天网| 国产成人影院久久av| 咕卡用的链子| 一本一本久久a久久精品综合妖精| 老司机午夜十八禁免费视频| 中文亚洲av片在线观看爽 | 久久久国产精品麻豆| 国产精品 欧美亚洲| 99国产极品粉嫩在线观看| 亚洲精品自拍成人| 99久久99久久久精品蜜桃| 国产又色又爽无遮挡免费看| 人人妻人人澡人人爽人人夜夜| www.精华液| 不卡一级毛片| 俄罗斯特黄特色一大片| 久久久久精品国产欧美久久久| 黑人巨大精品欧美一区二区蜜桃| 母亲3免费完整高清在线观看| 免费在线观看日本一区| 天天影视国产精品| 两性夫妻黄色片| 女人爽到高潮嗷嗷叫在线视频| 精品乱码久久久久久99久播| 一区二区av电影网| 亚洲午夜精品一区,二区,三区| 99在线人妻在线中文字幕 | 丰满迷人的少妇在线观看| 男女午夜视频在线观看| 大香蕉久久成人网| 亚洲va日本ⅴa欧美va伊人久久| 亚洲精品粉嫩美女一区| 亚洲国产欧美在线一区| 悠悠久久av| 亚洲av日韩在线播放| 日日摸夜夜添夜夜添小说| 国产亚洲精品第一综合不卡| 日韩人妻精品一区2区三区| 在线观看舔阴道视频| 国产一卡二卡三卡精品| 国产成人欧美在线观看 | 午夜视频精品福利| 51午夜福利影视在线观看| 国产精品 欧美亚洲| 丝袜在线中文字幕| 免费高清在线观看日韩| 黄色丝袜av网址大全| 欧美+亚洲+日韩+国产| 欧美精品人与动牲交sv欧美| 亚洲欧美日韩高清在线视频 | 老司机午夜福利在线观看视频 | 成人亚洲精品一区在线观看| 免费av中文字幕在线| 12—13女人毛片做爰片一| 满18在线观看网站| 中文字幕av电影在线播放| 亚洲欧美色中文字幕在线| 免费观看a级毛片全部| 少妇 在线观看| 欧美日韩成人在线一区二区| 少妇粗大呻吟视频| 国产成人一区二区三区免费视频网站| 极品少妇高潮喷水抽搐| 亚洲综合色网址| 午夜福利乱码中文字幕| 9色porny在线观看| 性高湖久久久久久久久免费观看| 天天躁日日躁夜夜躁夜夜| 久久人妻熟女aⅴ| 五月天丁香电影| 啪啪无遮挡十八禁网站| 黄网站色视频无遮挡免费观看| 欧美乱妇无乱码| 久久久久久久大尺度免费视频| 99久久国产精品久久久| 国产一区有黄有色的免费视频| 久久久国产一区二区| 久久久精品免费免费高清| 中文字幕最新亚洲高清| 国产午夜精品久久久久久| 久久国产亚洲av麻豆专区| 视频区欧美日本亚洲| 亚洲av成人一区二区三| 狠狠婷婷综合久久久久久88av| 亚洲va日本ⅴa欧美va伊人久久| 精品福利永久在线观看| 亚洲精品在线美女| 一区二区av电影网| 日本欧美视频一区| 欧美精品av麻豆av| 国产午夜精品久久久久久| 9191精品国产免费久久| 男女下面插进去视频免费观看| 国产精品1区2区在线观看. | 国产成人免费观看mmmm| 啦啦啦免费观看视频1| 久久久久国产一级毛片高清牌| h视频一区二区三区| 久久午夜综合久久蜜桃| av有码第一页| 不卡av一区二区三区| av超薄肉色丝袜交足视频| 久久久精品区二区三区| 国产麻豆69| 国产在线观看jvid| 国产高清videossex| 十八禁网站网址无遮挡| 女人爽到高潮嗷嗷叫在线视频| 亚洲国产精品一区二区三区在线| 中文亚洲av片在线观看爽 | 国产成人精品久久二区二区免费| 一级片'在线观看视频| 亚洲国产看品久久| 国产精品久久电影中文字幕 | 成在线人永久免费视频| www日本在线高清视频| 一边摸一边抽搐一进一小说 | 国产午夜精品久久久久久| 丰满少妇做爰视频| 日韩人妻精品一区2区三区| 在线观看www视频免费| 亚洲人成电影免费在线| 欧美精品高潮呻吟av久久| 国产激情久久老熟女| 久久av网站| 亚洲精品av麻豆狂野| 香蕉丝袜av| 成年版毛片免费区| 久9热在线精品视频| av线在线观看网站| 成人特级黄色片久久久久久久 | 国产无遮挡羞羞视频在线观看| 成人黄色视频免费在线看| 亚洲精品在线观看二区| 亚洲精品国产一区二区精华液| 久久av网站| 亚洲成人手机| 欧美精品人与动牲交sv欧美| 成人av一区二区三区在线看| 狂野欧美激情性xxxx| 久久天堂一区二区三区四区| 啦啦啦在线免费观看视频4| 精品国产一区二区三区久久久樱花| 手机成人av网站| tocl精华| tube8黄色片| 亚洲欧洲日产国产| 黄色视频不卡| 五月天丁香电影| 大香蕉久久成人网| 免费看a级黄色片| 国产激情久久老熟女| 十八禁网站免费在线| 9191精品国产免费久久| 午夜福利在线观看吧| 在线亚洲精品国产二区图片欧美| 91麻豆av在线| 亚洲精品美女久久久久99蜜臀| 美国免费a级毛片| 一级,二级,三级黄色视频| 亚洲熟女毛片儿| 亚洲人成电影免费在线| 精品国产一区二区三区四区第35| 午夜免费鲁丝| 日韩欧美免费精品| 一区二区三区激情视频| 两人在一起打扑克的视频| 国产精品久久久人人做人人爽| 中文字幕av电影在线播放| 男女免费视频国产| 超碰97精品在线观看| 欧美黄色淫秽网站| 欧美黄色片欧美黄色片| 国产在视频线精品| 久久精品亚洲av国产电影网| 在线观看人妻少妇| av天堂久久9| 成人免费观看视频高清| 亚洲色图av天堂| 免费观看a级毛片全部| 国产一区有黄有色的免费视频| 久久国产精品人妻蜜桃| 欧美日韩亚洲综合一区二区三区_| 精品少妇一区二区三区视频日本电影| 亚洲国产av影院在线观看| 国产av一区二区精品久久| 久久国产亚洲av麻豆专区| 精品福利永久在线观看| 亚洲专区中文字幕在线| 国产精品 欧美亚洲| 亚洲av日韩精品久久久久久密| 老司机在亚洲福利影院| 99久久国产精品久久久| 午夜福利一区二区在线看| 美女福利国产在线| 中亚洲国语对白在线视频| 老熟妇仑乱视频hdxx| 欧美另类亚洲清纯唯美| 国产亚洲欧美在线一区二区| 国产精品一区二区精品视频观看| 一区二区av电影网| 亚洲视频免费观看视频| 香蕉久久夜色| 欧美精品一区二区免费开放| 国产精品久久久av美女十八| 精品一区二区三区av网在线观看 | 热re99久久国产66热| 交换朋友夫妻互换小说| 中文字幕制服av| 亚洲国产中文字幕在线视频| 一二三四社区在线视频社区8| 不卡av一区二区三区| 麻豆国产av国片精品| 国产又色又爽无遮挡免费看| 国产1区2区3区精品| 人成视频在线观看免费观看| 欧美成人午夜精品| 国产av又大| 久久国产精品男人的天堂亚洲| 国产日韩一区二区三区精品不卡| 叶爱在线成人免费视频播放| 妹子高潮喷水视频| 色综合欧美亚洲国产小说| 日韩三级视频一区二区三区| 亚洲一区中文字幕在线| 国产成人av教育| 久久天堂一区二区三区四区| 久久国产亚洲av麻豆专区| 国产精品 国内视频| 人人妻,人人澡人人爽秒播| 久久精品国产99精品国产亚洲性色 | 久久精品成人免费网站| 国产男靠女视频免费网站| 9色porny在线观看| 亚洲av日韩在线播放| 亚洲专区中文字幕在线| 欧美精品av麻豆av| 肉色欧美久久久久久久蜜桃| 12—13女人毛片做爰片一| 国产亚洲午夜精品一区二区久久| 人人妻人人澡人人爽人人夜夜| 成年人午夜在线观看视频| 久久午夜亚洲精品久久| 久久国产精品男人的天堂亚洲| 日日摸夜夜添夜夜添小说| 麻豆av在线久日| 丁香六月天网| 免费在线观看日本一区| 最近最新免费中文字幕在线| 国产亚洲精品第一综合不卡| 久久99热这里只频精品6学生| 夜夜爽天天搞| 涩涩av久久男人的天堂| xxxhd国产人妻xxx| 日韩人妻精品一区2区三区| 涩涩av久久男人的天堂| 免费在线观看日本一区| 男女边摸边吃奶| 男女午夜视频在线观看| 日本av手机在线免费观看| 交换朋友夫妻互换小说| 午夜免费成人在线视频| 国产成人av激情在线播放| 亚洲av欧美aⅴ国产| 新久久久久国产一级毛片| 日本av手机在线免费观看| 亚洲精华国产精华精| 久久久国产欧美日韩av| 一级毛片精品| 高清毛片免费观看视频网站 | av免费在线观看网站| 亚洲免费av在线视频| 亚洲熟妇熟女久久| 精品少妇一区二区三区视频日本电影| 可以免费在线观看a视频的电影网站| av有码第一页| 成人特级黄色片久久久久久久 | 久久久国产欧美日韩av| 国精品久久久久久国模美| 日韩大码丰满熟妇| 日韩视频在线欧美| 精品卡一卡二卡四卡免费| tocl精华|