• <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 ?

    P2P網(wǎng)絡(luò)借貸信用風(fēng)險(xiǎn)度量模型的對比研究
    ——以“Prosper”和“拍拍貸”為例

    2020-01-16 05:34:10西南財(cái)經(jīng)大學(xué)法學(xué)院鄧春生
    中國商論 2019年24期
    關(guān)鍵詞:信用風(fēng)險(xiǎn)度量信用

    西南財(cái)經(jīng)大學(xué)法學(xué)院 鄧春生

    1 引言

    自2007年拍拍貸在上海成立以來,P2P網(wǎng)絡(luò)借貸在我國取得了迅猛發(fā)展。與此同時(shí),P2P平臺(tái)在信用風(fēng)險(xiǎn)、技術(shù)風(fēng)險(xiǎn)、政策風(fēng)險(xiǎn)等因素的作用下,給P2P行業(yè)乃至整個(gè)金融行業(yè)的健康穩(wěn)定發(fā)展帶來了巨大的壓力。為此,政府部門密集出臺(tái)了一系列P2P行業(yè)相關(guān)的監(jiān)管制度,意圖讓P2P行業(yè)的發(fā)展回歸理性和健康。密集的監(jiān)管制度出臺(tái)必然會(huì)給行業(yè)發(fā)展帶來一些波動(dòng),例如2018年全年我國P2P網(wǎng)貸行業(yè)的成交量達(dá)到17948.01億元,相比2017年下降36.01%。

    目前,國內(nèi)外眾多學(xué)者對P2P網(wǎng)絡(luò)借貸借款人的信用風(fēng)險(xiǎn)度量進(jìn)行了廣泛且深入的研究。針對P2P網(wǎng)絡(luò)借貸借款人信用風(fēng)險(xiǎn)度量模型,主要分為以下兩種:(1)統(tǒng)計(jì)回歸模型。Lin &Li et al(2016)應(yīng)用二元邏輯斯回歸方法建立了一個(gè)綜合的信用風(fēng)險(xiǎn)評估模型,以便量化每筆貸款的違約風(fēng)險(xiǎn)。Serrano-Cinca &Gutiérrez-Nieto(2016)以預(yù)期盈利能力為著眼點(diǎn),使用多元回歸建立利潤評分系統(tǒng),進(jìn)而選擇最優(yōu)的借款人。Lee &Lee(2012)首先分析了影響信用風(fēng)險(xiǎn)的相關(guān)變量,然后利用多項(xiàng)式邏輯市場份額模型對信用風(fēng)險(xiǎn)進(jìn)行評估。(2)機(jī)器學(xué)習(xí)模型。涂艷等(2018)基于拍拍貸的交易數(shù)據(jù),基于機(jī)器學(xué)習(xí)建立的借款人信用風(fēng)險(xiǎn)度量模型,其準(zhǔn)確率要高于傳統(tǒng)回歸模型。Xia,Liu &Liu(2017)通過結(jié)合成本敏感學(xué)習(xí)和極端梯度增強(qiáng)方法,提出了一種新的成本敏感提升樹模型,用以提高區(qū)分潛在違約借款人的能力。Ma&Sha et al(2018)針對Lending Club的數(shù)據(jù),應(yīng)用現(xiàn)代機(jī)器學(xué)習(xí)算法LightGBM和XGboost進(jìn)行了信用風(fēng)險(xiǎn)度量風(fēng)險(xiǎn)。Ma,Zhao &Zhou(2018)針對信息不對稱前提下的P2P平臺(tái)貸款決策問題,通過借款人的手機(jī)/電話通訊數(shù)據(jù),利用自適應(yīng)增強(qiáng)算法(AdaBoost)建立了違約風(fēng)險(xiǎn)預(yù)測模型。Kim &Cho(2019)針對Lending Club中的無標(biāo)簽數(shù)據(jù),結(jié)合Dempster-Shafer理論和轉(zhuǎn)導(dǎo)支持向量機(jī)(TSVM)方法對違約風(fēng)險(xiǎn)進(jìn)行了準(zhǔn)確預(yù)測。Wang &Jiang et al(2017) 針對發(fā)生率分量,應(yīng)用隨機(jī)森林來預(yù)測是否違約;針對延時(shí)風(fēng)量,應(yīng)用隨機(jī)生存林來預(yù)測何時(shí)違約。Malekipirbazari &Aksakalli(2015)針對Lending Club數(shù)據(jù),提出了一種基于隨機(jī)森林的分類方法用于預(yù)測借款人的信用風(fēng)險(xiǎn)狀 態(tài)。

    眾多的學(xué)者已經(jīng)利用各式各樣的方法對P2P網(wǎng)絡(luò)借貸的風(fēng)險(xiǎn)進(jìn)行了度量分析。但是,沒有免費(fèi)的午餐定理指出,不存在某一個(gè)方法或模型在所有性能上都是最優(yōu)的。在眾多的信用評分模型中,不可能存在某一個(gè)模型在所有信用風(fēng)險(xiǎn)相關(guān)數(shù)據(jù)集上都適用,那么對決策者來說就存在最優(yōu)決策問題。因此,如何選穩(wěn)健的評價(jià)和選擇魯棒的分類方法就是一個(gè)非常重要的問題。為此,本文針對Prosper和拍拍貸兩個(gè)數(shù)據(jù)集,應(yīng)用了11種分類算法進(jìn)行對比研究,以期得到對P2P網(wǎng)絡(luò)借貸信用風(fēng)險(xiǎn)度量問題最合適的方法類型,也為以后開發(fā)綜合性能更優(yōu)以及對P2P網(wǎng)貸行業(yè)符合度更高的度量方法奠定研究基礎(chǔ)。

    2 信用風(fēng)險(xiǎn)度量模型簡介

    信用風(fēng)險(xiǎn)的評分模式主要是一些分類方法。分類,是有監(jiān)督學(xué)習(xí)中的一種,以待分析的目標(biāo)問題為背景,采用一部分樣本數(shù)據(jù)建立一個(gè)關(guān)于類別屬性劃分的分類方法,并利用該方法對同類問題中類別標(biāo)記未知的樣本進(jìn)行學(xué)習(xí)和判斷的過程。現(xiàn)在,讓我們對一些主流的分類算法進(jìn)行簡單介紹。

    2.1 決策樹類算法

    決策樹類算法是一種逼近離散函數(shù)值的典型分類方法。決策樹算法通過構(gòu)造決策樹來發(fā)現(xiàn)數(shù)據(jù)中蘊(yùn)涵的分類規(guī)則。(1)C4.5算法:由于C4.5算法生成的決策樹能夠被用于分類,所以C4.5模型通常被用于統(tǒng)計(jì)分類。2011年,Witten &Frank (2011)將C4.5模型描述為“一個(gè)具有里程碑意義的決策樹算法,可能是迄今為止在實(shí)踐中最廣泛使用的機(jī)器學(xué)習(xí)方法”。(2)CART算法:CART(Classif cation and regression trees)算法是一種十分有效的非參數(shù)分類和回歸方法。CART選擇具有最小GINI系數(shù)值的屬性作為分裂屬性,并按照節(jié)點(diǎn)的分裂屬性,采用二元遞歸分割的方式把每個(gè)內(nèi)部節(jié)點(diǎn)分割成兩個(gè)子節(jié)點(diǎn),遞歸形成一棵結(jié)構(gòu)簡潔的二叉樹。

    2.2 函數(shù)類算法

    (1)RBF(徑向基)神經(jīng)網(wǎng)絡(luò)模型:RBF神經(jīng)網(wǎng)絡(luò)是使用徑向基函數(shù)作為激活函數(shù)的人工神經(jīng)網(wǎng)絡(luò),其中徑向基函數(shù)表示其取值僅僅依賴于離原點(diǎn)距離,即滿足特性的函數(shù)。RBF神經(jīng)網(wǎng)絡(luò)通常由三層組成:第一,輸入層;第二,具有非線性RBF激活函數(shù)的隱藏層;第三,線性輸出層。(2)MLP(多層感知)神經(jīng)絡(luò)模型:MLP是一類的前饋人工神經(jīng)網(wǎng)絡(luò),可用于通過回歸分析創(chuàng)建數(shù)學(xué)模型。由于分類是響應(yīng)變量是分類時(shí)回歸的特定情況,因此MLP也是良好的分類器算法。(3)SVM(支持向量機(jī))算法:SVM(support vector machines)是一種二分類模型,它的目的是尋找一個(gè)超平面來對樣本進(jìn)行分割,分割的原則是間隔最大化,最終轉(zhuǎn)化為一個(gè)凸二次規(guī)劃問題來求解。

    2.3 貝葉斯算法

    (1)NBC(樸素貝葉斯分類)算法:NBC(Native Bayes Classif er)是一種簡單但是非常強(qiáng)大的線性分類器,而且它所需估計(jì)的參數(shù)很少,對缺失數(shù)據(jù)不太敏感,方法也比較簡單。(2)BN(貝葉斯網(wǎng)絡(luò))算法:BN(Bayesian Network)也叫貝葉斯信念網(wǎng)絡(luò),借助有向環(huán)圖來刻畫屬性之間的依賴關(guān)系,并使用條件概率表來描述屬性的聯(lián)合概率分布。(3) NBT(樸素貝葉斯決策樹)算法:該算法主要有兩個(gè)優(yōu)點(diǎn):第一,算法過程非常清晰、直觀、可理解性很強(qiáng);第二,在計(jì)算復(fù)雜度不高的前提下能保持較高的分類正確率,有利于在大型數(shù)據(jù)集中的利用。

    2.4 K鄰近(KNN)分類算法

    K鄰近分類算法的基本思想是:輸入沒有標(biāo)簽(標(biāo)注數(shù)據(jù)的類別),即沒有經(jīng)過分類的新數(shù)據(jù);首先,提取新數(shù)據(jù)的特征并與測試集中的每一個(gè)數(shù)據(jù)特征進(jìn)行比較;其次,從測試集中提取K個(gè)最鄰近(最相似)的數(shù)據(jù)特征標(biāo)簽,統(tǒng)計(jì)這K個(gè)最鄰近數(shù)據(jù)中出現(xiàn)次數(shù)最多的分類,將其作為新的數(shù)據(jù)類別;類似于生活中的“物以類聚,人以群分”。

    2.5 基于規(guī)則的算法

    (1)CBA(基于關(guān)聯(lián)規(guī)則的分類)算法:CBA(Classification base of A ssociation)算法,即基于關(guān)聯(lián)規(guī)則進(jìn)行分類的算法,利用了Apriori挖掘出的關(guān)聯(lián)規(guī)則,然后做分類判斷。在某種程度上說,CBA算法也可以說是一種集成挖掘算法。(2)CPAR(基于預(yù)測關(guān)聯(lián)規(guī)則的分類)算法:CPAR(Classification Based on Predictive Association Rules)模型整合了關(guān)聯(lián)規(guī)則分類算法和傳統(tǒng)的基于規(guī)則分類算法的優(yōu)點(diǎn)。CPAR算法為避免過度擬合,采用貪心算法生成規(guī)則,這一策略比產(chǎn)生所有候選項(xiàng)集的效率要高。

    3 評價(jià)指標(biāo)

    信用風(fēng)險(xiǎn)度量模型的評價(jià)實(shí)質(zhì)上就是對分類模型的評價(jià)。為方便說明,引入如下混淆矩陣(confusion matrix),如表1所示。

    考慮到對分類方法評估的科學(xué)性、全面性和客觀性,我們選用了八個(gè)經(jīng)典的評價(jià)指標(biāo),定義如下。

    (1)正確率(ACC):正確率是指測試集中被正確分類的百分率,是最廣泛使用的分類評估指標(biāo)之一,即:

    通常來說,ACC越高,分類器越好。

    (2)真正率(TPR):指被正確劃分的預(yù)測正樣本數(shù)的百分率,即:

    TPR也稱為靈敏度指標(biāo),用于衡量分類器對正樣本的識別能力。

    (3)真負(fù)率(TNR):指被正確劃分的預(yù)測負(fù)樣本數(shù)的百分率,即:

    表1 混淆矩陣示意圖

    表2 針對Prosper數(shù)據(jù)集的信用風(fēng)險(xiǎn)度量模型的評價(jià)結(jié)果

    TNR也稱為特異性指標(biāo),用于衡量分類器對負(fù)樣本的識別能力。

    (4)精度(Presision):指預(yù)測正樣本中實(shí)際為正樣本的百分率,是精確性的度量,即:

    (5)F 1-measure(MFM,平均F測量)值:一個(gè)綜合評價(jià)指標(biāo),指當(dāng)精度與真正率矛盾時(shí),對精度與真正率的綜合考慮,即:

    (6)AUC(Area under curve):是機(jī)器學(xué)習(xí)常用的二分類評測手段,直接含義是ROC曲線下的面積。曲線下面積越大,分類器就越好。

    (7)平均絕對誤差(MAE):指分類器的預(yù)測值和實(shí)際值之間的偏離程度,即:

    式中,ture(i)和predicted(i)分別表示第i個(gè)樣本的真實(shí)值和預(yù)測值。

    (8)Kappa 統(tǒng)計(jì)指標(biāo)(KapS):一種用于衡量分類精度的統(tǒng)計(jì)指標(biāo),其計(jì)算基于混淆矩陣,即:

    4 信用評分模型的 綜合評價(jià)

    針對Prosp er數(shù)據(jù)集和拍拍貸數(shù)據(jù)集的11個(gè)信用評分模型在8個(gè)評價(jià)指標(biāo)下的評價(jià)結(jié)果分別列在表2和3中。注意,粗體數(shù)字表示在某一指標(biāo)下最優(yōu)的評價(jià)值。

    觀察表2和表3,我們有如下結(jié)論:(1)在不同的評價(jià)指標(biāo)下,不同的信用評分模型有不同的評價(jià)值,且沒有一種信用評分模型在所有的評價(jià)指標(biāo)下都是最優(yōu)的。主要原因是:不同的評價(jià)指標(biāo),其評價(jià)側(cè)重點(diǎn)也不一樣。另外,信用風(fēng)險(xiǎn)的度量主要是一個(gè)典型的分類學(xué)習(xí)問題,那么不同的分類模型其學(xué)習(xí)的側(cè)重點(diǎn)也不一樣,所以不可能存在某一分類模型在所有評價(jià)指標(biāo)上都是最優(yōu)的。

    (2)針對Prosper數(shù)據(jù)集,以SVM方法構(gòu)建的信用風(fēng)險(xiǎn)度量模型在ACC、MFM、MAE和KapS這四個(gè)指標(biāo)下是最優(yōu)的。針對拍拍貸數(shù)據(jù)集,SVM方法在ACC、Precision、MFM、MAE和KapS這5個(gè)指標(biāo)下表現(xiàn)最優(yōu)。由此可見,SVM方法具有很強(qiáng)的穩(wěn)健性。

    為了全面、綜合的評價(jià)這位11個(gè)信用風(fēng)險(xiǎn)度量模型,我們引入排序均值的概念,并以排序均值的大小來對這11個(gè)模型綜合排序。表4展示了Prosper數(shù)據(jù)集和拍拍貸數(shù)據(jù)集上的排序均值和綜合排序。

    從表4中可以得出:(1)性能優(yōu)越的信用風(fēng)險(xiǎn)度量模型主要是SVM方法、CBA方法和CPAR方法。(2)信用風(fēng)險(xiǎn)度量模型性能次優(yōu)的模型主要是CART方法、MLP方法、NBT方法和KNN方法。(3)信用評分性能出現(xiàn)較大差異的方法是RBF網(wǎng)絡(luò),該方法的波動(dòng)較大;在Prosper數(shù)據(jù)集中,RBF網(wǎng)絡(luò)在指標(biāo)TPR下表現(xiàn)為最優(yōu),但是其綜合排序卻是第10名。

    表3 針對拍拍貸數(shù)據(jù)集的信用評分模型的評價(jià)結(jié)果

    5 結(jié)語

    (1)不同的信用度量模型在同一個(gè)數(shù)據(jù)集中有不同的表現(xiàn),同一個(gè)信用度量模型在不同的數(shù)據(jù)集中性能表現(xiàn)也不盡相同。為了讓同一個(gè)信用度量模型對不同的數(shù)據(jù)集都能有一致的評級性能,需要讓數(shù)據(jù)集足夠的大,讓信用度量模型有充足的訓(xùn)練數(shù)據(jù)來學(xué)習(xí)出最優(yōu)的參數(shù)。為此,我們應(yīng)建立P2P網(wǎng)絡(luò)借貸行業(yè)統(tǒng)一的個(gè)人/企業(yè)信用信息共享系統(tǒng),以便建立P2P網(wǎng)絡(luò)借貸行業(yè)統(tǒng)一的信用信息數(shù)據(jù)集,為建立客觀有效的信用度量模型奠定數(shù)據(jù)基礎(chǔ),克服單一平臺(tái)進(jìn)行信用評級存在的數(shù)據(jù)不全、評價(jià)不準(zhǔn)等問題。

    表4 信用風(fēng)險(xiǎn)度量模型綜合評價(jià)

    (2)根據(jù)我們的綜合評估來說,針對所選擇的數(shù)據(jù)集,在穩(wěn)健性和魯棒性上表現(xiàn)最優(yōu)的三個(gè)信用度量模型分別是SVM方法、CBA方法和CPAR方法。另外,依據(jù)CART方法、MLP方法、NBT方法和KNN方法構(gòu)建的信用評分模型也有不俗的表現(xiàn)。最后,出現(xiàn)波動(dòng)比較大的方法是RBF網(wǎng)絡(luò)方法。針對該結(jié)論,我們應(yīng)建立P2P網(wǎng)絡(luò)借貸行業(yè)統(tǒng)一的個(gè)人/企業(yè)信用評級系統(tǒng),克服不同的平臺(tái)使用不同的度量模型,對同一個(gè)借款人得出不同信用等級的問題。

    猜你喜歡
    信用風(fēng)險(xiǎn)度量信用
    有趣的度量
    模糊度量空間的強(qiáng)嵌入
    為食品安全加把“信用鎖”
    迷向表示分為6個(gè)不可約直和的旗流形上不變愛因斯坦度量
    信用收縮是否結(jié)束
    中國外匯(2019年9期)2019-07-13 05:46:30
    淺析我國商業(yè)銀行信用風(fēng)險(xiǎn)管理
    信用中國網(wǎng)
    信用消費(fèi)有多爽?
    京東商城電子商務(wù)信用風(fēng)險(xiǎn)防范策略
    地質(zhì)異常的奇異性度量與隱伏源致礦異常識別
    校园春色视频在线观看| 99热只有精品国产| 亚洲成人精品中文字幕电影| 久久这里只有精品中国| 国产精品一区二区三区四区久久| 黄色视频,在线免费观看| av视频在线观看入口| 午夜亚洲福利在线播放| 男人和女人高潮做爰伦理| 午夜激情福利司机影院| 亚洲国产精品久久男人天堂| 久久久久久久久久久丰满| 精品久久久噜噜| 午夜日韩欧美国产| h日本视频在线播放| 国产极品精品免费视频能看的| 国产一级毛片七仙女欲春2| 日韩精品青青久久久久久| 嫩草影视91久久| 欧美又色又爽又黄视频| 精品乱码久久久久久99久播| 天美传媒精品一区二区| 久久国内精品自在自线图片| 特大巨黑吊av在线直播| 精品一区二区三区av网在线观看| 日韩成人伦理影院| 成年女人看的毛片在线观看| 久久国产乱子免费精品| 国产国拍精品亚洲av在线观看| 我要看日韩黄色一级片| 欧美在线一区亚洲| 一进一出抽搐动态| 色视频www国产| 亚洲国产精品久久男人天堂| 久久久久免费精品人妻一区二区| 亚洲第一区二区三区不卡| 国产午夜精品久久久久久一区二区三区 | 午夜亚洲福利在线播放| 精品一区二区三区视频在线| 欧美成人精品欧美一级黄| 又黄又爽又刺激的免费视频.| 亚洲欧美成人精品一区二区| 身体一侧抽搐| 国产午夜精品久久久久久一区二区三区 | 别揉我奶头~嗯~啊~动态视频| 秋霞在线观看毛片| 观看免费一级毛片| 可以在线观看毛片的网站| 两性午夜刺激爽爽歪歪视频在线观看| 12—13女人毛片做爰片一| 男人舔女人下体高潮全视频| 成人漫画全彩无遮挡| 最后的刺客免费高清国语| 干丝袜人妻中文字幕| 99热全是精品| 亚洲人成网站高清观看| 国产精品国产高清国产av| 免费在线观看影片大全网站| 亚洲一区二区三区色噜噜| 亚洲真实伦在线观看| 久久婷婷人人爽人人干人人爱| 综合色av麻豆| 国产成人影院久久av| 国产精品日韩av在线免费观看| 亚洲一级一片aⅴ在线观看| 国产精品精品国产色婷婷| av卡一久久| 99在线视频只有这里精品首页| 亚洲av免费高清在线观看| 最近在线观看免费完整版| 亚洲国产精品成人久久小说 | 亚洲欧美中文字幕日韩二区| 最近2019中文字幕mv第一页| 男人狂女人下面高潮的视频| 欧美国产日韩亚洲一区| 最近最新中文字幕大全电影3| 国产在线精品亚洲第一网站| 老女人水多毛片| 亚洲精品乱码久久久v下载方式| 老女人水多毛片| 亚洲av熟女| 丰满乱子伦码专区| 亚洲aⅴ乱码一区二区在线播放| 欧美在线一区亚洲| 亚洲va在线va天堂va国产| 麻豆成人午夜福利视频| 韩国av在线不卡| 成熟少妇高潮喷水视频| 精品久久久噜噜| 欧美绝顶高潮抽搐喷水| 大香蕉久久网| 久久久久国产精品人妻aⅴ院| 午夜精品一区二区三区免费看| 麻豆成人午夜福利视频| 一级av片app| 十八禁国产超污无遮挡网站| 成人精品一区二区免费| 伊人久久精品亚洲午夜| 在线观看免费视频日本深夜| 中文字幕av成人在线电影| 在线观看av片永久免费下载| 精华霜和精华液先用哪个| 女生性感内裤真人,穿戴方法视频| 中国美女看黄片| 国产91av在线免费观看| 色哟哟哟哟哟哟| 国国产精品蜜臀av免费| 一级黄片播放器| 搞女人的毛片| 少妇被粗大猛烈的视频| 日本一二三区视频观看| 99久久精品一区二区三区| 国产乱人视频| 日日摸夜夜添夜夜爱| 别揉我奶头 嗯啊视频| 小说图片视频综合网站| 男女边吃奶边做爰视频| 中文字幕免费在线视频6| 欧美最新免费一区二区三区| 色综合站精品国产| 欧美极品一区二区三区四区| 九九在线视频观看精品| 国产精品日韩av在线免费观看| 国产视频内射| 人人妻人人澡人人爽人人夜夜 | 国产成人影院久久av| 亚洲三级黄色毛片| 国产 一区精品| 噜噜噜噜噜久久久久久91| 在线免费观看不下载黄p国产| 午夜日韩欧美国产| 丰满的人妻完整版| 久久国内精品自在自线图片| 国产亚洲精品综合一区在线观看| 搡女人真爽免费视频火全软件 | 日韩精品中文字幕看吧| 亚洲内射少妇av| 秋霞在线观看毛片| 成人亚洲欧美一区二区av| 国产欧美日韩精品亚洲av| 少妇人妻精品综合一区二区 | 欧美日韩综合久久久久久| 欧美精品国产亚洲| 国产单亲对白刺激| 亚洲欧美精品自产自拍| 美女xxoo啪啪120秒动态图| 成人亚洲精品av一区二区| 在线天堂最新版资源| 亚洲内射少妇av| 女人被狂操c到高潮| 国产精品1区2区在线观看.| 免费不卡的大黄色大毛片视频在线观看 | 麻豆乱淫一区二区| 亚洲成av人片在线播放无| 91av网一区二区| 欧美zozozo另类| 日本一二三区视频观看| 亚洲最大成人av| 日韩欧美 国产精品| 我的老师免费观看完整版| 免费电影在线观看免费观看| 我要看日韩黄色一级片| 18禁在线无遮挡免费观看视频 | av福利片在线观看| 欧美日韩精品成人综合77777| av卡一久久| 久久人妻av系列| av在线亚洲专区| 国产高清视频在线播放一区| 国产高清激情床上av| 亚洲内射少妇av| 一区二区三区四区激情视频 | 午夜激情福利司机影院| 男女那种视频在线观看| 国产免费男女视频| 97碰自拍视频| 91av网一区二区| 99九九线精品视频在线观看视频| 51国产日韩欧美| 97超碰精品成人国产| 麻豆av噜噜一区二区三区| 久久久色成人| 欧美成人免费av一区二区三区| 国产综合懂色| 尾随美女入室| 午夜福利高清视频| 久久精品国产自在天天线| 乱人视频在线观看| 久久九九热精品免费| 国产精品永久免费网站| 国产亚洲精品综合一区在线观看| 亚洲成人av在线免费| 国产不卡一卡二| 久久久久久大精品| 亚洲国产色片| 人妻丰满熟妇av一区二区三区| 三级经典国产精品| av在线观看视频网站免费| 国产精品,欧美在线| 亚洲婷婷狠狠爱综合网| 久久精品国产亚洲av天美| 悠悠久久av| 乱人视频在线观看| 别揉我奶头 嗯啊视频| 久久久久久九九精品二区国产| 日本免费a在线| 国产aⅴ精品一区二区三区波| 日本免费一区二区三区高清不卡| 国产成人a∨麻豆精品| 久久久精品大字幕| 国产精品福利在线免费观看| 亚洲第一电影网av| 波野结衣二区三区在线| 亚洲av一区综合| 国产高清三级在线| 草草在线视频免费看| 乱系列少妇在线播放| 少妇高潮的动态图| 精品久久久久久久久av| 国产精品久久久久久久久免| 国产精品久久久久久亚洲av鲁大| 99久久精品国产国产毛片| 成人精品一区二区免费| 亚洲美女黄片视频| 在线免费十八禁| 国产伦在线观看视频一区| 亚洲精品色激情综合| 女人被狂操c到高潮| 色哟哟哟哟哟哟| 久久6这里有精品| 精品久久久噜噜| 美女大奶头视频| 久久九九热精品免费| 成人高潮视频无遮挡免费网站| 亚洲av美国av| 中出人妻视频一区二区| 亚洲精品在线观看二区| 午夜老司机福利剧场| 中文字幕久久专区| 日日撸夜夜添| 欧美另类亚洲清纯唯美| 亚洲电影在线观看av| 亚洲熟妇中文字幕五十中出| 国产精品一区www在线观看| 又黄又爽又免费观看的视频| 免费大片18禁| 看片在线看免费视频| 国产成人91sexporn| 国产视频内射| 波多野结衣高清无吗| 久久久久国内视频| 国语自产精品视频在线第100页| 九九热线精品视视频播放| 国产乱人偷精品视频| 村上凉子中文字幕在线| 成人性生交大片免费视频hd| 日本黄色视频三级网站网址| 国产精品久久久久久av不卡| 国产探花极品一区二区| 国产一区二区三区在线臀色熟女| 99热精品在线国产| 精品乱码久久久久久99久播| 精品人妻一区二区三区麻豆 | 免费观看人在逋| 黄色欧美视频在线观看| 99久久中文字幕三级久久日本| 又爽又黄无遮挡网站| 三级国产精品欧美在线观看| 国产亚洲av嫩草精品影院| 天天一区二区日本电影三级| 黄色视频,在线免费观看| 国内精品久久久久精免费| 一a级毛片在线观看| 国产麻豆成人av免费视频| 欧美日韩综合久久久久久| 亚洲av第一区精品v没综合| 可以在线观看毛片的网站| 高清日韩中文字幕在线| 亚洲国产精品久久男人天堂| 最新中文字幕久久久久| 成年女人毛片免费观看观看9| 一进一出抽搐gif免费好疼| 亚洲va在线va天堂va国产| 国产精品国产高清国产av| 最近视频中文字幕2019在线8| 国内精品久久久久精免费| 国产精品久久久久久精品电影| 欧美3d第一页| 在线观看av片永久免费下载| 久99久视频精品免费| 精品熟女少妇av免费看| 欧美成人一区二区免费高清观看| 国产精品1区2区在线观看.| 校园人妻丝袜中文字幕| 91在线观看av| 成人国产麻豆网| 国产亚洲av嫩草精品影院| 女的被弄到高潮叫床怎么办| 男人的好看免费观看在线视频| 中文在线观看免费www的网站| 国产老妇女一区| 国产av不卡久久| 亚洲欧美日韩高清专用| 99久久精品一区二区三区| 日韩精品青青久久久久久| or卡值多少钱| 成年免费大片在线观看| 你懂的网址亚洲精品在线观看 | 国产午夜精品论理片| 亚洲精品亚洲一区二区| 成人特级av手机在线观看| 在线免费十八禁| 97超碰精品成人国产| 亚洲精品日韩av片在线观看| 俄罗斯特黄特色一大片| 成人亚洲精品av一区二区| 日本成人三级电影网站| 国产男人的电影天堂91| 国产v大片淫在线免费观看| 欧美+亚洲+日韩+国产| 亚洲av免费高清在线观看| 亚洲国产精品合色在线| 国产成人91sexporn| 久久久精品欧美日韩精品| 美女大奶头视频| 在线观看美女被高潮喷水网站| 啦啦啦啦在线视频资源| 成人永久免费在线观看视频| 国内揄拍国产精品人妻在线| 国产片特级美女逼逼视频| 中文字幕av在线有码专区| 婷婷精品国产亚洲av在线| 六月丁香七月| 精品久久久久久久人妻蜜臀av| 国产午夜精品久久久久久一区二区三区 | 久久久精品94久久精品| 精品午夜福利视频在线观看一区| 久久精品91蜜桃| 亚洲最大成人av| aaaaa片日本免费| 一本一本综合久久| av在线老鸭窝| av中文乱码字幕在线| 国产淫片久久久久久久久| 国产精品亚洲一级av第二区| 精品久久国产蜜桃| 欧美另类亚洲清纯唯美| 亚洲激情五月婷婷啪啪| 亚洲婷婷狠狠爱综合网| 搡老熟女国产l中国老女人| 国产午夜精品久久久久久一区二区三区 | 久久久精品欧美日韩精品| 国产精品一区二区免费欧美| 深爱激情五月婷婷| 亚洲天堂国产精品一区在线| 成人av一区二区三区在线看| 国产精品女同一区二区软件| 特级一级黄色大片| 久久99热这里只有精品18| 麻豆成人午夜福利视频| 久久精品国产亚洲av涩爱 | 一级毛片电影观看 | 在线观看一区二区三区| 国产成人aa在线观看| 大香蕉久久网| 日韩强制内射视频| 日本三级黄在线观看| 国产午夜精品久久久久久一区二区三区 | 国产亚洲av嫩草精品影院| 看免费成人av毛片| 久久久久久久久久黄片| 免费看美女性在线毛片视频| 毛片女人毛片| 久久久久久久久中文| 丰满的人妻完整版| 99久国产av精品国产电影| 亚洲成av人片在线播放无| 国产一区二区在线观看日韩| 久久久久国内视频| 亚洲无线观看免费| 我的女老师完整版在线观看| 女人被狂操c到高潮| 日本黄大片高清| 一个人免费在线观看电影| 最近最新中文字幕大全电影3| 国产精品久久久久久亚洲av鲁大| 国模一区二区三区四区视频| 欧美潮喷喷水| 91av网一区二区| 国产麻豆成人av免费视频| 亚洲成人av在线免费| 99九九线精品视频在线观看视频| 最近最新中文字幕大全电影3| 色在线成人网| 一本久久中文字幕| 欧美+日韩+精品| 亚洲av成人av| 欧洲精品卡2卡3卡4卡5卡区| 国产精品久久久久久亚洲av鲁大| 麻豆国产av国片精品| 日本黄色视频三级网站网址| 亚洲五月天丁香| 亚洲av中文字字幕乱码综合| 波多野结衣高清作品| 亚洲在线观看片| 国产欧美日韩精品亚洲av| 日日摸夜夜添夜夜添小说| 国产精品日韩av在线免费观看| 免费av观看视频| 中国国产av一级| 伊人久久精品亚洲午夜| 一区二区三区免费毛片| 我的老师免费观看完整版| 国产黄色视频一区二区在线观看 | 国产成人一区二区在线| 一区二区三区四区激情视频 | 久久久久久伊人网av| 一本精品99久久精品77| 国产高清视频在线观看网站| 久久久欧美国产精品| 舔av片在线| 色5月婷婷丁香| 岛国在线免费视频观看| 一级黄色大片毛片| av女优亚洲男人天堂| 久久久午夜欧美精品| 男人狂女人下面高潮的视频| 国产成人91sexporn| 久久久精品大字幕| 乱人视频在线观看| 亚洲色图av天堂| 亚洲欧美清纯卡通| 国产高潮美女av| 国产日本99.免费观看| 亚洲成人精品中文字幕电影| 亚洲图色成人| 精品午夜福利在线看| 可以在线观看毛片的网站| 亚洲精品粉嫩美女一区| av黄色大香蕉| 一a级毛片在线观看| 久久精品人妻少妇| 精品久久国产蜜桃| 最新在线观看一区二区三区| 成人av一区二区三区在线看| 亚洲天堂国产精品一区在线| 亚洲成人精品中文字幕电影| 欧美色欧美亚洲另类二区| 亚洲精品日韩av片在线观看| 尤物成人国产欧美一区二区三区| 亚洲熟妇中文字幕五十中出| 色5月婷婷丁香| 少妇猛男粗大的猛烈进出视频 | 婷婷色综合大香蕉| 乱码一卡2卡4卡精品| 亚洲18禁久久av| 免费观看精品视频网站| 国产精品人妻久久久影院| 国产又黄又爽又无遮挡在线| 色在线成人网| 国产精品国产三级国产av玫瑰| 麻豆国产av国片精品| 色综合色国产| 在线观看美女被高潮喷水网站| 精品一区二区三区av网在线观看| 草草在线视频免费看| 久久精品国产99精品国产亚洲性色| 此物有八面人人有两片| 精品人妻熟女av久视频| 两个人的视频大全免费| 午夜精品在线福利| 日本黄色视频三级网站网址| 97热精品久久久久久| 国语自产精品视频在线第100页| 日日干狠狠操夜夜爽| 搡老熟女国产l中国老女人| 丰满乱子伦码专区| 国产精品野战在线观看| 色吧在线观看| 日本三级黄在线观看| 一区福利在线观看| 人妻久久中文字幕网| 日本与韩国留学比较| 国产日本99.免费观看| 日本五十路高清| 成熟少妇高潮喷水视频| 国产高清视频在线观看网站| 欧美人与善性xxx| 一边摸一边抽搐一进一小说| 老熟妇仑乱视频hdxx| 老司机午夜福利在线观看视频| 我的女老师完整版在线观看| 亚洲欧美成人精品一区二区| 午夜福利在线观看吧| 国产爱豆传媒在线观看| 一级av片app| 日韩欧美三级三区| 中文资源天堂在线| 亚洲五月天丁香| 国内少妇人妻偷人精品xxx网站| 性欧美人与动物交配| av免费在线看不卡| 亚洲国产日韩欧美精品在线观看| 嫩草影院入口| 久久精品91蜜桃| 日本欧美国产在线视频| 人妻夜夜爽99麻豆av| 男人狂女人下面高潮的视频| www.色视频.com| 日本在线视频免费播放| 久久99热这里只有精品18| 日日摸夜夜添夜夜添小说| 亚洲av熟女| 悠悠久久av| 女的被弄到高潮叫床怎么办| 九色成人免费人妻av| 久久久久国产精品人妻aⅴ院| 真人做人爱边吃奶动态| 亚洲aⅴ乱码一区二区在线播放| 国产精品一区二区性色av| 免费在线观看成人毛片| 婷婷精品国产亚洲av在线| 国产亚洲欧美98| 国语自产精品视频在线第100页| 亚洲美女黄片视频| 午夜爱爱视频在线播放| ponron亚洲| 日本一二三区视频观看| 成人亚洲欧美一区二区av| 99riav亚洲国产免费| 亚洲中文字幕一区二区三区有码在线看| 99在线视频只有这里精品首页| 亚洲第一区二区三区不卡| 精品一区二区三区视频在线| ponron亚洲| 免费在线观看成人毛片| 亚洲自拍偷在线| 别揉我奶头 嗯啊视频| 国产精品国产三级国产av玫瑰| 亚洲在线观看片| 97在线视频观看| 欧美日韩国产亚洲二区| 91在线精品国自产拍蜜月| 精品福利观看| 男人的好看免费观看在线视频| 日本黄色视频三级网站网址| 国产真实乱freesex| 99久久久亚洲精品蜜臀av| 乱系列少妇在线播放| 日韩精品青青久久久久久| 日本黄色片子视频| 久久精品国产自在天天线| 色尼玛亚洲综合影院| 免费av毛片视频| 免费观看精品视频网站| 日韩av在线大香蕉| 22中文网久久字幕| 免费黄网站久久成人精品| 亚洲国产欧美人成| 色5月婷婷丁香| 91久久精品国产一区二区成人| 99热这里只有是精品50| 麻豆久久精品国产亚洲av| 午夜福利在线观看吧| 亚洲专区国产一区二区| 中国美女看黄片| 久久精品91蜜桃| 人妻少妇偷人精品九色| 国产女主播在线喷水免费视频网站 | 在线观看av片永久免费下载| 久久精品国产亚洲网站| 波多野结衣高清无吗| 三级毛片av免费| 亚洲av中文av极速乱| 日本黄色片子视频| avwww免费| 日本一本二区三区精品| 一级毛片电影观看 | 亚洲国产欧洲综合997久久,| 啦啦啦韩国在线观看视频| 听说在线观看完整版免费高清| 亚洲国产精品合色在线| 亚洲va在线va天堂va国产| 12—13女人毛片做爰片一| 午夜激情福利司机影院| 欧美日韩精品成人综合77777| 中文字幕人妻熟人妻熟丝袜美| 99在线人妻在线中文字幕| 日日摸夜夜添夜夜添av毛片| 少妇猛男粗大的猛烈进出视频 | 欧美+日韩+精品| 亚洲va在线va天堂va国产| 日本五十路高清| 天堂网av新在线| 卡戴珊不雅视频在线播放| 婷婷精品国产亚洲av在线| 久久久精品大字幕| 欧美成人a在线观看| 午夜福利18| av专区在线播放| 18禁裸乳无遮挡免费网站照片| 无遮挡黄片免费观看| 日韩一区二区视频免费看| 精品久久久久久久末码| 2021天堂中文幕一二区在线观| 成人美女网站在线观看视频| 亚洲欧美日韩卡通动漫| 亚洲精品在线观看二区| 国内精品久久久久精免费| 美女内射精品一级片tv| 深夜a级毛片| 国产在线男女| 插阴视频在线观看视频| 搡老岳熟女国产| 日韩欧美在线乱码|