• <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
    老司机午夜福利在线观看视频| 人人妻,人人澡人人爽秒播| 久久婷婷人人爽人人干人人爱| 久久久久久大精品| 欧美成狂野欧美在线观看| 午夜福利成人在线免费观看| 国产免费男女视频| 午夜免费成人在线视频| 18禁在线播放成人免费| 三级毛片av免费| 一级毛片女人18水好多| 亚洲人成网站在线播放欧美日韩| 香蕉av资源在线| 亚洲av第一区精品v没综合| 精品无人区乱码1区二区| 国产探花在线观看一区二区| 国产精品久久久久久久电影 | 一进一出抽搐动态| 成人精品一区二区免费| 欧美+亚洲+日韩+国产| 国产av不卡久久| 俺也久久电影网| 国产精品 欧美亚洲| 国产熟女xx| 又粗又爽又猛毛片免费看| 18禁国产床啪视频网站| 丰满人妻一区二区三区视频av | 国产熟女xx| 成人精品一区二区免费| 法律面前人人平等表现在哪些方面| 91麻豆av在线| 亚洲av不卡在线观看| 久久精品国产99精品国产亚洲性色| e午夜精品久久久久久久| 亚洲成a人片在线一区二区| 国产视频内射| 校园春色视频在线观看| 国产97色在线日韩免费| 亚洲欧美精品综合久久99| 亚洲人成网站高清观看| 成人欧美大片| 熟妇人妻久久中文字幕3abv| 中文资源天堂在线| 真人做人爱边吃奶动态| 欧美一级a爱片免费观看看| 成熟少妇高潮喷水视频| 又爽又黄无遮挡网站| 九色国产91popny在线| 国产精品久久久久久久久免 | 黄色丝袜av网址大全| 日日摸夜夜添夜夜添小说| 757午夜福利合集在线观看| 亚洲人成网站在线播放欧美日韩| 午夜免费成人在线视频| 亚洲av美国av| 狠狠狠狠99中文字幕| 狂野欧美白嫩少妇大欣赏| 日本三级黄在线观看| av专区在线播放| 国产熟女xx| 9191精品国产免费久久| 欧美+日韩+精品| 日韩欧美国产在线观看| 国产中年淑女户外野战色| 亚洲国产色片| 成人av在线播放网站| 日韩有码中文字幕| 日韩欧美在线二视频| 又爽又黄无遮挡网站| 精品无人区乱码1区二区| xxxwww97欧美| 国产又黄又爽又无遮挡在线| 国产激情偷乱视频一区二区| 色老头精品视频在线观看| 亚洲中文字幕一区二区三区有码在线看| 一级a爱片免费观看的视频| 日韩欧美三级三区| 成人午夜高清在线视频| 男插女下体视频免费在线播放| 亚洲av电影在线进入| 一进一出好大好爽视频| 国产精品久久久久久精品电影| 色综合亚洲欧美另类图片| 国产成年人精品一区二区| 淫秽高清视频在线观看| 十八禁人妻一区二区| 性欧美人与动物交配| 成人18禁在线播放| 亚洲久久久久久中文字幕| 成人亚洲精品av一区二区| 久久精品国产99精品国产亚洲性色| 国产69精品久久久久777片| 校园春色视频在线观看| 午夜免费男女啪啪视频观看 | av天堂在线播放| 97超视频在线观看视频| 免费搜索国产男女视频| 18禁黄网站禁片午夜丰满| 成人亚洲精品av一区二区| 久久久久久久久中文| 人妻夜夜爽99麻豆av| 91麻豆精品激情在线观看国产| 乱人视频在线观看| 欧美日韩乱码在线| а√天堂www在线а√下载| 丝袜美腿在线中文| 国产精品久久久久久人妻精品电影| 亚洲国产精品成人综合色| 午夜免费激情av| 首页视频小说图片口味搜索| 一级毛片女人18水好多| 麻豆成人av在线观看| 色在线成人网| 变态另类丝袜制服| 十八禁人妻一区二区| 亚洲第一欧美日韩一区二区三区| 可以在线观看毛片的网站| 亚洲欧美日韩东京热| 在线观看av片永久免费下载| 国产精品久久久人人做人人爽| 俄罗斯特黄特色一大片| 十八禁人妻一区二区| 成人亚洲精品av一区二区| 久久久久久久久中文| 日本黄大片高清| 18禁国产床啪视频网站| 日日干狠狠操夜夜爽| 国产日本99.免费观看| 亚洲人成网站高清观看| 婷婷精品国产亚洲av| 日本与韩国留学比较| 国产三级黄色录像| 欧美乱妇无乱码| 精品午夜福利视频在线观看一区| 欧美乱色亚洲激情| 婷婷精品国产亚洲av在线| 亚洲熟妇熟女久久| 最近最新免费中文字幕在线| 操出白浆在线播放| 成人18禁在线播放| 丁香六月欧美| 日日摸夜夜添夜夜添小说| 中文资源天堂在线| 国产乱人伦免费视频| 亚洲一区二区三区色噜噜| 欧美日本亚洲视频在线播放| 免费av毛片视频| 日韩欧美免费精品| av片东京热男人的天堂| 免费观看精品视频网站| 女同久久另类99精品国产91| 中文字幕人成人乱码亚洲影| 中文字幕熟女人妻在线| 狂野欧美白嫩少妇大欣赏| 国产激情欧美一区二区| av在线蜜桃| 国产私拍福利视频在线观看| 欧美bdsm另类| 亚洲欧美日韩无卡精品| 亚洲av美国av| 少妇裸体淫交视频免费看高清| 丝袜美腿在线中文| 在线观看日韩欧美| 老司机福利观看| 99久久99久久久精品蜜桃| 久久精品91蜜桃| 最新中文字幕久久久久| 综合色av麻豆| 国产麻豆成人av免费视频| 亚洲在线观看片| 人妻夜夜爽99麻豆av| 欧美黄色片欧美黄色片| 嫩草影院入口| 亚洲av不卡在线观看| 熟妇人妻久久中文字幕3abv| 婷婷精品国产亚洲av在线| 欧美日韩中文字幕国产精品一区二区三区| 一本一本综合久久| 最新美女视频免费是黄的| 黄色日韩在线| 精品国产三级普通话版| 一个人观看的视频www高清免费观看| 成人鲁丝片一二三区免费| 美女被艹到高潮喷水动态| 亚洲中文日韩欧美视频| 午夜日韩欧美国产| 18+在线观看网站| 九九在线视频观看精品| 久久久久久九九精品二区国产| 亚洲国产精品999在线| 长腿黑丝高跟| 男人的好看免费观看在线视频| 国产久久久一区二区三区| 成人高潮视频无遮挡免费网站| 午夜福利18| 免费观看人在逋| 成人鲁丝片一二三区免费| 亚洲无线观看免费| 欧美又色又爽又黄视频| 淫秽高清视频在线观看| 热99re8久久精品国产| 啦啦啦观看免费观看视频高清| 欧美日韩黄片免| 国产精品一区二区三区四区久久| 午夜精品在线福利| 真实男女啪啪啪动态图| 婷婷亚洲欧美| 国产一区二区三区视频了| 日韩精品青青久久久久久| 他把我摸到了高潮在线观看| 欧美一区二区国产精品久久精品| 国产精品久久视频播放| 两人在一起打扑克的视频| 18+在线观看网站| 3wmmmm亚洲av在线观看| 日本一二三区视频观看| 内射极品少妇av片p| 日本精品一区二区三区蜜桃| 一卡2卡三卡四卡精品乱码亚洲| 国产精品99久久99久久久不卡| 搡女人真爽免费视频火全软件 | 老熟妇乱子伦视频在线观看| 身体一侧抽搐| 美女黄网站色视频| 两个人视频免费观看高清| e午夜精品久久久久久久| 少妇的逼水好多| 国产精品香港三级国产av潘金莲| 最近在线观看免费完整版| 亚洲欧美日韩东京热| 免费高清视频大片| 丰满人妻熟妇乱又伦精品不卡| 一级黄色大片毛片| 少妇人妻一区二区三区视频| 一a级毛片在线观看| 欧美午夜高清在线| 综合色av麻豆| 禁无遮挡网站| 欧美中文综合在线视频| 好看av亚洲va欧美ⅴa在| 一进一出抽搐gif免费好疼| 国产国拍精品亚洲av在线观看 | 国产综合懂色| 国产免费一级a男人的天堂| 国产精品三级大全| 亚洲欧美激情综合另类| 午夜日韩欧美国产| 女人高潮潮喷娇喘18禁视频| 亚洲国产欧洲综合997久久,| 日韩欧美免费精品| 别揉我奶头~嗯~啊~动态视频| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 欧美黑人巨大hd| 一进一出抽搐动态| 99热精品在线国产| 国产免费一级a男人的天堂| 亚洲av成人av| 亚洲成人久久爱视频| 精品久久久久久久人妻蜜臀av| 日韩精品青青久久久久久| 一个人免费在线观看的高清视频| 性欧美人与动物交配| 国产毛片a区久久久久| 97人妻精品一区二区三区麻豆| 久久久久久久久久黄片| 国产一区二区在线av高清观看| 99国产精品一区二区蜜桃av| 欧美色视频一区免费| 国内久久婷婷六月综合欲色啪| 日韩欧美在线乱码| 午夜福利在线在线| 露出奶头的视频| 国产69精品久久久久777片| 免费看光身美女| ponron亚洲| 制服丝袜大香蕉在线| 高清在线国产一区| 国产精品综合久久久久久久免费| 久久久久久大精品| 国产黄色小视频在线观看| 免费看日本二区| 亚洲国产精品合色在线| 人人妻,人人澡人人爽秒播| 五月玫瑰六月丁香| 久久久久久久精品吃奶| 午夜精品久久久久久毛片777| 欧美一级a爱片免费观看看| 亚洲电影在线观看av| 麻豆国产97在线/欧美| 亚洲成av人片免费观看| 特大巨黑吊av在线直播| 老司机深夜福利视频在线观看| 免费看a级黄色片| а√天堂www在线а√下载| 法律面前人人平等表现在哪些方面| 999久久久精品免费观看国产| 中文字幕熟女人妻在线| 天堂av国产一区二区熟女人妻| 国产精品,欧美在线| 桃色一区二区三区在线观看| 国产av在哪里看| 1024手机看黄色片| 久久国产精品影院| 欧美xxxx黑人xx丫x性爽| 在线十欧美十亚洲十日本专区| 舔av片在线| 最近最新中文字幕大全电影3| 啦啦啦免费观看视频1| 成年人黄色毛片网站| 欧美日本视频| 午夜免费成人在线视频| 叶爱在线成人免费视频播放| 国产美女午夜福利| 国内精品久久久久精免费| 99久久久亚洲精品蜜臀av| 精品久久久久久久毛片微露脸| 老司机午夜十八禁免费视频| 久久久久久久久中文| 少妇丰满av| 午夜免费激情av| 国产亚洲精品综合一区在线观看| 国产主播在线观看一区二区| 别揉我奶头~嗯~啊~动态视频| 一个人看视频在线观看www免费 | 国产精品亚洲av一区麻豆| 女同久久另类99精品国产91| 少妇的逼好多水| 国产aⅴ精品一区二区三区波| 少妇丰满av| 久久草成人影院| 亚洲乱码一区二区免费版| 女警被强在线播放| 欧美+亚洲+日韩+国产| 国产真实乱freesex| 日韩中文字幕欧美一区二区| 国产伦人伦偷精品视频| 国产 一区 欧美 日韩| 久久精品人妻少妇| 九色成人免费人妻av| 一边摸一边抽搐一进一小说| 久久伊人香网站| 亚洲va日本ⅴa欧美va伊人久久| 一a级毛片在线观看| 夜夜爽天天搞| 精品一区二区三区av网在线观看| 99久久久亚洲精品蜜臀av| 国内毛片毛片毛片毛片毛片| 亚洲av电影不卡..在线观看| 亚洲电影在线观看av| 日韩欧美免费精品| 久久久精品大字幕| 国产一区二区在线观看日韩 | av福利片在线观看| 久久亚洲真实| 国产精品一区二区三区四区免费观看 | 国产97色在线日韩免费| 亚洲欧美日韩无卡精品| 精品日产1卡2卡| 亚洲精品一区av在线观看| 国产成人影院久久av| 精品久久久久久久人妻蜜臀av| 日韩欧美 国产精品| 国产黄a三级三级三级人| 国产亚洲精品久久久com| 制服人妻中文乱码| 我的老师免费观看完整版| 99精品欧美一区二区三区四区| 国产视频内射| 一个人看的www免费观看视频| 国产三级黄色录像| 亚洲男人的天堂狠狠| 亚洲 国产 在线| 国模一区二区三区四区视频| 韩国av一区二区三区四区| 久久久久久久久久黄片| 精品久久久久久久久久久久久| 婷婷六月久久综合丁香| 观看免费一级毛片| 日韩欧美三级三区| 啦啦啦韩国在线观看视频| 有码 亚洲区| 天堂av国产一区二区熟女人妻| 久久精品综合一区二区三区| 亚洲午夜理论影院| 欧美日韩乱码在线| 99久久九九国产精品国产免费| or卡值多少钱| 日韩大尺度精品在线看网址| 成人三级黄色视频| 精品久久久久久久末码| 久久伊人香网站| 欧美最新免费一区二区三区 | 国产伦一二天堂av在线观看| 3wmmmm亚洲av在线观看| 99在线视频只有这里精品首页| 亚洲最大成人中文| 日韩 欧美 亚洲 中文字幕| 日本 欧美在线| 18+在线观看网站| 日本 av在线| 在线免费观看不下载黄p国产 | aaaaa片日本免费| 精品国产亚洲在线| 丝袜美腿在线中文| 在线播放无遮挡| 哪里可以看免费的av片| 中文在线观看免费www的网站| 在线视频色国产色| 蜜桃亚洲精品一区二区三区| 久久婷婷人人爽人人干人人爱| 亚洲天堂国产精品一区在线| 亚洲av成人av| netflix在线观看网站| 国产亚洲欧美在线一区二区| 午夜免费男女啪啪视频观看 | 国产老妇女一区| 性色avwww在线观看| 精品一区二区三区视频在线观看免费| 18禁裸乳无遮挡免费网站照片| 亚洲国产精品合色在线| 听说在线观看完整版免费高清| 久久久精品大字幕| 亚洲精品成人久久久久久| 午夜激情欧美在线| 两性午夜刺激爽爽歪歪视频在线观看| 亚洲精品色激情综合| 91在线精品国自产拍蜜月 | 国产乱人视频| 亚洲aⅴ乱码一区二区在线播放| 中文字幕久久专区| 亚洲美女视频黄频| 又爽又黄无遮挡网站| 久久久久亚洲av毛片大全| 亚洲国产色片| 在线天堂最新版资源| 亚洲七黄色美女视频| 人人妻人人看人人澡| 波多野结衣高清作品| 中文字幕人妻熟人妻熟丝袜美 | 欧美丝袜亚洲另类 | 亚洲aⅴ乱码一区二区在线播放| 日本一本二区三区精品| 欧美av亚洲av综合av国产av| 亚洲欧美日韩卡通动漫| 亚洲中文日韩欧美视频| 99精品欧美一区二区三区四区| 99久国产av精品| 嫩草影视91久久| 99riav亚洲国产免费| 757午夜福利合集在线观看| 淫秽高清视频在线观看| 高潮久久久久久久久久久不卡| 欧美日韩中文字幕国产精品一区二区三区| 欧美乱色亚洲激情| 午夜福利在线观看吧| 身体一侧抽搐| 操出白浆在线播放| 国产高潮美女av| 亚洲最大成人手机在线| 国产乱人伦免费视频| 丰满乱子伦码专区| 日韩欧美国产在线观看| 国产三级在线视频| 好男人在线观看高清免费视频| 久久精品国产综合久久久| 99热只有精品国产| 狂野欧美激情性xxxx| 99久久久亚洲精品蜜臀av| 18禁裸乳无遮挡免费网站照片| 内射极品少妇av片p| 中文字幕熟女人妻在线| 99久久精品一区二区三区| 99精品欧美一区二区三区四区| 国产 一区 欧美 日韩| 国产精品久久久人人做人人爽| 亚洲av电影不卡..在线观看| 一级a爱片免费观看的视频| 国产日本99.免费观看| 亚洲 国产 在线| 精品欧美国产一区二区三| 国产精品98久久久久久宅男小说| 最近视频中文字幕2019在线8| 级片在线观看| 国产真实伦视频高清在线观看 | 9191精品国产免费久久| 色吧在线观看| 色综合欧美亚洲国产小说| 伊人久久大香线蕉亚洲五| 久久午夜亚洲精品久久| 三级男女做爰猛烈吃奶摸视频| 久久6这里有精品| 成人高潮视频无遮挡免费网站| 欧美日韩乱码在线| 欧美+日韩+精品| 叶爱在线成人免费视频播放| 在线观看66精品国产| 操出白浆在线播放| 男人舔女人下体高潮全视频| 99热精品在线国产| 亚洲七黄色美女视频| 成年女人看的毛片在线观看| 夜夜夜夜夜久久久久| 他把我摸到了高潮在线观看| 亚洲中文日韩欧美视频| 欧美黑人巨大hd| 老熟妇仑乱视频hdxx| 99久国产av精品| 国产精品久久久人人做人人爽| 亚洲第一电影网av| 国产欧美日韩一区二区三| 99热这里只有精品一区| 久久国产乱子伦精品免费另类| 国产真实乱freesex| 波野结衣二区三区在线 | 亚洲精华国产精华精| 搡老熟女国产l中国老女人| 亚洲精品国产精品久久久不卡| 最近最新中文字幕大全电影3| 免费av毛片视频| www.熟女人妻精品国产| 免费av毛片视频| 亚洲天堂国产精品一区在线| 国产91精品成人一区二区三区| av黄色大香蕉| 久久中文看片网| 欧美国产日韩亚洲一区| 丰满的人妻完整版| 日韩欧美国产在线观看| 久久中文看片网| 国内精品久久久久精免费| АⅤ资源中文在线天堂| 欧美最黄视频在线播放免费| 九色成人免费人妻av| 国产精品一区二区免费欧美| 久久精品夜夜夜夜夜久久蜜豆| 亚洲欧美激情综合另类| 亚洲 欧美 日韩 在线 免费| 在线观看午夜福利视频| 成人国产综合亚洲| 日日干狠狠操夜夜爽| 激情在线观看视频在线高清| 日韩av在线大香蕉| 欧美激情久久久久久爽电影| 久久久久久久精品吃奶| 国产乱人伦免费视频| 国产真实乱freesex| 一a级毛片在线观看| 成人欧美大片| 日本 欧美在线| 久久欧美精品欧美久久欧美| 欧美中文综合在线视频| 久久久久久大精品| 国产精品亚洲一级av第二区| 国产69精品久久久久777片| 色在线成人网| 午夜福利成人在线免费观看| 男女做爰动态图高潮gif福利片| 尤物成人国产欧美一区二区三区| 亚洲自拍偷在线| 狂野欧美激情性xxxx| 男女下面进入的视频免费午夜| 无人区码免费观看不卡| 欧美+亚洲+日韩+国产| 精品无人区乱码1区二区| 国内揄拍国产精品人妻在线| 亚洲中文日韩欧美视频| 性色avwww在线观看| 亚洲美女黄片视频| 怎么达到女性高潮| 免费人成视频x8x8入口观看| 久久精品人妻少妇| 精品人妻一区二区三区麻豆 | 亚洲avbb在线观看| 露出奶头的视频| 成人特级黄色片久久久久久久| 国产精品亚洲av一区麻豆| 亚洲国产欧洲综合997久久,| 成人国产综合亚洲| 国产中年淑女户外野战色| 宅男免费午夜| 亚洲最大成人中文| 51国产日韩欧美| 国产私拍福利视频在线观看| 老司机深夜福利视频在线观看| 亚洲国产色片| 国产蜜桃级精品一区二区三区| 国产亚洲精品一区二区www| 久久久色成人| 搡女人真爽免费视频火全软件 | 午夜福利18| 内地一区二区视频在线| 国产91精品成人一区二区三区| 亚洲在线观看片| 欧美一区二区国产精品久久精品| 欧美日本视频| 天美传媒精品一区二区| 一个人看视频在线观看www免费 | 一区二区三区国产精品乱码| 国产一区二区在线av高清观看| 欧美日本视频| 欧美最黄视频在线播放免费| 国产一区二区亚洲精品在线观看| 欧美高清成人免费视频www| 观看美女的网站| www日本在线高清视频| 国产成人影院久久av| 国产极品精品免费视频能看的| 三级毛片av免费| 亚洲片人在线观看| 亚洲无线观看免费| av女优亚洲男人天堂| 欧美午夜高清在线| 亚洲最大成人中文| 三级毛片av免费| 国产精品av视频在线免费观看|