• <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 ?

    人工智能技術與存貸款指標預測
    ——基于改進支持向量機回歸模型

    2020-08-14 07:20:36
    吉林金融研究 2020年6期
    關鍵詞:存貸款機器向量

    陳 杰

    (中國人民銀行重慶營業(yè)管理部,重慶渝北 401147)

    重要經(jīng)濟金融指標數(shù)據(jù)的準確預測是決策者判斷和制定相應政策的重要參考依據(jù)。存貸款數(shù)據(jù)是金融統(tǒng)計工作中的基礎性指標,也是分析金融運行環(huán)境的關鍵性指標,在很大程度上會反映金融自身的“造血”能力以及對實體經(jīng)濟的支持力度,在國民經(jīng)濟金融統(tǒng)計中有著極其重要的地位。因此,對存貸款指標數(shù)據(jù)進行預測,可以為各級政府部門、金融監(jiān)管部門的前瞻性調控奠定基礎,也可以引導金融市場合理預期,對進一步完善各項金融工作、合理引導市場預期等具有重要的理論意義和現(xiàn)實意義。

    一、文獻回顧

    金融預測指運用數(shù)據(jù)挖掘的方法對金融市場的大量歷史數(shù)據(jù)進行處理和分析,以此預測市場的未來發(fā)展趨勢。金融指標歷史數(shù)據(jù)屬于時間序列數(shù)據(jù),通常存在非平穩(wěn)現(xiàn)象,若根據(jù)時間序列本身的趨勢變化來預測,最常用的預測方法可采用簡單平均法、移動平均法、指數(shù)平滑法等構建預測模型,也可采用自回歸模型(AR模型)等進行預測分析;若時間序列包含可觀測影響因素,一般采用回歸方法構建模型,如一般線性回歸、自回歸滑動平均模型(ARMA模型)等。

    機器學習是人工智能研究發(fā)展到一定階段的必然產(chǎn)物,隨著機器學習理論與實現(xiàn)算法的不斷進步和發(fā)展,機器學習將在未來改變經(jīng)濟學的研究方式,并對經(jīng)濟學的研究和發(fā)展產(chǎn)生深遠影響。

    機器學習大致可以分為四類:有監(jiān)督機器學習、無監(jiān)督機器學習、半監(jiān)督機器學習和強化機器學習。有監(jiān)督機器學習主要解決預測問題,擁有輸入變量(自變量)和輸出變量(因變量),使用被標注過的樣本數(shù)據(jù),通過學習特征與標簽值間的對應關系,構建最優(yōu)模型進行預測,常用方法包括回歸樹、支持向量機、神經(jīng)網(wǎng)絡等方法。無監(jiān)督學習主要解決聚類問題,只有輸入變量,沒有相關的輸出變量,通過樣本集合中的特征,來發(fā)現(xiàn)和識別出代表性特征,并對預測數(shù)據(jù)進行聚類,常用于視頻、圖像和文本數(shù)據(jù)領域。半監(jiān)督機器學習使用大量的未標記數(shù)據(jù),以及同時使用標記數(shù)據(jù),來進行模式識別,常用的包括協(xié)同訓練、轉向支持向量機等方法。強化機器學習主要應用到人工智能領域,它并不只是使用已知固定的數(shù)據(jù)進行訓練,而是通過大量試錯練習,尋找最佳路徑選擇。

    機器學習在經(jīng)濟金融領域尚未大量展開,在部分領域進行了初步探索,還處于起步階段。在經(jīng)濟領域,Chalfin et al(2016)利用教師的知識水平、教學方式,以及學校教學評估的大量信息,用機器學習方法預測個人的勞動生產(chǎn)率。Peysakhovich & Naecker(2017)研究了人們在面對金融市場風險時的選擇行為,預測效果較為準確。在金融領域,大部分是對股票市場的預測。Gu et al(2018)使用美國3萬多只股票在1957-2016年間的數(shù)據(jù)來預測股票的未來收益,作者發(fā)現(xiàn),在預測具有高流動性的股票或投資組合的未來收益時,機器學習方法比傳統(tǒng)的預測方法更加有效。在國內,孫存一(2017)以機器學習視角研究了利率定價機制,研究表明,大數(shù)據(jù)機器學習方法對相當時期的利率變動能夠精準地預測。景秋玉(2018)結合機器學習方法,基于PCA-SVM-GARCH模型建立股價預測模型,梁成(2018)基于小波核支持向量機回歸方法建立股指期貨價格預測模型,均取得較好預測效果。

    本文將機器學習方法從股票高頻數(shù)據(jù)運用到存貸款低頻數(shù)據(jù),是對人工智能技術在金融預測領域的創(chuàng)新性嘗試;同時與以往傳統(tǒng)方法相比,機器學習又具有諸多優(yōu)點,能夠自動搜尋符合預測要求的自變量最優(yōu)交互項組合,這是傳統(tǒng)方法無法做到的。

    二、支持向量機學習方法

    有監(jiān)督機器學習方法的出發(fā)點是構建一個損失函數(shù),基于該損失函數(shù),通過代入訓練數(shù)據(jù)來選擇最優(yōu)的預測模型,這與傳統(tǒng)最小二乘法類似。但與傳統(tǒng)計量經(jīng)濟學方法不同的是,比如在一般線性回歸模型框架下,機器學習算法能夠允許損失函數(shù)忽略掉模型輸入與真實輸出之間很小的偏差,也能自動搜尋自變量最優(yōu)交互項組合以滿足模型的更多需求。支持向量機方法是最常用的有監(jiān)督學習算法之一,在各個預測領域被廣泛應用,它有多方面的優(yōu)點:一是支持向量機使用結構風險最小化準則在特征空間尋找最優(yōu)分類超平面,模型通過二次型進行優(yōu)化,能夠獲得全局而不僅僅是局部最優(yōu)解。二是支持向量機是基于有限樣本求取有限信息下的最優(yōu)解,在處理小樣本問題也具有很好的效果。三是對于線性不可分問題,模型將低維空間數(shù)據(jù)變換為高維特征向量,通過非線性轉換將非線性問題轉變?yōu)楦呔S空間中的線性問題,然后在高維特征空間構造最優(yōu)分類超平面,很好地解決了高維數(shù)據(jù)的非線性分類問題。四是支持向量機模型中引入核函數(shù)理論,簡化高維空間中特征向量內積的計算,解決了在擴維引發(fā)的維數(shù)災難問題。

    (一)支持向量機基本模型

    (2)式即為支持向量機的基本型。為求解,通??紤]其如下的對偶問題:

    求解該式可得到最優(yōu)劃分超平面所對應的模型:

    在求解過程中,要將樣本空間映射到更高維特征空間,可采用核函數(shù)升維,常用的核函數(shù)有線性核、多項式核、高斯核、拉普拉斯核、Sigmoid核等。

    (二)改進的支持向量機回歸模型

    傳統(tǒng)的支持向量機回歸模型只能通過影響因素預測當期數(shù)據(jù),這并不能充分滿足我們的預測需求。我們對其加以改進,得到改進的支持向量機回歸模型,能夠通過截至期數(shù)據(jù)預測期之后的數(shù)據(jù),從而達到預測目標。

    支持向量機回歸模型與分類模型建?;舅悸芬恢?,但主要解決預測問題。這里,我們采用改進的支持向量機回歸方法。給定一個訓練集,其中,是輸入向量,表示第個觀測值,為輸出變量,通過期及之前的數(shù)據(jù)訓練得出期數(shù)據(jù),即為預測下一期數(shù)據(jù)。采用方法對數(shù)據(jù)進行訓練學習,支持向量回歸基本優(yōu)化模型如下:

    其對偶問題為:

    三、預測模型設計和實證分析

    (一)預測模型設計

    在實體經(jīng)濟金融運行過程中,影響存貸款的因素有很多,從宏觀上看,既受實體經(jīng)濟運行大環(huán)境的影響,也受國家宏觀政策和監(jiān)管政策的指導;從中觀上看,既受金融市場直接融資的影響,也受房地產(chǎn)等行業(yè)發(fā)展階段的影響;微觀上看,既受住戶的消費等個人因素影響,也受企業(yè)自身發(fā)展有效需求的制約。根據(jù)數(shù)據(jù)有效性和可獲得性,選取10個指標作為影響存貸款的主要因素,并且采用月度數(shù)據(jù)進行訓練。其中,由于GDP通常是季度數(shù)據(jù),采用工業(yè)增加值月度同比數(shù)據(jù)替代,反映實體經(jīng)濟大環(huán)境的基本面情況;M2同比增速、人民幣存款準備金率、短期貸款利率主要反映貨幣政策和貨幣環(huán)境,可部分反映貨幣供給端和需求端的情況,為更直接反映利率對貸款的影響,選取6個月至1年(含)短期貸款利率;股票流通市值、債券市場托管余額可部分反映金融市場對資金的吸引程度,以及直接融資等基本情況;CPI同比增速、70個大中城市新建商品住宅價格指數(shù)同比增速反映普通物價消費情況和房地產(chǎn)市場的冷熱程度;定期存款利率:1年,反映單位和個人存款的獲利程度;外匯儲備,外匯占款會部分在存款中體現(xiàn)(表1)。在存款預測中,影響的主要因素包括序號為1-3,5-10共9個指標;貸款預測中,影響的主要因素包括序號為1-8共8個指標。

    表1 影響存貸款的主要因素

    (二)實證結果分析

    本文采用2015年以來的全國存貸款等公開數(shù)據(jù)進行模擬訓練和實證分析,選擇高斯核函數(shù),通過對已有截至期的存貸款余額數(shù)據(jù),對往后期的存貸款余額進行預測,實證中期為2019年2月末,整個實證在python3.7和keras環(huán)境下實現(xiàn)。參數(shù)選擇及實證結果見表2、表3、表4。

    從實證結果看,各期預測結果很好,預測值和實際值的絕對誤差較小,相對于各項存款和各項貸款分別約190萬億和150萬億的體量來說,各項絕對誤差相當小,各項存款和各項貸款平均絕對誤差分別為4393億元和3772億元,相對誤差幾乎全部在0.5%以內,有的甚至小于0.1%,各項存款和各項貸款的平均相對誤差也分別僅為0.23%和0.25%??梢钥闯觯覀兊念A測結果很好地反映了真實情況,具有很強的預測能力,預測值完全可以作為經(jīng)濟金融分析工作的一項重要參考,具有重要的前瞻性指引和實踐指導意義。

    表2 預測中參數(shù)值

    表3 2019年各項存款預測結果表 單位:億元

    表4 2019年各項貸款預測結果表 單位:億元

    四、結論

    傳統(tǒng)時間序列模型僅從自身歷史數(shù)據(jù)出發(fā),沒有考慮到宏觀經(jīng)濟與政策等因素影響,導致預測結果出現(xiàn)一定偏差,而一般回歸模型又較難刻畫影響因素之間復雜的內在邏輯關系,傳統(tǒng)的支持向量機回歸模型也只能預測當期數(shù)據(jù)而不能實現(xiàn)“真正”的預測目標。我們通過改進傳統(tǒng)支持向量機回歸模型,在機器學習中創(chuàng)造性的實現(xiàn)了用期數(shù)據(jù)對期數(shù)據(jù)的預測,實證結果顯示,預測結果精度高,預測值的絕對誤差和相對誤差都相當小,能夠滿足各方對金融統(tǒng)計數(shù)據(jù)的前瞻性需求。

    猜你喜歡
    存貸款機器向量
    機器狗
    向量的分解
    機器狗
    聚焦“向量與三角”創(chuàng)新題
    未來機器城
    電影(2018年8期)2018-09-21 08:00:06
    向量垂直在解析幾何中的應用
    向量五種“變身” 玩轉圓錐曲線
    區(qū)域經(jīng)濟發(fā)展與銀行存貸款規(guī)模的回歸研究
    無敵機器蛛
    歷年住房公積金存貸款利率表
    免费观看a级毛片全部| 国产成人精品婷婷| 日韩av免费高清视频| 91久久精品国产一区二区三区| 久久ye,这里只有精品| 天美传媒精品一区二区| 国产免费一区二区三区四区乱码| 亚洲人与动物交配视频| 乱码一卡2卡4卡精品| 老女人水多毛片| 国产午夜精品一二区理论片| 九九在线视频观看精品| 午夜av观看不卡| 99久久中文字幕三级久久日本| 一个人免费看片子| 看免费成人av毛片| 欧美精品人与动牲交sv欧美| 亚洲熟女精品中文字幕| 多毛熟女@视频| 啦啦啦在线观看免费高清www| 成人漫画全彩无遮挡| 一区二区三区乱码不卡18| 亚洲欧美中文字幕日韩二区| 香蕉精品网在线| 一级爰片在线观看| 国产成人精品在线电影| 亚洲av日韩在线播放| 国产精品成人在线| 最黄视频免费看| 国产男人的电影天堂91| 丝袜美足系列| 久久久精品区二区三区| 久久狼人影院| 人人妻人人澡人人爽人人夜夜| 国产精品 国内视频| 一区二区三区精品91| 国产成人免费观看mmmm| 卡戴珊不雅视频在线播放| av女优亚洲男人天堂| 丝袜在线中文字幕| 蜜桃在线观看..| 色网站视频免费| 亚洲精品,欧美精品| 亚洲精品乱久久久久久| 少妇猛男粗大的猛烈进出视频| a 毛片基地| 日韩一区二区三区影片| 一级毛片aaaaaa免费看小| 国产白丝娇喘喷水9色精品| 亚洲av国产av综合av卡| 少妇的逼好多水| 啦啦啦视频在线资源免费观看| 亚洲国产精品成人久久小说| 国产精品麻豆人妻色哟哟久久| 中文字幕久久专区| 大陆偷拍与自拍| av在线观看视频网站免费| 亚洲国产av新网站| 啦啦啦中文免费视频观看日本| 9色porny在线观看| 国语对白做爰xxxⅹ性视频网站| videossex国产| 我要看黄色一级片免费的| 嘟嘟电影网在线观看| 国产免费又黄又爽又色| 国产白丝娇喘喷水9色精品| 亚洲精品日韩在线中文字幕| 有码 亚洲区| av国产久精品久网站免费入址| 国产69精品久久久久777片| 内地一区二区视频在线| 日韩,欧美,国产一区二区三区| 永久免费av网站大全| 亚洲欧洲国产日韩| 观看美女的网站| 久久久久精品性色| 国产乱人偷精品视频| 亚洲人成77777在线视频| 蜜臀久久99精品久久宅男| 精品国产一区二区久久| 搡老乐熟女国产| 一本大道久久a久久精品| 久久精品国产亚洲网站| 国产成人午夜福利电影在线观看| 熟女电影av网| 成人国产麻豆网| 99九九线精品视频在线观看视频| 狂野欧美激情性bbbbbb| 丁香六月天网| 免费大片黄手机在线观看| 婷婷色麻豆天堂久久| 成人国产av品久久久| 全区人妻精品视频| 日本色播在线视频| av一本久久久久| 国产精品熟女久久久久浪| 内地一区二区视频在线| 国产欧美亚洲国产| 亚洲av中文av极速乱| 97超视频在线观看视频| 91精品国产国语对白视频| 97精品久久久久久久久久精品| 国产亚洲av片在线观看秒播厂| 精品少妇黑人巨大在线播放| 中文欧美无线码| av一本久久久久| 亚洲精品日本国产第一区| 欧美日韩av久久| 高清在线视频一区二区三区| 欧美日韩综合久久久久久| 成人黄色视频免费在线看| 欧美精品国产亚洲| 一区二区三区免费毛片| 亚洲少妇的诱惑av| 久久人妻熟女aⅴ| 亚洲欧美成人综合另类久久久| 国产成人av激情在线播放 | 亚洲高清免费不卡视频| 丝瓜视频免费看黄片| 亚洲久久久国产精品| a级毛片在线看网站| 日韩中文字幕视频在线看片| 热re99久久国产66热| 欧美成人精品欧美一级黄| 蜜桃在线观看..| 日韩人妻高清精品专区| 丰满乱子伦码专区| 国产精品国产三级国产专区5o| 久久狼人影院| 久久久久久久久久久久大奶| 多毛熟女@视频| 成年人午夜在线观看视频| 新久久久久国产一级毛片| 久久女婷五月综合色啪小说| 成人手机av| 一级毛片电影观看| 欧美精品国产亚洲| 精品国产乱码久久久久久小说| 中文字幕免费在线视频6| 嫩草影院入口| 春色校园在线视频观看| 女性生殖器流出的白浆| 丝袜在线中文字幕| 午夜影院在线不卡| 国产av国产精品国产| 欧美国产精品一级二级三级| 欧美日韩亚洲高清精品| 国产国拍精品亚洲av在线观看| 国产精品不卡视频一区二区| 三级国产精品片| av福利片在线| 国产亚洲av片在线观看秒播厂| 七月丁香在线播放| 亚洲av不卡在线观看| av国产久精品久网站免费入址| 成人亚洲欧美一区二区av| 丰满迷人的少妇在线观看| 人妻 亚洲 视频| 亚洲av电影在线观看一区二区三区| 美女内射精品一级片tv| 一区二区三区免费毛片| 人人澡人人妻人| 亚洲激情五月婷婷啪啪| 亚洲国产色片| 日韩强制内射视频| 久久久久久久久久成人| 亚洲四区av| av在线观看视频网站免费| 精品久久久久久久久亚洲| 国产精品不卡视频一区二区| 两个人免费观看高清视频| 五月开心婷婷网| 岛国毛片在线播放| 久久人妻熟女aⅴ| 高清在线视频一区二区三区| 女人精品久久久久毛片| 制服丝袜香蕉在线| 亚洲国产精品成人久久小说| 九色亚洲精品在线播放| 亚洲激情五月婷婷啪啪| 80岁老熟妇乱子伦牲交| 久久久精品94久久精品| 亚洲精品自拍成人| 香蕉精品网在线| 97精品久久久久久久久久精品| 一区二区三区四区激情视频| 免费观看无遮挡的男女| 搡老乐熟女国产| 在线观看美女被高潮喷水网站| 久久青草综合色| 老司机亚洲免费影院| 欧美3d第一页| 美女视频免费永久观看网站| 一边摸一边做爽爽视频免费| 在线观看www视频免费| 在现免费观看毛片| 男人爽女人下面视频在线观看| 性色avwww在线观看| 观看美女的网站| 国产精品秋霞免费鲁丝片| 久久久国产一区二区| 免费不卡的大黄色大毛片视频在线观看| 成人国语在线视频| 午夜激情久久久久久久| 日韩制服骚丝袜av| 超色免费av| 满18在线观看网站| av在线观看视频网站免费| 欧美日韩精品成人综合77777| 免费播放大片免费观看视频在线观看| 久久久久久久久久久免费av| 国产一区有黄有色的免费视频| 日日摸夜夜添夜夜爱| 亚洲色图 男人天堂 中文字幕 | 国产免费视频播放在线视频| 一边亲一边摸免费视频| 精品久久久久久电影网| 制服诱惑二区| 久久精品人人爽人人爽视色| 人妻一区二区av| 亚洲,欧美,日韩| 国产一区有黄有色的免费视频| 国产在线一区二区三区精| 亚洲av在线观看美女高潮| 午夜精品国产一区二区电影| 国产精品一二三区在线看| 9色porny在线观看| 国产一区亚洲一区在线观看| 国产伦精品一区二区三区视频9| 欧美人与性动交α欧美精品济南到 | 男女无遮挡免费网站观看| 免费看光身美女| 国产精品久久久久久久电影| av播播在线观看一区| 老司机影院毛片| 亚洲在久久综合| 午夜福利网站1000一区二区三区| 国产国语露脸激情在线看| 九色成人免费人妻av| xxxhd国产人妻xxx| 日日摸夜夜添夜夜爱| 99九九线精品视频在线观看视频| 国产精品一区二区在线不卡| 成人漫画全彩无遮挡| 精品午夜福利在线看| 男女高潮啪啪啪动态图| 久久国产亚洲av麻豆专区| 狂野欧美激情性bbbbbb| 亚洲图色成人| av在线app专区| 一区二区日韩欧美中文字幕 | av专区在线播放| 亚洲第一av免费看| 伦精品一区二区三区| 满18在线观看网站| 免费人妻精品一区二区三区视频| 欧美日本中文国产一区发布| 夜夜看夜夜爽夜夜摸| 日本av免费视频播放| 国产精品免费大片| 美女国产高潮福利片在线看| 少妇 在线观看| 秋霞在线观看毛片| 国产亚洲av片在线观看秒播厂| 免费人成在线观看视频色| 久热这里只有精品99| 欧美激情 高清一区二区三区| 人妻制服诱惑在线中文字幕| a级毛片在线看网站| av一本久久久久| 国产片特级美女逼逼视频| 久热久热在线精品观看| 午夜免费观看性视频| 午夜福利网站1000一区二区三区| 午夜激情久久久久久久| 国产片特级美女逼逼视频| 精品一区二区三卡| 交换朋友夫妻互换小说| 最新的欧美精品一区二区| 最黄视频免费看| 少妇的逼好多水| 午夜久久久在线观看| 国产一区亚洲一区在线观看| 一本—道久久a久久精品蜜桃钙片| 亚洲精品乱久久久久久| 国产亚洲欧美精品永久| 国产亚洲午夜精品一区二区久久| av福利片在线| 女人精品久久久久毛片| 午夜免费男女啪啪视频观看| 亚洲性久久影院| 免费观看在线日韩| 日韩不卡一区二区三区视频在线| √禁漫天堂资源中文www| av国产久精品久网站免费入址| 国产亚洲最大av| 国产亚洲最大av| 欧美一级a爱片免费观看看| 内地一区二区视频在线| 国产成人精品一,二区| 欧美精品高潮呻吟av久久| 人妻 亚洲 视频| .国产精品久久| 18在线观看网站| 精品久久蜜臀av无| 观看美女的网站| 91精品国产国语对白视频| 久久久国产一区二区| 18禁裸乳无遮挡动漫免费视频| 国产精品一区二区在线不卡| 黄色视频在线播放观看不卡| 精品亚洲成a人片在线观看| 久久精品国产亚洲av涩爱| 国产探花极品一区二区| 久久国产精品大桥未久av| 亚洲精品亚洲一区二区| 午夜av观看不卡| 亚洲国产av新网站| 一级毛片 在线播放| 国产亚洲欧美精品永久| 中文字幕最新亚洲高清| 中文精品一卡2卡3卡4更新| 国产欧美另类精品又又久久亚洲欧美| √禁漫天堂资源中文www| 美女内射精品一级片tv| 一本久久精品| 啦啦啦视频在线资源免费观看| 日本av手机在线免费观看| 国产免费一区二区三区四区乱码| 最近手机中文字幕大全| 一本大道久久a久久精品| 久久精品国产亚洲网站| 在线观看人妻少妇| 免费黄频网站在线观看国产| 精品一品国产午夜福利视频| 老熟女久久久| 午夜激情av网站| 国产成人aa在线观看| 热re99久久精品国产66热6| 青春草视频在线免费观看| 成人亚洲精品一区在线观看| 久久久久久久久久人人人人人人| 午夜福利在线观看免费完整高清在| freevideosex欧美| 国产欧美日韩综合在线一区二区| 一级a做视频免费观看| 久久ye,这里只有精品| 国精品久久久久久国模美| 天堂俺去俺来也www色官网| 日韩电影二区| 黑丝袜美女国产一区| freevideosex欧美| 免费播放大片免费观看视频在线观看| 男人操女人黄网站| 国产亚洲午夜精品一区二区久久| 一二三四中文在线观看免费高清| 搡老乐熟女国产| 亚洲精品av麻豆狂野| a 毛片基地| 久久精品国产亚洲av天美| 蜜桃在线观看..| 国产av精品麻豆| 亚洲国产av新网站| 青春草亚洲视频在线观看| 在线观看美女被高潮喷水网站| 毛片一级片免费看久久久久| 精品久久久精品久久久| 久久久久国产精品人妻一区二区| 内地一区二区视频在线| 欧美三级亚洲精品| 欧美日韩视频高清一区二区三区二| 国产在线一区二区三区精| 久久久久久久久久久久大奶| 91在线精品国自产拍蜜月| 国产精品麻豆人妻色哟哟久久| .国产精品久久| 少妇人妻久久综合中文| 2021少妇久久久久久久久久久| 国产av一区二区精品久久| 精品国产乱码久久久久久小说| 亚洲av免费高清在线观看| 蜜桃在线观看..| 亚洲av成人精品一二三区| 精品少妇久久久久久888优播| 三级国产精品片| 高清视频免费观看一区二区| 国产一区二区三区av在线| 校园人妻丝袜中文字幕| 国产无遮挡羞羞视频在线观看| 一个人看视频在线观看www免费| 欧美人与性动交α欧美精品济南到 | 亚洲av欧美aⅴ国产| 黑人高潮一二区| 曰老女人黄片| 国产精品人妻久久久久久| 亚洲精品久久久久久婷婷小说| 2018国产大陆天天弄谢| 男男h啪啪无遮挡| 大又大粗又爽又黄少妇毛片口| 欧美bdsm另类| 九色亚洲精品在线播放| 五月开心婷婷网| 男女国产视频网站| 亚洲少妇的诱惑av| 久久免费观看电影| √禁漫天堂资源中文www| 五月天丁香电影| 午夜免费男女啪啪视频观看| 2022亚洲国产成人精品| 啦啦啦中文免费视频观看日本| 午夜影院在线不卡| 亚洲天堂av无毛| 我要看黄色一级片免费的| 91精品三级在线观看| 亚洲精品乱久久久久久| 水蜜桃什么品种好| 亚洲,欧美,日韩| 日本wwww免费看| 午夜激情av网站| 日本黄色日本黄色录像| av免费在线看不卡| a级毛片黄视频| 十八禁网站网址无遮挡| 日韩大片免费观看网站| 99热这里只有是精品在线观看| 精品国产一区二区三区久久久樱花| 国产精品一区二区在线不卡| 午夜影院在线不卡| 日韩中字成人| 99九九在线精品视频| 精品亚洲成国产av| 国产极品天堂在线| 国内精品宾馆在线| 久久久久久久久久久免费av| 中国国产av一级| 十八禁高潮呻吟视频| 91久久精品电影网| 在线观看免费高清a一片| 亚洲av成人精品一区久久| 草草在线视频免费看| 晚上一个人看的免费电影| 亚洲国产精品一区二区三区在线| 视频中文字幕在线观看| 日韩一区二区视频免费看| 十分钟在线观看高清视频www| 纯流量卡能插随身wifi吗| 一级,二级,三级黄色视频| 精品久久久精品久久久| 九草在线视频观看| 成人国语在线视频| 51国产日韩欧美| 亚洲在久久综合| 一级毛片 在线播放| 狂野欧美激情性bbbbbb| 九草在线视频观看| 我的女老师完整版在线观看| 久久免费观看电影| √禁漫天堂资源中文www| 久久久久久久大尺度免费视频| 国产精品人妻久久久影院| 最后的刺客免费高清国语| 99国产精品免费福利视频| 午夜激情久久久久久久| 国产深夜福利视频在线观看| 国产精品 国内视频| 99久久综合免费| 久久av网站| 欧美另类一区| 精品亚洲成a人片在线观看| 亚洲天堂av无毛| 国产黄色视频一区二区在线观看| 国产av精品麻豆| 高清不卡的av网站| 秋霞伦理黄片| 国产成人91sexporn| 三级国产精品片| 人体艺术视频欧美日本| 国精品久久久久久国模美| 18+在线观看网站| 久久人人爽人人爽人人片va| 国产乱人偷精品视频| 美女主播在线视频| 日本黄色片子视频| 久久久久久久久久久久大奶| 我要看黄色一级片免费的| 人人妻人人澡人人爽人人夜夜| 激情五月婷婷亚洲| 国产亚洲av片在线观看秒播厂| 黄片无遮挡物在线观看| 国产片特级美女逼逼视频| 色94色欧美一区二区| 亚洲av电影在线观看一区二区三区| 少妇精品久久久久久久| 国产一区二区在线观看日韩| 狂野欧美白嫩少妇大欣赏| 99精国产麻豆久久婷婷| 亚洲精品久久午夜乱码| 秋霞伦理黄片| 自拍欧美九色日韩亚洲蝌蚪91| 亚洲第一av免费看| 99热网站在线观看| 亚洲精品一区蜜桃| 久久精品国产自在天天线| 亚洲欧美一区二区三区国产| 精品熟女少妇av免费看| 性色avwww在线观看| 亚洲经典国产精华液单| 久久97久久精品| 久久精品国产亚洲av涩爱| 伦理电影免费视频| 亚洲国产毛片av蜜桃av| 欧美日韩在线观看h| 简卡轻食公司| 99精国产麻豆久久婷婷| 欧美日韩视频高清一区二区三区二| 成人综合一区亚洲| 最新中文字幕久久久久| 在线免费观看不下载黄p国产| 国产熟女欧美一区二区| 啦啦啦中文免费视频观看日本| 久久久精品免费免费高清| 色吧在线观看| 午夜精品国产一区二区电影| 18在线观看网站| 色婷婷久久久亚洲欧美| 亚洲av二区三区四区| 视频中文字幕在线观看| 人妻 亚洲 视频| 亚洲精品乱久久久久久| 亚洲精品国产av蜜桃| 久久99精品国语久久久| 美女国产高潮福利片在线看| 色网站视频免费| 亚洲欧美日韩卡通动漫| 91精品一卡2卡3卡4卡| 国产亚洲欧美精品永久| 亚洲少妇的诱惑av| 男人操女人黄网站| 秋霞在线观看毛片| 国产女主播在线喷水免费视频网站| 精品卡一卡二卡四卡免费| 99国产精品免费福利视频| 国产亚洲最大av| 亚洲av成人精品一区久久| 九九久久精品国产亚洲av麻豆| 蜜桃国产av成人99| 日产精品乱码卡一卡2卡三| 成年人午夜在线观看视频| 国产高清不卡午夜福利| 久久久久久久精品精品| 热99久久久久精品小说推荐| 色哟哟·www| 久久精品熟女亚洲av麻豆精品| 一本—道久久a久久精品蜜桃钙片| 欧美日韩亚洲高清精品| 国产午夜精品久久久久久一区二区三区| 国产黄色视频一区二区在线观看| 91午夜精品亚洲一区二区三区| 简卡轻食公司| 人成视频在线观看免费观看| 熟女人妻精品中文字幕| 男女啪啪激烈高潮av片| 亚洲五月色婷婷综合| 亚洲精品aⅴ在线观看| 最后的刺客免费高清国语| 亚洲国产日韩一区二区| av天堂久久9| 色5月婷婷丁香| av在线播放精品| 国产白丝娇喘喷水9色精品| 亚洲婷婷狠狠爱综合网| 熟女电影av网| 色婷婷久久久亚洲欧美| 永久免费av网站大全| 日韩一区二区三区影片| 国产精品无大码| 亚洲国产欧美日韩在线播放| 一区二区三区精品91| 少妇熟女欧美另类| 亚洲精品自拍成人| 久久精品夜色国产| 超色免费av| 亚洲成人一二三区av| 日本色播在线视频| 91精品国产九色| 国产一区二区在线观看av| 亚洲图色成人| 色婷婷av一区二区三区视频| 亚洲第一av免费看| 多毛熟女@视频| 欧美人与善性xxx| 美女福利国产在线| 久久久久久久久久人人人人人人| 老司机亚洲免费影院| 视频在线观看一区二区三区| 超碰97精品在线观看| 免费播放大片免费观看视频在线观看| 国产乱人偷精品视频| 黑人高潮一二区| 免费少妇av软件| 国产男人的电影天堂91| 精品视频人人做人人爽| 久久午夜综合久久蜜桃| 国产一区二区三区综合在线观看 | 午夜激情久久久久久久| 午夜影院在线不卡| 自拍欧美九色日韩亚洲蝌蚪91| 国产不卡av网站在线观看| 人人澡人人妻人| 国产免费现黄频在线看| 亚洲精品日本国产第一区| 亚洲精品视频女| 91精品国产九色| 日本vs欧美在线观看视频| 黄色欧美视频在线观看|