• <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 ?

    信貸金融機構的個人信用評估與管理

    2022-05-30 03:11:20李響軍
    中國集體經(jīng)濟 2022年30期
    關鍵詞:信用貸款支持向量機商業(yè)銀行

    李響軍

    摘要:隨著社會經(jīng)濟的快速發(fā)展和信貸業(yè)務的增加,貸款人的信用評估也成為商業(yè)銀行信貸的重要組成部分。文章基于某商業(yè)銀行客戶信用數(shù)據(jù)集,建立支持向量機分類模型,先對數(shù)據(jù)進行預處理以后,訓練合理高效的信用評估分類器,根據(jù)改變SVM模型中的核函數(shù)和訓練樣本量,對比研究發(fā)現(xiàn),SVM模型對個人信用風險的評估具有良好的分類效果,向商業(yè)銀行提出合理有效的建議,對推動我國信用制度的建設和社會主義市場經(jīng)濟的發(fā)展有著重要的現(xiàn)實意義。

    關鍵詞:商業(yè)銀行;信用貸款;信用評估;支持向量機

    一、信用風險產(chǎn)生的原因

    隨著我國經(jīng)濟的蓬勃發(fā)展,更多的人選擇投資來獲取經(jīng)濟利益,然而在實際生活當中投資者往往會面臨投資資金短缺等問題,此時就需要向銀行進行貸款,進而信用貸款業(yè)務也是逐年增加,使得全國各地商業(yè)銀行和金融機構得以迅速發(fā)展。商業(yè)銀行是通過發(fā)放信用貸款、吸收存款等業(yè)務盈利性金融機構,在資金供需平衡和資金流通等方面起著舉足輕重的作用。信貸業(yè)務的發(fā)展加速了我國經(jīng)濟社會的發(fā)展,然而信用貸款往往會產(chǎn)生信用風險,信用風險的存在會給商業(yè)銀行業(yè)務的發(fā)展帶來不利的影響,而相當一部分信用風險往往是因為銀行在發(fā)放貸款時的判斷失誤導致的,所以建立一套科學合理有效的信用評估體系對于銀行的發(fā)展至關重要。傳統(tǒng)的信用評估往往是人為進行或者是利用簡單的信用評估,不僅評估的工作量巨大,并且極容易由于人的主觀因素的影響。隨著市場經(jīng)濟的多樣化發(fā)展,信用風險的形式也變得復雜多樣,使得信用的評估也是越來越具有挑戰(zhàn)性。全世界范圍內(nèi)都存在著信用風險,有相當一部分的商業(yè)銀行和金融信貸機構破產(chǎn)的重要因素之一就是信貸風險的存在。

    全球范圍內(nèi)各個國家的銀行早就開始慢慢進行信用風險的評估,也制定了各種信用風險的管理辦法,但隨著銀行業(yè)務的增加和多樣化發(fā)展,信用風險也在增加,在各種信用風險中,個人的信用風險顯得非常重要,個人信用風險表現(xiàn)為個人向銀行進行信用貸款后因為各方面因素無法按時還款而帶來的違約風險。所以信用風險評估體系的研究是一項重要而且意義重大的任務,其中個人信用風險的評估也顯得尤為重要。

    由于信用風險越來越受到銀行的關注和重視,所以出現(xiàn)了一系列信用風險評估辦法,比如,將判別分析、線性規(guī)劃應用于信用風險的評估,隨著科技進步和理論的發(fā)展,信用風險的評估逐漸邁入機器學習的時代,深度學習等一系列信用風險評估模型開始發(fā)展。

    數(shù)學規(guī)劃法是將信用評估問題進行轉化,根據(jù)數(shù)學知識分析求解,大致過程是將數(shù)據(jù)集中的樣本分為兩類,不妨計為I類樣本和II類樣本分別有N1和N2個,其中每個樣本都包含有k個評價指標,分別是xi1,xi2,…,xik,再根據(jù)相應的數(shù)學理論求出一個可以進行分類的閾值H和權重,根據(jù)閾值H和權重w=(w1,w2,…,wk)來進行分類判別,I類樣本經(jīng)過加權計算后其值大于設定的閾值,即:

    w1xi1+w2xi2+…+wkxik>H,i=1,2,…,N1

    II類樣本經(jīng)過加權計算后其值大于設定的閾值,即:

    w1xi1+w2xi2+…+wkxik>H,i=1,2,…,N2

    但在實際的數(shù)據(jù)分類應用中上式一般情況下是很難成立的,此時就需要引入一個非負的變量ai,將上面的問題轉化為數(shù)學中的條件最優(yōu)化問題:

    目標函數(shù):

    約束性條件:

    w1xi1+w2xi2+…+wkxik≥T-ai,1≤i≤N1

    w1xi1+w2xi2+…+wkxik≥T-ai,N1ai≥0,i=1,2,…,N2

    此分類過程在信用風險評估中過程簡單也便于理解,但是后續(xù)進行目標函數(shù)的最小化計算時需要專業(yè)的數(shù)學理論知識。

    還有其他一系列的信用風險評估方法,由于支持向量機在分類方面有著良好的優(yōu)勢,雖然有國外專家將支持向量機應用于信用風險的評估中,但信用風險的評估還一直在發(fā)展研究當中,本文以某商業(yè)銀行信用數(shù)據(jù)進行信用風險評估。

    本文將介紹SVM模型的原理和理論基礎,根據(jù)預處理后的數(shù)據(jù)進行訓練SVM分類器,并在測試集上驗證模型的分類正確率。

    二、某商業(yè)銀行信用數(shù)據(jù)

    本文所采用的數(shù)據(jù)是某商業(yè)銀行的個人信用數(shù)據(jù),是貸款人向銀行申請信用貸款時提交的個人信息,該信用數(shù)據(jù)集中有1000個樣本,在樣本數(shù)據(jù)集中最后一列是貸款客戶的信用分類,若該客戶信用良好用“1”表示,反之用“2”表示,其他數(shù)據(jù)是客戶的信用指標數(shù)據(jù),數(shù)據(jù)集中的其他數(shù)據(jù)表示客戶的信用指標的數(shù)據(jù)。對于商業(yè)銀行來說,更愿意為信用較好的客戶發(fā)放貸款,拒絕為違約風險較高信用較差的客戶發(fā)放貸款。對信用數(shù)據(jù)集中的兩類客戶進行正確區(qū)分是個人信用風險評估的重點內(nèi)容也是本文所研究的內(nèi)容。

    (一)信用指標的描述性分析

    為了解釋數(shù)據(jù)集中各樣本數(shù)據(jù)的信用指標來解釋該指標對樣本分類結果的影響,并給出一定的解釋和得到合理的評價指標,先來看個別信用指標對個人信用風險評估結果的影響。下面就該客戶歷史信用記錄的五個屬性值:無不良信用記錄(A30)、所有貸款已付清(A31)、有尚未到期的信用貸款(A32)、有信貸延遲還款記錄(A33)、信用記錄較差(A34),再結合其他信用指標銀行對該客戶做出的信用評價之間的關系

    再根據(jù)表1中的數(shù)據(jù)畫出更為直觀的柱狀圖1。

    由表1和圖1可以看出,對于無不良信用記錄和所有貸款已付清的客戶而言,結合其他屬性后被判別為劣質客戶的可能性稍大,這也許是因為這些客戶的信用記錄空白或者其他因素,對于歷史信用記錄稍差的客戶而言,大概率是要被判別為劣質客戶的,結合其他因素后分析,該客戶還是有可能被判別為優(yōu)質客戶的。

    由以上分析得到,商業(yè)銀行在進行貸款客戶的個人信用風險評估時,需要結合多種因素,利用科學的數(shù)學模型進行理論的判別分析。

    (二)信用指標數(shù)據(jù)的預處理

    在貸款時客戶向銀行提交的個人信息包括年齡、工作、住房、現(xiàn)有資產(chǎn)等情況,現(xiàn)有資產(chǎn)、貸款數(shù)額等數(shù)值型指標可以根據(jù)實際數(shù)額來進行分析,但對于住房情況、工作情況等字符型指標采用直接賦值的方式進行賦值,比如,就共同貸款人、擔保人情況中的A101(表示:無)、A102(表示有共同貸款人)、A103(表示有擔保人)可以直接分別賦值數(shù)字1、2、3。由于只涉及分類,賦值后的數(shù)值型指標在數(shù)學模型中只是為了方便計算,所以可以進行人為賦值,并不影響分類的結果。

    將數(shù)據(jù)進行賦值以后數(shù)據(jù)集中的指標屬性均是數(shù)值型的,但是由于各指標數(shù)據(jù)不在同一個數(shù)量級上,比如銀行存款數(shù)值和賦值的數(shù)值之間量級太大,為便于計算,在原始數(shù)據(jù)不變的前提下根據(jù)以下方法進行數(shù)據(jù)的歸一化處理,使得歸一化后的數(shù)據(jù)在區(qū)間[0,1]之間:

    其中,x? 表示歸一化后的樣本數(shù)據(jù)集中第i個樣本的第j個信用指標數(shù)值,max(x )、min(x )分別表示第i個指標中所有屬性值的最大值、最小值。

    由于數(shù)據(jù)太多,在表2中只先列出前樣本數(shù)據(jù)集中前5個樣本通過歸一化處理后的數(shù)據(jù)結果。

    三、信用風險評估的SVM模型

    20世紀末Cortes和Vapnik提出了支持向量機(SVM),隨著支持向量機理論的發(fā)展和應用上的廣泛性,使得支持向量機已經(jīng)被廣泛應用于機器學習中的各類數(shù)據(jù)分類問題,就支持向量機而言,既可以分析處理小樣本數(shù)據(jù),又可以處理非線性可分的數(shù)據(jù)和高維數(shù)據(jù),根據(jù)有限的樣本數(shù)據(jù)訓練出在模型的復雜程度和模型的學習能力上找到最佳折中從而降低模型的推廣能力。在實際問題中,數(shù)據(jù)復雜多樣,對于樣本訓練集來說,可以訓練出在樣本訓練集上有很好的判別能力,但是這樣訓練出來的模型在樣本測試集上的學習能力較差,根據(jù)統(tǒng)計學理論,訓練出良好的模型就需要結合經(jīng)驗風險的最小化和模型的學習能力,最后尋求一個折中,使得模型中實際的期望風險最小化,也就是結構風險的最小化,結構風險包含經(jīng)驗風險和置信風險。

    在機器學習中的結構風險包含經(jīng)驗風險和置信風險,經(jīng)驗風險是在訓練分類器的過程中訓練器在訓練樣本上的誤差,置信風險指的是訓練分類器在測試樣本上的誤差,也就是分類器在測試樣本上的學習能力。經(jīng)驗風險在根據(jù)訓練樣本進行訓練分類器時可以直接計算出來,而置信風險跟樣本量和模型的VC維有關,相較來說大樣本量的數(shù)據(jù)訓練出來的訓練器模型的學習能力較好,訓練器模型的VC維越大,學習能力也較差,也就是置信風險越大。

    訓練器模型就是尋求經(jīng)驗風險最小的函數(shù),由于經(jīng)驗風險大部分情況下會隨著訓練器函數(shù)的VC維的減小而增加,而VC維的增大一般情況下經(jīng)驗風險會減小但是置信風險會增加。尋求結構風險最小也就是經(jīng)驗風險和置信風險之和的最小,如圖2所示。

    二分類問題是支持向量機所研究的問題中的一個最基本問題,根據(jù)數(shù)據(jù)集中各樣本的屬性值將其劃分為兩類,比如假設有n個訓練樣本,每個樣本用(xi,yi),i= 1,2,…,n表示,樣本中的xi∈Rn是一個維向量,用來表示該樣本的n個屬性值,yi={-1,+1}表示的是樣本的分類類別,可以尋求一個可以將兩個類別的樣本正確分類的超平面,該超平面兩側就是兩類樣本點,如圖3所示。

    當樣本可以被線性劃分時,其實可以找到很多條直線都可以滿足樣本的分類要求,分類器的函數(shù)為g(x)=wx+b,其中w表示分類超平面的法向量,b是位移向量。需要找到最優(yōu)的那個超平面,使得分類間隔最大,所謂分類間隔就是樣本點xi到超平面的間隔δi=yi(wxi+b),這樣的分類超平面既可以滿足需求也可以盡量減小置信風險。如圖4所示。

    雖然與直線H1與直線H2平行且位于他們之間的任意一條直線都可以將兩類結果正確分類,位于直線H1與直線H2上的樣本點稱為支持向量,兩條平行線之間距離兩條直線都相等的直線H稱為在該支持向量機下的最優(yōu)超平面,這樣的最優(yōu)超平面同樣也可以找到很多組。

    在多組最優(yōu)分類超平面中,再選擇支持向量到H的距離最大化原則,也就是H到H1之間的距離δ= 要最大化,這樣就可以使得最優(yōu)分類超平面更加準確區(qū)分兩個類別的屬性。

    經(jīng)過推測可以得到最優(yōu)分類超平面。

    f(x)=sign(w*x+b*)

    =sign α y x x+b

    上面是線性可分的,當然也有非線性可分時的分類器。如圖5所示。

    對于有這樣異常點的樣本數(shù)據(jù)集,可以引入一個孫馳變量ξp≥0進行求解,但是,更多的時候樣本數(shù)據(jù)集復雜多樣,是非線性可分的,所以線性和近似線性可分的模型已經(jīng)不再適用,這時可以考慮將數(shù)據(jù)集映射到高維數(shù)據(jù)集中,使其線性可分,再尋求最有分類器。由于高維數(shù)據(jù)計算涉及計算量大的問題,所以需要引入核函數(shù)K(xi,xj),一般和函數(shù)有線性核函數(shù)、多項式核函數(shù)、高斯核函數(shù)和Sigmoid核函數(shù)。引入核函數(shù)之后訓練分類器過程為:

    1.選擇核函數(shù)和懲罰因子C>0,構造約束優(yōu)化問題

    αiαjyiyjK(xi,xj)- αi使得 αiyi=0, 其中0≤ai≤C

    2.再利用SMO算法求解目標函數(shù)中α*向量最小值。

    3.根據(jù)α*求解w*= α? yi?覬(xi)。

    4.尋找支持向量,也就是滿足0<αs

    得到分類超平面為: α? yiK(x,xi)+b*=0

    最后得到SVM模型的分類決策函數(shù)為:

    f(x)=sign( α? yiK(x,xi)+b*)

    四、實證分析

    考慮到訓練分類器過程中會受到訓練樣本量和函數(shù)的影響,因此在實驗過程中利用交叉對比,假設固定核函數(shù),取不同的訓練樣本量和不同的核函數(shù)進行實證分析,分析結果如表3所示。

    根據(jù)表3中的結果可以得到,不同的訓練樣本量會導致不同的結果,隨著訓練樣本量的增加,模型的正確率也會增加,就商業(yè)銀行而言,第I種分類錯誤會導致銀行的盈利相對減少,但第II類分類錯誤會直接導致銀行需要承擔這些劣質客戶違約的風險,所以需要找到分類正確率更高的模型。

    由上面的對比分析,訓練樣本量為800時分類器的正確率已經(jīng)很高,下面就以訓練樣本量為800時改變模型的核函數(shù),對比其預測結果:

    表3中的結果明顯能夠對比三種核函數(shù)在該模型中的對測試樣本數(shù)據(jù)的影響,當訓練器中的核函數(shù)為多項式核函數(shù)和RBF核函數(shù)時,分類器對測試樣本的正確分類率影響不大并且都有良好的分類效果。

    為了更加直觀觀察分類器對測試樣本分類情況,取訓練樣本量為900,核函數(shù)選取RBF核函數(shù)時分類器對測試樣本的分類結果如圖6所示。

    根據(jù)圖6可以看到,在訓練器對測試樣本進行分類時,該樣本是否被正確分類,測試樣本的符號與分類器判別分類后的符號重合時,說明該樣本點已經(jīng)被正確分類,反之該樣本被錯誤分類。分類器對樣本數(shù)據(jù)的判別分類正確率很高。

    五、總結與建議

    1. 對數(shù)據(jù)集中的數(shù)據(jù)進行賦值和進行和歸一化處理后,數(shù)據(jù)的可識別度有所提升,模型的分類效果有著良好的效果。商業(yè)銀行和信貸金融機構也需要在進行信用風險評估信息統(tǒng)計時,在評價指標上進行篩選,準確統(tǒng)計每位客戶的信用指標的屬性值,也要對指標進行篩選和甄別,并且務必做到客戶信用數(shù)據(jù)的準確性,信用指標屬性數(shù)值的準確性將直接關系到信用風險模型的準確性和學習能力,還會造成商業(yè)銀行的經(jīng)濟損失。

    2. 不同的訓練樣本量會影響模型在測試集上的準確程度,不同的核函數(shù)也會對影響模型在測試集上的準確程度,商業(yè)銀行在進行個人信用風險評估時可以通過比較選擇適合自己的分類器模型。

    3. 不同的商業(yè)銀行在進行信用風險評估時選擇的指標也不一樣,所以在進行模型中核函數(shù)的選擇時應該根據(jù)自己的情況進行選擇,也可以根據(jù)需要更改核函數(shù)中的參數(shù),提升模型的準確程度。

    4. 商業(yè)銀行的發(fā)展在我國經(jīng)濟社會快速發(fā)展的今天,對推進區(qū)域經(jīng)濟社會發(fā)展等方面產(chǎn)生了重要的作用,是我國社會主義市場經(jīng)濟體制中不可或缺的一部分,在其發(fā)展過程中,還需要在貸款策略和風險管理等方面作出合理評估。優(yōu)先選擇向信用表現(xiàn)良好的優(yōu)質客戶發(fā)放貸款,對于信用評估較差的劣質客戶進一步進行審核,并且還可以向劣質客戶增加約束性條款,必要時要求其抵押等價值或者更高價值的抵押物。

    參考文獻:

    [1]徐長榮.巴塞爾新資本協(xié)議與我國商業(yè)銀行信用風險管理對策研究[J].商業(yè)研究,2005(03):143-145.

    [2]荊浩,劉埡,唐金環(huán).基于多變量支持向量機的供應鏈需求預測分析[J].系統(tǒng)工程,2018,36(11):121-126.

    [3]郭保蘇,吳文文,付強,吳鳳和.基于支持向量機分類策略的多晶硅電池片色差檢測[J].計量學報,2019(06):1013-1019.

    [4]高欽姣,張勝剛,賈曉薇.基于支持向量機的股票價格預測模型研究與應用[J].課程教育研究,2016(28):227.

    [5]Bellotti T.Crook J.Support vector machines for credit scoring and discovery of significant features[J].ExpeR Systems with Applications,2009,36(02):3302-3308.

    [6]Harris T.Credit scoring using the clustered support vector machine[J].ExpeR Systems with Applications,2015,42(02):741-750.

    *基金項目:海軍工程大學2020年教學改革建設項目。

    (作者單位:海軍工程大學)

    猜你喜歡
    信用貸款支持向量機商業(yè)銀行
    商業(yè)銀行資金管理的探索與思考
    關于加強控制商業(yè)銀行不良貸款探討
    消費導刊(2017年20期)2018-01-03 06:27:21
    互聯(lián)網(wǎng)消費金融的風險管理研究
    時代金融(2017年18期)2017-07-31 00:23:01
    中小企業(yè)信用貸款困難問題分析
    商業(yè)銀行中小額信用貸款全流程外包研究
    動態(tài)場景中的視覺目標識別方法分析
    論提高裝備故障預測準確度的方法途徑
    價值工程(2016年32期)2016-12-20 20:36:43
    基于熵技術的公共事業(yè)費最優(yōu)組合預測
    價值工程(2016年29期)2016-11-14 00:13:35
    基于支持向量機的金融數(shù)據(jù)分析研究
    互聯(lián)網(wǎng)金融新的資產(chǎn)經(jīng)營模式
    商(2016年2期)2016-03-01 19:17:10
    少妇熟女aⅴ在线视频| 国产成人系列免费观看| 久久久精品欧美日韩精品| 国产色视频综合| e午夜精品久久久久久久| 黑人欧美特级aaaaaa片| 亚洲三区欧美一区| 人人妻人人爽人人添夜夜欢视频| 一本久久中文字幕| 亚洲情色 制服丝袜| 成年版毛片免费区| 搡老岳熟女国产| 国产精品精品国产色婷婷| 禁无遮挡网站| 欧美大码av| 777久久人妻少妇嫩草av网站| 婷婷精品国产亚洲av在线| 长腿黑丝高跟| 99久久国产精品久久久| 麻豆一二三区av精品| 老汉色∧v一级毛片| 精品国产美女av久久久久小说| 国产成人精品无人区| 亚洲免费av在线视频| 欧美最黄视频在线播放免费| 午夜精品国产一区二区电影| videosex国产| 国产亚洲欧美98| 亚洲国产欧美网| 亚洲国产欧美日韩在线播放| 在线免费观看的www视频| 日本 欧美在线| 老司机福利观看| 免费在线观看视频国产中文字幕亚洲| 国产真人三级小视频在线观看| 日韩欧美免费精品| 亚洲欧美精品综合久久99| 女人爽到高潮嗷嗷叫在线视频| 好男人电影高清在线观看| 一二三四社区在线视频社区8| 18禁裸乳无遮挡免费网站照片 | 精品欧美一区二区三区在线| 一边摸一边抽搐一进一出视频| 天天躁狠狠躁夜夜躁狠狠躁| а√天堂www在线а√下载| 夜夜夜夜夜久久久久| 亚洲午夜理论影院| 欧美在线黄色| 在线观看午夜福利视频| 50天的宝宝边吃奶边哭怎么回事| 亚洲专区中文字幕在线| 成在线人永久免费视频| 色综合欧美亚洲国产小说| 国产伦一二天堂av在线观看| 午夜a级毛片| 国产成人精品久久二区二区91| 性欧美人与动物交配| 国产熟女xx| 国产精品久久久久久亚洲av鲁大| 免费观看人在逋| 无人区码免费观看不卡| 可以在线观看的亚洲视频| 精品一品国产午夜福利视频| 国产精品二区激情视频| 亚洲av日韩精品久久久久久密| 亚洲一码二码三码区别大吗| 高清毛片免费观看视频网站| 亚洲欧美激情综合另类| 亚洲av电影不卡..在线观看| 亚洲欧美日韩高清在线视频| 757午夜福利合集在线观看| 九色亚洲精品在线播放| 妹子高潮喷水视频| 涩涩av久久男人的天堂| 韩国精品一区二区三区| 国产主播在线观看一区二区| 亚洲av第一区精品v没综合| 久久精品国产99精品国产亚洲性色 | 麻豆av在线久日| 日韩欧美在线二视频| 亚洲色图av天堂| 久久亚洲精品不卡| 91国产中文字幕| 国产精品一区二区免费欧美| 999久久久精品免费观看国产| 91精品三级在线观看| 后天国语完整版免费观看| 久久人人爽av亚洲精品天堂| 午夜精品国产一区二区电影| 精品免费久久久久久久清纯| 国内久久婷婷六月综合欲色啪| 一级a爱视频在线免费观看| 精品国产一区二区三区四区第35| 久久久久久久久久久久大奶| 黄色丝袜av网址大全| 精品少妇一区二区三区视频日本电影| 亚洲av美国av| 久久久久久久久久久久大奶| 夜夜夜夜夜久久久久| 成人亚洲精品av一区二区| 免费久久久久久久精品成人欧美视频| av天堂久久9| 丝袜美足系列| 国产精品免费视频内射| 老熟妇仑乱视频hdxx| 美女大奶头视频| 国产野战对白在线观看| 亚洲精品一区av在线观看| 一级a爱片免费观看的视频| 久久天躁狠狠躁夜夜2o2o| 免费观看人在逋| 欧美乱妇无乱码| 亚洲天堂国产精品一区在线| 777久久人妻少妇嫩草av网站| 亚洲少妇的诱惑av| 国产av一区二区精品久久| 极品教师在线免费播放| 欧美成狂野欧美在线观看| 日本撒尿小便嘘嘘汇集6| 正在播放国产对白刺激| 中文字幕最新亚洲高清| 黑人操中国人逼视频| 色老头精品视频在线观看| 午夜两性在线视频| 国产三级在线视频| 免费av毛片视频| 亚洲中文av在线| 一级片免费观看大全| 18禁黄网站禁片午夜丰满| 国产激情久久老熟女| 精品国产乱子伦一区二区三区| 少妇熟女aⅴ在线视频| 18禁观看日本| 精品国产一区二区三区四区第35| 亚洲人成77777在线视频| 91国产中文字幕| 成熟少妇高潮喷水视频| netflix在线观看网站| 亚洲精品一卡2卡三卡4卡5卡| 老汉色∧v一级毛片| 亚洲伊人色综图| 成人三级黄色视频| 变态另类丝袜制服| 亚洲aⅴ乱码一区二区在线播放 | 亚洲国产高清在线一区二区三 | 亚洲国产精品合色在线| 老司机靠b影院| 一级a爱片免费观看的视频| 色综合站精品国产| 久久午夜亚洲精品久久| √禁漫天堂资源中文www| 国产亚洲精品综合一区在线观看 | 国产午夜福利久久久久久| 久久香蕉国产精品| 亚洲国产中文字幕在线视频| 嫩草影视91久久| 国产高清有码在线观看视频 | 满18在线观看网站| 窝窝影院91人妻| 女人高潮潮喷娇喘18禁视频| 十八禁人妻一区二区| 可以在线观看毛片的网站| 久久久国产欧美日韩av| 大香蕉久久成人网| 国产伦一二天堂av在线观看| 亚洲久久久国产精品| 非洲黑人性xxxx精品又粗又长| 99国产精品一区二区三区| 国产蜜桃级精品一区二区三区| 欧美人与性动交α欧美精品济南到| 久久精品国产综合久久久| 久久狼人影院| 黄色片一级片一级黄色片| 女性被躁到高潮视频| 人人妻人人爽人人添夜夜欢视频| 亚洲欧美精品综合久久99| 成人特级黄色片久久久久久久| 色综合站精品国产| av天堂久久9| 97碰自拍视频| 亚洲人成电影观看| 亚洲一区二区三区不卡视频| 99热只有精品国产| 精品久久蜜臀av无| 久久久久久人人人人人| a级毛片在线看网站| 亚洲色图综合在线观看| 亚洲精品久久成人aⅴ小说| 两性夫妻黄色片| 香蕉久久夜色| 国产精品一区二区三区四区久久 | 国产亚洲欧美精品永久| 午夜福利高清视频| www.www免费av| 国产1区2区3区精品| 亚洲国产精品999在线| 中国美女看黄片| 看黄色毛片网站| 久久狼人影院| av片东京热男人的天堂| 精品一区二区三区视频在线观看免费| 久久精品国产亚洲av高清一级| 国产aⅴ精品一区二区三区波| 日韩精品青青久久久久久| cao死你这个sao货| 色播在线永久视频| 88av欧美| 精品久久久久久成人av| 久久欧美精品欧美久久欧美| 在线观看免费日韩欧美大片| 亚洲一区中文字幕在线| 亚洲av电影在线进入| √禁漫天堂资源中文www| 午夜精品国产一区二区电影| 桃红色精品国产亚洲av| 色婷婷久久久亚洲欧美| 久久久国产精品麻豆| 亚洲精品国产一区二区精华液| 久久久久久人人人人人| 中亚洲国语对白在线视频| 丁香六月欧美| 亚洲av美国av| 多毛熟女@视频| 午夜福利高清视频| 国产色视频综合| 日韩国内少妇激情av| 亚洲成av片中文字幕在线观看| 亚洲一区高清亚洲精品| 亚洲熟女毛片儿| 久久中文字幕人妻熟女| 9色porny在线观看| avwww免费| 国产欧美日韩综合在线一区二区| 亚洲一区中文字幕在线| 丝袜美腿诱惑在线| 50天的宝宝边吃奶边哭怎么回事| 国产免费av片在线观看野外av| 免费在线观看亚洲国产| 国产高清视频在线播放一区| 一区二区三区精品91| 搡老熟女国产l中国老女人| 欧美黄色片欧美黄色片| 国内久久婷婷六月综合欲色啪| 神马国产精品三级电影在线观看 | 国产欧美日韩精品亚洲av| 色综合欧美亚洲国产小说| 日本免费一区二区三区高清不卡 | 国产精品综合久久久久久久免费 | 国产亚洲精品一区二区www| 欧美老熟妇乱子伦牲交| 精品久久久久久成人av| 97人妻精品一区二区三区麻豆 | 日韩一卡2卡3卡4卡2021年| 亚洲中文字幕日韩| 一级,二级,三级黄色视频| 精品国产国语对白av| 日韩欧美三级三区| 校园春色视频在线观看| 欧美日本亚洲视频在线播放| 无人区码免费观看不卡| 亚洲中文字幕日韩| 18美女黄网站色大片免费观看| av电影中文网址| 亚洲av美国av| 国产精品 欧美亚洲| av中文乱码字幕在线| 男人操女人黄网站| 国产精品99久久99久久久不卡| 欧美激情 高清一区二区三区| 给我免费播放毛片高清在线观看| 免费一级毛片在线播放高清视频 | 青草久久国产| 国产激情欧美一区二区| 国产私拍福利视频在线观看| 日韩欧美在线二视频| 涩涩av久久男人的天堂| 精品无人区乱码1区二区| 日韩中文字幕欧美一区二区| 视频在线观看一区二区三区| 精品福利观看| 日日干狠狠操夜夜爽| 波多野结衣巨乳人妻| 精品乱码久久久久久99久播| 丰满人妻熟妇乱又伦精品不卡| 亚洲欧美日韩无卡精品| 极品人妻少妇av视频| 在线观看www视频免费| 人成视频在线观看免费观看| 国产伦一二天堂av在线观看| 黄色视频,在线免费观看| 脱女人内裤的视频| 91精品三级在线观看| 成人18禁在线播放| 日韩欧美一区视频在线观看| 99久久综合精品五月天人人| 免费看a级黄色片| 国产欧美日韩一区二区精品| 亚洲电影在线观看av| 免费人成视频x8x8入口观看| 欧美国产精品va在线观看不卡| 色尼玛亚洲综合影院| 国产精品久久久av美女十八| 国产97色在线日韩免费| 欧美日本亚洲视频在线播放| 免费不卡黄色视频| 韩国精品一区二区三区| 热99re8久久精品国产| 动漫黄色视频在线观看| 男人的好看免费观看在线视频 | 日日夜夜操网爽| 亚洲,欧美精品.| 国产激情久久老熟女| 91成人精品电影| 亚洲五月天丁香| 一级毛片精品| 久久婷婷成人综合色麻豆| 国语自产精品视频在线第100页| 1024香蕉在线观看| 亚洲第一欧美日韩一区二区三区| 在线观看免费视频日本深夜| 精品乱码久久久久久99久播| 麻豆国产av国片精品| 欧美性长视频在线观看| 在线永久观看黄色视频| 好男人在线观看高清免费视频 | 欧美乱妇无乱码| 亚洲情色 制服丝袜| 嫩草影视91久久| 十八禁人妻一区二区| 国产成人精品久久二区二区免费| 精品不卡国产一区二区三区| 国产精品一区二区三区四区久久 | 一二三四社区在线视频社区8| 中文字幕色久视频| 不卡av一区二区三区| 国产蜜桃级精品一区二区三区| 亚洲av熟女| 亚洲欧美日韩高清在线视频| 男女午夜视频在线观看| 视频在线观看一区二区三区| 亚洲一区二区三区不卡视频| 一区二区日韩欧美中文字幕| 别揉我奶头~嗯~啊~动态视频| 欧美激情久久久久久爽电影 | 色尼玛亚洲综合影院| 中文亚洲av片在线观看爽| 90打野战视频偷拍视频| √禁漫天堂资源中文www| 97人妻天天添夜夜摸| 韩国精品一区二区三区| 日本a在线网址| 91大片在线观看| 亚洲av五月六月丁香网| 18禁国产床啪视频网站| 亚洲一卡2卡3卡4卡5卡精品中文| 不卡av一区二区三区| 欧美激情极品国产一区二区三区| 国产极品粉嫩免费观看在线| 黄色a级毛片大全视频| 国产av在哪里看| 高清毛片免费观看视频网站| 成人精品一区二区免费| 国产真人三级小视频在线观看| 高清毛片免费观看视频网站| 最新在线观看一区二区三区| 国产亚洲精品综合一区在线观看 | av天堂在线播放| 乱人伦中国视频| 在线视频色国产色| 免费高清在线观看日韩| 热99re8久久精品国产| 国产精品国产高清国产av| 十八禁网站免费在线| 免费在线观看亚洲国产| 久热爱精品视频在线9| 黄色视频不卡| 国产区一区二久久| 亚洲国产欧美网| 国产又色又爽无遮挡免费看| 亚洲精品久久国产高清桃花| 高清在线国产一区| 9热在线视频观看99| 国产一区二区三区综合在线观看| 亚洲色图 男人天堂 中文字幕| 中文字幕av电影在线播放| 欧美成人性av电影在线观看| 一级,二级,三级黄色视频| www.熟女人妻精品国产| 一边摸一边做爽爽视频免费| 97人妻精品一区二区三区麻豆 | 日本在线视频免费播放| 女人爽到高潮嗷嗷叫在线视频| 久久狼人影院| 亚洲精华国产精华精| 午夜成年电影在线免费观看| 亚洲全国av大片| 久久亚洲真实| 窝窝影院91人妻| 久久国产精品男人的天堂亚洲| 欧美色视频一区免费| 777久久人妻少妇嫩草av网站| 在线观看免费视频日本深夜| 人人妻人人澡欧美一区二区 | 亚洲一区中文字幕在线| 琪琪午夜伦伦电影理论片6080| av天堂久久9| 久久狼人影院| 成年女人毛片免费观看观看9| 欧美+亚洲+日韩+国产| 午夜福利在线观看吧| 超碰成人久久| 国产精品自产拍在线观看55亚洲| 丁香六月欧美| 亚洲精品美女久久久久99蜜臀| 亚洲成国产人片在线观看| 国产精品久久久久久亚洲av鲁大| 真人一进一出gif抽搐免费| 又黄又爽又免费观看的视频| 日韩视频一区二区在线观看| 制服人妻中文乱码| 亚洲国产看品久久| 国产麻豆69| 国产视频一区二区在线看| 国产成人精品久久二区二区91| 国产精品野战在线观看| 精品久久久久久,| 国产av又大| 国产视频一区二区在线看| 俄罗斯特黄特色一大片| xxx96com| 啦啦啦免费观看视频1| 久久香蕉激情| 久久国产精品影院| 免费看美女性在线毛片视频| 黄色a级毛片大全视频| 久久精品aⅴ一区二区三区四区| 99精品久久久久人妻精品| 精品少妇一区二区三区视频日本电影| 一夜夜www| 亚洲中文日韩欧美视频| 欧美黄色片欧美黄色片| 精品日产1卡2卡| 男人舔女人的私密视频| 无限看片的www在线观看| 亚洲精品美女久久av网站| 最近最新中文字幕大全电影3 | 亚洲五月色婷婷综合| 极品教师在线免费播放| 看免费av毛片| 一区福利在线观看| x7x7x7水蜜桃| 亚洲专区中文字幕在线| 好男人在线观看高清免费视频 | 欧美精品亚洲一区二区| 叶爱在线成人免费视频播放| 国产1区2区3区精品| 人人妻人人爽人人添夜夜欢视频| 多毛熟女@视频| 丁香欧美五月| 国产麻豆69| 精品电影一区二区在线| 欧美成狂野欧美在线观看| 女同久久另类99精品国产91| 国产成人精品无人区| 久久精品亚洲精品国产色婷小说| 国产黄a三级三级三级人| 精品一区二区三区av网在线观看| 在线永久观看黄色视频| 国产亚洲欧美精品永久| 一级a爱片免费观看的视频| 两人在一起打扑克的视频| 波多野结衣高清无吗| 在线观看日韩欧美| 亚洲国产欧美日韩在线播放| 亚洲五月婷婷丁香| 久久久久国产精品人妻aⅴ院| 夜夜爽天天搞| 老汉色∧v一级毛片| 99久久精品国产亚洲精品| 日韩精品免费视频一区二区三区| 午夜免费鲁丝| 中文字幕另类日韩欧美亚洲嫩草| 国产亚洲av高清不卡| 欧美日韩福利视频一区二区| 巨乳人妻的诱惑在线观看| 国产aⅴ精品一区二区三区波| 女性生殖器流出的白浆| 久久久久国产精品人妻aⅴ院| 在线观看免费日韩欧美大片| 人人妻,人人澡人人爽秒播| 亚洲精品国产一区二区精华液| 国产成年人精品一区二区| 精品卡一卡二卡四卡免费| 免费人成视频x8x8入口观看| 悠悠久久av| 国产亚洲欧美98| 国产精品久久久人人做人人爽| 欧美一级a爱片免费观看看 | 日韩成人在线观看一区二区三区| 在线av久久热| 黄色女人牲交| 99精品在免费线老司机午夜| av有码第一页| 亚洲午夜理论影院| 男女下面插进去视频免费观看| 在线观看www视频免费| 性少妇av在线| 久久精品国产亚洲av香蕉五月| 日日夜夜操网爽| 亚洲精品中文字幕一二三四区| av免费在线观看网站| 国产欧美日韩综合在线一区二区| 男人舔女人下体高潮全视频| 亚洲 欧美一区二区三区| 亚洲av第一区精品v没综合| 日本黄色视频三级网站网址| 欧美色欧美亚洲另类二区 | 成人欧美大片| 国产伦人伦偷精品视频| 久久久久久免费高清国产稀缺| e午夜精品久久久久久久| 精品国产美女av久久久久小说| 中文字幕高清在线视频| 久久中文字幕一级| 激情视频va一区二区三区| 国产亚洲欧美98| 国产91精品成人一区二区三区| 亚洲av成人一区二区三| 久久天躁狠狠躁夜夜2o2o| 成人国产一区最新在线观看| 欧美中文综合在线视频| 欧美日韩中文字幕国产精品一区二区三区 | 757午夜福利合集在线观看| 香蕉国产在线看| 波多野结衣av一区二区av| 久久国产精品人妻蜜桃| 久久中文字幕一级| 精品国产亚洲在线| 狂野欧美激情性xxxx| 精品乱码久久久久久99久播| 在线观看舔阴道视频| 18禁裸乳无遮挡免费网站照片 | 国产成人系列免费观看| 精品久久久久久久久久免费视频| 国产伦人伦偷精品视频| 麻豆久久精品国产亚洲av| 自拍欧美九色日韩亚洲蝌蚪91| 亚洲第一青青草原| 亚洲自偷自拍图片 自拍| 香蕉国产在线看| 亚洲国产精品999在线| 精品欧美一区二区三区在线| 国产精品一区二区三区四区久久 | 国产精品亚洲一级av第二区| 两人在一起打扑克的视频| 欧美激情 高清一区二区三区| 一本综合久久免费| 午夜精品在线福利| 精品国产一区二区三区四区第35| 国产精品野战在线观看| 久久天躁狠狠躁夜夜2o2o| 99国产极品粉嫩在线观看| 日韩欧美在线二视频| 国产成人精品在线电影| 久久香蕉精品热| 女人被狂操c到高潮| 十八禁网站免费在线| 成人国产综合亚洲| 三级毛片av免费| 人人妻人人爽人人添夜夜欢视频| 欧美日本视频| 国产精华一区二区三区| 天天躁狠狠躁夜夜躁狠狠躁| 久久国产精品人妻蜜桃| 狠狠狠狠99中文字幕| 精品电影一区二区在线| 国产高清videossex| 久久人妻福利社区极品人妻图片| 国产一区二区三区视频了| 夜夜夜夜夜久久久久| 男女床上黄色一级片免费看| 久久久久国产精品人妻aⅴ院| 免费在线观看黄色视频的| 丰满的人妻完整版| netflix在线观看网站| 亚洲精品久久国产高清桃花| 久久国产乱子伦精品免费另类| 欧美一级a爱片免费观看看 | 91成年电影在线观看| 中文亚洲av片在线观看爽| 老司机午夜福利在线观看视频| 一二三四社区在线视频社区8| 免费无遮挡裸体视频| 美女 人体艺术 gogo| 亚洲,欧美精品.| 亚洲国产精品合色在线| 午夜老司机福利片| 免费在线观看完整版高清| www日本在线高清视频| 人人妻人人澡人人看| 国产欧美日韩一区二区三| 两性午夜刺激爽爽歪歪视频在线观看 | 亚洲片人在线观看| 久久精品国产综合久久久| 真人一进一出gif抽搐免费| 美女午夜性视频免费| 亚洲av片天天在线观看| 成年人黄色毛片网站| 日本 av在线| 91在线观看av| 国产欧美日韩一区二区精品| av视频免费观看在线观看| 成人永久免费在线观看视频| 在线观看日韩欧美| 亚洲激情在线av|