• <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
    无遮挡黄片免费观看| 99热只有精品国产| 中文字幕最新亚洲高清| 日韩欧美三级三区| 美女午夜性视频免费| 又黄又爽又免费观看的视频| 热re99久久国产66热| 夜夜躁狠狠躁天天躁| 国产久久久一区二区三区| xxxwww97欧美| 亚洲人成电影免费在线| 色精品久久人妻99蜜桃| 嫩草影院精品99| 国产av一区二区精品久久| 久久婷婷成人综合色麻豆| 一级毛片精品| 日韩 欧美 亚洲 中文字幕| 成年人黄色毛片网站| 天天添夜夜摸| 日韩 欧美 亚洲 中文字幕| 精品国产超薄肉色丝袜足j| 亚洲一区二区三区不卡视频| 亚洲第一电影网av| 久久久精品国产亚洲av高清涩受| 久久中文字幕一级| 国产精品免费一区二区三区在线| 18禁观看日本| 成年版毛片免费区| 黄色毛片三级朝国网站| 法律面前人人平等表现在哪些方面| 后天国语完整版免费观看| 精品免费久久久久久久清纯| a级毛片a级免费在线| 黄片小视频在线播放| 精华霜和精华液先用哪个| 999精品在线视频| 久久久久国产精品人妻aⅴ院| 精品国产乱子伦一区二区三区| 可以免费在线观看a视频的电影网站| 成年人黄色毛片网站| 人成视频在线观看免费观看| 久久久久久大精品| 他把我摸到了高潮在线观看| 亚洲精品一区av在线观看| 侵犯人妻中文字幕一二三四区| 91在线观看av| 国产亚洲精品一区二区www| 亚洲一区二区三区不卡视频| 日本熟妇午夜| 国产精品亚洲美女久久久| 午夜日韩欧美国产| 亚洲av成人一区二区三| 午夜日韩欧美国产| 亚洲专区字幕在线| 一级a爱视频在线免费观看| av免费在线观看网站| 又黄又爽又免费观看的视频| 99国产精品99久久久久| 脱女人内裤的视频| 免费一级毛片在线播放高清视频| 国产片内射在线| 午夜久久久久精精品| 制服人妻中文乱码| 人妻久久中文字幕网| aaaaa片日本免费| 在线观看免费午夜福利视频| 国产欧美日韩一区二区精品| 久久香蕉激情| 这个男人来自地球电影免费观看| 18禁美女被吸乳视频| 欧美日韩中文字幕国产精品一区二区三区| 国产精品九九99| 两个人免费观看高清视频| 亚洲,欧美精品.| 欧美午夜高清在线| 亚洲成人国产一区在线观看| 好看av亚洲va欧美ⅴa在| 午夜免费鲁丝| 在线播放国产精品三级| 中文字幕精品亚洲无线码一区 | 女同久久另类99精品国产91| 色播在线永久视频| 99热这里只有精品一区 | 两个人视频免费观看高清| 2021天堂中文幕一二区在线观 | 久久中文看片网| 国产精品亚洲美女久久久| svipshipincom国产片| 亚洲成a人片在线一区二区| 青草久久国产| 欧美成人性av电影在线观看| 男女视频在线观看网站免费 | 搞女人的毛片| 欧美乱码精品一区二区三区| 一级毛片高清免费大全| 精品欧美国产一区二区三| 精品国产乱码久久久久久男人| 国产精品二区激情视频| 国产欧美日韩一区二区三| 黄色女人牲交| 国产精品久久久人人做人人爽| 一级a爱片免费观看的视频| 巨乳人妻的诱惑在线观看| 午夜福利欧美成人| 国产精品久久久av美女十八| 亚洲欧美日韩无卡精品| 国产精品影院久久| 午夜福利高清视频| 老司机靠b影院| 99久久久亚洲精品蜜臀av| 亚洲熟女毛片儿| 国产亚洲精品久久久久久毛片| 女人爽到高潮嗷嗷叫在线视频| 九色国产91popny在线| 精品久久蜜臀av无| 高清毛片免费观看视频网站| 免费高清视频大片| 国产精品乱码一区二三区的特点| 精品国产乱子伦一区二区三区| 可以在线观看的亚洲视频| 国产成人精品无人区| 国产欧美日韩精品亚洲av| 午夜影院日韩av| 亚洲美女黄片视频| 亚洲五月色婷婷综合| 免费观看精品视频网站| 欧美成人免费av一区二区三区| 亚洲五月婷婷丁香| 精品国产乱码久久久久久男人| 久久精品aⅴ一区二区三区四区| 一区二区三区高清视频在线| 91九色精品人成在线观看| 高清在线国产一区| 久久久精品国产亚洲av高清涩受| 日本a在线网址| 欧美在线黄色| 一边摸一边做爽爽视频免费| 精品高清国产在线一区| 午夜成年电影在线免费观看| 在线观看免费午夜福利视频| 欧美激情高清一区二区三区| 黄色女人牲交| 久久人人精品亚洲av| 欧美精品亚洲一区二区| 日韩大尺度精品在线看网址| 国产aⅴ精品一区二区三区波| 黄色a级毛片大全视频| 色尼玛亚洲综合影院| 亚洲欧洲精品一区二区精品久久久| 一级毛片高清免费大全| 99精品在免费线老司机午夜| 午夜日韩欧美国产| 男男h啪啪无遮挡| 亚洲欧美精品综合久久99| 亚洲人成电影免费在线| 一级片免费观看大全| 欧美激情极品国产一区二区三区| 美女大奶头视频| 久久人人精品亚洲av| 无遮挡黄片免费观看| 欧美日韩精品网址| 色婷婷久久久亚洲欧美| 欧美性长视频在线观看| 欧美精品亚洲一区二区| 久久国产精品影院| 白带黄色成豆腐渣| 老司机靠b影院| 国产精品综合久久久久久久免费| 美女午夜性视频免费| 啦啦啦免费观看视频1| 村上凉子中文字幕在线| 巨乳人妻的诱惑在线观看| 久久天堂一区二区三区四区| 男女床上黄色一级片免费看| 国产一区二区激情短视频| 性色av乱码一区二区三区2| 久久天躁狠狠躁夜夜2o2o| 亚洲人成电影免费在线| 欧美又色又爽又黄视频| 村上凉子中文字幕在线| 免费看a级黄色片| 欧美在线黄色| 久久99热这里只有精品18| 一进一出好大好爽视频| 国产精品爽爽va在线观看网站 | 亚洲一区二区三区色噜噜| 亚洲熟女毛片儿| 一边摸一边做爽爽视频免费| 男人舔奶头视频| 此物有八面人人有两片| 成人特级黄色片久久久久久久| 久久 成人 亚洲| 色综合婷婷激情| 色婷婷久久久亚洲欧美| 久久精品91蜜桃| 国产午夜福利久久久久久| 久久久久久免费高清国产稀缺| 亚洲三区欧美一区| 亚洲专区国产一区二区| 男男h啪啪无遮挡| 亚洲国产日韩欧美精品在线观看 | 久久精品国产综合久久久| 国产精品亚洲美女久久久| 国产乱人伦免费视频| 亚洲精品国产区一区二| 午夜福利在线在线| 波多野结衣高清无吗| 999久久久国产精品视频| 一二三四在线观看免费中文在| 少妇熟女aⅴ在线视频| av电影中文网址| 看黄色毛片网站| 午夜免费鲁丝| 欧美久久黑人一区二区| 在线播放国产精品三级| 亚洲精品国产一区二区精华液| 久久热在线av| 波多野结衣巨乳人妻| 激情在线观看视频在线高清| 免费在线观看视频国产中文字幕亚洲| 亚洲av五月六月丁香网| 亚洲国产欧美日韩在线播放| 自线自在国产av| 国产一区二区三区视频了| 国产高清视频在线播放一区| 韩国精品一区二区三区| 亚洲真实伦在线观看| www日本黄色视频网| 黄色女人牲交| 99精品欧美一区二区三区四区| 久久精品夜夜夜夜夜久久蜜豆 | 日韩大码丰满熟妇| 香蕉国产在线看| 97超级碰碰碰精品色视频在线观看| 在线看三级毛片| 美女扒开内裤让男人捅视频| 精品国产国语对白av| 久久久久国产精品人妻aⅴ院| 色老头精品视频在线观看| 欧美不卡视频在线免费观看 | 99精品久久久久人妻精品| 热99re8久久精品国产| 欧美中文日本在线观看视频| 淫妇啪啪啪对白视频| 国产激情偷乱视频一区二区| 波多野结衣巨乳人妻| 日本熟妇午夜| 亚洲熟女毛片儿| 嫩草影视91久久| 午夜福利欧美成人| 露出奶头的视频| 男人操女人黄网站| 老司机福利观看| 日本熟妇午夜| 久久久久亚洲av毛片大全| 欧美黑人欧美精品刺激| 免费高清在线观看日韩| 色播亚洲综合网| 日韩大码丰满熟妇| 欧美黄色淫秽网站| 99热这里只有精品一区 | 亚洲成国产人片在线观看| 美女扒开内裤让男人捅视频| √禁漫天堂资源中文www| 精品久久久久久久久久免费视频| 欧美国产精品va在线观看不卡| 国产午夜福利久久久久久| 美女大奶头视频| 欧美黄色片欧美黄色片| 叶爱在线成人免费视频播放| 香蕉久久夜色| 少妇 在线观看| 丁香欧美五月| 亚洲性夜色夜夜综合| 又大又爽又粗| 一卡2卡三卡四卡精品乱码亚洲| 亚洲国产中文字幕在线视频| 国产av一区在线观看免费| 国产精品野战在线观看| 成年版毛片免费区| 999久久久国产精品视频| 琪琪午夜伦伦电影理论片6080| 久久精品成人免费网站| bbb黄色大片| 国产单亲对白刺激| 欧美大码av| 亚洲人成网站高清观看| 亚洲国产日韩欧美精品在线观看 | 91国产中文字幕| 国产单亲对白刺激| 久久国产精品人妻蜜桃| 不卡av一区二区三区| 天天躁狠狠躁夜夜躁狠狠躁| 国产精品日韩av在线免费观看| 成人午夜高清在线视频 | 亚洲欧美日韩高清在线视频| 欧美国产精品va在线观看不卡| 欧美亚洲日本最大视频资源| 亚洲第一青青草原| 狠狠狠狠99中文字幕| 老鸭窝网址在线观看| 国产成人av教育| 国产99久久九九免费精品| 在线十欧美十亚洲十日本专区| av免费在线观看网站| 国产成人欧美| 久久国产乱子伦精品免费另类| 成人亚洲精品一区在线观看| 满18在线观看网站| xxxwww97欧美| 精品国内亚洲2022精品成人| 成人国产综合亚洲| 男人舔女人的私密视频| avwww免费| 久久久久久国产a免费观看| 亚洲av第一区精品v没综合| 麻豆成人午夜福利视频| 久久久国产成人精品二区| 久久国产亚洲av麻豆专区| 国产亚洲精品久久久久久毛片| 久久人人精品亚洲av| 免费看a级黄色片| 长腿黑丝高跟| 青草久久国产| 国产久久久一区二区三区| 国产成人欧美在线观看| 一级毛片精品| 国产精品国产高清国产av| 国产午夜福利久久久久久| 2021天堂中文幕一二区在线观 | av欧美777| 精品久久久久久久末码| 狂野欧美激情性xxxx| 日日摸夜夜添夜夜添小说| 丝袜在线中文字幕| 老汉色av国产亚洲站长工具| 99久久无色码亚洲精品果冻| 成人国语在线视频| 超碰成人久久| 国产真人三级小视频在线观看| 精华霜和精华液先用哪个| 久久中文字幕人妻熟女| 婷婷丁香在线五月| 老司机在亚洲福利影院| av欧美777| 夜夜爽天天搞| 欧美久久黑人一区二区| 18禁观看日本| 一二三四社区在线视频社区8| 国产精华一区二区三区| 成人18禁高潮啪啪吃奶动态图| 国语自产精品视频在线第100页| 99热只有精品国产| 久久九九热精品免费| 久久青草综合色| 成人av一区二区三区在线看| 国产亚洲欧美在线一区二区| 非洲黑人性xxxx精品又粗又长| 免费一级毛片在线播放高清视频| 999精品在线视频| 波多野结衣高清作品| 久9热在线精品视频| 真人做人爱边吃奶动态| 好男人电影高清在线观看| 在线天堂中文资源库| 又大又爽又粗| 亚洲第一电影网av| 在线观看66精品国产| 亚洲久久久国产精品| 国产成人影院久久av| 91麻豆av在线| 精品久久久久久久人妻蜜臀av| 色哟哟哟哟哟哟| 亚洲精品久久国产高清桃花| 露出奶头的视频| 久久久精品国产亚洲av高清涩受| 女人被狂操c到高潮| www.精华液| 9191精品国产免费久久| 少妇粗大呻吟视频| 久久久久久久久久黄片| 99久久无色码亚洲精品果冻| 少妇的丰满在线观看| 亚洲av中文字字幕乱码综合 | 欧美午夜高清在线| 香蕉av资源在线| 国产亚洲欧美在线一区二区| 99国产综合亚洲精品| 麻豆国产av国片精品| 国产单亲对白刺激| 久久 成人 亚洲| 欧美乱色亚洲激情| 一区二区三区高清视频在线| 国产精品九九99| 性色av乱码一区二区三区2| 男人操女人黄网站| 久久伊人香网站| 欧美乱码精品一区二区三区| 悠悠久久av| 亚洲av美国av| 欧美成人性av电影在线观看| 欧美黄色淫秽网站| 国产av不卡久久| АⅤ资源中文在线天堂| 久久精品成人免费网站| 欧美人与性动交α欧美精品济南到| 成在线人永久免费视频| 桃红色精品国产亚洲av| svipshipincom国产片| 一级毛片精品| 亚洲欧美日韩高清在线视频| 黑人巨大精品欧美一区二区mp4| 日韩精品中文字幕看吧| 亚洲国产毛片av蜜桃av| 国产一卡二卡三卡精品| 淫秽高清视频在线观看| 亚洲人成电影免费在线| 亚洲第一欧美日韩一区二区三区| 久久精品国产99精品国产亚洲性色| 日韩大尺度精品在线看网址| 免费无遮挡裸体视频| 男人舔奶头视频| 日韩欧美一区二区三区在线观看| 岛国视频午夜一区免费看| 69av精品久久久久久| 欧美激情 高清一区二区三区| 男人舔女人下体高潮全视频| 免费搜索国产男女视频| 中文在线观看免费www的网站 | 不卡一级毛片| 国产一区二区三区在线臀色熟女| 国产成人啪精品午夜网站| 国产精品98久久久久久宅男小说| 国产伦人伦偷精品视频| 国产片内射在线| 亚洲精品中文字幕在线视频| av在线天堂中文字幕| www.熟女人妻精品国产| 亚洲国产毛片av蜜桃av| 亚洲精华国产精华精| 精品一区二区三区av网在线观看| 男人舔女人的私密视频| 亚洲精品中文字幕一二三四区| 在线播放国产精品三级| 日韩中文字幕欧美一区二区| 岛国视频午夜一区免费看| bbb黄色大片| 91九色精品人成在线观看| 午夜两性在线视频| 亚洲男人天堂网一区| 男人的好看免费观看在线视频 | www日本黄色视频网| 久久精品成人免费网站| 老司机在亚洲福利影院| 亚洲av日韩精品久久久久久密| 久久午夜综合久久蜜桃| 97人妻精品一区二区三区麻豆 | 最新在线观看一区二区三区| 国产乱人伦免费视频| 搡老妇女老女人老熟妇| 精品国产国语对白av| 琪琪午夜伦伦电影理论片6080| 国产99久久九九免费精品| 90打野战视频偷拍视频| 欧美 亚洲 国产 日韩一| 成在线人永久免费视频| 午夜激情av网站| 国内毛片毛片毛片毛片毛片| 久久久久久久久中文| 亚洲精品粉嫩美女一区| 搞女人的毛片| 国产亚洲精品久久久久5区| 中文资源天堂在线| 黑丝袜美女国产一区| 精品卡一卡二卡四卡免费| 久久久久久大精品| 精品一区二区三区av网在线观看| 18禁国产床啪视频网站| 欧美久久黑人一区二区| 色综合亚洲欧美另类图片| 啦啦啦免费观看视频1| 婷婷丁香在线五月| 无遮挡黄片免费观看| 国产区一区二久久| 亚洲美女黄片视频| 久久久久久亚洲精品国产蜜桃av| 日本五十路高清| 国产色视频综合| 欧美绝顶高潮抽搐喷水| 成在线人永久免费视频| 欧美乱色亚洲激情| 午夜福利免费观看在线| 精品一区二区三区av网在线观看| 国产一区二区在线av高清观看| 日日爽夜夜爽网站| 久久久久久久午夜电影| 亚洲在线自拍视频| 美女午夜性视频免费| 免费在线观看亚洲国产| 午夜影院日韩av| 可以免费在线观看a视频的电影网站| 两个人免费观看高清视频| 亚洲欧美日韩高清在线视频| 制服丝袜大香蕉在线| 久久九九热精品免费| 最近最新免费中文字幕在线| 久久久久精品国产欧美久久久| 亚洲中文字幕一区二区三区有码在线看 | 成年免费大片在线观看| 亚洲国产精品999在线| 精品午夜福利视频在线观看一区| 香蕉av资源在线| 国内精品久久久久精免费| 黄色视频不卡| netflix在线观看网站| 制服丝袜大香蕉在线| 白带黄色成豆腐渣| 嫁个100分男人电影在线观看| 欧美亚洲日本最大视频资源| 欧美黄色淫秽网站| 他把我摸到了高潮在线观看| 啦啦啦观看免费观看视频高清| 亚洲人成77777在线视频| 日本熟妇午夜| 一个人观看的视频www高清免费观看 | 久久九九热精品免费| 国产精品久久久久久亚洲av鲁大| 国产精品久久电影中文字幕| 免费高清视频大片| 欧美乱码精品一区二区三区| 亚洲国产精品成人综合色| 国产亚洲精品久久久久久毛片| 欧美人与性动交α欧美精品济南到| 韩国精品一区二区三区| 国产精品久久电影中文字幕| 女性生殖器流出的白浆| 老司机在亚洲福利影院| 在线观看日韩欧美| 在线视频色国产色| 黑人欧美特级aaaaaa片| 极品教师在线免费播放| 黑人巨大精品欧美一区二区mp4| 日本一区二区免费在线视频| 男女下面进入的视频免费午夜 | 草草在线视频免费看| 国产99久久九九免费精品| 国产伦人伦偷精品视频| 日本黄色视频三级网站网址| 国产日本99.免费观看| 久久精品国产亚洲av香蕉五月| 免费一级毛片在线播放高清视频| 黑丝袜美女国产一区| 国产精品免费视频内射| av福利片在线| 国产不卡一卡二| 免费在线观看日本一区| 欧美成人性av电影在线观看| 欧美亚洲日本最大视频资源| 成熟少妇高潮喷水视频| 久久久水蜜桃国产精品网| 欧美精品啪啪一区二区三区| av福利片在线| 久久99热这里只有精品18| 男男h啪啪无遮挡| 欧美黑人巨大hd| 男人舔女人的私密视频| 亚洲国产中文字幕在线视频| 国产三级黄色录像| 欧美日韩精品网址| bbb黄色大片| 久热这里只有精品99| 色综合婷婷激情| 久久精品成人免费网站| av天堂在线播放| 中文字幕最新亚洲高清| 欧美性猛交╳xxx乱大交人| 亚洲人成网站在线播放欧美日韩| 久久这里只有精品19| 精品国产美女av久久久久小说| 亚洲av片天天在线观看| 久久精品成人免费网站| 亚洲自拍偷在线| 淫妇啪啪啪对白视频| 亚洲欧美一区二区三区黑人| ponron亚洲| 国产片内射在线| 他把我摸到了高潮在线观看| 91麻豆av在线| 亚洲 国产 在线| 久久精品aⅴ一区二区三区四区| 免费在线观看亚洲国产| 日韩欧美 国产精品| 久久精品成人免费网站| 免费在线观看视频国产中文字幕亚洲| 99国产综合亚洲精品| 在线观看舔阴道视频| 日韩三级视频一区二区三区| 一级毛片高清免费大全| 亚洲熟妇中文字幕五十中出| 看黄色毛片网站| 极品教师在线免费播放| 亚洲va日本ⅴa欧美va伊人久久| 国产一区二区三区在线臀色熟女| 亚洲人成网站高清观看| 久久亚洲精品不卡| 午夜老司机福利片| 国产高清视频在线播放一区| 欧美乱妇无乱码| 妹子高潮喷水视频| 午夜福利视频1000在线观看| 日本成人三级电影网站| 啪啪无遮挡十八禁网站| 手机成人av网站| 1024视频免费在线观看| 亚洲欧美精品综合一区二区三区|