欧美成人午夜精品久久久,国产?V天堂一区二区三区,欧美精品va在线观看,亚洲一区二区三区免费在线观看,av无码精品一区二区久久,欧美性爱视频不卡一区三区,欧美乱人伦视频在线观看,国产一级牲交高潮

ARTICLE DETAIL

資訊詳情

深耕商務(wù)建站與企業(yè)官網(wǎng)運(yùn)營的一線實(shí)戰(zhàn)洞察。

從數(shù)學(xué)建模到金融風(fēng)控:信貸決策分析全流程實(shí)戰(zhàn)拆解

從數(shù)學(xué)建模到金融風(fēng)控:信貸決策分析全流程實(shí)戰(zhàn)拆解 簡介本資源是2020年全國大學(xué)生數(shù)學(xué)建模競賽C題“中小微企業(yè)信貸決策”的完整參賽成果包面向數(shù)學(xué)建模參賽學(xué)生、金融數(shù)據(jù)分析初學(xué)者及畢業(yè)設(shè)計(jì)階段的本科生聚焦小微企業(yè)風(fēng)控建模這一典型商業(yè)實(shí)戰(zhàn)問題。壓縮包共160個文件含60個xlsx與csv格式的原始及處理后數(shù)據(jù)集如train.csv、test.csv、42個txt日志與參數(shù)說明、26個jpg/png圖表含特征重要性圖、預(yù)測對比圖等、10個MATLAB核心算法腳本m文件、5個Word論文文檔含主論文與神經(jīng)網(wǎng)絡(luò)專項(xiàng)說明整體大小248.35MB結(jié)構(gòu)清晰、模塊可溯。已有659人學(xué)習(xí)下載提供從數(shù)據(jù)清洗、特征工程、多模型構(gòu)建線性回歸、決策樹、神經(jīng)網(wǎng)絡(luò)到交叉驗(yàn)證與結(jié)果可視化的全流程實(shí)現(xiàn)附帶可編輯論文與可運(yùn)行代碼便于復(fù)現(xiàn)、調(diào)試與課程設(shè)計(jì)拓展應(yīng)用。1. 項(xiàng)目概述從一道賽題到一套完整的信貸決策分析方案如果你關(guān)注過數(shù)學(xué)建模競賽尤其是國賽那么“中小微企業(yè)信貸決策”這個題目一定不陌生。2020年全國大學(xué)生數(shù)學(xué)建模競賽C題正是以此為核心要求參賽者基于給定的企業(yè)數(shù)據(jù)構(gòu)建一套量化評估模型為銀行等金融機(jī)構(gòu)提供信貸決策支持。這道題之所以經(jīng)典不僅因?yàn)樗o貼“金融服務(wù)實(shí)體經(jīng)濟(jì)”的時代脈搏更因?yàn)樗昝廊诤狭藬?shù)據(jù)分析、風(fēng)險評估、優(yōu)化決策等多個核心建模技能是檢驗(yàn)參賽者綜合能力的絕佳試金石。我當(dāng)年作為指導(dǎo)老師帶著學(xué)生啃下了這道硬骨頭后來也反復(fù)研究過各種優(yōu)秀論文和開源方案。今天我就以一個過來人的視角為你徹底拆解這道賽題并分享一套經(jīng)過實(shí)戰(zhàn)檢驗(yàn)、包含完整論文思路和可運(yùn)行源代碼的解決方案。無論你是正在備賽的學(xué)生希望找到高質(zhì)量的參考案例還是對金融風(fēng)控、數(shù)據(jù)分析感興趣的從業(yè)者想了解如何將數(shù)學(xué)模型落地應(yīng)用這篇文章都將為你提供一條清晰的路徑和可直接“抄作業(yè)”的干貨。這道題的核心是解決銀行面對123家有信貸需求的中小微企業(yè)時如何科學(xué)地分配有限的信貸資金總額1億元并確定每家企業(yè)的信貸額度與利率。題目給出了這些企業(yè)近三年的發(fā)票信息、進(jìn)銷項(xiàng)數(shù)據(jù)、是否違約的標(biāo)簽以及一些靜態(tài)信息。難點(diǎn)在于數(shù)據(jù)是真實(shí)商業(yè)場景的縮影——不完整、有噪聲、量綱不一。你不能簡單地套用某個現(xiàn)成模型而必須像一個真正的信貸分析師一樣完成數(shù)據(jù)清洗、特征工程、信用評級、額度定價和資產(chǎn)組合優(yōu)化這一整套流程。最終提交的成果通常是一篇邏輯嚴(yán)謹(jǐn)?shù)恼撐暮椭嗡薪Y(jié)論的源代碼多為Python或MATLAB。接下來我將分步拆解這個過程中的每一個關(guān)鍵環(huán)節(jié)并附上我基于常見實(shí)踐補(bǔ)充的代碼要點(diǎn)和避坑指南。2. 核心解題思路與整體方案設(shè)計(jì)面對這樣一個開放性的綜合問題清晰的頂層設(shè)計(jì)是成功的一半。很多隊(duì)伍折戟沉沙不是因?yàn)槟硞€算法不精通而是從一開始思路就亂了。我們的整體方案可以概括為“一個核心目標(biāo)兩條分析主線三層模型架構(gòu)”。2.1 核心目標(biāo)與問題界定首先必須明確這不是一個單純的預(yù)測問題預(yù)測企業(yè)是否違約而是一個典型的“決策優(yōu)化”問題。銀行的終極目標(biāo)是在風(fēng)險可控的前提下實(shí)現(xiàn)整體收益的最大化。因此我們的方案必須同時回答三個子問題風(fēng)險評估如何量化每個企業(yè)的違約風(fēng)險信用評分額度與利率定價對于不同風(fēng)險的企業(yè)應(yīng)該給多少額度、定多高的利率風(fēng)險定價資產(chǎn)組合優(yōu)化在總額度固定的約束下如何分配資金使得總收益最高、風(fēng)險最低組合優(yōu)化這三個問題環(huán)環(huán)相扣。風(fēng)險評估是基礎(chǔ)定價是橋梁優(yōu)化是最終決策。任何試圖跳過前兩步直接做優(yōu)化的嘗試都會因?yàn)槿狈侠淼妮斎攵 ?.2 兩條分析主線企業(yè)經(jīng)營與信貸行為題目數(shù)據(jù)提供了兩個維度的信息對應(yīng)兩條分析主線主線一企業(yè)經(jīng)營健康度分析。利用進(jìn)銷項(xiàng)發(fā)票數(shù)據(jù)時間、金額、對象我們可以構(gòu)建反映企業(yè)生存狀態(tài)的核心指標(biāo)。例如流動性指標(biāo)銷售收入波動率、月度進(jìn)銷項(xiàng)差額、現(xiàn)金轉(zhuǎn)換周期模擬。盈利性指標(biāo)毛利率模擬、進(jìn)銷項(xiàng)比率。成長性指標(biāo)銷售收入同比增長率、客戶/供應(yīng)商集中度。穩(wěn)定性指標(biāo)交易頻率的規(guī)律性、發(fā)票作廢率。 這些指標(biāo)是從企業(yè)基本面判斷其還款能力的核心尤其適用于那些缺乏抵押物的信用貸款評估。主線二信貸歷史與行為分析。題目給出了“是否違約”的標(biāo)簽這是最直接的信用信息。我們需要利用這部分?jǐn)?shù)據(jù)但要注意處理樣本不平衡違約企業(yè)通常占少數(shù)和潛在的數(shù)據(jù)質(zhì)量問題。此外可以結(jié)合企業(yè)靜態(tài)信息如成立年限、行業(yè)挖掘其與違約率的關(guān)聯(lián)。2.3 三層模型架構(gòu)設(shè)計(jì)基于以上分析我們設(shè)計(jì)一個三層遞進(jìn)的模型架構(gòu)這是方案的技術(shù)骨架第一層信用評分模型。融合兩條主線的特征使用機(jī)器學(xué)習(xí)算法如邏輯回歸、XGBoost、LightGBM訓(xùn)練一個分類模型預(yù)測企業(yè)的違約概率PD, Probability of Default。這一層的輸出是一個0到1之間的數(shù)值代表企業(yè)的風(fēng)險水平。注意這里有一個關(guān)鍵技巧——不要只輸出“是否違約”的0/1標(biāo)簽一定要輸出“違約概率”。因?yàn)楹罄m(xù)的風(fēng)險定價和優(yōu)化都需要連續(xù)的風(fēng)險度量二分類標(biāo)簽的信息量不夠。第二層風(fēng)險定價模型。根據(jù)第一層輸出的違約概率PD結(jié)合信貸基本原理為每家企業(yè)計(jì)算建議的信貸額度和利率。這里通常采用“風(fēng)險調(diào)整后的收益最大化”原則。一個簡化的定價公式思路是利率 無風(fēng)險利率 風(fēng)險溢價 * 違約概率其中風(fēng)險溢價需要根據(jù)銀行的風(fēng)險偏好和資金成本來設(shè)定。額度則可以根據(jù)企業(yè)的資金需求如年均銷項(xiàng)總額的一定比例和風(fēng)險水平共同決定為高風(fēng)險企業(yè)設(shè)置額度上限。第三層信貸資產(chǎn)組合優(yōu)化模型。在1億元的總預(yù)算和每家企業(yè)的額度建議約束下以“總期望收益最大化”或“風(fēng)險調(diào)整后收益如夏普比率最大化”為目標(biāo)建立優(yōu)化模型。決策變量是是否給某家企業(yè)貸款以及貸款多少。這是一個帶約束的優(yōu)化問題可以用線性規(guī)劃、整數(shù)規(guī)劃或啟發(fā)式算法如遺傳算法求解。這一層的輸出就是最終的信貸決策方案給哪些企業(yè)貸款分別貸多少利率是多少。這個三層架構(gòu)邏輯清晰層層遞進(jìn)且每一層都有成熟的理論和方法支撐在論文中易于闡述在編程上也易于模塊化實(shí)現(xiàn)。3. 數(shù)據(jù)預(yù)處理與特征工程實(shí)戰(zhàn)詳解好的模型離不開好的數(shù)據(jù)。這道題給出的數(shù)據(jù)看似規(guī)整實(shí)則暗藏玄機(jī)。數(shù)據(jù)預(yù)處理和特征工程階段的工作直接決定了后續(xù)模型的天花板。3.1 數(shù)據(jù)清洗處理真實(shí)世界的“臟數(shù)據(jù)”首先需要加載并審視所有數(shù)據(jù)表企業(yè)信息、進(jìn)項(xiàng)發(fā)票、銷項(xiàng)發(fā)票、違約標(biāo)簽。缺失值處理靜態(tài)信息中的缺失值如某些企業(yè)無行業(yè)分類可以采用眾數(shù)填充或單獨(dú)設(shè)為“未知”類別。對于發(fā)票數(shù)據(jù)中的缺失如關(guān)鍵字段為空通常直接刪除該條記錄因?yàn)闊o法推測。異常值處理這是重中之重。發(fā)票金額會出現(xiàn)極端大或極端小的值如幾分錢或巨額交易。方法使用箱線圖或3σ原則識別異常值。對于明顯不符合商業(yè)邏輯的異常值如金額為負(fù)且非退貨、金額極小如0.01元且頻繁出現(xiàn)需要結(jié)合業(yè)務(wù)判斷。一種穩(wěn)妥的做法是將超出行業(yè)常規(guī)交易規(guī)模上下限的數(shù)據(jù)視為異常予以剔除或縮尾處理Winsorization。實(shí)操心得不要武斷地刪除所有統(tǒng)計(jì)上的異常值。有些小額交易可能是測試單或費(fèi)用有些大額交易可能是真實(shí)業(yè)務(wù)??梢試L試按企業(yè)分組計(jì)算其歷史交易金額的分位數(shù)如99%分位數(shù)將超過該分位數(shù)一定倍數(shù)的交易視為異常這樣更個性化。數(shù)據(jù)一致性檢查檢查發(fā)票日期是否在合理范圍內(nèi)如不超過當(dāng)前日期進(jìn)項(xiàng)和銷項(xiàng)發(fā)票中的企業(yè)ID是否都在企業(yè)信息表中存在。確保用于關(guān)聯(lián)的鍵是準(zhǔn)確無誤的。3.2 特征構(gòu)建從原始數(shù)據(jù)中提煉“黃金指標(biāo)”這是最體現(xiàn)創(chuàng)造力和業(yè)務(wù)理解的部分。我們需要從時序交易數(shù)據(jù)中構(gòu)造出能表征企業(yè)健康狀況的靜態(tài)特征。以下是一些經(jīng)過驗(yàn)證的有效特征方向及構(gòu)建方法基于聚合統(tǒng)計(jì)的特征銷售規(guī)模企業(yè)近一年/兩年的銷項(xiàng)總額、月均銷售額。經(jīng)營穩(wěn)定性銷售額的月度變異系數(shù)標(biāo)準(zhǔn)差/均值、月度銷售額的最大回撤連續(xù)下降幅度。盈利能力模擬(銷項(xiàng)總額 - 進(jìn)項(xiàng)總額) / 銷項(xiàng)總額。注意這只是一個非常粗略的毛利估算因?yàn)檫M(jìn)銷項(xiàng)并非嚴(yán)格成本收入配比但能反映一定的盈利趨勢。資金周轉(zhuǎn)情況計(jì)算每個月的“凈現(xiàn)金流”月銷項(xiàng)總額 - 月進(jìn)項(xiàng)總額觀察其正負(fù)分布和趨勢。基于時序行為的特征交易活躍度每月平均交易次數(shù)、交易天數(shù)的比例。增長趨勢利用線性回歸擬合月度銷售額的時間序列其斜率可作為增長趨勢的量化指標(biāo)。季節(jié)性計(jì)算銷售額的月度環(huán)比增長率或使用傅里葉變換提取周期性成分的強(qiáng)度。基于復(fù)雜網(wǎng)絡(luò)的特征進(jìn)階將企業(yè)和其交易對手客戶/供應(yīng)商視為節(jié)點(diǎn)交易關(guān)系視為邊可以構(gòu)建一個交易網(wǎng)絡(luò)。可以計(jì)算每個企業(yè)的網(wǎng)絡(luò)中心性指標(biāo)如度中心性交易對手?jǐn)?shù)量、加權(quán)度中心性交易總額。一個與眾多穩(wěn)定伙伴交易的企業(yè)通常風(fēng)險更低。還可以分析企業(yè)交易網(wǎng)絡(luò)的聚集系數(shù)反映其交易圈的緊密程度。基于文本/分類的特征對企業(yè)名稱、交易對手名稱進(jìn)行簡單的文本分析如是否包含“科技”、“貿(mào)易”、“實(shí)業(yè)”等關(guān)鍵詞或利用行業(yè)信息進(jìn)行編碼。3.3 特征選擇與編碼構(gòu)建出大量特征后需要進(jìn)行篩選避免維度災(zāi)難和過擬合。過濾法計(jì)算每個特征與目標(biāo)變量是否違約的相關(guān)性如方差分析、互信息剔除相關(guān)性極低的特征。包裹法使用遞歸特征消除RFE配合一個基礎(chǔ)模型如邏輯回歸自動選擇最重要的特征子集。嵌入法直接使用L1正則化的模型如Lasso回歸或樹模型如XGBoost訓(xùn)練后根據(jù)特征重要性排序進(jìn)行選擇。對于類別型特征如行業(yè)必須進(jìn)行編碼。最常用的是標(biāo)簽編碼Label Encoding或獨(dú)熱編碼One-Hot Encoding。如果類別數(shù)不多獨(dú)熱編碼更安全如果類別數(shù)多且存在序關(guān)系標(biāo)簽編碼更節(jié)省空間。避坑指南特征工程最容易犯的錯誤是“數(shù)據(jù)泄露”。絕對不能在構(gòu)建特征時使用未來的信息。例如計(jì)算企業(yè)2020年的特征只能使用截至2019年底的數(shù)據(jù)。在代碼中務(wù)必嚴(yán)格按照時間戳進(jìn)行數(shù)據(jù)切割或者使用滾動窗口的方式計(jì)算歷史統(tǒng)計(jì)量。4. 信用評分模型構(gòu)建與實(shí)現(xiàn)信用評分模型是整個體系的基石。我們的目標(biāo)是得到一個穩(wěn)定、可解釋、且能輸出概率的模型。4.1 模型選型與理由邏輯回歸Logistic Regression作為基線模型的首選。優(yōu)點(diǎn)在于模型簡單、可解釋性強(qiáng)可以直接得到違約概率。可以通過添加多項(xiàng)式項(xiàng)和交互項(xiàng)來捕捉非線性。在特征經(jīng)過充分篩選和標(biāo)準(zhǔn)化后邏輯回歸往往能有不錯的表現(xiàn)且論文中易于闡述其系數(shù)含義如“銷售收入每增加一個單位違約幾率比降低X%”。集成樹模型XGBoost/LightGBM/CatBoost當(dāng)前風(fēng)控領(lǐng)域的絕對主流。它們能自動處理非線性關(guān)系和特征交互對異常值不敏感且通常能獲得更高的預(yù)測精度。LightGBM和CatBoost對類別特征處理更友好訓(xùn)練速度更快。選擇建議在競賽中為了展示技術(shù)全面性可以同時構(gòu)建邏輯回歸和LightGBM兩個模型對比其性能。邏輯回歸用于解釋LightGBM用于追求精度。最終可以融合兩者的預(yù)測結(jié)果或直接使用表現(xiàn)更好的那個。4.2 樣本處理與模型訓(xùn)練由于違約企業(yè)通常是少數(shù)我們需要處理樣本不平衡問題。重采樣技術(shù)過采樣如SMOTE算法在少數(shù)類樣本間合成新樣本。優(yōu)點(diǎn)是能充分利用所有樣本信息但可能引入噪聲。欠采樣隨機(jī)減少多數(shù)類樣本。優(yōu)點(diǎn)是計(jì)算快但會丟失信息。競賽實(shí)用策略通常使用SMOTE或ADASYN進(jìn)行過采樣或者直接在模型訓(xùn)練時調(diào)整類別權(quán)重如XGBoost的scale_pos_weight參數(shù)。建議嘗試不同組合在驗(yàn)證集上選擇最佳方案。訓(xùn)練與驗(yàn)證絕對不能使用全部數(shù)據(jù)訓(xùn)練后直接在測試集上評估。必須劃分訓(xùn)練集和驗(yàn)證集如70%-30%或者使用交叉驗(yàn)證如5折交叉驗(yàn)證。交叉驗(yàn)證能更穩(wěn)健地評估模型性能并用于調(diào)參。4.3 模型評估與閾值選擇評估二分類模型不能只看準(zhǔn)確率Accuracy因?yàn)樵诓黄胶鈹?shù)據(jù)上它會失真。核心評估指標(biāo)AUC-ROC這是最核心的指標(biāo)衡量模型將正例違約排在負(fù)例不違約前面的能力與閾值無關(guān)。AUC越接近1越好0.5相當(dāng)于隨機(jī)猜測。KS值衡量模型區(qū)分度的常用指標(biāo)是TPR與FPR之差的最大值。KS0.3通常認(rèn)為模型有較好的區(qū)分能力。精確率Precision與召回率Recall這是一對權(quán)衡指標(biāo)。在信貸中我們通常更關(guān)注召回率Recall即盡可能多地找出所有潛在的違約客戶寧可錯殺不可放過因?yàn)槁┑粢粋€壞客戶帶來的損失遠(yuǎn)大于拒絕一個好客戶的損失。但同時過低的精確率會導(dǎo)致大量好客戶被拒絕業(yè)務(wù)無法開展。閾值選擇模型輸出的是概率需要設(shè)定一個閾值如0.5來判斷“違約”與“不違約”。這個閾值的選擇直接關(guān)系到召回率和精確率的平衡。我們可以通過繪制P-R曲線或根據(jù)業(yè)務(wù)成本來尋找最優(yōu)閾值。例如如果銀行認(rèn)為漏掉一個壞客戶的損失是拒絕一個好客戶損失的10倍那么可以通過代價敏感學(xué)習(xí)來調(diào)整閾值。4.4 代碼實(shí)現(xiàn)要點(diǎn)Python示例import pandas as pd import numpy as np from sklearn.model_selection import train_test_split, GridSearchCV from sklearn.preprocessing import StandardScaler from sklearn.linear_model import LogisticRegression from sklearn.metrics import roc_auc_score, classification_report, confusion_matrix import lightgbm as lgb from imblearn.over_sampling import SMOTE # 導(dǎo)入SMOTE # 假設(shè) df_features 是包含所有特征和標(biāo)簽‘label’的DataFrame X df_features.drop(label, axis1) y df_features[label] # 1. 劃分?jǐn)?shù)據(jù)集 X_train, X_val, y_train, y_val train_test_split(X, y, test_size0.3, random_state42, stratifyy) # 2. 處理樣本不平衡 (在訓(xùn)練集上做) smote SMOTE(random_state42) X_train_res, y_train_res smote.fit_resample(X_train, y_train) # 3. 特征標(biāo)準(zhǔn)化 (對數(shù)值型特征) numeric_cols X_train.select_dtypes(include[np.number]).columns scaler StandardScaler() X_train_res[numeric_cols] scaler.fit_transform(X_train_res[numeric_cols]) X_val[numeric_cols] scaler.transform(X_val[numeric_cols]) # 4. 訓(xùn)練邏輯回歸模型 lr_model LogisticRegression(penaltyl2, C1.0, solverliblinear, random_state42) lr_model.fit(X_train_res, y_train_res) y_val_pred_prob_lr lr_model.predict_proba(X_val)[:, 1] auc_lr roc_auc_score(y_val, y_val_pred_prob_lr) print(f邏輯回歸 AUC: {auc_lr:.4f}) # 5. 訓(xùn)練LightGBM模型 lgb_train lgb.Dataset(X_train_res, y_train_res) lgb_val lgb.Dataset(X_val, y_val, referencelgb_train) params { boosting_type: gbdt, objective: binary, metric: auc, num_leaves: 31, learning_rate: 0.05, feature_fraction: 0.9, bagging_fraction: 0.8, bagging_freq: 5, verbose: -1, random_state: 42, scale_pos_weight: len(y_train_res[y_train_res0]) / len(y_train_res[y_train_res1]) # 設(shè)置類別權(quán)重 } gbm_model lgb.train(params, lgb_train, num_boost_round1000, valid_sets[lgb_val], callbacks[lgb.early_stopping(stopping_rounds50), lgb.log_evaluation(period100)]) y_val_pred_prob_gbm gbm_model.predict(X_val, num_iterationgbm_model.best_iteration) auc_gbm roc_auc_score(y_val, y_val_pred_prob_gbm) print(fLightGBM AUC: {auc_gbm:.4f}) # 6. 模型融合 (簡單加權(quán)平均) final_pred_prob 0.3 * y_val_pred_prob_lr 0.7 * y_val_pred_prob_gbm # 權(quán)重可根據(jù)驗(yàn)證集表現(xiàn)調(diào)整 auc_final roc_auc_score(y_val, final_pred_prob) print(f融合模型 AUC: {auc_final:.4f})5. 風(fēng)險定價與額度測算模型得到企業(yè)的違約概率PD后我們需要將其轉(zhuǎn)化為具體的業(yè)務(wù)決策貸多少額度和以什么價格貸利率。5.1 基于風(fēng)險的利率定價原理銀行定價的核心是覆蓋“預(yù)期損失”并獲取“風(fēng)險溢價”。一個簡化的定價公式如下貸款利率 資金成本 運(yùn)營成本 預(yù)期損失 風(fēng)險溢價 目標(biāo)利潤其中資金成本銀行獲取資金的成本可近似用國債收益率或同業(yè)拆借利率表示。運(yùn)營成本審批、管理等固定成本分?jǐn)?。預(yù)期損失EL 違約概率PD × 違約損失率LGD × 風(fēng)險暴露EAD。在本題簡化模型中我們可以假設(shè)LGD違約后能收回的比例是一個固定值如50%EAD就是貸款額度本身。風(fēng)險溢價對承擔(dān)非預(yù)期風(fēng)險的補(bǔ)償。目標(biāo)利潤銀行要求的資本回報(bào)。對于競賽我們可以大幅簡化。一個常見且合理的簡化模型是利率_i 基準(zhǔn)利率 α × PD_i其中基準(zhǔn)利率包含了資金成本、運(yùn)營成本和基礎(chǔ)利潤α是一個調(diào)節(jié)系數(shù)反映了銀行的風(fēng)險厭惡程度。PD_i越高利率越高。我們需要設(shè)定基準(zhǔn)利率和α的值使其在現(xiàn)實(shí)合理范圍內(nèi)例如最終利率分布在5%到15%之間。5.2 信貸額度測算思路額度測算需要平衡企業(yè)需求、銀行風(fēng)險和監(jiān)管要求。需求側(cè)測算根據(jù)企業(yè)的經(jīng)營規(guī)模估算。一個常用方法是取企業(yè)近一年年均銷項(xiàng)收入的一個比例如20%-30%作為其理論資金需求上限。額度需求上限_i 年均銷售額_i × ββ可取0.25風(fēng)險側(cè)約束根據(jù)PD設(shè)置風(fēng)險限額??梢詾椴煌L(fēng)險等級如根據(jù)PD分箱的企業(yè)設(shè)置不同的最高額度。例如PD0.3的企業(yè)單戶額度不超過50萬。綜合確定最終的建議額度取min(需求側(cè)測算額度 風(fēng)險側(cè)限額)。同時所有企業(yè)的額度之和不能超過1億元的總預(yù)算這個約束留待最后的優(yōu)化模型解決。5.3 實(shí)現(xiàn)代碼片段# 假設(shè)我們已經(jīng)有了所有企業(yè)的違約概率列表 pd_list def calculate_interest_rate(pd, base_rate0.05, alpha0.3): 計(jì)算基于PD的利率 rate base_rate alpha * pd # 設(shè)置利率上下限例如5%到15% rate np.clip(rate, 0.05, 0.15) return rate def calculate_credit_limit(annual_sales, pd, sales_ratio0.25, risk_limits[(0.0, 0.1, 1e7), (0.1, 0.3, 5e6), (0.3, 1.0, 1e6)]): 計(jì)算建議信貸額度 # 基于銷售額的需求額度 demand_limit annual_sales * sales_ratio # 基于PD的風(fēng)險額度 risk_limit 1e6 # 默認(rèn)值 for low, high, limit in risk_limits: if low pd high: risk_limit limit break # 取兩者最小值 suggested_limit min(demand_limit, risk_limit) return suggested_limit # 應(yīng)用函數(shù) df_companies[PD] final_pred_prob # 假設(shè)這是融合模型預(yù)測的違約概率 df_companies[Annual_Sales] ... # 從特征中獲取的年銷售額 df_companies[Interest_Rate] df_companies[PD].apply(calculate_interest_rate) df_companies[Suggested_Limit] df_companies.apply(lambda row: calculate_credit_limit(row[Annual_Sales], row[PD]), axis1) print(df_companies[[企業(yè)ID, PD, Interest_Rate, Suggested_Limit]].head())6. 信貸資產(chǎn)組合優(yōu)化模型這是最后一步也是決定性的“臨門一腳”。銀行有1個億但所有企業(yè)的建議額度之和可能遠(yuǎn)超過這個數(shù)。我們需要科學(xué)地選擇貸款組合。6.1 優(yōu)化問題建模我們可以將其構(gòu)建為一個0-1整數(shù)規(guī)劃問題決策變量x_i ∈ {0, 1}表示是否給企業(yè)i貸款。為了簡化可以先假設(shè)貸款額度就是之前計(jì)算的建議額度或按比例縮放或者將額度也作為連續(xù)決策變量。目標(biāo)函數(shù)最大化總期望收益。Maximize: Σ [ x_i * Limit_i * Interest_Rate_i * (1 - PD_i) - x_i * Limit_i * PD_i * LGD ]解釋收益部分是企業(yè)正常還款時銀行獲得的利息本金×利率×1-違約概率損失部分是違約時銀行損失的本金本金×違約概率×違約損失率。約束條件預(yù)算約束Σ (x_i * Limit_i) 總預(yù)算1e8。風(fēng)險分散約束可選對單一行業(yè)或地區(qū)的貸款總額設(shè)置上限避免過度集中。決策變量約束x_i 為0或1。6.2 求解方法精確求解對于123個0-1變量使用專業(yè)的優(yōu)化求解器如PuLP調(diào)用CBC或ortools可以在可接受時間內(nèi)求得最優(yōu)解。啟發(fā)式算法如果問題規(guī)模更大或約束更復(fù)雜可以使用遺傳算法、模擬退火等啟發(fā)式算法尋找近似最優(yōu)解。這在競賽中也是展示能力的好機(jī)會。6.3 Python實(shí)現(xiàn)示例使用PuLP庫import pulp # 假設(shè) df 是包含了所有企業(yè)信息的DataFrame包含列企業(yè)ID, Limit, Interest_Rate, PD, Industry # 設(shè)定違約損失率 LGD 0.5 TOTAL_BUDGET 1e8 # 創(chuàng)建問題 prob pulp.LpProblem(Credit_Portfolio_Optimization, pulp.LpMaximize) # 創(chuàng)建決策變量 x pulp.LpVariable.dicts(x, df[企業(yè)ID].tolist(), lowBound0, upBound1, catBinary) # 設(shè)置目標(biāo)函數(shù) # 期望收益 利息收入 * (1-PD) - 預(yù)期損失 prob pulp.lpSum([x[idx] * df.loc[idx, Limit] * (df.loc[idx, Interest_Rate] * (1 - df.loc[idx, PD]) - df.loc[idx, PD] * LGD) for idx in df.index]) # 添加預(yù)算約束 prob pulp.lpSum([x[idx] * df.loc[idx, Limit] for idx in df.index]) TOTAL_BUDGET # 可選添加行業(yè)分散約束例如每個行業(yè)貸款不超過總預(yù)算的30% industry_list df[Industry].unique() for industry in industry_list: industry_companies df[df[Industry] industry].index prob pulp.lpSum([x[idx] * df.loc[idx, Limit] for idx in industry_companies]) 0.3 * TOTAL_BUDGET # 求解問題 solver pulp.PULP_CBC_CMD(msgFalse) # 使用CBC求解器不輸出日志 prob.solve(solver) # 輸出結(jié)果 print(pulp.LpStatus[prob.status]) if pulp.LpStatus[prob.status] Optimal: df[Decision] [pulp.value(x[idx]) for idx in df.index] selected_companies df[df[Decision] 1] total_investment selected_companies[Limit].sum() expected_profit pulp.value(prob.objective) print(f最優(yōu)解找到) print(f共向 {len(selected_companies)} 家企業(yè)放貸。) print(f總投資額{total_investment:.2f} 元) print(f期望總收益{expected_profit:.2f} 元) print(selected_companies[[企業(yè)ID, Limit, Interest_Rate, PD]].head())7. 論文寫作核心要點(diǎn)與代碼整合對于數(shù)學(xué)建模競賽論文是最終呈現(xiàn)的載體。再好的模型如果表達(dá)不清也會大打折扣。7.1 論文結(jié)構(gòu)建議摘要重中之重用一段話精煉概括問題、你的思路、所用模型方法、主要結(jié)果和結(jié)論。務(wù)必包含關(guān)鍵數(shù)字如AUC值、最終分配企業(yè)數(shù)、總期望收益。問題重述與分析用自己的語言梳理題目要求明確要解決的幾個子問題并分析難點(diǎn)。模型假設(shè)與符號說明列出合理的、簡化問題的假設(shè)。清晰定義文中用到的主要符號。模型建立與求解這是論文主體。對應(yīng)我們之前的思路分節(jié)闡述數(shù)據(jù)預(yù)處理與特征工程信用評分模型附上模型評估結(jié)果如AUC曲線、KS值表風(fēng)險定價與額度測算模型信貸資產(chǎn)組合優(yōu)化模型附上優(yōu)化結(jié)果表格模型檢驗(yàn)與靈敏度分析展示模型的穩(wěn)健性。例如改變信用評分模型的參數(shù)如XGBoost的樹深度觀察AUC變化。改變定價公式中的α系數(shù)觀察利率分布和最終收益的變化。改變優(yōu)化模型中的風(fēng)險分散約束比例分析其對收益和風(fēng)險集中度的影響。模型評價與推廣客觀評價自己模型的優(yōu)缺點(diǎn)并提出改進(jìn)方向如引入更多外部數(shù)據(jù)、考慮宏觀經(jīng)濟(jì)周期等。參考文獻(xiàn)附錄可以放核心代碼的流程圖或部分關(guān)鍵代碼片段。7.2 源代碼整理與提交源代碼是評審時驗(yàn)證你工作真實(shí)性的關(guān)鍵。務(wù)必做到模塊化將代碼按功能分成多個腳本或Jupyter Notebook單元如data_preprocessing.pyfeature_engineering.pymodel_training.pyoptimization.py。注釋清晰在每個函數(shù)和關(guān)鍵步驟旁添加注釋說明其目的??蓮?fù)現(xiàn)在代碼開頭固定隨機(jī)種子np.random.seed(42)random_state42確保每次運(yùn)行結(jié)果一致。提供requirements.txt文件列出所有依賴包及版本。結(jié)果輸出代碼的最后部分應(yīng)能輸出關(guān)鍵結(jié)果如企業(yè)的信用評分、建議利率額度、最終的貸款決策列表并保存為CSV或Excel文件方便在論文中引用。7.3 可視化呈現(xiàn)一圖勝千言。在論文中嵌入高質(zhì)量圖表能極大提升可讀性。數(shù)據(jù)探索企業(yè)銷售額分布直方圖、進(jìn)銷項(xiàng)月度趨勢圖。模型評估ROC曲線圖、特征重要性條形圖對于樹模型。結(jié)果展示企業(yè)信用評分分布圖、利率-風(fēng)險散點(diǎn)圖、最終貸款組合的行業(yè)分布餅圖或額度分布圖。8. 常見問題與實(shí)戰(zhàn)避坑指南結(jié)合多年指導(dǎo)和評審經(jīng)驗(yàn)以下是參賽隊(duì)伍最容易踩的坑及應(yīng)對策略8.1 數(shù)據(jù)預(yù)處理不當(dāng)問題對異常值處理過于粗暴直接刪除大量數(shù)據(jù)導(dǎo)致樣本代表性失真或?qū)Ξ惓V狄暥灰娮寴O端值主導(dǎo)了模型。對策結(jié)合業(yè)務(wù)常識進(jìn)行判斷。對于發(fā)票數(shù)據(jù)可以按企業(yè)分組剔除每個企業(yè)自身歷史交易中極端偏離如超過3個標(biāo)準(zhǔn)差的記錄而不是全局剔除。對于金額為0或負(fù)值的記錄需區(qū)分是正常退貨還是數(shù)據(jù)錯誤。8.2 特征工程缺乏創(chuàng)造力問題只做了簡單的求和、平均沒有挖掘出深層次的時序模式、網(wǎng)絡(luò)關(guān)系或文本信息。對策多從企業(yè)經(jīng)營的視角思考。除了財(cái)務(wù)指標(biāo)想想企業(yè)的“行為特征”它是不是經(jīng)常在月底集中開票可能資金緊張它的交易對手是分散的還是集中的客戶集中度風(fēng)險它的銷售增長是線性的還是波動的將這些思考轉(zhuǎn)化為可計(jì)算的指標(biāo)。8.3 模型評估指標(biāo)單一問題只匯報(bào)準(zhǔn)確率在不平衡數(shù)據(jù)上得到90%的準(zhǔn)確率就沾沾自喜實(shí)際上模型可能什么都沒學(xué)到。對策必須將AUC-ROC作為核心評估指標(biāo)并同時匯報(bào)精確率、召回率、F1-score以及在不同閾值下的表現(xiàn)。繪制KS曲線和Lift圖也是加分項(xiàng)。8.4 忽略模型可解釋性與業(yè)務(wù)邏輯問題使用復(fù)雜的深度學(xué)習(xí)模型如神經(jīng)網(wǎng)絡(luò)但無法解釋為什么某個企業(yè)得分低導(dǎo)致最終的定價和優(yōu)化方案缺乏說服力。對策優(yōu)先使用可解釋性較強(qiáng)的模型如邏輯回歸、帶特征重要性的樹模型。即使使用復(fù)雜模型也要通過SHAP、LIME等工具進(jìn)行事后解釋確保高風(fēng)險企業(yè)的低分有其合理的業(yè)務(wù)原因如銷售額驟降、交易對手單一。8.5 優(yōu)化模型脫離實(shí)際問題構(gòu)建的優(yōu)化模型只追求數(shù)學(xué)上的最大收益沒有考慮任何風(fēng)險分散或監(jiān)管約束得出的方案可能將所有資金貸給一兩個“看似最優(yōu)”但同屬高風(fēng)險行業(yè)的企業(yè)。對策務(wù)必在優(yōu)化模型中加入分散化約束如行業(yè)集中度限額、單戶貸款上限基于PD。這不僅是數(shù)學(xué)要求更是金融風(fēng)控的基本常識。8.6 論文與代碼脫節(jié)問題論文中描述的模型與代碼實(shí)際實(shí)現(xiàn)的模型不一致或者論文中的結(jié)果圖表無法從代碼輸出中復(fù)現(xiàn)。對策寫作論文時直接引用代碼生成的圖表和結(jié)果文件。保持論文、代碼、數(shù)據(jù)結(jié)果三者嚴(yán)格同步。在提交前用清理后的環(huán)境重新運(yùn)行一遍全部代碼確保能生成論文中的所有結(jié)果。這道2020年的國賽C題是一個經(jīng)典的、麻雀雖小五臟俱全的數(shù)據(jù)科學(xué)和金融風(fēng)控實(shí)戰(zhàn)項(xiàng)目。它要求你從一個具體的業(yè)務(wù)問題出發(fā)走過完整的數(shù)據(jù)分析、建模、決策全流程。解決它的過程本身就是一次絕佳的能力訓(xùn)練。希望這份超過5000字的拆解能為你提供一份清晰的“作戰(zhàn)地圖”。真正的提升還是需要你親手去處理數(shù)據(jù)、調(diào)試代碼、撰寫論文。當(dāng)你完整地走完這一遍你所收獲的將不僅僅是一個競賽答案而是一套解決同類復(fù)雜決策問題的結(jié)構(gòu)化思維和方法論。本文還有配套的精品資源點(diǎn)擊獲取
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
五月天啪啪啪| 欧美一级a| 久久机热这里只有| 一区二区成人电影| 91日综合欧美| 国产午夜精品AV一区二区麻豆| 五月天婷婷激情| 丁香五月天欧美| 99热99草97| 丁香六月综合激情| 五月天色综合| 99在线精品在线视频| 天堂在线9| 五月色综合| 婷婷五月综合视频免费播放| 狠狠狠狠狠狠狠狠狠狠狠色宗合图片| 级情九色| 思思99久久| www.狠狠| 色综合射婷婷| 五月天激情网图片 - 百度| 色域五月丁香| 成人国产网站在线免费看| 99热在线精品播放| 日本人妻伦在线中文字幕| 99国产99| 啪啪色激情五月天| 色在线视频网2025| 久久人妻精品| 99色精品| 亚洲永久四色| 色五婷婷开心缴| 天天艹天天综合网| 久久久激情| 国内在线99视频| 五月婷婷色色| 26uuu日韩| 婷婷五月六月丁香| 深爱激情五月婷婷| www色婷婷com| 亚洲99精品欧美一区| 五月丁香六月色婷| 欧美成性色| 一起草无码| 草草女人亚洲| 久久久91精品| 亚洲精品国产setv| 色五月天天| 久久五月丁香| 亚洲国产精品SUV| 亚洲色色五月| 嫩BBB槡BBBB搡BBBB视频| 狠狠爱五月婷婷| 国产片XXXXA片国语对白| 久久人人做人人妻人人玩精品va| 91九色精品熟女内射| 五月婷六月丁| 日本猛少妇色XXXXX猛叫| 91综合视频在线| 五月婷婷久久激情| 激情五月综合网| 亚洲人成网站999综合| 久er免费视频| 亚洲六月色婷婷| 婷婷99视频在线| YJLZZJLZZ亚洲乱熟无码| 午夜美女人啪最红院| 日日干日日| 99国产在线精品视频| 亚洲美女高潮久久久久久69| 亚洲色夜| 久青草大香蕉| 五月婷婷网站| 无码AV免费精品一区二区三区| 激情六月丁香| 另类视在线| 久久99热这里只频精品6学生| 97碰碰在线观看视频| 性色99| 五月天色婷婷综合| Av大香蕉| 在线观看av网站| WWW色色色COM| jiqingliuyuetian| 久久久精品婷婷五月天| 另类激情五月| 欧美五月停| 久久最新色色色| 操日视频| 夜夜爱影院| 五月婷久久在线| 日韩另类| 精品国产人人爱人人| 九九99免费理论| 五月天丁香久久综合| 五月天社区| 操九色| 国产精品第一国产精品| 激情综合网之激情五月| 热九九精品| 日本啪啪天堂| 久99| 激情五月,色五月| 亚洲无码11| 青青色com久久| 国内精品玖玖| 久久无意婷婷| 色婷婷五月天视频网站| 欧美操综合| 思思精品热在线| 96丁香婷婷九月蜜桃综合久久| 婷婷五月黄色激情在线| 超碰在线91| 无码se| 综合色色网| 激情婷婷在线中文字幕| 99色在线| 777色婷婷爱五月| 91精品综合久久久久久五月丁香| av 一区三区四区| 天天爽夜夜爽夜夜爽精| 大香蕉人妻| 五月天婷婷xxx| 91凹凸在线| 99热每日| 色狠狠色噜噜AV天堂五区消防| 亚洲精品无人区| 中文字幕簧片| 色操综合| 人人爱人人摸人人澡| 伊综合蕉| 丁香久月| 色优久久| 精品夜夜澡人妻无码AV| 另类小说五月天综合网| 国产亚洲成AV人片在线| 九九精品自拍| 99在线观看视频免费| 超碰91在线| 六月丁香啪啪| 欧美性生交XXXXX无码小说| 五月天色婷婷图片| 丁香五月 无码| 天天色天天爱天天爱天天爱y| 99热99草97| 久久538| 亚洲天堂有码| 午夜丁香| mmm1717.6dbm人人爱人人操| 国产九月婷婷| 人妻激情在线| 亚洲色色在线| 色yeye欧美| 久久人妻精品| 丁香色五月婷婷17C| 婷婷五月在线观看| 丁香五月婷婷激情中文| 九色地址91视频| 婷婷午夜精品久久久| 婷婷色情网| 91在线日| 丁香五月天天日| 亚洲 在线 另类| 五月成人综合| 色9999日韩国产| 综合激情五月丁香| 色色日本| 天天玩天天摸| 97在线视频 欧美| 综激情网| 色五月 激情婷婷 综合五月天| 日本在线观看99| 99re6久热只有精品6在线直播| 中文精品在| 色婷婷狠狠18禁| 天天做天天爱天天爽夜夜揉| 玖玖婷婷五月天| 丁香六月天婷婷开心综合| 伊人色五月| 91操人| 思思热性操| 情色婷婷五月天| 91婷婷色 | 天天上天天爽| 综合网狠狠| 超碰99在线| 蜜臀av在线成人电影| 天堂五月婷婷| 中文字幕日产A片在线看| 噜噜视频| 热99久久这里只有精品| 淫视馆AV在线| 午夜微拍福利| 成人精品在线| 热99精品视频五月| 久久五月丁香综合17C| 国产精品黑丝| 99热这里只有精品9| 2020久久婷婷五月| www..999热久| 久久久久久9热不雅视频| 五月丁香成人小说| WWW、日本色丁香、co m| 伊人久久综合| 九九婷婷激情综合网| www.五月天婷婷| 五月婷婷丁香五月亚洲色| 思思热99er| 99欧州偷拍视频| 五月天久久成人| 欧美性爱中文字幕| 九九伦子片| 思思热精品在线| 天天干天天干天天干天天干天| 丁香婷婷人妻| 色五月大| 97成人丁香| 久久婷婷综合基地| 人人干人人操人人摸| 婷婷五月综合在线| 五月丁香久久丝袜啪啪| 六月婷欧美丁香综合| 色色com| 五月综合激情视频在线| 五月天激情婷婷小说| 婷婷丁香五月亚洲欧美| 四射综合网| 狠狠CAO日日穞夜夜穞AV | 9 7总站超级碰免费视频| 超碰chaompinm| 亚洲欧美999| 99热久只有| av无码电影| 《亚洲操B久久免费在线观看,亚洲操B久久在线播放》在线播放 - 高清资源 - 97 | 99热这里只有精品国产免费| 极品少妇XXXX精品少妇偷拍| 激情综合五月| 大香蕉啪啪| 五月天影院| 婷婷五月天激情综合婷婷五月天激情综合| 日韩黄黄| 丁香婷婷五月六月久久| www.97干视频| 九九爱精品网站| 国产看真人毛片爱做A片 | 五月在线婷色| 狠狠色丁香| 天天干天天曰天天射| 五月丁香激情综合网官网| 久久思思热| 五月天堂婷婷| 亚洲精品大片| 天天狠狠六月婷丁香影院| anquye五月| 日日天天天| 色五月综合在线| 91在线日本| 超碰9799| 五月丁香婷婷成人网| 久热91| 综合网啪| 啪啪 综合网| 婷婷久久草| 亚洲色色在线| 天天色天天干天天插| 青青草轻轻操| 黄色五月婷婷| 99riAV国产精品视频| 国产av天天插天天操天天爽| 五月婷三级片| www.久久99精品| 国产首页在线| se婷97| 99在线精品免费视频| 久久婷五月天| 在线不卡视频| 精品少妇人妻AV无码专区偷人| 婷婷色色五月| 懂色av粉嫩av蜜臀av| 婷婷色欧美激情| 激情五月视频| 亚洲人成人五月天| 五月激情婷婷丁香| 99热综合色图| 丁香婷婷久久| 免费看欧美成人A片无码| 色啪网| 五月丁香六月婷婷激情网| 色婷婷的五月天| 操啊操av| 人人色婷婷| 色偷偷综合| www,com,五月色色| www.婷婷五月天.com| 婷婷五月丁香五月| 夜夜骑夜夜操| 操人妻AV| www.91热久久| 小色小蛇伊人婷婷色香五月| 亚洲乱码在线观看| 婷婷丁香77777| 五月丁香六月婷婷不卡免费无码| 婷婷激情区| 天天夜夜六月丁香五月婷婷老师| 丁香六月婷婷综合缴| 99aese| 国产精品A片| 婷婷五点亚洲| 精品久久9| 亚洲中文乱字字幕在线永久| 欧美肉大捧一进一出免费视频| 日日干四虎| 影音先锋男人AV资源站| 啪啪丁香五月| 色色日韩| 久久这里只有精品22| 婷婷五月丁香综合人妻| 久婷久婷| 国产真实乱了老女人视频| 婷婷五月天激情四射| 五月Huangsewang| 综合在线观看99| 国产44页| 婷婷 久综合| 天天狠狠色噜噜| 99爱在线免费视频| 九九热精品在线| 99re这里只有| 亚洲无码猫咪| 婷婷综合五月| 四色女婷婷| 99碰碰| 五月婷精品| 狠狠艹狠狠艹| 26UUU欧美| 久久婷婷影院| 久草五月丁香婷婷综合| 久草视频一,二三四| 精品久久99| www.五月婷婷久久.com| 激情五月综合亚洲另类| 人妻22p| 欧美成人AAA片一区国产精品| 人人干人人操外国| 九九综合精品| 玖玖午夜视频| 亚洲视频在线网站| 久草A片| 色婷婷欧美在线| WWW.色婷婷.COM| 2025天天日爽| 日韩AV中文在线观看| 欧美超碰人人| 这里只有精品热| 五月丁香中文字幕| 99色综合| 激情综合国产| 婷婷在线午夜| 五月花激情| 嫩草AV久久伊人妇女超级A| 欧美人人草草| 五月天婷五月天综合网在线观| 天天干肏夜夜| 国产成人AV在线| 色色欧美色色色| 丁香婷婷色色| 欧美爆乳一区二区三区| 九九热精品| 国产AV不卡福利| 天天插夜夜爽| 色99网站| 久久在线大香蕉| 五月色情网| ww久久| 九九久99免费视频| 色久五月| 99精品在线| 国产亚洲成AV人片在线| 青青草六月丁香| 丁香五月婷婷啪啪| 无码yw| 五月婷深深爱激情网| 色色婷婷丁香| 六月丁香停| 久热婷婷在线视频| 婷婷五月丁香色情| 26uuu| 99草视频在线观看| 色婷婷丁香五月综合| 久久九九99| 色综合区| 啪啪操超碰| www.1024久久| 九九久久五月天综合伊人| 日韩视频99| 亚洲无码www| 久久 视频这里只有精总| 久久久久久久人妻| www.激情五月天。com| 激情六月色| 成人五月丁香花| 天天五月香欧美| 色碰碰| www久久久久久| 精品少妇蜜臀91| 大香蕉久| 中文网AV| 成年人丁香五月| 超碰永久在线| 婷婷成人在线| 98色花堂98t.R| 五月丁香花激情啪啪网| 26uuu国产激情视频| 日本少妇裸体做爰高潮片| 激情综合婷婷五月| 久99| 热这里只有精| 99精品色| 国内久久亭亭| 色欧美影院| 六月婷婷日| 开心激情站婷婷五月天| 久久婷婷免费| 99热这里只有免费精品| 日本波多野结衣视频| 九九热视频免费观看| 在线观看国产高清视频免费网站| 欧美日韩大黄| 五月婷婷啪啪| 狠狠肏综合网| 亚洲成人AV高清字幕| 婷婷另类开心| 欧美成人一区二区三区在线视频| 五月永久激情| 在线不卡AC| 六月狠狠综合| 久久五月天丁香| 99热这里只有精品22| 色五月开心久久网| 国产日比| 久久久18| 丁香五月天色综合| 天天色粽合合合合合合合| 欧美激情 日韩无码 婷婷 五月天| 亚洲六月色| 五月天成人综合| 69精品人人人人| 久久大大香| 综合激情深爱| 狠狠色婷婷7777久综合| 五月天天天天天天天天天天天婷婷婷| 99ri精品在线| 婷婷五月天奸女| 自拍偷窥99热| 丁香六月综合激情| 26uu| av高清无码| 天堂婷婷丁香六月网| 七七婷婷综合| 激情五月天小说|五月天开心激情网|亚洲精品国产自在现线|黄色五月天 | 九九色情网站| 天天操天天日天天爽| 噼里啪啦在线观看免费完整版视频| 丁香五月AV综合激情| 生活片五区| 99精品性爱| 丁香五月婷婷Av| 操久久网| 深爱五月激情网| 性按摩玩人妻HD中文字幕| 婷婷六月丁香开心深深爱| 欧美成人AAA片一区国产精品| 五月婷婷黄色视频| 日本三级片片| 婷婷五月天av| 婷婷五月天色网久| 97精品综合久久内射| 色色五月天丁香婷婷| 色色五月天婷婷| 久久xxxx| 丁香 婷婷 亚洲 熟女| 九9九9无码| 天天综合色| 色婷婷99| 无码激情AAAAA片-区区| 亚洲激情五月| 97操操操| 成人综合视频网址| 婷婷97碰碰| wwwss在线观看| 91日韩在线| 久久久99精品| 久久资源网五月婷| 国产麻豆视频| 色五月婷婷综合| 五月色婷婷影视在线电影| 欧美日韩国产成人在线| 热99在线精品| 婷婷丁香五月天在线视频| 99热午夜精品| 欧美精品99久久久| 五月丁香婷婷激情澎湃四射| 热99在线精品| 青草视频在线播放| 五月色丁香| 色激情综合狠狠婷婷| 色八戒操婷婷| 九九性视频| 久久九九蜜| 色5月婷婷色| 五月婷婷爽爽爽| 久热99热| 另类综合网| 色丁香五月婷婷| 九色成人AV在线| 91精品久久久久久| 成人色色视频| 密黄站| 亚洲AVwwwwwww| 五月丁香激情综合| 五月丁香啪啪网| 色婷婷五月天不卡| 婷婷丁香久久五月综合| 色欲色天天香综合| 婷婷五月六月| 久久精品A片777777| 97人人干人人操| 人人妻久久妻| 六月丁香婷婷开心综合基地| 激情综合网络插| 2016日日夜夜操| 91av成人| 韩日另类| 日韩成人网址| 97色婷| 久久怕怕视频| 婷婷情色激情| 欧美综合激情五月| 在线,国产,色,热视频| 97香蕉久久超级碰碰高清版| 人操人| 五月综合激情久久| 丰满少妇乱A片无码| 色五月91| 日韩色久| 天天天天干| 夜夜综合色| 五月丁香色狠狠干大屄| 色五月丁香五月五月婷婷| 天天色天天射天天日| 成人短视频免费| 影音先锋男人站,影音先锋男人色资源网,影音先锋AV最新资源站,影音先锋AV资源 | www.丁香黄色五月天人与| 久久99视频| 91精品久久久久久| WWW.17C亚洲精品| 人妻VideOssS人妻高清| 。久久久久久久久久久久久久人妻 | 亚洲看av的网站| 九九久久综合| 大香蕉五月天婷婷| 丁香激情网| 丁香五月AV| 99精品女人天堂| 4438全国最大视频成人网站在线观看| 雪千夏麻豆| BBWCUCKOLD精品熟妇| 97人人干| 一点色成人网| 粉嫩AV久久一区二区三区| 99久在线精品99re8| www超碰| 99视频精品| 久久婷婷网站| 久久婷婷五月综合| 婷婷五月激情图片| 婷婷九月激情| 九九热只有精品| 99久久99九九九99九他书对| 亚洲99综合| 香蕉视频91| 黄色成人网站在线播放| 九九九九毛片| 夜夜夜夜夜操| www.99色| 99国产精品久久久久久久久久久| 夜夜嗨一区二区三区直播内容| 影音先锋男人女人| 久久五月天精品视频| 青青福利网| 色婷婷网| 激情五月天婷婷久久久久久久久久久| 天天操夜夜啊| 五月综合婷婷网| 欧美噜一噜| 亚洲噜色| 26uuu亚洲| 丁香六月婷婷综合缴| 67194中文字幕| 激情六月天婷婷| 五月婷婷黄色| 九九热最新| 成人美女网| 草榴视频黄色网| 丁香五月婷婷欧美成人色图| 五月开心久久| 婷婷和五月天| renrencaoav| 综合五月激情网| 五月综合无码| 久久综合五月天| 激情开心五月天| 粉嫩AV久久一区二区三区| 久久黄色片| 加勒比久热| 丁香五月欧美色综合| 亚洲综合激情五月久久| 色五月婷婷大| 精品久久艹| 久操福利| 99这里有精品| AV亚洲在线| WWW.久久久久久久| 天天做天天爱天天摸| 6080av| 久久综合首页| 国产精品久久久久久白浆色欲| 九九这里只这里只有精品| 六月天无码网址| 九九久久网| 日韩操人| 五月丁香六月片| 久久久久久久久久久44| 色5月婷婷| 99re26视频| www激情| 九九热在线视频观看| 香蕉97碰碰碰欧美| 亭亭五月基地在线| 热99热| 五月开心色| 91蜜桃婷婷狠狠久久综合9色| 欧美色一级色| 9l视频自拍9l视频自拍九色学生| 2025中文在线视频字幕免费观看| 99热无码首页| 色播播五月天| 99小视频在线观看| 婷婷丁香五月激情综合站_久久五月丁香激情综合_开心五月综合激情综合五月_婷 | 一级黄在线| 欧美色碰| 五月花成人网| 久久久无码精品成人A片小说| 狠狠狠狠狠| Www.久久| 久久五月天激情美女| 久久精品亚洲热| 色哟哟精品| 亚洲AV在线免费看| 久久激情五月天| 精品视频99看在线视频| 九色啦蜜臀| 久久久久久人妻| 丁香五月久久| 91热视频色网站| 深爱开心激情网| 色色色婷婷| 日本熟妇乱妇熟色A片蜜桃| 国产综合婷婷| 久久五月激情| 亚洲五月婷婷| 密臀av无码人妻精品| 99re思思精品视频在线观看| 天堂五月婷婷| 色综啪啪| 视频免费精品免费精品免费精品免费精品免费精品免费精品免费99 | 狠狠操之狠狠操| 久久久这里有精品| 免费观看全黄做爰的视频| 爆乳熟女一区二区三区爆乳| 五月天伊人手机在线播放AV| 99热手机在线精品| 9视频1在线| 色婷五月丁香久亚洲| AV大香蕉| 99热伊人| www.久操| 婷婷六月丁香激情| 类似婷婷激情综合网站| 97久久婷婷色| 激情六月丁香综合| 六月婷婷激情图片| 热996精品在线观看| 激情网狠狠干| 婷婷天天日婷婷| 天啪天啪天啪天啪| 五月天开心成人网| 亚洲视频99| 99五月婷| 亚洲天天| 99亚洲精品综合在线| 噜噜色五月| 婷婷视频网| 亚洲九九婷婷| 五月丁香在线综合| 综合六月久久| 综合五月亭亭9| 九月丁香婷婷| 99在线免费视频| 五月天成人网在线观看| 亚洲AV成人无码精品| 六月综和久久| 亚洲五月婷| 久久9久| 综合色影院| 九月婷婷综合网| 日本va欧美va欧美va| 春色激情| 97干婷婷五月天| 无码少妇高潮喷水A片免费| 色色综合色视频| 色综合天天| 国产44页| 天天干天天色综合| 特黄三级又爽又粗又大| 丁香五月激情综合啪啪| 噢美99| 99热这里只有精品1998| 久久全意婷婷| 五月婷六月天| 五月J香蕉婷婷| 五月色欧美| 七月婷婷色香综合网| 久久伊人日日夜夜| 在线视频婷婷| 婷婷十月丁香| 色婷婷丁香花五月天| 色色婷婷综合网| 91狠狠综合久久久久久| 婷婷激情五月天7| 来吧亚洲综合网| 思思久久99热| 激情综合久久| 婷婷五月天综合蜜桃| 91欧美| 成人婷婷深爱综合网| 99在线精品免费视频| 激情五月丁香色婷婷| 丰满少妇猛烈A片免费看观看| 丁香五月亭亭六月综合激情网| 超碰狠狠操| 管管補管管紱| 狠狠干五月| 天天干天天操天天爱| 激情综合另类| 色婷婷六月| 大香蕉狼人久久| 色99日韩| 久久综合激情五月天| 天天弄天天操| 综合网五月天123| 碰人人97| 伊人玖玖网| 婷婷大香蕉| 五月婷婷和六月| 不卡在线视频| 亚州AV超碰人人操| 五月婷色丁香| 色色色色色色色色色色色色色97| 亚洲激情综合| 少妇性BBB搡BBB爽爽爽电影| 亚洲最大五月六月丁香婷婷| 亚洲精品网址| 久久久久久激情| 综合亚洲六月婷婷在线| 国产亚洲精品AAAA片APP| 久噜久噜| 67194中文字幕| 激情色色| 婷婷色日本| AV中文字幕夜夜操b天天摸bb| 播播网色播播| 91碰碰碰| 伊人大综合| 婷婷欧美| 色婷婷狠狠干| 99色嘟嘟精品网站| 婷婷五月天免费视频| 99爱99操| 天天做天天爱天天爽| 久久久久人妻中文| AA久久| 色五月婷婷五月天| 五月激情六月宗合| 中文字幕av久久爽一区| 青青久在线视频免费观看| 怡红院视频| 久久9视频| 成人美女网| 综合网啪| 开心亚洲久久开心| 第1影院之五月婷婷| 色播五月丁香| caopeng97日韩| 欧美久人人| 丁香六月激情综合| 大香蕉院线| 啪啪 综合网| 成人无码精品1区2区3区免费看| 丁香色婷婷| 啪啪色激情五月天| 艹色18p| 九九AV| 久久久久99精品成人片| 秋霞日本免费毛片A片| 99ri国产| 天天色综合综合| 91人人爽狠狠狠| 亚洲九九99精品视频在线播放| 久久婷婷五月综合啪| 婷婷五月天天| 国产婷婷综合在线免费视频| 97碰碰碰免费公开在线视频| 五月天天久久香| 中文字幕日韩无码制服诱或| 狠狠色九月| 天天爽天天操| 日本爆乳片手机在线播放| 91人妻色色网| 久久久久9久无码视频| 丁香五月婷婷啪啪| 人人操Av| 天天爽天天日天天舔| 日本狠狠干| 婷婷五月天伦理| 深爱婷婷网| 欧美色骚婷婷五月天| 天天操五月天| www.超碰97| 久草婷婷| 噜噜狠狠色| 色狠狠六月| 婷婷激情综合| 激情婷婷网| 三人荫蒂添的好舒服A片| 久9久9热久热| 开心激情播播五月天| 亚洲 25P| 成人婷99最新| 九热...av| 婷婷五月美女直播| 日日干综合| 中美日韩成人在线| 色五月丁香91| 日本九九九九| 五月婷婷综合激情网| 五月激情视频网| 99综合| 久久久久久18| 婷婷色情 | www久久99| 久久婷婷婷| 欧美人妻一区二区| 人人综合五月人人婷婷| 五月天婷婷久久日| 色综合天堂| aaaa.黄| 91碰碰视频在线观看| 国产成人网| 91色色色| 97九色视频| 精品亚洲VA网站| 99热精品综合| 国产伊人五月天| 97福利视频| 97碰免费精采视频| 色婷婷玖玖影院| 丁香婷婷浪潮AV久久综合| BBWCUCKOLD精品熟妇| 亚洲色综合| 五月久久婷婷丁香| 婷婷五月激情中文字幕| 亭亭五月天成人| 久色姿源| 激情另类综合| 久鲁鲁色网| 激情五月婷婷综合| 综合激情在线| 大香蕉婷婷丁香| 9久久精品视频| 色都都狠狠色都都色综合色| 久久婷婷一级片| 桃色成人网| 极品人妻VIDEOSSS人妻| 超碰99热| 国产亚洲色婷婷久久99精品91| 丁香五月婷婷网| 91精品久久久久久77777| 欧美六月| 五月婷中文字幕| 色久影院| 日韩精品一区二区亚洲AV观看 | 激情都市另类| 性按摩玩人妻HD中文字幕| 无码AV免费精品一区二区三区 | 日本va欧美va国产激情| 亚洲色频| 五月天综合在线观看| 婷婷色激情五月天| 婷婷开心久久| 九九热99热| 婷婷五月天激情五月天深爱五月天| 99愛国产| 色婷婷色五月天| 色播激情五月天| 中文在线视频久1| 四色五月婷婷在线观看| 欧美婷婷五月天| 狠狠色噜噜狠狠狠888| 99久久极情精品一区| 五月丁香六月成人| 婷婷 伊人 久久| 丁香五月综合激情性爱| www.婷婷五月天| 久久久久er热| 人妻av在线| 亚洲激情综合| 欧美午夜乱妇午夜福利| 久久丁香综合香蕉| 色婷婷色丁香色欲av| 99小视频在线观看| 色婷婷色情| 99色色热| 欧美综合激情五月丁香| 人妻肉射免费观看| 人妻无码精品一区| 婷婷婷婷婷开心无码播放| WWW.桔色成人.COM| 99热偷拍| 丁香五月影院| 97色在线| 久久9情免费| 五月天婷婷色情| 香蕉国产2013| 亚洲国产精品成人免费一区久久久在线观看AAAA | 亚洲成人超碰| 婷婷五月丁香五月| 久久AV无码精品人妻系列试探| 碰碰人人人| 玖玖激情网| 99福利导航| 亚洲第一色网站| 亚洲99手机免费看视频 | 丁香五月天啪啪| 色婷婷成人做爰A片免费看网站| 婷婷欠久少妇| 亚洲av成人电影在线观看| 99人碰碰碰| 婷婷六月开心网| 婷婷五月天欧美图片在线播放电驴| 五月婷婷色五月| 婷婷在线精品| 成人国产欧美大片一区| 九九综合九色欧美狠狠| 国产在线黄色| 97色伦另类图片小说视频 | 婷婷五月天成人在线视频| 森林影视大全,最好看的2019年视频| 久热a| 99爱视频在线观看| 丁香五月欧美| 婷婷丁香18| 色噜噜97视频在线观看| 亚洲丁香五月综合| 曰日爽日日操| 激情五月天婷婷五月天| 国产肥白大熟妇BBBB视频| 美国天天操无码| 亚洲性受XXXX五月丁香| 婷婷干五月综合在线播放| 色五月婷婷在线| 极品人妻VIDEOSSS人妻| 99人人操人人操人人精| 日本本土色网第一区| 色婷婷激情五月天| 黄网免费看| 色婷婷呢狠禁久禁| 亚洲成人AV在线播放| 中文无码精品一区二区三区| 久久色9| 国产精品国产成人国产三级| 婷婷久久影院| 亚洲 精品 综合 精品| 五月天激情综合| 中文字幕网伦射乱中文| 色综合久久8| 激情五月丁香综合蜜桃| 九九热最新视频| 欧美性生交XXXXX无码小说| 激情综合在线播放| 久久6这里只有精品| 色婷六月| 大伊香蕉精品视频在线| 人人干女人| 五月婷婷丁香六月在线| 狠狠爱综合| 色在线免费观看| 丁香五月婷婷深五月| 久久久这里有精品| 天天日天天久久青青| 日本婷久久| 欧美va亚洲va在线播放| 久久五月天婷婷| 成人 九九九九| 婷婷大美在线| 色婷婷免费视频| JlZZJlZZ8JlZZ亚洲熟女| 久/久精品99看9| 99视频精品全部观看10| 风流少妇A片一区二区蜜桃| 欧美色九| 亚洲视频图片婷婷五月| 99操| 中文精品在| 欧美人妻一区二区| 国产精产国品一二三在观看| 久久草大香蕉| 79色色色色| 亚洲va综合va国产va中文| 五月婷婷六月丁香综合| 天天草比天天爽| 无码人妻少妇色欲AV一区二区 | 五月婷婷久久内射| 五月丁香激情综合网| 97操碰在线视频| 人人草人人视| 久久性爱网| 欧亚色色| 五月 成人 婷婷| 丁香五月激情五月色综合| 成人必爱视| 五月色影院| 91久久九久久九久久九久久九久久| 第四色26uuu| 国产人妻777人伦精品HD| 激情五月婷婷综合| 综合网啪| se婷97| 思思re视频在线| 国产毛片欧美毛片久久久| 成人欧美日韩| 亚洲成人五月| 婷婷五月天性爱视频| www.日韩艹| 亚洲综合五月天| 另类小说五月天| 色婷久九| 婷婷大乡焦噜噜| 色综合色| 一起草日本| 99热成人在线| 激情玖玖sh| 五月婷婷co.m| 91综合在线| 天天做天天爱天天搞| 婷婷综合网| 亚洲AV成人精品日韩在线播放| 色五月婷婷一二| 男人天堂AV在线一区二区| 色噜噜狠狠狠综合曰曰曰| 九九婷婷五月天| 九六五月天婷婷| 大陆极品少妇内射AAAAAA| 婷婷色色综合激情| 性做久久久久久久免费看| 日日噜人人人做人| 亚洲色99| 99久久99视频只有精品| 婷婷综合| se99高清无码| 大香蕉九操| 久久久.COM| 国产精品久久..4399| 99啪在线| 天天日夜夜爽| 亚洲蜜乳AV| 操骚货在线| 97操碰人人| 深爱开心激情| 五六月婷婷久久| 国产VA亚洲VA96| 日本 色综合| 亚洲另类视频| www热久久yy9| 婷婷 伊人 久久| 另类图片激情五月| 任你草| 色情五月丁香婷婷网| 久久久免费精彩视频| 99热国产这里只有| 大色鬼综合| 婷婷丁香人妻久久在线观看| 色婷婷狠狠18yy| 色婷婷小说| 伊人久久大香线蕉综合网站| pom538精品视频| 激情婷婷久久| 91激情五月开心| 免费亚洲婷婷中文字幕| 99热这里只有精品2| XXXX岛国| 激情色五月天| 伊人五月丁香| 九月av| www.国产色| 激情五月综合视频| 激情综合色五月丁香| 婷婷五月天电影在线| 久久亭亭电影| 色99日韩| 亚洲人人96@| 欧美成人AAA片一区国产精品| 一级A片天天操夜夜操| 亚洲第二AV| 日本色图综合| 欧美激情五月天婷婷| 少妇真实被内射视频三四区| 亚洲综合干| 久久综合最新网址| 色五月六月| 91日精品| 综合色99| 婷婷丁香五月激情综合站_久久五月丁香激情综合_开心五月综合激情综合五月_婷 | 五月婷婷综合色拍| 日韩精品VIP| 日本操碰碰| 色色五月天激情| 国产精品a无线| 99热这里全是精品| 狠狠综合久久| 99精品成人无码A片观看金桔| 五月熟妇婷婷久久| 在线亚洲综合| 五月婷六月| 五月停停直播| 六月丁香开心婷婷欧美| 国产精品成人AV在线| 色色啊| 99国产欧美视频| 三级黄网站| 毛片新网地| 日韩xx在线| 五月婷六月| 综合深爱五月| 丁香五月激情棕合| 欧美性生交XXXXX无码小说| 亚洲欧美国产高清vA在线播放| AV在线观看网站| 亚洲亚洲人成综合网络| 激情99| 亚洲色婷婷网站| 91精品国产综合久久蜜芽解析速度| 第五色婷婷| 噜噜久| 九月婷婷久久| 九色亚洲| 大香蕉中文| 亚洲精品操一操、噜一噜、摸一摸、爽| 玖玖爱综合网| 色99在线观看| 亚洲国产精品二二三三区| 人妻久久久久久| 天天在线久久综合 | 99激情| 青青热久久综合| 亚洲色婷婷五月天| 俺去也婷婷| 婷婷五月天堂| 5月色亭亭视频| 99日逼视频| 天天骑天天操| 99热精地址| 亚洲五月天,激情视频| 9999热精品| 亚洲操逼网| 美国十月色婷婷在线观看| 看婷婷五月天网| 91精品久| 性爱久久| 天天综合网91| 五月天婷婷激情春色小说| 色九网| 丁香五月激情五月色综合| 99超级碰免费视频| 五月深爱激情网| 丁香六月狠狠| 五月天丁香婷| 婷婷五月激情四射手| 色色射| 另类激情五月在线视频欧美| 五月天激情网址| 九九综合| 亚洲第一av| 桃色成人网| 欧美在线操| 婷婷五月激情天| 婷婷丁香人妻| 激情丁香社区| 色级婷婷| 韩国真做片在线观看| 97色婷婷成人综合在线观看| 六月综合在线| xxxx五月| 五月婷婷五月天| 久久九九亚洲| 夜夜嗨一区二区三区直播内容 | 日本啪啪网| 中文字幕高清av| 国产偷人爽久久久久久老妇APP | 六月五月丁香五月欧美| 99在线公开视频| 久久久五月天婷婷| 老师的粉嫩小又紧水又多A片视频| 五月激情啪啪| 五月婷婷久| 婷婷在线操| 高潮毛片遮挡费高一百度| 欧美精产国品一二三区| av一区二区电影免费在线观看| 日本欧美成人片AAAA| 9 1超碰九色| 九九99久久| 国产另类综合| 99综合99| 情欲综合网| 色五月婷色彩免播放器| 九九人人自拍| 久久精品天| 精品久久久91久久影视网| 欧美激情综合| 人人播| 五月婷婷丁香在线| 精品女人九九九| 色偷偷五月天| 婷婷开心五月| 婷婷.com| 欧美英丁香开心快乐六月天网| tingting五月天亚洲| 五月婷婷性爱| 97香蕉碰碰人妻国产欧美| 色色综合激情| 超色欲天天| 亚洲色五月婷婷| 国内在线99视频| 天天综合网~91| 热日韩欧美| 青青草大香| 午夜少妇在线观看视频| 五月天啪啪| 99爱视频| 俺去也五月天婷婷| 欧美精品99| 波多野结衣AV无码Porn| 九九热在线观看视频| 色人妻五月| 狠狠插狠狠|