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

深耕商務建站與企業(yè)官網(wǎng)運營的一線實戰(zhàn)洞察。

股票預測畢設全解析:從特征工程到LSTM回測避坑指南

股票預測畢設全解析:從特征工程到LSTM回測避坑指南 簡介這是一份面向計算機專業(yè)畢業(yè)設計及課程作業(yè)的股票智能預測系統(tǒng)完整源碼包以人工智能技術為核心結合金融場景實現(xiàn)數(shù)據(jù)采集、清洗、建模、預測與可視化全鏈路。全包共2000個文件壓縮后約23.82MB其中包含809個HTML頁面與426個JavaScript腳本構成前端展示層后端則涵蓋Java、Python、PHP等多種語言實現(xiàn)的接口與業(yè)務邏輯并配套SQL數(shù)據(jù)庫、YAML配置及若干訓練好的模型文件方便直接運行或二次開發(fā)。項目內(nèi)含大量可復用的算法模塊與接口示例如基于LSTM、GRU的時間序列預測模型以及線性回歸、隨機森林等經(jīng)典算法既可用于快速搭建完整系統(tǒng)也能深入拆解數(shù)據(jù)處理邏輯與模型調(diào)參細節(jié)。同時源碼對數(shù)據(jù)采集、標準化、特征工程、訓練評估等模塊進行了清晰劃分并帶有可視化圖表與前端交互代碼幫助讀者理解從原始行情到最終預測結果的完整工程流程。已有187人學習下載適合正在籌備相關課題的高校學生、需要參考完整項目架構的開發(fā)者以及想了解AI在量化投資中落地的初學者。1. 股票智能預測系統(tǒng)畢設里的“全棧數(shù)據(jù)項目”到底怎么落地如果你拿到的是一個名為“畢設課程作業(yè)_股票智能預測系統(tǒng).zip”的項目包里面大概率跑的是這樣一條流水線把歷史行情數(shù)據(jù)下載到本地加工成技術面特征喂給分類或回歸模型預測后面幾個交易日的漲跌再拿到回測里看有沒有超額收益。作為畢業(yè)設計這套系統(tǒng)的真實難點不在模型有多先進而在工程鏈路能不能閉合——數(shù)據(jù)、特征、訓練、回測、可視化成一條線評委和老師隨時能復現(xiàn)。適合拿來當課題的是學過 Python 和機器學習基礎、又想快速攢出一個完整項目的同學。這個方向坑很典型不是網(wǎng)絡請求報錯就是回測曲線漂亮得讓人心虛。2. 數(shù)據(jù)鏈路與特征工程先讓“喂給模型的東西”保持干凈2.1 數(shù)據(jù)源選型Akshare、Tushare 還是本地 CSV做畢設最怕數(shù)據(jù)源卡脖子。我最常用的做法是優(yōu)先用 Akshare 的免費接口拉日線數(shù)據(jù)代碼短、不用注冊適合課程作業(yè)Tushare 需要 token但歷史數(shù)據(jù)完整性和字段規(guī)范更好適合時間跨度較大的實驗。Akshare 的日線接口返回的是 DataFrame第一版原型直接用to_csv存本地后面再做成 SQLite 或 Parquet。這里有一個樸素的標準哪個數(shù)據(jù)源能在十分鐘內(nèi)讓你跑出一張head()表就先用它。數(shù)據(jù)源是否需要注冊歷史深度主要風險適合場景Akshare否部分接口支持多年接口偶爾調(diào)整字段課程作業(yè)、快速原型Tushare需要 token較完整積分限制頻率時間跨度大、需要規(guī)范字段本地 CSV無取決于自采范圍覆蓋不全離線實驗、演示回放import akshare as ak import pandas as pd # 拉取貴州茅臺的日線行情 df ak.stock_zh_a_hist( symbol600519, perioddaily, start_date20190101, end_date20231231, adjustqfq ) # 統(tǒng)一列名akshare 返回中文列名改成英文方便后面特征工程 df df.rename(columns{ 日期: date, 開盤: open, 收盤: close, 最高: high, 最低: low, 成交量: volume, }) df[date] pd.to_datetime(df[date]) df df[[date, open, high, low, close, volume]].sort_values(date) df.to_csv(data/600519_daily.csv, indexFalse) print(df.head())這段代碼邏輯很簡單先用 Akshare 取貴州茅臺 2019 到 2023 的前復權日線再把中文字段改成統(tǒng)一英文名保證后面所有模型代碼只用 open、close 這類標準字段。adjustqfq一定要保留前復權能消除除權除息造成的價格跳空否則模型會把分紅當成暴跌。sort_values(date)是容易被忽略的一步很多接口返回順序不定按時間升序是時序建模的基本前提。如果在校園網(wǎng)環(huán)境里接口超時正確做法是退回 Tushare 或者直接用本地行情 CSV。課程作業(yè)階段不必追求在線實時數(shù)據(jù)把某只股票五年日線存成 CSV整個訓練流程完全可以離線跑通。不推薦去爬網(wǎng)頁數(shù)據(jù)反爬和解析成本足夠拖垮一個畢設周。數(shù)據(jù)量上單只股票五年日線不到 1500 行做 LSTM 訓練其實偏少所以很多畢設會選 3 到 5 只股票做橫向對比或者把窗口縮短到 15 天。2.2 特征工程從 OHLCV 到技術指標與標簽模型吃進去的不是原始行情而是特征。常見做法是計算過去 N 日的漲跌幅、均線、RSI、MACD、成交量變化率。特征不是越多越好而是每個特征都有一個明確含義這樣答辯時被問“為什么選這個特征”能講得清。我一般會在特征工程里留一份手工計算的中間結果方便和第三方庫交叉驗證。第三方庫計算結果是一個黑匣子手工算一遍反而能幫你回答評委的細節(jié)問題。import numpy as np def make_features(df, window10): tmp df.copy() # 每日收益 tmp[ret] tmp[close].pct_change() # N 日均線用于捕捉價格趨勢 tmp[ma] tmp[close].rolling(window).mean() # 相對強弱指標 RSI簡化為 N 日內(nèi)漲跌幅均值之比 delta tmp[close].diff() up delta.clip(lower0).rolling(window).mean() down (-delta.clip(upper0)).rolling(window).mean() tmp[rsi] 100 * up / (up down) # 當前股價距離 N 日最高點的回撤幅度 tmp[drawdown] tmp[close] / tmp[close].rolling(window).max() - 1 # 成交量變化率衡量資金活躍程度 tmp[vol_ratio] tmp[volume] / tmp[volume].rolling(window).mean() # MACD 差離值12 日 EMA 與 26 日 EMA 之差 ema12 tmp[close].ewm(span12, adjustFalse).mean() ema26 tmp[close].ewm(span26, adjustFalse).mean() tmp[macd] ema12 - ema26 # 標簽未來 5 個交易日收益是否為正作為二分類目標 tmp[future_ret] tmp[close].shift(-5) / tmp[close] - 1 tmp[label] (tmp[future_ret] 0).astype(int) # 去掉計算產(chǎn)生的空值 return tmp.dropna().reset_index(dropTrue) df pd.read_csv(data/600519_daily.csv, parse_dates[date]) data make_features(df, window10) print(data[[close, ret, ma, rsi, drawdown, macd, label]].tail())這一段里有兩個關鍵選擇一是用shift(-5)構造未來 5 日收益的標簽而不是預測明天。原因是 5 日窗口能過濾掉大量日內(nèi)噪聲模型學起來比預測單日漲跌更容易收斂答辯時也更好解釋。二是pct_change和rolling天然產(chǎn)生前幾個空值dropna()以后樣本量會少一個窗口長度這是正常的。rsi公式是簡化版沒有用 EWMA 平滑但對模型來說已經(jīng)夠用答辯時如實說明即可。另外要特別強調(diào)特征計算里像rolling(window).mean()這種操作第 t 行用的只是 t 時刻以前的數(shù)據(jù)邏輯上沒有問題。但如果你在后面又對特征做了一次全局shift(-1)那就是讓第 t 天看到了 t1 天屬于典型的前視偏差。我習慣在make_features函數(shù)末尾把所有特征列單獨檢查一遍確保沒有任何一列是依賴未來數(shù)據(jù)的。所有特征必須只依賴過去數(shù)據(jù)這是避免前視偏差的第一道關卡。特征數(shù)量控制在 8 到 15 個之間超過 20 個特征在數(shù)據(jù)量只有一千多行時很容易過擬合而且評委問起來也很難逐個解釋。2.3 數(shù)據(jù)切分與歸一化時序拆分是硬要求結構化數(shù)據(jù)做機器學習很多人第一反應是train_test_split隨機切分——這在股票預測里是嚴重錯誤。隨機打亂等于把未來信息混進訓練集回測自然漂亮實盤必翻車。時序任務必須按時間順序切訓練集占總數(shù)的 70%驗證集 15%測試集 15%。驗證集用來調(diào)參測試集只在最后評分用一次用多了會讓測試集變成隱式訓練集。from sklearn.preprocessing import StandardScaler train_ratio, val_ratio 0.7, 0.15 n len(data) train_end int(n * train_ratio) val_end int(n * (train_ratio val_ratio)) feature_cols [ret, ma, rsi, drawdown, vol_ratio, macd] X_train, y_train data.iloc[:train_end][feature_cols], data.iloc[:train_end][label] X_val, X_test data.iloc[train_end:val_end][feature_cols], data.iloc[val_end:][feature_cols] y_val, y_test data.iloc[train_end:val_end][label], data.iloc[val_end:][label] scaler StandardScaler() X_train_scaled scaler.fit_transform(X_train) # 只在訓練集上 fit X_val_scaled scaler.transform(X_val) X_test_scaled scaler.transform(X_test)scaler.fit_transform和transform分離是數(shù)據(jù)泄露問題上最容易踩的雷。標準化用的均值和方差只能由訓練集計算驗證集、測試集都必須復用同一組參數(shù)。如果對全量數(shù)據(jù)先做標準化再切分測試集的信息已經(jīng)滲入訓練過程評測結果會虛高。這組切分后的數(shù)據(jù)可以立刻喂給邏輯回歸或隨機森林做基線后續(xù) LSTM 需要重新生成滑動窗口序列。切分完之后還可以順手檢查標簽分布是否均衡直接y_train.mean()。如果均值是 0.35說明訓練集中下跌樣本占 65%模型什么都不做一直猜跌也能有 65% 準確率——后面要針對這個做處理。數(shù)據(jù)行數(shù)較少時建議把訓練、驗證、測試的比例從 7:1.5:1.5 改成 8:1:1確保測試集至少有 120 個交易日否則回測曲線只有幾個點沒有說服力。3. 模型選型與訓練LSTM 不是唯一答案但最容易講清楚3.1 基線模型先跑邏輯回歸確認數(shù)據(jù)里確實有信號不要一上來就搭 LSTM。先用邏輯回歸或隨機森林在 2.3 節(jié)的特征表上跑一遍得到準確率、F1 這些指標。如果基線準確率接近 50%往往不是模型問題而是特征工程或標簽構造的問題只有基線明顯超過隨機猜測再上 LSTM 才有對比意義。這一步還能讓答辯時的評委看到你有建模思維而不是一把梭。from sklearn.linear_model import LogisticRegression from sklearn.metrics import accuracy_score, f1_score model LogisticRegression(max_iter500) model.fit(X_train_scaled, y_train) for name, X, y in [(train, X_train_scaled, y_train), (val, X_val_scaled, y_val), (test, X_test_scaled, y_test)]: pred model.predict(X) print(f{name}: acc{accuracy_score(y, pred):.3f}, f1{f1_score(y, pred):.3f}) # 打印特征系數(shù)答辯時可以用來解釋模型行為 coef pd.Series(model.coef_[0], indexfeature_cols).sort_values(keyabs, ascendingFalse) print(coef)邏輯回歸的優(yōu)勢在于可解釋——每個特征對應的系數(shù)可以直接打印出來答辯時可以指著某個系數(shù)說“當前價格離 10 日最高點越遠模型越傾向于預測反彈?!比绻€分數(shù)和隨機猜測相差不到 1 個百分點通常說明特征里沒有足夠的信息先回頭檢查特征和標簽再考慮換模型?;€模型還有一個容易被忽略的作用它幫你估算數(shù)據(jù)本身的天花板。假如邏輯回歸在測試集上準確率只有 51%你后面的 LSTM 就算調(diào)得再好也很難超過 55%因為你用的是同一批特征。這時應該考慮的不是把 LSTM 層數(shù)加到 5 層而是重新構造標簽——比如把二分類改成三分類漲、平、跌或者把預測周期從 5 日改成 10 日。3.2 LSTM 輸入構造與 PyTorch 實現(xiàn)窗口長度與特征維度決定了一半效果LSTM 和表格模型的區(qū)別在于輸入形狀表格模型一行樣本是一根 K 線而 LSTM 一個樣本是連續(xù) N 根 K 線組成的時間窗口。窗口長度一般取 20 到 60我常用 20因為 20 個交易日大約是一個月剛好覆蓋一輪短期趨勢。輸入維度是特征工程里的特征數(shù)。PyTorch 的Dataset作用就是把二維特征表切成三維窗口樣本。import torch from torch.utils.data import Dataset, DataLoader class StockDataset(Dataset): def __init__(self, features, labels, window20): self.features torch.tensor(features, dtypetorch.float32) self.labels torch.tensor(labels, dtypetorch.float32) self.window window def __len__(self): return len(self.features) - self.window def __getitem__(self, idx): x self.features[idx: idx self.window] # (window, n_features) y self.labels[idx self.window] # 用窗口之后的一天做標簽 return x, y這里的核心邏輯在__getitem__取連續(xù)window行特征作為輸入取窗口結束后的下一天的label作為輸出。這個錯位關系一旦搞錯模型就會拿著未來數(shù)據(jù)作弊。配合上一節(jié)的StandardScaler注意標準化必須在構造窗口之前完成因為窗口中的每個特征都要使用同一套均值方差如果先切窗口再標準化不同窗口之間的尺度無法對齊。接下來是 LSTM 模型主體import torch.nn as nn class LSTMPrediction(nn.Module): def __init__(self, input_size, hidden_size64, num_layers2, dropout0.3): super().__init__() self.lstm nn.LSTM( input_sizeinput_size, hidden_sizehidden_size, num_layersnum_layers, batch_firstTrue, dropoutdropout, ) self.fc nn.Sequential( nn.Linear(hidden_size, 16), nn.ReLU(), nn.Linear(16, 1), ) def forward(self, x): out, _ self.lstm(x) # out: (batch, window, hidden_size) last out[:, -1, :] # 取最后一個時間步的輸出 return self.fc(last).squeeze()模型參數(shù)說明參數(shù)常見取值影響input_size特征數(shù)本文是 6每個時間步看到的維度hidden_size64128越大擬合能力越強也越容易過擬合num_layers122 層是畢設兼顧效果和穩(wěn)定性的選擇dropout0.20.5層間隨機丟棄防止過擬合window2060太短抓不到中期趨勢太長樣本量驟減batch_firstTrue表示輸入形狀是 (batch, window, features)初始化時與數(shù)據(jù)形狀對齊。forward 里取out[:, -1, :]是 LSTM 預測的標準寫法——用窗口最后一個時間步的隱狀態(tài)輸出而不是把全部時間步都送入全連接層。輸出層只有一個神經(jīng)元配合BCEWithLogitsLoss做二分類。3.3 訓練循環(huán)與超參數(shù)學習率、早停、隨機種子訓練代碼里最容易出亂子的不是模型結構而是三個細節(jié)二分類損失函數(shù)要用BCEWithLogitsLoss而不能直接用CrossEntropyLoss每次迭代固定 shuffle 順序驗證集 loss 連續(xù)多個 epoch 不降就早停防止過擬合。def train_model(model, train_loader, val_loader, lr1e-3, epochs30, patience5): criterion nn.BCEWithLogitsLoss() optimizer torch.optim.Adam(model.parameters(), lrlr) best_val float(inf) wait 0 for epoch in range(epochs): model.train() for x_batch, y_batch in train_loader: optimizer.zero_grad() logits model(x_batch) loss criterion(logits, y_batch) loss.backward() optimizer.step() model.eval() val_loss 0.0 with torch.no_grad(): for x_batch, y_batch in val_loader: logits model(x_batch) val_loss criterion(logits, y_batch).item() val_loss / len(val_loader) print(fepoch{epoch1}, val_loss{val_loss:.4f}) if val_loss best_val: best_val val_loss wait 0 torch.save(model.state_dict(), best_lstm.pt) else: wait 1 if wait patience: print(early stop) breakpatience5表示驗證集 loss 連續(xù) 5 個 epoch 沒有下降就終止訓練torch.save只保存最優(yōu)權重而不是最后一次迭代的權重這兩點能讓模型穩(wěn)定很多。學習率從1e-3開始如果訓練 loss 震蕩明顯降到1e-4。訓練前記得組裝 DataLoader 并固定隨機種子這一步我在第 5 章會展開講。有一個容易忽略的參數(shù)是batch_size股票數(shù)據(jù)窗口樣本通常只有幾百到一千個batch_size32或64比較合適如果設成 128 以上每個 batch 的梯度方向會過于平均模型收斂慢。4. 回測與可視化讓模型的“成績單”能拿去答辯4.1 手寫回測引擎年化收益、最大回撤、夏普比率訓練完模型不算完評委最常問的問題就是“預測準確率這么高那實盤能不能賺錢”。這時候需要一個回測引擎回答這個問題?;販y的本質是按時間順序遍歷測試集模型給出每個交易日的預測方向按這個方向模擬買賣統(tǒng)計收益、回撤和風險調(diào)整后收益。我推薦自己寫而不是用第三方框架因為幾十行代碼能讓評委看清每一個細節(jié)而且不會有“調(diào)庫黑匣子”的質疑。def backtest(close, pred_prob, threshold0.5, fee0.0003): # close: 收盤價序列, pred_prob: 模型預測的上漲概率 position 0 # 0 空倉1 持倉 equity 1.0 # 初始資金歸一化 equity_curve [1.0] for i in range(1, len(close)): # 按前一交易日的預測信號決定當前交易日持倉 signal 1 if pred_prob[i-1] threshold else 0 if signal 1 and position 0: position 1 equity * (1 - fee) # 買入扣手續(xù)費 elif signal 0 and position 1: position 0 equity * (1 - fee) # 賣出扣手續(xù)費 equity * (1 (close[i] / close[i-1] - 1) * position) equity_curve.append(equity) equity_curve pd.Series(equity_curve) ret equity_curve.iloc[-1] - 1 annual (equity_curve.iloc[-1]) ** (252 / max(len(close), 1)) - 1 max_drawdown (equity_curve.cummax() - equity_curve).max() sharpe equity_curve.pct_change().mean() / equity_curve.pct_change().std() * (252 ** 0.5) return {總收益率: ret, 年化收益: annual, 最大回撤: max_drawdown, 夏普比率: sharpe}這段回測代碼的邏輯是用前一交易日的預測概率作為當天的持倉信號次日開盤后才真正生效繞過前視偏差。fee0.0003近似單邊萬三手續(xù)費別忽略否則回測收益會整體虛高。輸出的四個指標是答辯必備指標含義合格線參考總收益率測試期內(nèi)資金增長倍數(shù)能跑贏同期基準指數(shù)即可年化收益把收益率折算到一年5% 以上說明模型不是純噪聲最大回撤從峰值跌到谷底的最大幅度越小越好超過 20% 要警惕夏普比率每單位波動換來的超額收益大于 1 說明風險調(diào)整后表現(xiàn)合理回測的時候要單獨保存一份測試集的預測概率不要在整個數(shù)據(jù)集上回測。測試集必須是模型從未見過的尾部數(shù)據(jù)否則回測曲線會包含訓練階段的記憶效應。4.2 預測結果可視化從 matplotlib 到交互式界面課程作業(yè)階段一段簡單清晰的 matplotlib 代碼比花哨的交互界面更實用。把預測概率和真實收益畫在同一張圖上能直觀看出模型在哪些時段失靈。若時間充裕再用 Streamlit 包一層界面讓評委輸入股票代碼后看到最新預測結果。我一般會先畫靜態(tài)圖跑通整個流程后再加交互層。import matplotlib.pyplot as plt def plot_prediction(data, pred_prob, test_start_idx): fig, ax plt.subplots(figsize(14, 5)) ax.plot(data[date], data[close], labelclose, linewidth1) ax2 ax.twinx() ax2.plot(data[date][test_start_idx:], pred_prob, colororange, labelpred prob, alpha0.7) ax.set_title(Stock Prediction) fig.legend() plt.show()先畫價格、再疊加預測概率這種雙軸圖能一眼看出預測概率是否在關鍵轉折點發(fā)生漂移。如果預測概率長期貼在 0.5 附近說明模型對這段行情沒有把握回測里頻繁開平倉反而會增加手續(xù)費。答辯 PPT 里可以放三張圖原始價格曲線、預測概率曲線、凈值曲線評委看完這三張圖基本就能理解整個系統(tǒng)。交互式界面方面Streamlit 是最省事的方案一個腳本就能把回測結果、概率圖、最新信號全放到網(wǎng)頁上。建議把模型權重和 scaler 保存成文件頁面加載時直接讀入避免每次打開都重訓。界面選型上Streamlit 適合演示但如果需要復雜的前端交互還是直接導出 HTML 報告更穩(wěn)省去部署環(huán)境依賴。4.3 模型輸出解釋概率、置信度與漲跌幅我一般會在模型輸出層用 sigmoid 把 logits 轉成概率再按 0.5 閾值判定漲跌。答辯時如果被問“0.6 和 0.51 有什么區(qū)別”回答是 0.6 表示模型置信度更高而不是預測漲幅更大——明確這個邊界能避免被評委挑戰(zhàn)。置信度概念也可以延伸到回測策略里只有當預測概率超過 0.55 才開倉低于 0.45 才平倉。def sigmoid(x): return 1 / (1 float(np.exp(-x))) logits model(X_batch) prob torch.sigmoid(logits).detach().numpy()閾值的選擇可以通過驗證集搜索完成在 0.4 到 0.6 區(qū)間每 0.05 步長試一次選擇 F1 分數(shù)最高的閾值。不要直接用測試集調(diào)閾值這又會引入信息泄露。如果你用的是二分類最終匯報時除了準確率還要報 AUC因為樣本不均衡時準確率會騙人。5. 畢設避坑清單股票預測系統(tǒng)里翻車頻率最高的 5 個問題5.1 未來函數(shù)污染標簽回測曲線過度樂觀現(xiàn)象訓練集和測試集指標都超過 90%回測資金曲線一路向上實盤完全不對。原因在計算特征時用了rolling(window).mean()卻沒有按時平移或者標準化時用了全量數(shù)據(jù)導致第 t 天的特征已經(jīng)包含 t1 甚至更遠的信息。解決所有特征計算后統(tǒng)一做一次shift(1)并嚴格按 2.3 節(jié)把fit_transform和transform分開。在回測中養(yǎng)成“信號當天收盤后生成、次日開盤執(zhí)行”的習慣。我見過最隱蔽的寫法是df[label] (df[future_ret] 0).astype(int)恰好future_ret是用shift(-5)構造的如果后面有人不經(jīng)意地在特征列表里加上了future_ret整個模型就是在預測自己。5.2 停牌和漲跌停導致收益計算錯位現(xiàn)象回測里某天收益突然變成 10% 或 -10%導致回撤曲線出現(xiàn)斷崖。原因A 股有漲跌停和停牌機制某天停牌時close[i]和close[i-1]間隔了好幾個交易日直接計算收益率會把停牌期間的漲跌算到一天里。解決回測前先過濾掉停牌日或把收益率改成close[i] / close[last_trade_day] - 1。最簡單的做法是在數(shù)據(jù)清洗階段刪掉volume 0的行。對漲跌停日還要注意漲停時買不進、跌停時賣不出回測里不應該允許這些交易發(fā)生。5.3 歸一化信息泄露現(xiàn)象驗證集指標高于訓練集怎么看都不合理。原因對全量數(shù)據(jù)先統(tǒng)一標準化再切分訓練集測試集驗證集和測試集的均值方差混入了訓練集統(tǒng)計量。解決必須分步執(zhí)行scaler.fit(X_train)和scaler.transform(X_test)。推薦把擬合好的 scaler 也用 joblib 存成文件在推理階段和模型權重一起加載這樣線上預測和線下回測使用同一套預處理參數(shù)不會出現(xiàn)“回測挺好部署到新數(shù)據(jù)上結果對不上”的問題。5.4 樣本不均衡模型只會“看跌”現(xiàn)象訓練集跌的樣本占 80%模型干脆全都預測跌準確率還挺高。原因標簽按未來 5 日收益構造震蕩市里未來 5 日下跌的概率天然偏高且分類閾值 0.5 對概率型模型不公平。解決記錄訓練集正負樣本比例若失衡超過 1.5 倍用class_weight或對少數(shù)類過采樣。更實用的是把評估指標從 accuracy 換成 F1 或 AUC。邏輯回歸里直接加class_weightbalancedPyTorch 里在BCEWithLogitsLoss中傳入pos_weight這個參數(shù)能顯著改善少數(shù)類的召回率。5.5 隨機種子不固定兩次結果對不上現(xiàn)象完全相同的代碼跑兩次準確率不一樣答辯回放翻車。原因PyTorch 初始化、DataLoader 打亂順序都有隨機性。解決在訓練腳本開頭固定所有隨機源。def set_seed(seed42): import random random.seed(seed) np.random.seed(seed) torch.manual_seed(seed) torch.cuda.manual_seed_all(seed)固定隨機種子后還要把 DataLoader 的shuffleTrue放在torch.Generator上設置同樣的種子否則第一個 epoch 的數(shù)據(jù)順序仍然隨機。最后把訓練完的模型權重、參數(shù)、回測結果打包成一個固定版本目錄答辯時直接從目錄里讀取結果而不是現(xiàn)場重新訓練這是最穩(wěn)妥的演示方式。6. 提升模型說服力的三個進階做法調(diào)參、集成與演示課程作業(yè)能跑到這一步已經(jīng)比大部分同題作品完整。但想拿高分有三個方向的改進性價比最高。第一是超參數(shù)調(diào)優(yōu)把 window、hidden_size、學習率、dropout 四個參數(shù)放進網(wǎng)格搜索里跑一遍每組參數(shù)只訓練 10 個 epoch用驗證集 AUC 排序。每組訓練前要固定隨機種子否則參數(shù)對比會被隨機噪聲淹沒。網(wǎng)格搜索產(chǎn)出的成績單可以直接作為答辯附錄證明你理解模型對超參數(shù)敏感的特性而不只是會調(diào)庫。第二用心做模型集成。LSTM、XGBoost、邏輯回歸三個模型各出一個概率然后取加權平均作為最終信號。XGBoost 在表格特征上的表現(xiàn)通常不錯和 LSTM 的結構差異也夠大兩個模型同時犯錯的概率比較低。權重不要手動調(diào)太極端我一般固定 0.4、0.4、0.2再根據(jù)驗證集微調(diào)。集成模型單獨跑一套回測和單一模型對比用這個對比圖當 PPT 的高潮直觀證明“組合優(yōu)于單模型”。第三是演示形態(tài)。答辯時與其現(xiàn)場訓練不如把最佳權重和 scaler 序列化保存寫一個幾行的推理腳本讓評委輸入股票代碼后直接看到當前信號。同時把回測曲線和最大回撤標注畫在同一張圖上并準備一個“如果當天買入跌了怎么辦”的防守話術模型給出的是概率而非常勝預測閾值 0.55 以上的信號才執(zhí)行交易實際回測中信號占比約三成這是模型對不確定性的誠實反饋。這個邊界能讓評委認可你而不是覺得你在吹噓。經(jīng)驗上固定隨機種子加多模型投票是我最后反復驗證的穩(wěn)妥組合最終成績單和回放結果完全一致不會在演示現(xiàn)場玩心跳。為保險起見我也會把閾值從 0.5 調(diào)整到 0.55 再跑一遍防止決策邊界過于敏感。這條路走到這里已經(jīng)能從數(shù)據(jù)采集到模型訓練、回測、答辯展示一條線全部打通。希望幫到你。本文還有配套的精品資源點擊獲取
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
婷婷99视频精品| 激情综合文学| 色色综合网站| 婷婷九九| 五月丁香六月激情| 五月婷婷五月天激情视频| 热99玖玖99玖玖99九九| 综合性爱网| 五月天婷婷色紫薇阁| 一起操 91N.com| 九色无码| 久久久五月激| 丁香六月色婷婷| www.26uuu.com亚洲电影| 天天干夜夜想| 成人五月天在线视频在线观看| 国产午夜一区二区三区| 亚洲V国产V欧美V久久久久久| 五月丁香天天| 99在线一区| 五月丁香六月情| 九九色播五月丁香| 操91综合网| 狼人婷婷综合| 秋霞丝袜啪啪啪| 91久操| 亚洲色综合色网| 激情综合五月婷婷| ..真实国产乱子伦毛片| 中文字幕在线视频播放| 婷婷开心六月| 日本色天堂| 丁香情色五月| 91久热| 婷婷久久精品| 四色AVwww| 色婷婷基地在线| 婷婷婷久久久| 婷五月天六| 99热在线观看| 亚洲久久激情| 亚洲AV网站| 午夜不卡久久精品无码免费| 这里只有精品免费观看网占| 亚洲成人中心| 国产精产国品一二三在观看| 成人看片网站| 超碰99在线观看| 色99在线| 五月婷婷亚洲综合网| 天天射影院| 七七九九色色| 极品人妻VIDEOSSS人妻| 热99AV网站| 日本色婷婷| 五月婷婷深深爱| 五五月丁香花激情综合网| 91avse| www狠狠| 婷婷一本和五月丁香| 久久五月丁香伊人青草| 久久精品国产色| 超碰9| 大香蕉75线| 91免费试看| 91婷婷五月丁香碰| 91互操| 久久婷丁香五月| 福利视频在线播放| 五月婷婷激情综合视频| 中文网AV| 久久久久久久8| 日韩成人中文| 日本eVa一区=区视频| 日韩在线视频中文字幕| 美日韩成人| 色优久久| 夜丁香五月婷婷| 五月丁香六月综合图| 一夜福利不卡| 啪啪啪综合网| 五月天激情四射| 1024欧美日韩精品久久久| 亚洲综合色五月| 亚洲另类婷婷五月丁香在线播放| 久xxxx| 九九久99免费视频| 婷色影院| 国产肥白大熟妇BBBB视频| 色欧洲| 婷婷导航| 五月激情视频| 天天色综网| 黄网免费观看| 久久永久网址| AV网在线观看| 激情五月婷婷| 五月婷婷色色色| 99 这里只有精品| 日韩免费乱轮网站| 六月大香蕉| 农村熟妇高潮精品A片| 噜噜国产| 99成人精品视频| 99热这里只有精品国产免费| 欧美性猛交AAAA片黑人 | 婷婷激情综合色五月久久,色婷婷丁香花,丁香婷婷五月情天,久久婷婷五月综合色 | 婷婷成人网五月天| 互月天综合| 激情五月丁香在线观看直播| 激情AV在线| 97色吧| 五月天婷婷激情小说电影| 婷婷深爱五月天| 五月丁香在线| 亚洲欧美成人在线观看| 狠狠操狠狠| 丁香五月色欲| 大香蕉手机视频| 久久婷视频| 免费观看欧美成人AA片爱我多深| www久久99| 99热999| 五月综合影院| 丁香五月天视频| 五月婷婷六月丁香综合| 久色激情| 久久伦乱| 玖玖在线视频福利| 天天拍天天做视频| 伊人春天av| 黄网免费观看| 99在线观看这里都是精品| 五月婷婷六月丁香色| 九月婷婷激情| 婷婷伊人久久无码色五月| 久久激情综合| 久久人妻伦理| 国产又黄又爽又色的免费| 99re6在线视频精品免费| 色色色免费视频| 欧美狠狠一在草| 一起草AV入口| 天天拍天天操| 这里只有精品视频视频在线观看| 丁香五月婷婷综合啪啪| 欧美在线操| 日日操日日干| 色日本五月天| 91九色无码内射| 婷婷综合偷拍| www色婷婷久久综合久色| 狠色狠色综合久久| 婷婷五月影院| 性爱技巧五月| 久久综合伊人综合在线| AV在线大香蕉| 五月丁香综合中文| 日日日影院| 五月婷丁香| 91精品丝袜久久久久久久久粉嫩| 激情综合亚洲色婷婷五月| 男女99免费视频| 五月丁香五月丁香五月丁香五月丁香91| 五月天天丁香婷婷在线中| 丁香六月啪| 久久影视婷婷五月| 操逼六区| 五月天亚洲图片婷婷| 亚洲天堂色色| 少妇激情基地| 五月天婷婷激情| 天天搞夜夜叫| 五月天婷婷视频| 变态另类9| 99亚洲天堂| 九九热99视频在线| 啪色综合| 99玖玖人人| www夜夜操| 97碰| 亚洲激情五月天| 婷婷天天插天天爱| 色欲天天综合网| 激情网第四色| 国产XXXX搡XXXXX搡麻豆| 国产精品视频久久99| 九九精品少妇| 久久天天| 精品草原久久视频| 7超碰自拍| 日本欧美成人片AAAA| www99久久| 婷婷色五月天在线观看| 亚洲天堂亚洲色色色| www久久久久久久久久久| 日日夜夜小色哥| 日韩成人AV在线| 五月色欧洲| 午夜色婷婷| 在线观看视频1区| 五月丁香六月成人| 婷婷丁香五月在线播放| 国产精品久久99| 婷婷久久综合久| 六月丁香射婷婷欧美色图片| 91人碰| 亚洲经典三级| 97操操| 99色热视频| 五月丁香在线观看99| 国产全是老熟女太爽了| 丁香六月婷婷五月婷婷| 丁香五月亚洲天堂| 99热这是里只有精品| 久久人视频| 99热综合| 91精品综合久久久久久五月丁香| 九九热99视频| 九九在线视频| 26uuu亚洲欧美| 激情深愛五月視頻| 69热在线| 亚洲婷婷丁香五月在线| 色婷婷影视99| 99热在线观看| 色婷婷19| 一级A片天天操夜夜操| 久久久人妻人伦| 久久婷婷亚洲| 亚洲日日日| 五月丁香激情综合| 十一月婷婷激情四射| 五月色欧洲| 情色五月天网站| 色婷婷精| 狠狠婷婷色| 六月丁香五月婷婷| 天天日日夜夜| 亚洲黄色网址| 黑人巨粗进入警花疼哭A片| www.夜夜| 99这里只有精品|v| 天天插天天射| AV在线观看网站| 六月婷婷色综合| 久久综合首页| 激情综合五月| 欧美婷婷色| 丁香婷婷六月| 伊人爱爱日本| 婷婷伊人综合| 热婷婷在线视频| 日本99视频精品免费播放| 97香蕉人人在线观看| 国产精品99久久久久久猫咪| 五月婷婷中文字幕| 另类五月激情| 夜夜涩涩涩| 激情久久久| 久9视频| 五月丁香成人网| 丁香五月激情图片婷婷 | 黄色国久久| 中文字幕乱码亚洲精品一区| 久久一伦| 99综合自拍| 亚洲性爱干干| 久久草婷婷丁香网站| 丁香六月婷婷激情综合| 天天色天天色天天色天天色天天色| 丁香 久久| 激情五月天综合网| 久久婷婷五月综合色丁香| 五月天伊人综合| 久久久性爱视频| 激情色中文| 综合久久五月| 俺也去在线久久精品23欧美综合视频网站,丰满人妻一区二区三区在线视频53,丰满 | 六月丁香五月激情网| 丁香五月婷婷视频| 99热在线观看| 婷色五月| 婷婷五月天AV| 婷婷99狠狠躁天天久久久九九九| 91超碰在线播放| 五月情涩综合婷婷| 啪啪婷婷五月天激情| 国色天香成人网| 99热最新| 黄网免费观看| 五月丁香综合成人社区| 99热成人在线| 国产视频色色色色色色色| 2015WWW永久免费观看播放| 五月婷婷久久网| 狠狠操狠狠插| 九月av在线| www.狠狠操.com| 香蕉婷婷| 丁香五月亚洲激情婷婷射| 97干视频| 99热线观看9| 在线五月色播| 日本不卡一区二区三区| 6月丁香婷婷激情| 91干在线| 中文字幕丰满人妻无码专区| 丁香五月婷婷视频| 色亭亭丁香五月天| 天天插AV丝袜中| 91九色 熟| 亚洲色综合性| Www.se.久久| 婷婷区日本| 五月天成人免费视频| www久久99| 99视频| 亚洲综合网激情小说| 国产欧美精品AAAAAA片| 激情五月视频| 国产乱妇无乱码大黄AA片| 五月的丁香六月的婷婷| 精品综合网在线| 精品成人a v无码内射| www.com色播五月天| 午夜九九九九九九九九九九九九九| 啪啪夜久久| 99精品热| 天天干天天爽天天操| 97成人在线视频精品| www.99热视频| 秋霞网在线观看理论91| 五月婷婷玖玖综合玖玖爱| 婷婷五月天在线一区| 色五月婷婷操逼| 婷婷爱五月| 丁香六月无码| 色婷婷播放| 婷婷瑟瑟五月天| 九九激情综合| 99热九九九九| 超碰人人色| 亚洲综合视频天天精品| 日韩小视频在线99| 色婷婷久久综合中文久久一本| 婷婷色香六月综合激情| 成人版视频在线观看| 国产婷婷五月色情综合| 综合亚洲六月婷婷在线| av网址在线| 九九免费精品在线视频| 婷婷久久性爱| 中文字幕无线久必| 久久婷婷啪啪视频| av在线婷婷| 99热精品观看| 7777精品伊人久久久大香线蕉最新版| 欧美成人AAA片一区国产精品| 五月天色五月| 久久AV电影| 9精品在线| 久久久.www| www.99热| 五月丁香色婷婷| 日逼免费视频 | 另类图片五月天婷婷| 婷婷干| 99精品综合| 色婷婷久久| 亚洲AV激情五月综合网| 五月婷婷婷综合网| 亚洲另类视频| 99综合在线| 婷婷国产五月天17c| 99热只有| 五月天色五月| 99精品在这里| 五月婷婷色综图片| 欧美人妻一区二区| 亚洲精品五月| 五月婷婷激情四季| 精品视频这里只有精品| 色色五月丁香婷婷| 97在线视频人妻九色| 日本三级99人妇网站| 俺去也五月| 成人.在线日韩| 激情五月婷婷视频| 亚洲精品字幕在线观看| 日日.c| 九九成人精品| 五月成人综合| 五月天婷婷影院影院观看| 久久五月综合| 丁香六月五月天| 五月婷婷综合在线视频小说| 丁香色婷婷五月天| 日本狠狠干| 99re热在线视频观看| 97性视频| 性色九九| 五月丁香婷婷潮喷中文字幕| 99国产小视频2013| 99热这里只有精品国产免费| 秋霞簧片| 色五月综合在线| 五月婷婷成人| 天天婷婷综合亚洲亚洲| 婷婷激情社区| 色婷婷五月天成人网| 婷婷激情视频| 日本三级大片| 国产午夜精品一区二区三区嫩草| 在线成人国产| 99爱爱| 欧美色色色色色色色| 日韩aaaaa| 久久久精品婷婷五月天| 99五月婷| 深爱五月月天| 日操五月婷| 婷婷丁香激情五月| 97碰久久| 天天日天天操天天干| www五月天com| 激情九月综合| 九月丁香久久网| 久久久久久99精品无码| 激情婷婷丁香色五月综合| 99视频这里有精品| 欧美S码亚洲码精品M码| 黄色激情久久| 丁香六月亚洲综合| 高清无码视频网址| 欧美69色| 中文字幕簧片| www,久久久| 久九色| 久久综合九九| 天天日天天操心| 五月久久婷婷天堂视频| 婷婷五月天免费视频| 福利视频在线播放| 色婷婷a v| 99A片| 99热在线中文字幕| 色婷婷久久| 亚洲精品一区中文字幕乱码| 婷婷久久五月天| 一本色道久久88综合日韩精品| 九九热精品| 五月丁香婷婷免费视频| 国产欧美日韩性爱| 国产亚洲成AV人片在线观黄桃| 亚洲成人一区| 中文字幕AV在线播放| 色玖玖综合| 九九99免费视频| 免费无码毛片一区二区A片| 欧美va国产va| 激情五月婷| 婷婷免费视频| 久久综合天天综合| 综合久久婷婷| 欧美交换配乱吟粗大25P| 黑人无码一区| 亚洲va在线∨a天堂va欧美va| 色无码| 亚洲综合在线视频| 人人妻人人澡| www.狠狠| 五月激情四射网站| 五月婷婷色情| 九月丁香亭亭| 66精品成人免费网站在线观看| 九九综合色| 激情六月下句是什么| 伊人婷婷激情| 91久热| www.99精品视频| 中文字幕性爱视频| 丁香色综合| 婷婷五月综合网| 久久机热这里只有精品免费视频| 久久五月综合| 碰人人97| 99热这里| 激情婷婷99| 天天插综合网| 禁片二区| 停停五月色宗合| 9一精品视频观看| 97色色色| 激情5月婷婷| www.maotanji.com| 丁香五月色| 秋霞网在线免费基地五月婷婷丁香| 综合五月婷婷| 超碰操网| 色五月97| 色五月综合在线| 激情五月份婷婷| 可以免费观看的AV| XXXX岛国| 欧美性爱专区| 亚洲精品五月| 99性爱视频| 99久久a线观| 超碰人人99| 丁香97综合| 538任你爽| 91爱操| 九九婷婷网五月天| 99色在线视频| 无码啪啪| 天天综合网~91| AV在线大香蕉| 日本 色综合| 久久久婷婷五月亚洲97号色| 亭亭五月激情亚洲在线| 婷婷色情网| 色婷网| 丁香五月影视| www.色婷婷| 婷婷五月天激情文学小说| 婷婷五月天综合久久日| 亚洲婷婷欧美婷婷| www.精品久9| 久久这里有精品视频| 九九色色| 欧美天天草人人草| 免费人人操| 九九九激情网| 99天堂网| 性色视频| 精品无码人妻一区| 色色色色色色色色五月先| 热久久这里只有三级视频| 精品人妻伦九区久久AAA片| 亚洲性爱电影| 五月婷在线| 婷婷丁香人妻天天| 天天日天天操天天干| 九九视频精品这里只有| 五月丁香综合激情| 五月丁香婷草| 国产免费av在线| 亚洲中文AV网站| 久Se视频在线观看| 婷婷婷婷色| 99久久户外勾搭| 日本三级韩三级99久久| www.99视频| 久久久久8888| 五月丁香六月激情综合| 五月婷视频久久| 日韩人妻在线观看| 99久热这里只有精品视频删减版| 国产成人片| 国庆精品久久| 五月丁香激情综合网官网| 五月丁香龟婷婷| 五月天婷婷综合| 欧美一线视频| 五月婷婷六月丁香在线视频| 五月婷婷激情网| 日韩中文欧美| 五月婷婷狠狠干| 国产真人做爰视频免费| 丁香五月婷婷久久综合激情网 | 九热视频| 六月婷婷八月丁香| 日本91在线| av操一操| 狠狠色丁香婷婷基地| 欧美激情中文字幕| 99热老网站| 很很操很很操| 激情五月婷婷网| 91精品电影18T| 开心五月婷婷六月丁香| 天天骑天天操| 天天射影院| 夜夜操天天爽| 中文字幕 久久9999| 色婷婷黄色网络| 久久久久久婷| 99久久婷婷| 91xxxx九色| 五月天精品综合在线| 久久五月天综合| 综合伊人久久| 99热在线观看| 婷婷五月天av| 欧美婷婷丁香五月社区| 久久免费精彩视频| 一本色道久久综合狠狠躁小说| 亚洲欧洲另类| 97日本在线播放| 日韩无码系列| 五月色丁香综合| 人人视频人人干人人做| 天天综合精品| 4399欧美另类视频| 五月婷婷成人网首页| 丁香五月婷婷网| 午夜激情综合| 青草视频在线播放| 99日本视频| 天天草天天日| 天天天天天天操| 久久大香蕉伊人| 色欲丁香久久| 中文字幕在线观看视频www| 人妻在线观看视频| 久久永久网址| 亚洲激情久久| 免费观看全黄做爰的视频| 免费AV黄在线播放| 人妻中文字幕网| 99热99艹在线观看| 深爱激情五月天| 99婷婷| www.9797国产| www狠狠爱com| 亚洲人妻av| 婷婷五月激情天| 久久综合爱| 成人丁香婷婷| 五月伊人91| 五月婷婷影视| 国产亚洲精品久久久久久久久动漫 | 激情伊人五月婷婷久久| 丁香五月天堂婷婷| 五月婷在线色视频| 亚洲激情高潮| 天天色视频| 日本熟妇乱妇熟色A片蜜桃| 99性爱精品| 一本色道久久88综合日韩精品| wWwCom夜操wwW| 亭亭色网| 国产婷婷婷| 九月大香蕉| 色五月激情综合网| 亚洲色婷婷视频| 五月丁香狠狠| 97狠狠碰| 天天cha成人综合网| 欧美毛片www| 午夜大香蕉| 啪啪99| 大香蕉九九| 欧美激情综合色综合啪啪五月| 噜噜精品| 色yeye欧美| 婷婷五月天成人| 第四色五月婷婷| 97九色| 99这里只有精品视频在线| 激情五月激情综合网| 久久久婷丁香五月| 日本三级99人妇网站| 色婷婷五月在线| 51XX午夜影福利| 天天插综合| 综合在线丁香五月| 精品九九婷婷| 色婷婷五月在线| 99热国产这里只有| 激情玖玖综合网| 天天日夜夜拍| 国产婷婷五月| 激情超碰网| 久久久久网站| 欧美噜噜久久久XXX| 五月婷婷m| 五月丁香综合精品| 日韩在线观看亚洲| 成人va在线播放| 黄色录像网点| 五月色丁香婷婷综合| 丁香五月婷婷亚洲另类| 五月丁香六月婷婷,婷| 久久99成人性爱高清视频| 激情五月婷婷丁香| 少妇大叫太大太粗太爽了A片| 日本99在线| 婷婷爱综合| 六月婷婷九月丁香亚洲综合| 五月丁香中文字幕| 免费在线观看欧美激情xx小视频| 五月婷婷六月情| 色五月婷婷 成人| 香蕉久久国产AV一区二区| 九九热在线视频,| 亚洲一区二区色图-亚洲精品国产精品乱码-成人AV | 4438亚洲欧美| 91丨九色丨白浆秘| 五月丁香综合网色欲| 亚洲无码成人网| 午夜天天精品视频| 99热这里只有精品8| 丁香五月天综合| 99性爱无码| 天色色综合网| 色一情一乱一伦一区二区三区| 97干网站| 在线只有精品| 婷婷丁香五月高清| 婷婷五月色网| site:esunnet.com| 久久综合99| 亚洲xx网| 99cao婷婷| 国自产拍偷拍精品啪啪一区二区| 六月丁香激情| 26uuu国产| 另类少妇人与禽zOZZ0性伦| 99久久.www| 天天婷婷综合| WWW.婷婷五月天.COM| 亚洲韩国日产综合AV| 97在线/亚洲| 丁香五月婷婷六月| 欧美激情-区二区三区| 五月婷在线观看| 色播激情五月天| 综合aV在线| 丁香丁婷五月激情| 在线只有精品| 99热 精品在线| 在线五月婷婷小电影| 第四色婷婷丁香五月| 色色色综合| 久久婷综| 99A级片| 六月综合在线| 丁香婷婷网| 《》【无码】想被搞到爽AV应募而来的超M素人 西纯子 10musume-011723-01 | 激情影院丁香五月| 中文字幕在线日亚洲9| AV中文在线| 在线成人网址| 色玖玖综合网| 婷婷五月av| 天天精品视频免费观看| 婷婷五月天在线观看| 深爱五月激情| 三年高清大片免费观看国语| 日日夜夜九九| ′久久99一| 婷婷激情性爱| 成人精品一区二区三区四区五区| RenRenSe在线视频网站| 五月婷婷婷婷网| 99干视频| 色噜噜丁香| 97干网站| 久久精品日| 欧美丁香五月夫妻天| 99操免费视频| 色香欲综合| 五月婷婷天天色| 久久色六月| 色五月六月婷婷| 97热超碰| 色色五月丁香婷婷| 色婷婷五月基地在线| 99精品在线播放| 91丨九色丨大屁股| 色五月av| 五月丁香淫淫婷婷婷| 国av网| 99久久er| 秋霞少妇AV网站| 激情五月四色| 五月婷婷六月丁香首页| 日本色天堂| 99九九综合久久九九| 26uuu精品一区二区| xxxx久| 婷婷激情啪啪| 开心五月色婷婷综合开心网| 99热这里只有在线| 另类激情综合| 日B日潘金莲BB| 人伦30P| 亚城区在线| 99精品视频在线观看| 99精品久久久久久久| 开心五月综合| 成人午夜天| 色色亚洲无码| 婷婷激情五月综合丁香社| 激情五月天视频| 久久精品夜色噜噜亚洲a∨| 天天擼久久擼在线| 九九亚洲| 在线中文字幕视频| 色色色婷婷五月| 任你操精品免费| 欧洲亚洲精品| 日韩操啪| 色色色色五月| 色综合婷婷99| 俺去啦综合网| 91超级碰碰碰| 五月丁香狠狠| 婷婷丁香五月视频| 91精产品自偷自偷综合| 大操人妻| 99热综合| 99热久| 大香蕉婷婷五月天| 色综合五月| 秋霞网在线观看理论91| 夜夜爽天天| 黑人无码一区| 99精品视频在线观看| 女婷久久| 热成人网| 日韩无码亚欧无码| 99精品网| 婷婷色婷婷| 97人人操人人干| 色欲丁香久久| jiujiu热在线视频| 久久九九99桃花视频| 日本久久网| 天天日天天爽夜夜爽| 天天爽综合| se99视频| 五月天激情影院| 五月天综合| 五月丁香花开综合网| oumeisesewang| 九九九九九九九九九九九九九九九九九九九在线视频 | 超碰2021| 亚洲免费99| 丁香9月婷婷| 丁香五月网址| 欧美激情综合| 九九伊人网| 色噜噜,噜噜色| av第一二区| 九九婷婷综合| 亚洲色婷婷网站| 色五月 婷婷, 大香蕉| 婷婷五月天亚洲天堂| 久草五月婷| 丁香婷婷91在线观看视频| 婷婷丁香色五月亚洲| 色色色色色色网站| 国产另类综合| 淫视馆aV二区一区| 色色色色色色综合网| 色婷久| 欧美WW在线网| 亚洲99在线| 丁香午月AV中文字幕| 久久狠狠干| 五月综合婷婷网| 夜夜AVV| www.日韩国产| 97色色色| 二色av| 久久精品色| 亚洲色色色| 婷婷爱婷婷| 日本精品干| www.色综合| 久热免费视频| 亚洲综合视频八| 武汉美女啪啪视频免费一级片| 久久曰9| 天天干天天做| 五月丁香色色| 99色视频| 久久五月天激情| 99惹精品视频| 色婷婷六月综合| 激情五月深爱五月| 97操操| AAA久久久| 激情99| 日韩AV在线免费| 激情久久伊人| 国产精产国品一二三在观看| 五月天婷婷基地| 久久婷婷亚洲| 国产激情综合五月久久| 欧美婷婷五月丁香| 亚洲AV人人操| 99re在线精品视频| 欧洲不卡视频| 99热在线中文字幕| 色色五月天激情| 婷婷五月激情综合| 久久综合人妻| 日产精品一线二线三线芒果| WWW.桔色成人.COM| 久久激情五月网| 日本婷婷在线| 91九色无码内射| 99热只有国产在线精品| 丁香五月偷拍| 久久伦乱| 丁香五月天成人网站| 日韩成人无码| 99 热| 九久9精品| 嫩草国产| 99这里有精品| 色99久草在线| 五月婷婷丁香啪啪| 原琪琪色影院| 美国不卡视频| 婷婷精品性性性性性性性| 另类图片五月天| 婷婷久久丁香五月| 深爱激清网| 免费日本aⅴ中文字幕 | 玖玖热视频| 麻豆AV一区二区三区| 99久久玖玖| 亚洲激情97五月天| 色婷婷成人做爰A片免费看网站| 欧美丁香婷婷天天操| 丁香婷婷人妻| 久久99久久99久久99人受| 六月婷婷之青青草| 激情涩涩网| 日韩激情人伦人| 大香蕉手机视频| 乱码操操| 色婷婷色五月综合| 草一草avb| 玖玖婷婷免费| 久热婷婷| 五月激情小说网| 婷婷五月激情综合| 久久激情五月网| 99视频在线观看视频| 97干97色| 丁香五月手机视频| 开心婷婷五月天电影院| 99re最新地址| 激情综合五| 97婷婷狠狠| 天天综合色综合| 欧美性丁香色色五月天干干| 婷婷五月天精品| 久久这里有精品视频| 99久久婷婷| 五月丁香婷婷综合| 成人网在线视频| 婷婷丁香熟女| 五月停停直播| 婷婷大乡焦噜噜| 久久久久久18| 亚洲人妻五月丁香婷婷| 麻豆AV一区二区三区| 五月婷婷激情四季| 91chinese在线| 中文字幕综合网| 日韩久操婷婷| 久久小视频| 五月婷婷六月丁香综合| 91九色精品女同系列| 欧美S码亚洲码精品M码| 色色网站免费| 国产成人av在线| 五月婷婷久久大片| 九九aV| 五月天婷婷激情干干| 牛牛色av| 久久久天堂国产精品女人| 久久久久丁香婷婷五月天| 欧美色偷拍| 丁香五月天啪啪| www.婷婷五月| 九九热再线九九视频免费在线观看| 亚洲区1| 婷婷综合视频| 亚洲精品乱码久久久久久综合| 九九综合网| 色婷婷丁香五月天| 婷婷五月伦理网站| 久久久激情| 99资源在线视频| 91精品久久久久| 96人人操人人操人人| 欧美槡BBBB槡BBB少妇| 久热黄色| 久久这里只有国产| 91超级碰| 婷婷五月天色色| 丁香五月欧美色综合| 黄色五月婷婷| 变天就操逼婷婷五月| 97在线视频观看| 色综合婷婷| 蜜桃成语时李时珍 免费| 99ri视频| 色五月婷婷成人| 99在线免费视频| 26uuuu精品一区二区| 精品动漫 无码av| 五月丁香网站| 日夜夜天天| 日韩成人电影在线播放| 婷婷丁香在线| 五月天影院| 六月丁香婷| 精品综合网在线| www久| 综合超碰熟| 五月丁香啪啪综合| 亚洲精品国产setv| 91伦| 久久99婷婷| 久久性爱网站| 91精品国产99久久久久久天美| 成人丁香| 色五月婷婷影院| 欧洲永久精品| Aα在线免费观看| 五月天开心网| 亚洲另类视频| 一夜福利不卡| 中文字幕欧美久久| 九九成人视频| 天天日 天天草| 99热久久最新地址| 久久婷婷伊人| 色五月大| 亚洲视频一区| 五月香婷婷| 五月天激情久久| 99久久a线观| 久久婷狠狠色| 999热在线观看视频| 久久婷婷伊人| 日韩黄色电影| 99精品福利视频| 丁香五月天激情小说| 丁香五月综合高清在线| 亚州第一A片| 五月丁香亚州综合网| 96精品成人无码A片观看金桔| 久操综合| 区美毛片子| 激情五月综合| 九九热只有精品| 六月香五月婷| 天天拍天天做视频| 狠狠爱综合网| 91人人操人人| 影音先锋四区| 99亚洲视频| 九九99热| 久久伦乱| 人妻激情在线| 91色九| 新97人人上人人| 久久婷婷内射| 五月天激情四射网站| 色婷婷最新域名| 激情啪啪五月天| 六月丁香婷| 99日韩| 国产精产国品一二三在观看| 蜜臀AV在线观看| 草草夜夜操| 影音先锋女人AA鲁色资源| 色婷婷丁香五月天| 亚洲精品白浆高清久久久久久| 99精品无码| 精品人妻伦九区久久AAA片| 啪啪综合网| 少妇AB又爽又紧无码网站| 亚洲日韩乱码一区二区三区四区| 少妇被下春药玩弄A片| 男女啪啪做爰高潮无遮挡 | 九九精品re免费视频| 一级黄色操B| 天堂成人久久| 超碰99在线观看| 久久久久久久8| 色亚洲无码| 九九精品片一| 99久re热视频精品98| 久久久久久久人妻| 97色色网| 日日操夜夜操中国无码| 欧美日韩国产一区二区| 婷婷五月天综合AV| 久久黄A片| 伊人狠狠操| 婷婷五月在线视频| 精品久久久人妻| 丁香五月婷中字在线| 青柠影视免费高清电视剧| 五月丁香色欲| 一区二区乱码视频| 五月天成人在线视频丁香| 国产午夜一区二区三区| 欧美黄色AA片哗啦啦啦| 丁香五月婷婷激情97| 中文色婷婷| 色婷激情网| 99碰超| 丁香六月丁香婷婷激情| 色综合色五月| 蜜臀嫩草| 丰满少妇乱A片无码| 色色色com| 91久久婷婷| 狠狠插狠狠| 无码色| 玖玖婷婷五月天| 国产丁香五月天婷婷| 在线播放成人网站| 婷婷五月激情五月丁香五月| 99婷婷| 婷婷综合色图| 色色综合网。| 中文字幕日韩无码制服诱或| 成人在线日韩| 99网址在线看| 亚洲欧美丁香五月天亚洲欧美| 国产亚洲AV人片在线| 嫩草综合网| 超碰精品在线| 一区二区成人电影| 激情综合网址| 天堂爱啪啪| 五月天丁香久久| AV色婷婷| 丁香五月婷婷啪| 午夜色婷婷| 天天干狠狠| 五月天婷婷基地丁香| 日韩无码色色| 99人人干| 色播五月网| 国产色丁香| 极骚大香蕉伊人| www.五月天社区| 色yeye欧美| 欧美成人精品一区二区| 五月开行婷婷色五月| 婷婷五月天在线视频网站| 最新高清无码专区| 色婷婷中文字母五月丁香| 日本色色色| 夜夜噜夜夜奇| 男人的天堂av俄罗斯热| 婷婷五月天亚洲图片| 久久五月情| 五月婷婷六月丁香在线视频免费在线观看| 国产婷婷久久| 日本婷久久| 综合亚洲六月婷婷在线| 极品人妻VIDEOSSS人妻| 色波激情五月天| 精品少妇人妻AV无码专区偷人 | 一本综合丁香日日狠狠色| 免费视频无码| 欧亚色色| 国产乱人偷精品人妻A片| 好激情在线综合网| 日本天堂网站99| 亚洲日日日| 操逼棍操逼| 色色色综合色| 午夜成人片400| 色J香五月天| 高潮毛片遮挡费高一百度| 五月丁香花成人社区| 99精品在线观看| 色色婷五月天| 久久久A级视频| 亚洲精品99| 国产激情婷婷| 九九热这里精品| 啪啪操操| 免费无码毛片一区二区A片| 超碰高清在线| 先锋资源 996| 一级七香蕉| 99精品偷自拍| 婷婷五月精品中文字幕| 国产热精品| 久操操| 激情综合在线播放| 黄色视频网站在线播放| 久久综合五月天| 狠色色狠网| 激情五月六月婷婷综合啪啪| 亚洲操精品| 91九色无码内射| 99热精品在线在线| 婷综合| 日日撸夜夜操| 激情五月天www| 五月社区丁香| 粉嫩av蜜桃av蜜臀av| 激情婷婷网| 丁香五月激情啪啪啪| 午夜性做爰电影| 97碰| 亚洲色99| 丁香五月亚洲| 婷婷六月伊人| 五月婷婷激情综合在线| 91九色视频| 亚洲午夜视频| 大香蕉天堂| 亚洲日日日| 97人人干人人操| 97欧美在线| 婷婷五月天色综合| 五月综合缴情网| 天天狠狠干| 色婷婷社区| 亚洲激情免费视频观看| 夜夜爽天操| 人人看人人草人人摸| va婷婷在线免费观看| 日韩av干| 久久丁香久久| 亚洲无码色色| 丁香婷婷激情六月五月开心| 老司机伊人| 激情婷婷五月天在线观看| 久久婷婷亚洲五月天| 精品成人无码A片观看香草视频 | 秋霞A V毛片| 日逼免费视频| 五月天夜夜爱夜夜操| 色婷婷小说| 在线观看欧美| 婷婷色播婷婷| 五月开心播播网| 久久AAAA片一区二区| 久久综合五月天激情小说网站| 9久久狠狠的| WWW.HENHENL.| 五月婷婷综合久久| 99er6免费视频热播| 淫荡综合网| 丁香婷婷91在线观看视频| 色综合五月| 情婷婷五月天| 五月天婷婷丁香六月| 五月天开心婷婷久久| 五月丁香六月婷婷手机无线| 天天爽夜夜爽天天爽夜夜爽| 99成人在线观看| 六月激情婷婷| 国产91资源在线| 午夜婷婷久久| 婷婷五月天激情在线观看|