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。

TensorFlow LSTM預(yù)測股票次日開盤價(jià):從數(shù)據(jù)清洗到Checkpoint加載

TensorFlow LSTM預(yù)測股票次日開盤價(jià):從數(shù)據(jù)清洗到Checkpoint加載 簡介基于TensorFlow構(gòu)建的股票價(jià)格走勢預(yù)測項(xiàng)目面向具備一定Python基礎(chǔ)、希望入門量化選股或序列預(yù)測的開發(fā)者。項(xiàng)目通過tushare模塊獲取股票歷史數(shù)據(jù)利用pandas完成清洗與特征處理再以TensorFlow搭建模型學(xué)習(xí)價(jià)格規(guī)律最終借助matplotlib將真實(shí)走勢與預(yù)測結(jié)果可視化當(dāng)前聚焦預(yù)測第二日開盤價(jià)流程完整、可直接運(yùn)行學(xué)習(xí)。壓縮包共5個(gè)文件包含兩個(gè)Python腳本、一個(gè)checkpoint文件及配套的data與index數(shù)據(jù)文件其中.py文件分別負(fù)責(zé)模型加載與預(yù)測測試模型文件用于保存訓(xùn)練好的權(quán)重整體僅456KB便于快速下載與本地調(diào)試驗(yàn)證。目前已有2142人學(xué)習(xí)使用適合作為股票價(jià)格預(yù)測實(shí)戰(zhàn)的入門參考。通過對照load_model.py與test.py的調(diào)用邏輯讀者可以理解模型持久化、數(shù)據(jù)對齊和單步預(yù)測的基本思路并在此基礎(chǔ)上擴(kuò)展多步預(yù)測或引入更多特征。1. 用TensorFlow做股票價(jià)格走勢預(yù)測解壓后直接加載模型預(yù)測第二天開盤價(jià)拿到這份基于python實(shí)現(xiàn)股票價(jià)格走勢預(yù)測的壓縮包時(shí)我原本沒抱太高期望很多號稱“預(yù)測股票”的項(xiàng)目解壓后不是缺權(quán)重就是少腳本。這個(gè)包反而干凈cp-0002.ckpt.index、cp-0002.ckpt.data-00000-of-00001、checkpoint三個(gè)模型文件配上load_model.py和test.py兩個(gè)腳本沒有花架子。整個(gè)鏈路是TensorFlow搭LSTM模型tushare拉日線行情pandas清洗matplotlib把真實(shí)開盤價(jià)和預(yù)測開盤價(jià)畫在同一張圖上。它能干的事非常具體用最近60個(gè)交易日的開盤價(jià)預(yù)測下一個(gè)交易日的開盤價(jià)。適合已經(jīng)裝好Python環(huán)境、想跑通一個(gè)完整量化預(yù)測流程的人也適合手上有checkpoint卻不知道該怎么恢復(fù)模型做預(yù)測的開發(fā)者。預(yù)測準(zhǔn)確率屬于“趨勢大致對、數(shù)值有偏差”的水平把它當(dāng)參考沒問題當(dāng)提款機(jī)還遠(yuǎn)。2. tushare與pandas數(shù)據(jù)鏈路從拉日線到切出60天窗口模型再玄學(xué)數(shù)據(jù)錯一步后面全白搭。這一章先把數(shù)據(jù)側(cè)講透接口怎么選、字段怎么洗、窗口怎么切這三步?jīng)Q定了模型能不能學(xué)到真實(shí)規(guī)律。2.1 tushare接口選型daily接口的參數(shù)細(xì)節(jié)tushare是A股數(shù)據(jù)里最常用的python數(shù)據(jù)源之一。預(yù)測腳本里拉日線最典型的寫法是調(diào)用pro.daily接口下面這段可以被直接復(fù)用import tushare as ts import pandas as pd ts.set_token(你的token) # 在tushare官網(wǎng)注冊后換成自己的token pro ts.pro_api() df pro.daily( ts_code000001.SZ, # 深市平安銀行滬市用600000.SH start_date20200101, end_date20241231 ) df df.sort_values(trade_date).reset_index(dropTrue) print(df.head())pro.daily返回的trade_date是YYYYMMDD格式的字符串而且默認(rèn)按日期倒序排列。排序這一步不能省不然喂給LSTM的序列是時(shí)間倒流的模型會學(xué)到“明天等于昨天”的錯覺。ts_code的后綴規(guī)則是滬市SH、深市SZ指數(shù)代碼帶指數(shù)后綴這個(gè)參數(shù)寫錯會直接返回空表。但這里有個(gè)隱蔽問題pro.daily返回的是未復(fù)權(quán)價(jià)格。上市公司分紅送轉(zhuǎn)后歷史價(jià)格會出現(xiàn)人為跳空LSTM看到這種斷層會給出離譜預(yù)測。我一般會換成ts.pro_bar接口它直接支持復(fù)權(quán)參數(shù)df ts.pro_bar( ts_code000001.SZ, start_date20200101, end_date20241231, adjqfq # qfq前復(fù)權(quán)hfq后復(fù)權(quán) )對比項(xiàng)ts.pro.dailyts.pro_bar復(fù)權(quán)處理未復(fù)權(quán)需自己算支持qfq/hfq日期字段trade_date字符串datedatetime類型排序默認(rèn)降序需手動排序提示tushare的pro接口有積分門檻daily需要120分以上pro_bar部分參數(shù)需要更高積分。注冊后完善個(gè)人信息能拿到基礎(chǔ)分夠用了。2.2 pandas清洗拿到手先處理這四件事原始數(shù)據(jù)不能直接進(jìn)模型。我習(xí)慣按缺失值、重復(fù)行、列裁剪、類型檢查四步來洗每步都有明確目的print(df.isna().sum()) # 1. 缺失值統(tǒng)計(jì)重點(diǎn)看open列 df df.dropna(subset[open]).copy() df df.drop_duplicates(subset[trade_date]) # 2. 按日期去重 df df[[trade_date, open, high, low, close, vol]] df df.rename(columns{vol: volume}) # 3. 只留需要的列 print(df.dtypes) # 4. 確認(rèn)日期是str、價(jià)格是float缺失值最常見的來源是停牌日停牌當(dāng)天沒有成交記錄tushare會把該行直接跳過而不是填NaN。如果不做處理窗口切分時(shí)會把停牌前后的兩個(gè)交易日拼成連續(xù)序列等于給模型喂了一段“假歷史”。重復(fù)行則多來自分頁拉數(shù)據(jù)時(shí)的邊界重疊用drop_duplicates按日期去重解決。vol字段單位是“手”不是“股”計(jì)算成交額時(shí)需要乘以單價(jià)再乘100但這個(gè)包只做開盤價(jià)預(yù)測vol只用來輔助觀察不參與訓(xùn)練。2.3 為什么只拿開盤價(jià)當(dāng)特征窗口長度和特征維度的選擇這個(gè)包的設(shè)計(jì)思路很有意思只預(yù)測第二天的開盤價(jià)而輸入特征只有開盤價(jià)一根序列。很多初學(xué)者會問為什么不把最高價(jià)、最低價(jià)、成交量全塞進(jìn)去我自己的血淚經(jīng)驗(yàn)是特征越多數(shù)據(jù)泄漏和數(shù)據(jù)漂移的坑越多。成交量在免費(fèi)數(shù)據(jù)里的噪聲很大high和low本身與open存在同期強(qiáng)相關(guān)這些特征加進(jìn)去訓(xùn)練集loss會降低但換一段行情就翻車。LSTM需要一個(gè)固定長度的輸入窗口。這個(gè)包里checkpoint記錄的輸入形狀是三維張量對應(yīng)(批次, 60, 1)也就是60個(gè)交易日、每個(gè)交易日1個(gè)特征。60天約等于一個(gè)季度的交易日數(shù)量是短期信息與中期趨勢的折中。窗口太短比如20天模型只盯著最近一個(gè)月抓不住平臺期窗口太長比如90天樣本數(shù)量變少訓(xùn)練時(shí)間變長收益提升卻很有限。值得提醒的是移動平均MA5、MA10這類衍生特征也別急著加它們本質(zhì)是歷史價(jià)格的線性組合模型學(xué)會“抄均線”后在樣本外會迅速失效。3. TensorFlow時(shí)序建模把60天開盤價(jià)映射成第二天開盤價(jià)數(shù)據(jù)洗好只完成了一半接下來要做的是把“過去60天”和“下一天”的關(guān)系用模型擬合出來。這里用到的不是普通全連接網(wǎng)絡(luò)而是LSTM。3.1 為什么是LSTM序列記憶與梯度消失股票開盤價(jià)不是獨(dú)立隨機(jī)變量今天的價(jià)格往往和過去一段時(shí)間的數(shù)據(jù)存在依賴關(guān)系這就是時(shí)間序列的自相關(guān)性。普通全連接網(wǎng)絡(luò)把60天的價(jià)格當(dāng)成60個(gè)互不相干的特征丟失了交易日之間的先后順序。RNN能保留順序但樸素RNN在長序列上梯度消失嚴(yán)重學(xué)到后面就忘了前面。LSTM用輸入門、遺忘門、輸出門三組門控結(jié)構(gòu)來控制信息保留和丟棄在60天這個(gè)中等長度的窗口上既不會忘掉一個(gè)月前的趨勢又能對最近幾天的突變做出反應(yīng)。這個(gè)包把序列切到60天正好落在LSTM擅長的區(qū)間里。3.2 樣本構(gòu)造與數(shù)據(jù)集劃分索引別寫錯預(yù)測值就是下一天模型訓(xùn)練前要把一維的價(jià)格序列轉(zhuǎn)成監(jiān)督學(xué)習(xí)格式——X是窗口y是窗口外的下一天。這里最常見的一個(gè)錯誤是把y取成窗口內(nèi)最后一個(gè)值那等于讓模型復(fù)讀輸入loss會很低但毫無預(yù)測能力。import numpy as np def make_sequences(open_prices, seq_len60): X, y [], [] for i in range(len(open_prices) - seq_len): X.append(open_prices[i: i seq_len]) # 第 i 天到第 i59 天 y.append(open_prices[i seq_len]) # 第 i60 天即窗口后的第一天 return np.array(X).reshape(-1, seq_len, 1), np.array(y).reshape(-1, 1) X_all, y_all make_sequences(scaled_open, seq_len60) print(X_all.shape, y_all.shape)索引規(guī)則必須對齊當(dāng)X取open_prices[0]到open_prices[59]時(shí)y是open_prices[60]也就是第61個(gè)交易日的開盤價(jià)。如果把y寫成open_prices[i seq_len - 1]模型學(xué)到的就是從60天序列里“摘出最后一個(gè)值”實(shí)盤預(yù)測時(shí)立刻失效。歸一化要在切窗口之前完成。我一般用MinMaxScaler把價(jià)格縮放到0到1之間避免LSTM激活函數(shù)在輸入端飽和from sklearn.preprocessing import MinMaxScaler scaler MinMaxScaler(feature_range(0, 1)) scaled_open scaler.fit_transform(open_prices.reshape(-1, 1)).flatten()注意這里fit_transform只應(yīng)該對訓(xùn)練集調(diào)用。嚴(yán)謹(jǐn)?shù)淖龇ㄊ窍惹蟹钟?xùn)練集和測試集再用訓(xùn)練集的價(jià)格擬合scaler最后統(tǒng)一transform全量數(shù)據(jù)。預(yù)測階段再單獨(dú)fit一次是后面避坑章里的頭號翻車原因。數(shù)據(jù)集劃分遵循時(shí)間順序而不是隨機(jī)打亂split int(len(X_all) * 0.8) X_train, X_val X_all[:split], X_all[split:] y_train, y_val y_all[:split], y_all[split:]時(shí)間序列一旦隨機(jī)shuffle驗(yàn)證集里會混入未來的樣本驗(yàn)證loss虛低實(shí)盤時(shí)立刻現(xiàn)出原形。前80%做訓(xùn)練、后20%做驗(yàn)證是序列預(yù)測的通用做法不用K折交叉驗(yàn)證因?yàn)楣善毙星椴粷M足樣本獨(dú)立同分布假設(shè)。3.3 模型結(jié)構(gòu)與訓(xùn)練參數(shù)兩層LSTM加Dropout的典型配置這個(gè)包沒有附帶訓(xùn)練腳本但根據(jù)checkpoint的輸入形狀訓(xùn)練側(cè)大概率是一個(gè)兩層LSTM加全連接輸出的結(jié)構(gòu)。這也是我處理單變量序列預(yù)測時(shí)最常用的配置import tensorflow as tf model tf.keras.Sequential([ tf.keras.layers.LSTM(64, return_sequencesTrue, input_shape(60, 1)), tf.keras.layers.Dropout(0.2), tf.keras.layers.LSTM(32), tf.keras.layers.Dense(1) ]) model.compile( optimizertf.keras.optimizers.Adam(learning_rate0.001), lossmse ) model.summary()網(wǎng)絡(luò)層參數(shù)作用LSTM 第一層64單元return_sequencesTrue提取短期模式輸出完整的序列給下一層Dropout0.2隨機(jī)丟棄20%的連接抑制過擬合LSTM 第二層32單元把60步信息壓縮成一個(gè)向量Dense1輸出歸一化后的次日開盤價(jià)input_shape(60, 1)里的60是窗口長度1是特征數(shù)量。第一層LSTM必須保留return_sequencesTrue否則輸出到第二層時(shí)只剩最后一個(gè)時(shí)間步的隱狀態(tài)中間59天的信息全被丟棄。loss用mse而不是mae原因是mse對大誤差更敏感股價(jià)序列的極端值更需要被懲罰如果你更關(guān)心誤差的絕對值換成mae也可以但要注意學(xué)習(xí)率可能要相應(yīng)調(diào)低。3.4 Checkpoint保存機(jī)制cp-0002這個(gè)編號是什么訓(xùn)練過程中最怕斷電和顯存溢出。ModelCheckpoint回調(diào)把權(quán)重定期落盤這個(gè)包里出現(xiàn)的cp-0002.ckpt就是訓(xùn)練到第2輪時(shí)保存的一份完整快照cp_callback tf.keras.callbacks.ModelCheckpoint( filepathmodel/cp-{epoch:04d}.ckpt, save_weights_onlyFalse, save_freq5 ) history model.fit( X_train, y_train, batch_size32, epochs50, validation_data(X_val, y_val), callbacks[cp_callback] )save_weights_onlyFalse時(shí)每輪保存會生成三個(gè)文件.ckpt.index記錄變量名和索引.ckpt.data-00000-of-00001存放實(shí)際權(quán)重?cái)?shù)值checkpoint文件記錄“最新一次保存的是哪個(gè)模型”。cp-0002說明這個(gè)快照對應(yīng)第2輪迭代保存時(shí)間點(diǎn)比較早說明訓(xùn)練可能在中途被中斷過也可能作者特意選了個(gè)早期檢查點(diǎn)來避免過擬合。對于這種60天窗口的風(fēng)險(xiǎn)預(yù)測第2輪已經(jīng)能學(xué)到基本的均值回歸結(jié)構(gòu)預(yù)測趨勢不會差太遠(yuǎn)。注意save_freq5表示每5輪保存一次如果訓(xùn)練在中間某輪被手動停止最后一次保存的編號可能不是5的整數(shù)倍cp-0002就是這樣出現(xiàn)的。理解了這個(gè)機(jī)制你就能判斷checkpoint文件是不是完整。4. 加載模型做單步預(yù)測load_model.py與test.py實(shí)戰(zhàn)解讀模型訓(xùn)練完預(yù)測環(huán)節(jié)只剩三件事恢復(fù)checkpoint、構(gòu)造輸入窗口、把預(yù)測值畫出來。這個(gè)包里的load_model.py和test.py核心邏輯就是在解決這三件事。4.1 從checkpoint恢復(fù)模型結(jié)構(gòu)必須與訓(xùn)練時(shí)一致很多人拿到.ckpt文件第一反應(yīng)是用tf.keras.models.load_model直接加載這是必翻車的寫法。Keras的load_model只認(rèn).h5或SavedModel格式認(rèn)不了Saver格式的ckpt。load_model.py里靠譜的恢復(fù)邏輯是這樣的# 讀取checkpoint文件拿到最新的模型路徑 with open(model/checkpoint, r) as f: lines f.readlines() for line in lines: if model_checkpoint_path in line: ckpt_path line.strip().split()[1] print(ckpt_path) import tensorflow.compat.v1 as tf tf.disable_v2_behavior() def build_model(): model tf.keras.Sequential([ tf.keras.layers.LSTM(64, return_sequencesTrue, input_shape(60, 1)), tf.keras.layers.Dropout(0.2), tf.keras.layers.LSTM(32), tf.keras.layers.Dense(1) ]) return model tf_model build_model() saver tf.train.Saver() with tf.Session() as sess: saver.restore(sess, ckpt_path) # 到這里 sess 里已經(jīng)是恢復(fù)好權(quán)重的完整計(jì)算圖這段代碼里有三個(gè)細(xì)節(jié)值得說。第一checkpoint文件里存的是相對路徑如果模型目錄被移動過saver.restore會找不到文件這時(shí)需要把路徑改成絕對路徑。第二模型結(jié)構(gòu)必須和訓(xùn)練時(shí)完全一致LSTM單元數(shù)、層數(shù)、input_shape任何一個(gè)參數(shù)變更restore都會報(bào)變量名不匹配。包里沒帶訓(xùn)練腳本這塊結(jié)構(gòu)定義是唯一需要手工對齊的地方。第三如果用TensorFlow 2.x環(huán)境import tensorflow.compat.v1并關(guān)閉v2行為是為了讓Saver機(jī)制可用如果環(huán)境本來就是TF1.x直接import tensorflow as tf即可。4.2 test.py的預(yù)測流程歸一化、reshape、反歸一化預(yù)測階段最容易出錯的是輸入數(shù)據(jù)的預(yù)處理。訓(xùn)練時(shí)做了MinMax縮放預(yù)測時(shí)必須用同一個(gè)scaler做變換一個(gè)完整流程長這樣import pickle import tushare as ts df ts.pro_bar( ts_code000001.SZ, start_date20250101, end_date20250314, adjqfq ).sort_values(date).reset_index(dropTrue) open_prices df[open].values dates pd.to_datetime(df[date]) with open(scaler.pkl, rb) as f: scaler pickle.load(f) scaled scaler.transform(open_prices.reshape(-1, 1)).flatten() last_window scaled[-60:].reshape(1, 60, 1) with tf.Session() as sess: saver.restore(sess, ckpt_path) pred_scaled sess.run(tf_model.output, feed_dict{tf_model.input: last_window}) pred_open scaler.inverse_transform(pred_scaled.reshape(-1, 1))[0][0] print(f預(yù)測下一交易日開盤價(jià): {pred_open:.2f})這里做了四件事拉數(shù)據(jù)到預(yù)測日的前一天、加載訓(xùn)練時(shí)保存的scaler、把最近60天價(jià)格縮放到0到1并reshape成三維、預(yù)測后反縮放還原成真實(shí)價(jià)格。關(guān)鍵點(diǎn)是scaler只做transform不做fit_transform以及l(fā)ast_window取的是scaled數(shù)組的最后60個(gè)值保證窗口緊貼預(yù)測日。如果你用的是TensorFlow 2.x的Keras接口最后一行的sess.run等價(jià)于model.predict(last_window)數(shù)據(jù)準(zhǔn)備邏輯完全一致。4.3 matplotlib可視化真實(shí)價(jià)與預(yù)測價(jià)的同軸呈現(xiàn)預(yù)測結(jié)果單獨(dú)一個(gè)數(shù)字沒有說服力要畫出來對比。matplotlib的用法不復(fù)雜但有一個(gè)經(jīng)典坑是中文亂碼import matplotlib.pyplot as plt plt.rcParams[font.sans-serif] [SimHei] plt.rcParams[axes.unicode_minus] False real_window open_prices[-60:] plt.figure(figsize(10, 5)) plt.plot(dates[-60:], real_window, label真實(shí)開盤價(jià), linewidth1.5) plt.axhline(pred_open, colorred, linestyle--, label預(yù)測下一個(gè)交易日開盤價(jià)) plt.title(股票價(jià)格走勢預(yù)測真實(shí) vs 預(yù)測) plt.legend() plt.grid(alpha0.3) plt.show()SimHei是Windows下的中文字體macOS要換成Arial Unicode MSLinux用Noto Sans CJK SC。如果不設(shè)置中文字體title和label會變成方框初學(xué)者經(jīng)常在這上面卡半小時(shí)。畫真實(shí)價(jià)格時(shí)取最近60天窗口就好別把幾百天的序列全打出來圖會糊成一團(tuán)。預(yù)測值用一條水平虛線標(biāo)注一眼就能看出模型認(rèn)為明天會在哪個(gè)位置開盤。這里要降低預(yù)期第二天開盤價(jià)受隔夜外盤、消息面和集合競價(jià)影響模型基于歷史形態(tài)給出的只是條件期望。它適合做早盤參考不適合單獨(dú)當(dāng)交易信號。5. 避坑指南預(yù)測第二天開盤價(jià)的五個(gè)高頻翻車現(xiàn)場以下五個(gè)問題都是重跑這個(gè)類型項(xiàng)目時(shí)幾乎必然遇到過的我按現(xiàn)象、原因、解決的順序列清楚相當(dāng)于給動手復(fù)現(xiàn)的人一份后悔藥。5.1 維度不匹配與歸一化漂移坑一predict時(shí)忘了batch維度?,F(xiàn)象執(zhí)行model.predict(last_window)時(shí)報(bào)錯“incompatible shapes”或“expected ndim3, found ndim2”。原因訓(xùn)練輸入是三維張量(批次, 60, 1)預(yù)測時(shí)如果直接取scaled[-60:]得到的是二維數(shù)組(60,)或(60, 1)模型無法識別。解決固定用last_window scaled[-60:].reshape(1, 60, 1)把batch維度顯式寫出來。坑二歸一化參數(shù)漂移導(dǎo)致預(yù)測值系統(tǒng)性偏低?,F(xiàn)象預(yù)測值形態(tài)和真實(shí)曲線相似但從某一天起整體低一截差值基本固定。原因預(yù)測腳本里對包含測試數(shù)據(jù)的全量價(jià)格又重新調(diào)用了fit_transformscaler的min和max被新數(shù)據(jù)污染訓(xùn)練時(shí)的分布和預(yù)測時(shí)的分布不一致。解決訓(xùn)練結(jié)束后用pickle把scaler對象存成文件預(yù)測時(shí)只調(diào)transform不碰fit。這一點(diǎn)在4.2節(jié)代碼里已經(jīng)體現(xiàn)但很多人為了省事會在預(yù)測腳本里重寫一遍scaler結(jié)果就是模型預(yù)測價(jià)值直接報(bào)廢。5.2 checkpoint恢復(fù)失敗與tushare數(shù)據(jù)口徑坑三用load_model直接加載ckpt報(bào)錯?,F(xiàn)象tf.keras.models.load_model(model/cp-0002.ckpt)拋出異常提示格式不支持。原因ckpt是TensorFlow Saver的權(quán)重快照格式只包含變量值和索引不包含模型結(jié)構(gòu)Keras的load_model要求完整模型文件。解決按4.1節(jié)方式先build_model重建結(jié)構(gòu)再用saver.restore恢復(fù)權(quán)重。如果你想把ckpt轉(zhuǎn)成h5方便后續(xù)加載可以在restore后用model.save(model.h5)保存一份以后就少一個(gè)坑??铀挠?xùn)練用前復(fù)權(quán)、預(yù)測用未復(fù)權(quán)數(shù)據(jù)預(yù)測值徹底失真?,F(xiàn)象在同一只股票上換時(shí)間段回測預(yù)測價(jià)格和真實(shí)價(jià)格相差10%以上并且訓(xùn)練集loss并不高。原因訓(xùn)練時(shí)用pro_bar(adjqfq)拿到前復(fù)權(quán)數(shù)據(jù)預(yù)測時(shí)換成pro.daily拿到未復(fù)權(quán)價(jià)格。除權(quán)除息造成的價(jià)格跳空在序列里形成一個(gè)人為的斷點(diǎn)LSTM基于前復(fù)權(quán)的歷史形態(tài)推斷出的窗口跟未復(fù)權(quán)序列完全不在一個(gè)口徑上。解決數(shù)據(jù)源全程統(tǒng)一訓(xùn)練和預(yù)測都用ts.pro_bar(adjqfq)并且把這一行寫到腳本頭部注釋里防止過幾天自己忘掉。5.3 準(zhǔn)確率評估誤區(qū)坑五拿分類準(zhǔn)確率要求回歸模型覺得模型“不穩(wěn)定”。現(xiàn)象把預(yù)測值和第二天真實(shí)開盤價(jià)對比誤差有時(shí)1%有時(shí)5%于是得出結(jié)論“模型不靠譜”。原因回歸任務(wù)沒有accuracy的概念“準(zhǔn)確率還可以”指的是平均誤差水平可控不是每次命中。第二天開盤價(jià)里包含大量歷史序列之外的信息LSTM能做的只是從過去60天形態(tài)推斷條件期望而不是預(yù)測確定值。解決改用MAE和MAPE衡量。指標(biāo)公式10元價(jià)位股票的合理范圍MAEmean(|真實(shí)值 - 預(yù)測值|)0.1 ~ 0.3 元MAPEMAE / mean(真實(shí)值) x 100%1% ~ 3%如果你的MAPE能穩(wěn)定在3%以內(nèi)這個(gè)模型就已經(jīng)具備參考價(jià)值了。真實(shí)交易里1%的誤差被手續(xù)費(fèi)和滑點(diǎn)吃掉后剩不了多少這也是為什么這個(gè)包定位是學(xué)習(xí)項(xiàng)目而不是自動交易策略。6. 進(jìn)階用法改成滾動預(yù)測畫出未來五天開盤價(jià)趨勢線單步預(yù)測畫出來是條水平虛線只能看到一個(gè)點(diǎn)。實(shí)際做趨勢觀察時(shí)我更習(xí)慣把單步預(yù)測擴(kuò)展成滾動多步預(yù)測——每預(yù)測出下一天的開盤價(jià)就把它拼到窗口末尾丟掉最早的一天再預(yù)測下一天。def rolling_predict(model, scaler, last_window, days5): current last_window.copy() # 形狀 (1, 60, 1) preds [] for _ in range(days): p model.predict(current)[0, 0] # 歸一化后的次日開盤價(jià) preds.append(p) p np.array([[[p]]]) current np.concatenate((current[:, 1:, :], p), axis1) return scaler.inverse_transform(np.array(preds).reshape(-1, 1)).flatten() future_prices rolling_predict(model, scaler, last_window, days5) print(future_prices)滾動預(yù)測有兩個(gè)使用邊界要記住。一是誤差會沿著窗口累積第一天的預(yù)測最可信第三天以后基本只能看方向別當(dāng)真值用二是它只適合畫趨勢線比如判斷未來一周開盤價(jià)是抬升還是下探不適合直接拿來做機(jī)械交易信號。這類滾動邏輯在量化交易策略代碼里經(jīng)常作為因子研究的基礎(chǔ)工具出現(xiàn)用它驗(yàn)證模型穩(wěn)定性比單點(diǎn)預(yù)測更有說服力。驗(yàn)證方法也很簡單拿最近60天數(shù)據(jù)做回看式驗(yàn)證假設(shè)今天是T用T-59到T的窗口預(yù)測T1逐日往前滾60天最后統(tǒng)計(jì)整段預(yù)測的MAE和MAPE。這個(gè)指標(biāo)庫要單獨(dú)建一個(gè)腳本存起來每次改窗口長度或模型參數(shù)后都跑一遍看MAPE是變好還是變差比盯著某一天的預(yù)測值靠譜得多。從那以后我每次拿到別人的模型包第一件事都是打開checkpoint文件確認(rèn)路徑反推訓(xùn)練時(shí)的模型結(jié)構(gòu)再寫測試腳本這一套流程幫我少翻了很多次車。希望幫到你。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
丁香熟女乱| 人人爽网| 综合五月激情| 婷婷五月娱乐在线| 久99热| 密黄站| 99热久只有| 色青青视频| 丁香五月婷婷色播艳门照| 九九久久视频| www.五月.com| 日本婷婷色| 99人人操人人操人人精| 狠狠va| 性生活久久朋友人妻| 98永久精品| 91超级碰碰碰| 97干在线免费| 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 | 99色一| 五月天婷婷爱| 这里只有精品久久| 蜜乳人妻一区二区三区| 色色是色N一| 丁香五月第四色88| 丁香六月婷| 九月丁香久久网| 91人人操人人看| 五月婷婷六月丁香免费| 五月丁香综合激情网| 婷色五月| 五月花激情网| 九九在线免费观看| 亚洲综合在线视频| 看逼中文字幕| 国产美女精品| 人妻无码精品一区| 月色色综合婷婷网| 日韩激情人伦人| 激情五月婷| 思思久久99热只有频精品66| 久久人人看| 99热超碰人| 毛片新网地| 森林影视大全,最好看的2019年视频 | 蜜乳人妻一区二区三区| 91视屏在线观看com.wwwvv| 色色AV色色色东莞| 美女久久婷婷| 玖玖资源站国产| 亚洲夜夜操| 五月丁香免费看| 免费在线观看av网站| 91热久久| 操逼巨乳91| 99网| 在线观看五月婷婷网| 五月色婷婷综合| 婷婷五月激情综合| 丁香综合婷婷开心激情网| 五月天黄色激情小说| 国产一级片| 99re在线免费视频| 99热这里只有精品无码| 国产人妻人伦精品一区二区| 99热在线精品观看| 国产色色色色色| 亚洲激情无码久久| 日日操夜夜撸| 亚洲色久| 在线网黄| www.色9| 色色cOm| 九九在线视频| 99色在线| 婷婷激情社区| 色综合久久天天综合网| 婷婷五月天成人| 91碰免费视频| 丁香五月婷婷欧美成人色图| 1024在线一区| 丁香六月毛片| 欧美性生交xXxX久久久| 五月丁香综合啪啪対白| 在线看的免费网站| 亚洲开心激情网| 丁香五月天.com| 国产精品 的国产| 五月网网站| 人妻丰满精品一区二区A片| 九九99精品视频在线观看| a久久| AV大片在线观看| 婷婷丁香五月六月激情| 五月天久久婷| 精品久久久久久久人妻| 五月天丁香久久综合| 综合五月天亚洲婷婷| 五月天婷婷激情| 玖玖婷婷五月天毛片| 亚洲综合网激情小说| 欧美日韩aaa| 91九色精品熟女内射| 最新va在线播放| 97偷拍在线视频| 日在线V视频在线播放| 五月婷婷久久综合| 天天婷婷操| 99熟女| 婷婷色女| 欧美成人AAA片一区国产精品| 婷婷中文字幕| 色五月婷婷基地| 久久人人超| 色欲午夜无码久久久久久张津瑜| 丁香五月停停基地| 国产avapp 网| 99热热这里只精品996小说| 99热在这里只有精品| www.婷婷五月天,com| 色噜噜婷婷| 人人操超碰| 天堂草在线看www| 教师性爱毛片| 人人操av| 91色综合| 日本乱子人伦在线视频| 五月婷婷欲色| 九九综合图片网| 26uuu欧美| 亚洲碰碰碰| 久99久在线观看| 中文精品在| 日韩无码专区| 五月婷婷综合激情| 99久久人人| 日本颜色视频人人爱| 亚洲不卡123| 99视频在线精品| 99玖玖人人| 婷婷五月天综合久久| 五月婷婷丁香综合,亚洲天堂| 无月播播激情在线观看视频| 99在线热视频| 天天日天天爽| 五月天婷婷视频30| 丁香六月婷婷开心婷婷网| 亚洲色热| 99久久精彩视频。| 九月丁香很很色| 99操逼| 狠狠色综合网站久久久久| 五月天综合色| 五月丁香婷婷色| h在线看免费版在线看| 五月丁香色五月| 青吴乐视频| 丁香六月婷婷| 九九国产视频| 六月色丁香婷婷| 丁香五月天中文字幕| 99综合自拍| 色婷婷小说| 免费99情趣网视频| 色原狠狠综合| 在线只有精品| 五月丁香六月情| 色噜噜狠狠色综合网| 国产毛片精品一区二区色欲黄A片| 天天综合图片| 婷婷综合色网| 中文字幕日产A片在线看| 可以直接看的AV网站| 99色.com| AA片在线观看视频在线播放| 激情六月丁| 五月激情视频| 七七久久婷婷| 激情综合久久| 欧美色婷婷| 色色婷| 操人妻AV| 91日视频| 天天操天天谢| 综合五月婷婷| 久婷婷视平| 中文成人在线| 婷婷五月天777| 色色999三级片| 人妻22p| 婷婷深爱五月亚洲综合| 久久久久久久久99精品| 啪啪日本欧美| 99色天堂| 精品99视频| 亚洲色欲欧美一区二区三区| 久Se视频在线观看| 色婷青青| 天天做天天爱| 超碰人人操| 99re这里只有精品视频6| av一区二区电影免费在线观看| 97碰在线视频| 婷婷在线激情| 色五月综合婷婷| 99精品久久久久久久婷婷| 丁香五月婷婷国产av| 亚洲AV成人精品日韩在线播放| 婷婷五月天伦理| 久久亚洲天堂| 激情5月婷婷| 色情五月综合婷婷| 天天做天天摸| 激情深爱婷婷网| 禁片二区| 黄急一级视频| 五月开心网| 久色激情| 欧美丁香五月| 丁香五月天婷婷久久| 99热在线看片| 99A片| 夜夜干天天操| 99久久久久| 丁香六月婷婷激情| 思思热再线视频| 9+1视频网址| 无码色综合| 久久婷婷综合五月| 狠狠精品干练久久久无码中文字幕| 久久久久亚洲AV无码网影音先锋| 丁香桃色网| 五月婷综合性中心| 天天日狠狠| 中文精品在| 91人人操人人| 亚洲这里只有精品| 久久久区区一久久久久久| 亚洲视频a| 99在线视频女女视频| 夂夂夂夂夂夂夂夂夂夂夂夂夂夂夂夂夂夂夂亚洲亚洲亚洲亚洲亚洲亚洲亚洲亚洲色 | 婷婷五月天六点丁香五月| 精品一二三区久久AAA片| 久久婷婷视频| 99久久婷婷五月综合| 丁香婷婷色| 亚洲综合激| 成人视屏在线观看| 亚洲第一成人无码A片| 久9热视频| va婷婷| 婷婷激情五月综合基地| 婷婷久久国产视频| 五月天激情播播网| 丁香五月婷婷久久久| 日韩欧美一级大黄网站| 97超碰综合| 9福利性视频欧美| 激情熟女网| 色婷婷无吗| 99热在线极品极品| 天天视频精品9| 日本色色视频| 99精品网址| 婷五月天影院| 丁香激情综合| 亚洲天堂青草| 婷婷六月综合基地| 色色九九五月天| 色噜噜五月丁香婷婷| 伊人大蕉香| 在线sebiav精品视频| 婷婷丁香精品视频在线观看| 亚洲色区17| 99精彩视频在线观看| 亚洲综合视频八| 五月激情综合婷婷| se.久久视频在线观看| 激情五月九九九| 人妻Av在线| 国产色香蕉精品五夜婷| 狠狠99| 五月丁香自拍| 掩去也综合五月视频| 丁香五月人妻| 色色综合色视频| 精品国产va久久久久| 五月天婷婷色五月天| 久久激情五月婷婷| 色综合婷婷| 第九色区av天堂| 亚洲视频在线观看| 丁香五月婷婷高清| 欧在线一区| 欧美月久久| 七七九色| 熟女激情网| 无码G高清天| 思思精品久久艹| 色综合色综合网| WWW.婷婷| 五月婷婷啪啪| www.9操| 国产精产国品一二三在观看| 1024在线视频| 97人人操人人| 丁香五月98| 五月婷婷开心丁香| 日韩在线视频网站| 色婷婷成人做爰A片免费看网站| 国产午夜伦鲁鲁| 久草五月丁香婷婷综合| 另类激情五月| 少妇久久诱惑视频| 九月婷婷色色| 免费无码毛片一区二区A片 | 日韩AV在线免费| 97涩婷婷婷婷基地| 色停停香蕉视频| 色丁香五月婷婷婷| AV操操操| 亚洲激情av| 久热伊人| 男人的天堂97| www.国产亚洲69ty.久久久久久久久久久久| 五月丁香六月婷婷综合网| 99爱免费视频| 天天色宗合| 久久一级AV| 视频在线免费观看欧洲乱码| 99激情网| 五月婷婷开心综合| 色婷婷久久久| 天天射天天操天天干| 9久久久| 国产婷婷色五月| 五月婷婷婷婷婷婷艺术| 色欲婷婷五月天| 中文字幕丰满孑伦无码专区| 亚洲超级碰| 噜噜色五月| 婷婷成人五月天成人文学小说| 综合激情在线| 青青草原亚洲久| 婷婷射综合| 色国产五月| 极品人妻VideOssS人妻| 欧美激情五月天| 六月激情网| 六月五月丁香五月欧美| 影音先锋777xfplay色资源网站| 久久久久婷婷| 婷婷五月超碰| 天天干天天干天天干天天干天天干天天| 五月天色区| 亚洲精品99| 成人色图情色成人网 www.5b5b5bcom 五月天 | 99色视| www.狠狠干com| 国产67194| 丁香情色五月| 久久这里只有国产| 日韩在线99| www久久久久久久久久久| 91久久综合亚洲噜噜成人在线| 六月香五月婷| 99re8这里只有精品99re8热视频| 一起草日本| 性爱动图国产麻豆一区二区三区| 丁香婷婷六月| 68热超碰在线| 色色影院aaaav| 91色在线 | 日韩| www,奇米影视| 天堂爱爱| 99热在线精品观看| 婷婷丁香成人五月天| 日韩按摩二区| 色五月大香蕉| 任你艹| www.五月天| 色五月丁香A欧美com| 99在线观看视频免费| 天天天天干| 国产小精品| 综合视频久久| 99视频只有这里精品| 99这里只有精品| 久综合九| 日日爽日日| 国产精品99久久久久久久女警| 色色色99| 色婷婷成人网| 麻豆雪千夏| 五月丁香黄色视频| 九月性爱网| 激情网第四色| 国产精品人成A片一区二区| 色婷婷综合网站| 五月天播播中文字幕| 激情小说色五月| 免費亭亭成人| 1000部毛片A片免费观看| 五月丁香91| 五月精品| 超碰不卡在线| 亚洲五月天激情| AV操一操| 人人爽欧美婷婷久久久五月丁香| 五月丁香色停停啪啪啪| 九九在线免费观看| 韩日另类| 激情五月天免费视频| 亚洲精品V天堂中文字幕| WWW久久久| 综合99视频| 99色免费| 蜜桃人妻无码AV天堂三区| 丁香婷婷深情五月亚洲| 日日操天堂| 婷婷五月天激情亚洲小说| 夜夜穞天天穞狠狠穞AV美女按摩| 99久久a线观| 天天日天天爽| 成人超碰AV| 色婷婷九月| 丁香午月AV中文字幕| 超碰久热| 婷婷第六色| 五月婷婷丁香五月| 五月婷婷色男女| 国产看真人毛片爱做A片| 婷婷久久大香蕉| 人妻中文在线| 九九色热| 国产做爰视频免费播放| 爱草视频在线观看| 色综合色香蕉网| 99热只有这里才是精品| 久久九九经典| 五月丁香婷婷视频| 国产成人AV在线| 香蕉久久国产AV一区二区| 婷婷五月天六点丁香五月| 色综合激情| 开心六月婷| 91九九| 五月丁香亚洲五月| 日本英国美国欧美亚洲国产精亚洲日韩精品在线观看| 26uuu另类| 五月丁香婷婷色播无码| 五月婷婷中文字幕| 99色区| 丁香五月综合| 天天做天天爱综合| 五月婷婷成人| 99热在线看| 婷婷热婷婷色| 婷婷香蕉视频| 99日本精品视频热| 婷五月丁香| 五月丁小婷婷激情四射| 狠狠插狠狠插| 久久九九99| 六月丁香五月婷婷| 婷婷六月久久综合导航| 琪琪色五月天| 99热在线观看| 久久婷婷综合五月趴| 91 久热| 夜夜综合色| 五月婷婷亚洲色图| 99re思思久久| 日本性激情色播| 天堂亚洲 在线| 99黄色性生活| 久久婷婷五月综合啪| 色婷婷丁香综合中文字幕| 开心五月网 | 五月天激情网页| 99热99在线精品| 國語久久婷| 久久这里这里有精品免费视频| 91综合在线| 黄色笑话深爱激情网丁香五月婷婷啪啪啪啪啪 | 国产一级片| 婷婷性爱无码视频| 91人人操| 国产婷婷色综合AV蜜臀AV| 色色网站免费观看| 婷婷综合色图| 爆乳熟妇一区二区三区四区| 色99热| 婷婷五六日| 五月天丁香综合在线| 亚洲天天操| 五月婷婷我| 久婷婷婷| 日韩av免费版| 色情五月综合婷婷| 97色色色色色| 亚州激情在线视频| 免费播放片大片| 香蕉AV福利精品导航| 婷婷五月天视频亚洲| 久久99这里只有精品| 超碰2021| 亚洲成人综合在线| 激情五月天婷婷| www.狠狠狠.com| 亚洲xx网| 亚洲无码影音| 五月丁香| 五月丁香婷婷六月| 激情欧美婷五月| 丁香五月123| 国产亚洲精品AAAAAAA片| 黄色笑话深爱激情网丁香五月婷婷啪啪啪啪啪| 亚洲综合无码| av人人操| 河北真实伦对白精彩脏话| 久热91精品| 丁香五月亚洲无码| 婷婷激情五月综合| 亚州综合色| 亚洲V国产V欧美V久久久久久| 超碰人人91| 天天干天天爽天天爽| 五月天色色激情综合| 激情久久婷婷| 人五月天婷婷喷水| 九九视频在线观看视频6 | XX久久| 丁香婷婷综合激情五月色| 啪啪一区| 九九十99视频| 亚洲日韩成人三级av| 超碰99在线| 色噜噜狠噜噜视频| 五月丁香六月香综合激情| 深爱婷婷基地| 99日在线视频| 婷婷激情啪啪| WWW.HENHENL.| 日韩久久成人| 九九热精品视频在线观看| 日韩在线视频网站| 婷婷五月天狠狠色| 五月激情婷婷开心| α久久| WWW.夜夜操.com| 欧美综合五月丁香六月婷| av电影在线播放| 天天色天天操天天射| 日日爽夜夜爽| 操碰91| 99热这里是精品| 日本 @ va 免费| 亚洲天堂AAA| 五月天激情小说婷婷| 亲子乱AV一区二区三区下载| 99综合自拍| 欧美婷婷色五月网| 久久综合55| 久久婷婷老| 荫道BBWBBB高潮潮喷| 桃色五月天| 狠狠综合网| 99视频九九热| 亚洲人妻Av| 狠狠综合网| 色婷婷五月在线| 丁香五月综合网亚洲综合欧美狠狠| 丁香五月六月婷婷自拍| 亚洲激情五月婷婷日日| 欧美天天综合网站上去吧| 激情五月婷婷免费视频| 五月天婷婷久久日| 日日日,com| 色色亚洲无码| 色综合爽| 丁香五月婷婷动漫视频| WWW夜夜| 色婷婷丁香网| 婷婷激情五月天网站| 色狠狠综合| 性爱综合网| 婷婷五月天国产精品| 91超碰在线观看| 91黄操| 久热丁香| 内射综合网| 99操逼视频| 久久激情五月| 五月丁香婷婷福利| 久色成人| 激情五月com| 天天天摸夜夜夜玩| 天天干天天干天天干天天干天天干天天| 五月综合激情图片 | 青青草成人网| 色婷婷五月综合| 99国产精品久久久久久久久久久| 天天碰夜夜操| 丁香五月亚洲综合| 综合网啪| 日本三级日本三级99| 婷婷射综合| 99九九精品| 开心 五月 综合| 色国产五月| 亚洲va在线| 天天搞天天爽| 丁香婷婷色情| 久激情网| 另类少妇人与禽zOZZ0性伦| 99免费超碰在线| 91av视频| 91人人澡人人爽人人看| 五月天色导航婷婷资源婷婷| 亚洲五月丁| 天天干com| 日日日日日| 久/久精品99看9| 777影视理论片大全在线观看| 丁香花大香蕉婷婷综合| 久久九九激情五月天| 婷婷综合偷拍| 99热99色| 亚洲激情电影五月天色婷婷丁香一起草 | 91狠狠综合久久| 天天草天天舔| 色色网站| 亚洲日日操| 久草婷婷网| 91婷婷在线观看| 激情床戏| 甈吧vv| 亚洲天天| 午夜色婷婷| 亚洲岛国电影| 成人电影在线免费试看| 久久视频这里都是精品| 五月天婷婷深深爱| 婷婷色在线视频| 国产精品色色| 天堂网操| 婷婷激情肏屄网| 色欲资源网| 天天干天天操天天爽| 欧美这里只有精品| 91干婷婷| 大香蕉五月天婷婷| 五月丁香黄色| 天天操夜夜爽天天操| 艹| 日本久热| 亚洲精品V天堂中文字幕| 人妻在线观看视频| 婷婷导航| 99久久婷婷五月天| 天堂A∨在线| 欧美三级巜人妻互换| 91干在线视频| 五月丁香婷婷无码中文| 亚洲中文乱字字幕在线永久| 久久激情五月| 色色丁香五月| 狠狠色狠狠色综合日日91 | 操一区| 丁香五月天精品| 精品在线网站| 国产综合A片| 色五月综合婷婷久久综合婷婷久久综合婷婷久久综合婷婷久久 | 丁香五月乱中文字幕| av大香蕉| 六月婷婷AV| 成人欧美一区二区三区在线观看| 日韩高清成人| 日韩精品在线观看9| 久去色色| 婷婷五月丁香欧洲| 久久视9精| 五月丁香爱婷婷深深| 六月婷婷开心| 五月网站| 久久机热这里只有精品免费视频| 日本三级日本黄色| 免费AAAAA网| 青青草六月丁香| 超碰碰碰碰| 国产综合丁香五月天| 五月丁香六月婷婷综合免| av在线激情| 五月天婷婷狂暴白浆| 99ri在线| 色色色综合| 亚洲一区二区色图-亚洲精品国产精品乱码-成人AV | 婷婷五月天成人网站| 九九热在线精品视频| www.久久爱.com| 激情五月婷婷啪啪| 99热精品在线观看| AV网站免费在线| 五月激情婷婷女| 成人无码髙潮喷水A片| 久久婷.com| 成片免费播放| 激情五月婷婷| 狠狠搞五月天| 久久婷婷成人| 婷婷色吧| 美女天天爽| 亚洲午夜国产成人电影VA国产欧…| 婷婷五月情| 日日天天干| 五月九九综合| 婷婷五月天激情小说网站| 色色五月婷| 99欧美| 99热大香蕉| 综合精品99| 五月天另类图片| 草草色情综合网| 久久五月网| 日本三级大片| 天天干,天天舔| 激情婷婷色色| 欧美三级欧美一级| 日日噜噜夜夜狠狠久久丁香六月| 在线亚洲综合网| 新激情五月天色播| 亚洲AV影片在线观看| 五月视频日本免费观看| 久久久久人妻| 深爱婷婷基地| 九月婷婷综合| 日韩亚洲视频| 亚洲六月色| 丁香五月综合激情啪啪| 欧美日韩成人一区二区| 亚洲免费av在线| 婷婷综合成人| av国产精品偷| 中文字幕在线资源| 97超碰综合| 色色色色综合| 99精品视频在线6| 激情五月综合网| 天天开心天天色| www超碰| 青青操avbb| 婷婷久久五月天| 99这里只有精品视频在线| 开心五月深爱五月| 天天婷婷操| 丁香六月婷婷综合| 五月丁香在线精品| 久综合4| 五月天婷婷在线播放免费| 老师的粉嫩小又紧水又多A片视频 粉嫩AV久久一区二区三区 | 丁香五月五月婷婷欧美大香蕉 | 精品九九九久| 婷婷五月综合激情免费| 欧美色偷拍| 亚洲天天操| 99超级碰碰| 超碰在线成人| 色色综合日韩| 五月婷婷亚洲天堂97色婷婷| 五月婷av| 另类图片激情五月| 激情图片五月天| 另类图片激情五月天| 思思久久99热只有频精品66| 99re这里只有精品在线观看| 性爱五月婷| 激情婷婷丁香| 激情伊人| 天天做天天爽| 五月天色裸体视频| 色蜜婷婷| 婷婷五月天堂| 丁香五月激情六月| AV片一区在线观看| 婷婷中文字暮| 五月天婷婷基地综合网| 91狠狠色| 婷婷永久在线| 白人荫道BBWBBB大荫道| av中文网站| 大香蕉七区| 九九99久久| 影音先锋 91工厂| 日本在线wwww| 色九区| 五月丁香在线婷婷蜜桃| 亚洲精品444久久久久久| 激情婷婷丁香五月天| 天天综合情| 久久XX| 五月丁香六月婷婷综合网缴情| 国产无人区大片| 久久99久久99久久99人受| 欧洲免费视频色| 991精品在线视频| 六月丁丁香| 激情五月,色播五月| 第四色五月婷婷| 色情综合| 六月色国内综合| 亚洲天堂啪啪| www久久99| 综合五月丁香六月婷婷| 激情五月婷婷| 伊人天堂婷婷| 五月天色丁香| 人人舔人人| 久久久久妻| 婷婷丁香五月视频| 五月色亚洲| 特级片神马电影| 色99在线视频| 9视频在线成人网站| caop在线| 狠狠干青青草| 亚洲操逼片| 雪千夏麻豆| 99精色| 开心五月深爱激情| 91avse| 久久涩视频| 丁香五月婷婷啪啪| 激情五月,激情综合网| 亚洲激情网| 九九色插| 色色五月天激情| 丁香五月五月婷婷五月天激情四射| 九九综合久久| 六月丁香天堂| 国产FREESEXVIDEOS性中国| 99爱视频| 婷婷丁香五月噜噜噜| 我爱大香蕉| 日韩精品VIP| 丁香网站| 激情久久五月天| 操日挥操日日| 婷婷大美在线| 丁香九月久久| 丁香婷婷婷| 欧美性爱五月天| 色噜噜狠狠色综合网| 丁香五月六月激情| 五月婷婷久久大香蕉| 日本婷婷色| 人妻丰满精品一区二区A片| 成人综合视频在线| 久久色五月天综合网| 4399在线观看免费高清电视剧| 超碰在线中文字幕| 高清免费在线视频| 大地9中文在线观看免费高清| 天堂中文国产| 99热这里只有精品86| 成人网站免费sxj| www.zbzhongsen.com| caopeng97人人| 久综合4| 丁香婷婷综合激情五月色| 99男人的天堂| 色爱五月天| 激情五月六月婷婷综合啪啪| 九九综合色| 狠狠色丁香婷婷五月| 色色色色丁香| 婷婷六月激情| 五月精品| 夜夜爽天操| 激情婷婷五月色| 丁香六月婷婷激情综合| 9久久久久久久久久久| 激情婷婷。| 日本V在线观看不卡视频网站| 99热| 性色五月天| 亚洲永久四色| 日韩成人AV在线播放| 日日日日操| 亚洲久久婷婷| 颜射 精品性爱av| 日韩一66精品| 深爱五月婷婷开心中文字幕| 婷婷99狠狠| 激情另类综合| 久久婷婷网| 97在线/亚洲| 91九色小视频| 一级无码作爱片| 白人荫道BBWBBB大荫道| 激情五月天婷婷| 日日夜夜干| 97视频久久| 五月天婷婷丁香导航| 黄色笑话深爱激情网丁香五月婷婷啪啪啪啪啪 | 91要啪| 99热国产这里只有精品| 九九在线这里只有精品视频| 五月婷婷精品无在线| 玖玖九九99| 亚洲人妻一区二区 | 婷婷国产欧美97| 丁香五月综合首页| 超级碰碰碰碰视频| 日本精品九九九| 丁香五月开心亚洲| www久久久久久| 欧美色色日韩| 婷婷五月天中文字幕| 狠狠综合色网| 五月婷综合激情| 久久 无毛。| 天堂久久婷婷| 色五月综合激情| 影音先锋女人av鲁色资源网小说免费 | 婷婷成年人免费视频| 日日干天天| 人人综合久| 五月丁香999| 国产超碰在线| 熟女人妻视频| av不卡网站| 久久香视频| 九九热婷婷| 99玖玖在线视频| 婷婷五月天久久| 337p大胆噜噜噜噜噜91Av| 夜夜夜天天操| 天天色综合色| 99热99免费| 91精品国产综合久久密臀| 色婷五月天综合网| 亚洲色热| 成人版视频在线观看| 九月丁香婷婷| 成人精品一区日本无码网| 免费观看18视频网站| 狠狠干最新地址| 一级性感毛片| 97碰久久| 色视频2025| 思思色综合网站| 99成人精品视频| 91久久九久久九久久九久久九久久| 91精品久久久久| 久草五月| 久久电影五月天丁香电影| 五月丁香婷婷激情爱爱| 婷婷综合日本| 国产综合色婷婷精品久久| 五月婷婷色播视频| 亚洲十月婷婷综合| 五月久久婷婷成人网| 久久综合五月天| AV中文在线| 精品9久| 97欧美在线| 久操b网| 一本伊人色婷| 婷婷五月丁香超碰| 亚洲精品视频在线播放| 少妇人妻偷人精品无码视频新浪| 久久久色情| 色五月天丁香| 五月丁香激情五月天| 热99精品视频| 亚洲人妻Av| 九九热精品视频在线观看| 日韩中出视频| 久久婷婷色色| wwccc久久久| 日夜夜久久| 人人操AV| 一区二区乱视频码| 色婷婷丁香五月天| 深爱五月日韩| 日本三级大片| 69天堂99| 久久亚洲婷婷| 激情五月婷在线精品| 婷婷八月丁香激情综合| 婷婷激情四射| 六月激情婷婷综合| 婷婷色五月综合丁香| 狠狠色综合精品视频在线| 日本一级黄色电影| 99久久超级| 九九RE视频在线精品| 久久开心五月婷婷| 熟女激情五月天| 婷婷婷久久| 青青草原中文字幕| 五月叮香啪| 亚洲操操操| 九九99热久久精品66中文字幕| 九九精品这里只有| 色婷婷五月天激情在线观看| 99色在线观看| 久久九九Com| 天天干,天天舔| 色久天| 99爱在线视频| 九九九九大香蕉| 岛国av网| 超碰碰碰碰| 狠狠 久久| 天天人人天天爽| 狼人婷婷综合| 九一娱乐在线观看视频| 性爱网久久| 日本天天色| 色色欧美。| 久久伊人大香蕉| 色婷婷五月天激情在线观看| 久草热在线视频| www.久久9| 青青草视频福利| 色婷婷狠狠爱| 99人人操人人操人人精| 色婷婷深爱五月| 香蕉综合在线| 婷婷久久在线| 天天射综合网天天插| 丁香五月婷婷基地| 天天日色情| 夜夜骑日日操| 亚洲成人一区| 成人VAV视频在线观看| 我爱宗和色| 182TV大香蕉| 激情婷婷网| 99大香蕉| 丁香五月天资源网| 国产又爽又猛又粗的视频A片 | 五月噜噜噜色综合| 另类图片色五月| 月色色综合婷婷网| 丁香婷婷视频一区二区| 亚洲人人操| 99精品久久久| 性爱久久| 超级碰碰一区| 婷婷五月天首页| 99热| 亚洲精品乱码久久久久99| 激情爱爱网站| 在线99色| 久久久精品人妻| 91av色色乱视频| 九九热手机在线视频| 国产精品久久久久久久久久久久 | 色情五月丁香婷婷网| 午夜免费试看| 激情伊人网| 久久99性爱视频| 丁香激情综合| 丁香五月天信号| 丁香五月色| 色色免费网站| 国产另类综合| 不卡在线视频| 国产26uuu视频| 99热精品在线在线| 五月综合亚洲色| 丁香六月啪| 丁香婷婷综合激情五月色| 99A片| www九月婷婷| 天天射色五月天| 亚洲第一成人AV| 色婷婷在线视频综合| 亚洲乱码日产精品BD| 月婷婷亚洲| 欧美性爱五月天| 国产中文亚洲欧美日韩性交| 99网| 中文字幕在线不卡| 久久久激情视频| 色婷操逼| 五月婷婷丁香五月| 国产亚洲99久久| 五月99久久| 97色色婷婷五月天| 大香蕉婷婷丁香视频在线| 丁香五月激情啪| 97干网站| 色婷婷综合网站| 激情五月天婷婷丁香| 中文字幕在线免费观看视频| 99热这里只有精品22| 婷婷色丁香五月| 伊人啪啪网| 久久色婷婷| 色玖玖爱| 久草五月| 色色色欧美| 天天激情综合| 777影视理论片大全在线观看| 婷婷丁香五另类网站| 日韩限制级大尺度黑料泄密大尺度视频一区二区在线观看 | 丁香五月网络网络| 开心婷婷五月| 激情伊人六| 人妻AV中文系列| 婷婷六月色情| 嫩草极品| 五月婷婷六月丁香在线视频| 无码一级片| 日日噜狠狠色| 亚洲一区二区无遮挡A片| 这里只有精品视频在线| 九洲一级A片| 色综合天天| 五月丁香婷婷激情在线| 天堂久久久久天堂网| 久久精品视频在这里有| 久热精品在看| 婷婷丁香五月麻豆| 亚洲国产精品成人免费一区久久久在线观看AAAA | 丁香五月性爱| 国产亚洲精品AAAAAAA片| 插插五月天| 亚洲国产色婷婷| 激情综合九月| 噜综合| 国产精品电| 俺去也五月天| 黄色短视频在线观看| 91人操| 99婷婷五月天| 色色婷婷综合| 五月丁香在线| 91丨九色丨熟女高潮| 人与禽A片啪啪| 日韩视频99| 久久五月网| 亚洲乱码精品久久久久..| 激情5月天天天| 97操男人的天堂| 婷综合| 九九热这里只有国产精品| 日本黄色精品| 99热这里只有精品3| 亚洲天堂亚洲色色色| 国产一级黄色影片,| 丁香激情网| 99热久只有精品首页| 婷婷五月综合社区在线| 成人版视频在线观看| 亚洲无码成人性爰网| 丁香五月天婷婷91| 五月婷婷中文字幕| 丁香六月天婷婷在线| 9色操| 欧洲亚洲免费视频9| 婷婷激情蜜桃玖玖丁香| 9久久久| 国产AV一区二区三区最新精品 | 日韩三十六页| 在线观看的av| 国产精品色色色色| 色蜜婷婷| 亚洲精品又粗又大又爽A片| 五月婷婷香| 91久热| 九九av| 欧州色色| 99re熱| 日本少妇裸体做爰高潮片| 久久九精品| tingting五月天亚洲| 最近免费中文字幕大全高清大全1| 九九热这里| 婷婷伊人綜合中文字幕| 五月丁香婷婷狠狠操| 夜夜躁爽日日| 六月丁香成人网| 97干在线视频精品店| 五月丁香综合中文| 69午夜成人影片| 成人免费高清在线播放| 国产乱子轮XXX农村| 人人视频人人干人人做| 最新午夜理论片| 婷婷九月在线| 香蕉久日夜| 九九99久久| 五月婷视频在线| 五月婷婷激情色情网| 激情婷婷丁香色五月| 五月开心网| 欧美啪啪9| 五月婷婷六月爱| 翔田千里 50岁 无码| 九热av| 久久性爱视频网站| 激情五月狠狠| 9999热精品在线免费播放| 综合99久久天天综合| 婷婷综合婷婷| 五月婷婷综合视频| 九九青草热| 开心五月深爱激情| 六月色狠狠色| 五月婷婷大香蕉| 99热午夜精品| 亚洲激情网| 影音先锋一区二区三区| 九九热免费| 久热这里精品免费| 天天搞夜夜叫| 五夜丁香| 五月天色色色网| 青草青草视频2免费观看| 色婷婷操逼| 91人人爽久久涩噜噜噜| 人人干人人操人人摸人人做| 玖玖爱综合网| 91人人妻人人操| 色色五月婷婷网| 天天狠狠夜夜狠狠2023| 操日视频| 色情免费视频播放| 综合99在线| 欧美99| 久久久宗合| 欧美一线视频| 伊综合蕉| 免费碰碰视频久| 色一情一乱一伦一区二区三区| 色色色9| 久操无码| 熟女激情网| 色综合色| 婷婷婷婷色| 日日夜夜小色哥| 九九热在线亚洲免费视频| 9色视频在线| 成人AV网站在线| 婷婷五月丁香99| 亚洲黄色网址| 欧美S码亚洲码精品M码| 五月天激情小说网| 婷婷五月天丁香| 亚洲视频五区| 婷婷六月色| 色婷婷亚洲六月婷婷中文字幕| 东北婷婷五月天| 无码G高清天| 五月丁香六月婷婷免费| 性爱在线播放av| 成人片在线播放| www.久久久.com| 色 免费网站视频| 五月丁香婷婷色| 六月亚洲婷婷6月中文字幕|