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)營的一線實戰(zhàn)洞察。

基于機(jī)器學(xué)習(xí)的多因子研究框架:從XGBoost到貝葉斯優(yōu)化實戰(zhàn)

基于機(jī)器學(xué)習(xí)的多因子研究框架:從XGBoost到貝葉斯優(yōu)化實戰(zhàn) 簡介一套基于機(jī)器學(xué)習(xí)的多因子研究框架配套源代碼與文檔說明面向量化研究、金融數(shù)據(jù)分析人員及數(shù)據(jù)科學(xué)家覆蓋從因子篩選、收益預(yù)測、風(fēng)險量化到組合配置的完整流程??蚣軆?nèi)部整合XGBoost、LightGBM兩種梯度提升算法用于收益建模并借助貝葉斯優(yōu)化實現(xiàn)超參數(shù)自動尋優(yōu)同時納入了波動率、VaR等風(fēng)險度量與均值-方差、Black-Litterman等組合優(yōu)化方案便于直接復(fù)現(xiàn)和二次開發(fā)。壓縮包共三百零六個文件以表格數(shù)據(jù)、交互式分析筆記、程序腳本及數(shù)據(jù)庫文件為主另含有C/C、Java等輔助代碼整體大小約三十八點九八兆字節(jié)。包內(nèi)目錄結(jié)構(gòu)清晰包含模型日志、因子數(shù)據(jù)、腳本實現(xiàn)與說明文檔便于按模塊進(jìn)行復(fù)現(xiàn)與擴(kuò)展。該資源已吸引349人學(xué)習(xí)對希望系統(tǒng)掌握機(jī)器學(xué)習(xí)多因子建模流程、或正在構(gòu)建量化投研框架的讀者具有較高參考價值。1. 從調(diào)參翻車現(xiàn)場說起基于機(jī)器學(xué)習(xí)的多因子研究框架能解決什么做多因子研究的人遲早會碰上一個尷尬時刻因子庫攢了幾百個手工回測一個個看效率低不說還容易漏掉因子之間的交互關(guān)系?;跈C(jī)器學(xué)習(xí)的多因子研究框架解決的就是這件事——把因子選擇、收益預(yù)測模型、超參數(shù)尋優(yōu)、風(fēng)險約束和組合優(yōu)化放進(jìn)同一條流水線讓研究從“手工試錯”變成“機(jī)器迭代”。這份資源里包含多個 XGBoost 訓(xùn)練日志、一份貝葉斯優(yōu)化調(diào)參日志以及 svmtrain.c 源碼覆蓋從收益模型到風(fēng)險模型的完整鏈路。適合量化分析入門開發(fā)者、因子研究相關(guān)從業(yè)者以及想了解機(jī)器學(xué)習(xí)怎么在投資研究里落地的數(shù)據(jù)工程師。2. 框架整體拆解從日志文件到三層研究流水線2.1 先看目錄文件命名和日志時間線還原研究節(jié)奏拿到資源先把文件列表鋪開看一遍這就是研究者的“操作軌跡”。這份資源里的文件按命名規(guī)則可以分成三組m1_xgboost.log.2019-11-21 至 m1_xgboost.log.2019-11-25基礎(chǔ) XGBoost 模型訓(xùn)練日志間隔幾天跑一次BayesOptimizationXGBoost.log.2019-12-16貝葉斯優(yōu)化調(diào)參日志與 m1_xgboost.log.2019-12-16 同一天出現(xiàn)svmtrain.cSVM 訓(xùn)練源碼文件大概率承擔(dān)基線模型或?qū)φ諏嶒灥慕巧?。這里有個很關(guān)鍵的觀察點12 月 16 日之前日志里只有 m1_xgboost 系列說明這個階段還在用默認(rèn)參數(shù)或者人工給定的參數(shù)直接訓(xùn)練12 月 16 日出現(xiàn) BayesOptimizationXGBoost.log說明研究者把調(diào)參環(huán)節(jié)正式納入了研究流程。日志命名里的日期就是迭代輪次的時間戳這也是實踐中的一個好習(xí)慣——訓(xùn)練腳本輸出的日志一定要帶日期。后續(xù)你想回溯某一次調(diào)參到底改了哪些參數(shù)看日志比翻聊天記錄靠譜得多。從實現(xiàn)角度看框架更像一條流水線而不是單個模型。收益預(yù)測模型負(fù)責(zé)從因子矩陣算出預(yù)期收益風(fēng)險模型負(fù)責(zé)量化波動和極端虧損組合優(yōu)化則把前兩者的輸出揉成最終持倉權(quán)重。三個環(huán)節(jié)各有各的文件和參數(shù)通過數(shù)據(jù)接口串起來。2.2 三層架構(gòu)收益模型、風(fēng)險模型與組合優(yōu)化如何配合整個研究框架可以理解為三層結(jié)構(gòu)第一層是收益模型層。輸入是預(yù)處理后的因子面板數(shù)據(jù)輸出是每個標(biāo)的在未來一段時間內(nèi)的預(yù)期收益。這一層使用 XGBoost 和 LightGBM 這類梯度提升樹模型因為它們能捕捉因子之間的非線性關(guān)系和交互效應(yīng)這是線性回歸做不到的。比如“低換手率 高動量”這種組合對收益的影響樹模型可以通過分裂路徑自動學(xué)到。第二層是風(fēng)險模型層。這一層計算組合的波動率、VaRValue at Risk和 CVaRConditional VaR用來量化極端行情下的潛在虧損。VaR 回答“在當(dāng)前置信水平下最大可能虧損是多少”CVaR 更進(jìn)一步衡量“一旦虧損超過 VaR 閾值平均會虧多少”。這兩個指標(biāo)決定了后面組合優(yōu)化的風(fēng)險約束邊界。第三層是組合優(yōu)化層。在收益預(yù)測和風(fēng)險度量都有了之后用均值-方差優(yōu)化Markowitz尋找有效前沿上的最佳權(quán)重組合。還可以用 Black-Litterman 模型把研究者自己的觀點揉進(jìn)先驗收益里讓權(quán)重結(jié)果更貼近實際判斷。三層之間有明確的數(shù)據(jù)流因子矩陣 → 收益預(yù)測 → 風(fēng)險估計 → 權(quán)重生成。這個框架的本質(zhì)就是把“選什么、配多少、怎么防回撤”三個問題統(tǒng)一到一個系統(tǒng)里解決。2.3 為什么多因子研究選樹模型而不是傳統(tǒng)線性回歸選 XGBoost / LightGBM 而不是傳統(tǒng)線性回歸核心原因是因子和收益之間的關(guān)系根本不是線性的。比如流動性因子的影響在極低流動性區(qū)間收益表現(xiàn)可能反轉(zhuǎn)這種倒 U 型關(guān)系在線性模型里只能靠手動構(gòu)造多項式項去逼近而樹模型通過閾值分裂天然就能擬合分段非線性。另一個原因在于特征交互。單個因子可能預(yù)測能力很弱但“小市值 高波動 低動量”這種組合的預(yù)測能力會明顯增強(qiáng)樹模型在分裂過程中會隱式地構(gòu)造這種交互特征線性模型要顯式建模就麻煩得多。在選型上XGBoost 和 LightGBM 各有側(cè)重。XGBoost 對缺失值有內(nèi)置處理策略自帶正則化項在中小規(guī)模因子上表現(xiàn)穩(wěn)定LightGBM 采用單邊梯度采樣和互斥特征捆綁訓(xùn)練速度更快適合樣本量大的場景。svmtrain.c 的存在則補(bǔ)足了對照實驗——SVM 在低維小樣本因子上往往有不錯表現(xiàn)用它在同一套數(shù)據(jù)上訓(xùn)練可以衡量樹模型的增益到底有多大。常見做法是把 SVM 作為基線跑完一套指標(biāo)之后再上 XGBoost這樣能清楚看到樹模型帶來了多少提升。3. 收益模型實戰(zhàn)XGBoost 訓(xùn)練流程與參數(shù)體系3.1 從因子面板到訓(xùn)練樣本數(shù)據(jù)切分和標(biāo)簽構(gòu)造的完整流程XGBoost 收益模型的第一步是整理因子面板數(shù)據(jù)。通常一張因子面板包含日期、標(biāo)的代碼、若干因子列和價格數(shù)據(jù)。在構(gòu)造標(biāo)簽時要格外小心用未來五天收益作為預(yù)測目標(biāo)意味著用 t 日截面因子預(yù)測 t1 到 t5 的累計收益。import pandas as pd import numpy as np import xgboost as xgb # 讀取因子面板按日期和標(biāo)的全排序 df pd.read_csv(factor_panel.csv, parse_dates[date]) df df.sort_values([date, symbol]).reset_index(dropTrue) # 構(gòu)造未來5日收益作為標(biāo)簽注意按每個標(biāo)的單獨shift df[label] df.groupby(symbol)[close].transform( lambda s: s.shift(-5) / s - 1.0 ) # 因子列篩選假設(shè)數(shù)據(jù)集中因子列都以 factor_ 開頭 feature_cols [c for c in df.columns if c.startswith(factor_)] # 嚴(yán)格按時間切分防止未來數(shù)據(jù)泄露進(jìn)訓(xùn)練集 train df[df[date] 2019-10-01].dropna(subset[label]) test df[df[date] 2019-10-01].dropna(subset[label]) dtrain xgb.DMatrix(train[feature_cols], labeltrain[label]) dtest xgb.DMatrix(test[feature_cols], labeltest[label]) # 基礎(chǔ)參數(shù)配置 params { objective: reg:squarederror, learning_rate: 0.05, max_depth: 4, min_child_weight: 5, subsample: 0.8, colsample_bytree: 0.6, lambda: 1.0, alpha: 0.5, eval_metric: rmse, seed: 42 } model xgb.train( params, dtrain, num_boost_round500, evals[(dtrain, train), (dtest, test)], early_stopping_rounds50, verbose_eval10 )這段代碼里最容易被忽略的是標(biāo)簽構(gòu)造那一行。df.groupby(symbol)[close].shift(-5) 是按每個標(biāo)的單獨前移價格而不是對整個面板做 shift。如果寫成 df[close].shift(-5)跨界面的數(shù)據(jù)就會把前一個標(biāo)的的收盤價挪到當(dāng)前標(biāo)的最后一行上構(gòu)造出來的標(biāo)簽全是錯位的模型訓(xùn)練出來預(yù)測能力幾乎為零。時間切分也需要注意train/test 必須按日期硬切不能用隨機(jī)切分。金融時間序列有強(qiáng)烈的自相關(guān)隨機(jī)打亂會讓模型“偷看”到未來信息回測時拿到虛高的收益實盤基本翻車。3.2 關(guān)鍵參數(shù)在因子場景下的取值邏輯XGBoost 參數(shù)不少真正在研究場景里高頻調(diào)整的其實就七八個。下表是我在這個框架中常用的取值區(qū)間和調(diào)整邏輯參數(shù)常用取值調(diào)整邏輯learning_rate0.01~0.1越小越穩(wěn)但需要更多迭代輪數(shù)因子噪聲大0.05 左右起步比較合理max_depth3~6因子數(shù)據(jù)量通常不大深度超過 6 容易過擬合單因子噪聲min_child_weight3~10控制葉子節(jié)點最小樣本權(quán)重值越大越保守能抑制極端樣本影響subsample0.6~0.9行采樣比例下降能減少過擬合但太低會讓模型欠擬合colsample_bytree0.5~0.8列采樣比例直接控制每棵樹用多少因子減小因子間共線性影響lambda / alpha0.1~2.0L2/L1 正則化因子多的時候把這兩個參數(shù)調(diào)大可以讓權(quán)重更平滑early_stopping_rounds30~80建議設(shè)置否則模型迭代到最后必定過擬合有一個參數(shù)組合要特別警惕learning_rate 很低比如 0.01但同時 num_boost_round 固定不改會導(dǎo)致模型欠擬合。在因子場景里我一般會把學(xué)習(xí)率固定在 0.05然后靠 early_stopping_rounds 自動決定迭代次數(shù)而不是拍腦袋定一個固定輪數(shù)。此外 min_child_weight 這個參數(shù)在金融數(shù)據(jù)里比圖像分類場景重要得多——金融標(biāo)簽噪聲大偶爾一個極端收益樣本就能帶偏葉子節(jié)點把它從默認(rèn)的 1 調(diào)到 5 以上能顯著提升回測穩(wěn)定性。3.3 從 svmtrain.c 看基線模型的價值svmtrain.c 是這份資源里唯一的 C 源碼文件。這類文件通常實現(xiàn)的是 SVM 訓(xùn)練核心流程包括核函數(shù)計算、SMO 求解或梯度下降等步驟。在多因子框架中它的定位一般是基線模型和 XGBoost 做對比實驗。/* svmtrain.c 核心邏輯示意加載特征矩陣設(shè)置SVM參數(shù)并進(jìn)行訓(xùn)練 */ double *labels load_labels(train_label.csv); double *features load_features(train_feature.csv); svm_parameter param; param.kernel_type RBF_KERNEL; /* 高斯核適合非線性因子 */ param.gamma 0.01; /* 核寬度越大越容易過擬合 */ param.C 1.0; /* 懲罰系數(shù)權(quán)衡誤分類與間隔 */ svm_model *model svm_train(features, labels, param, n_samples, n_features);在因子研究里SVM 和 XGBoost 的對比邏輯很清晰。SVM 對特征尺度敏感必須先做標(biāo)準(zhǔn)化XGBoost 基于樹分裂尺度不影響預(yù)測結(jié)果。如果標(biāo)準(zhǔn)化之前的因子數(shù)據(jù)直接丟進(jìn) SVM訓(xùn)練出來的模型會偏向量綱大的特征這個對比就顯得不公平。我一般先對因子做截面標(biāo)準(zhǔn)化再分別跑 SVM 和 XGBoost記錄 RMSE 和 IC信息系數(shù)看樹模型相對基線提升了多少。這個對比在論文和實戰(zhàn)報告里都是一個必要的支撐材料。4. 貝葉斯優(yōu)化調(diào)參把“看運(yùn)氣”變成可復(fù)現(xiàn)的搜索過程4.1 為什么貝葉斯優(yōu)化比網(wǎng)格搜索更適合因子模型網(wǎng)格搜索在多因子場景里幾乎不可用。假設(shè)要調(diào)節(jié) 7 個參數(shù)每個參數(shù)給 5 個候選值組合數(shù)就是 5 的 7 次方約 7.8 萬次訓(xùn)練。每次訓(xùn)練跑 500 棵樹這個計算量在因子數(shù)據(jù)量小的時候還能忍數(shù)據(jù)量一上來直接撐不住。隨機(jī)搜索雖然減少了試驗次數(shù)但完全是盲猜不利用已經(jīng)跑過的結(jié)果信息。貝葉斯優(yōu)化的思路是建立一個代理模型通常用高斯過程或 TPE用歷史試驗結(jié)果預(yù)測哪些參數(shù)組合更有可能帶來低損失。每次迭代先由代理模型給出候選點再在真實數(shù)據(jù)上跑一次訓(xùn)練把新結(jié)果更新進(jìn)代理模型如此反復(fù)。這個機(jī)制的效率來自兩點一是代理模型能估計參數(shù)空間里每一塊區(qū)域的潛在收益二是搜索過程會自動避開已經(jīng)驗證效果差的區(qū)域。對比來看網(wǎng)格搜索的缺陷在于“均勻撒網(wǎng)”不考慮反饋貝葉斯優(yōu)化則是“邊試邊學(xué)”。在因子模型調(diào)參這種每輪訓(xùn)練成本不低的場景下貝葉斯優(yōu)化是當(dāng)前實踐中最合理的默認(rèn)選擇。4.2 搜索空間設(shè)計與迭代實現(xiàn)用 Hyperopt 庫實現(xiàn)貝葉斯優(yōu)化是常見做法。核心是先定義參數(shù)搜索空間再定義一個目標(biāo)函數(shù)讓優(yōu)化器最小化這個函數(shù)的返回值。import numpy as np import xgboost as xgb from hyperopt import fmin, tpe, hp, Trials, STATUS_OK def objective(params): # 注意Hyperopt 搜索出來的某些參數(shù)需要轉(zhuǎn)成整數(shù) params { learning_rate: params[learning_rate], max_depth: int(params[max_depth]), min_child_weight: int(params[min_child_weight]), subsample: params[subsample], colsample_bytree: params[colsample_bytree], reg_lambda: params[reg_lambda], reg_alpha: params[reg_alpha], seed: 42 } # 自定義時序交叉驗證5折walk-forward fold_dates np.percentile(train[date].astype(np.int64), [20, 40, 60, 80]) scores [] for i in range(4): tr train[train[date] fold_dates[i]] va train[(train[date] fold_dates[i]) (train[date] fold_dates[i1])] dtr xgb.DMatrix(tr[feature_cols], labeltr[label]) dva xgb.DMatrix(va[feature_cols], labelva[label]) model xgb.train( params, dtr, num_boost_round300, evals[(dva, valid)], early_stopping_rounds30, verbose_evalFalse ) pred model.predict(dva) ic np.corrcoef(pred, va[label])[0, 1] scores.append(ic) # 取平均IC的負(fù)值作為損失IC越高損失越低 return {loss: -np.mean(scores), status: STATUS_OK} space { learning_rate: hp.uniform(learning_rate, 0.01, 0.2), max_depth: hp.quniform(max_depth, 3, 8, 1), min_child_weight: hp.quniform(min_child_weight, 1, 10, 1), subsample: hp.uniform(subsample, 0.5, 1.0), colsample_bytree: hp.uniform(colsample_bytree, 0.3, 0.9), reg_lambda: hp.loguniform(reg_lambda, np.log(0.1), np.log(5.0)), reg_alpha: hp.loguniform(reg_alpha, np.log(0.1), np.log(5.0)) } trials Trials() best fmin( fnobjective, spacespace, algotpe.suggest, max_evals50, trialstrials, rstatenp.random.RandomState(42) ) print(Best params:, best)這里最關(guān)鍵的設(shè)計決策是目標(biāo)函數(shù)的選擇。我選擇 5 折時序交叉驗證的平均 IC 作為優(yōu)化目標(biāo)而不是直接把 RMSE 最小化。原因是因子研究最終關(guān)心的是排序能力——預(yù)測值與實際收益之間的秩相關(guān)性而 IC 正好度量這個排序能力。如果用 RMSE 做目標(biāo)優(yōu)化出來的模型可能整體偏差小但排序能力弱這在選股場景里沒有意義。此外時序交叉驗證的切分點用的是 train 數(shù)據(jù)里的日期分位數(shù)保證每一折的訓(xùn)練集都嚴(yán)格在驗證集之前。搜索空間里 max_depth 和 min_child_weight 用了 quniform 加 int 轉(zhuǎn)換因為樹的深度必須取整數(shù)。learning_rate 用 uniform 在 0.01 到 0.2 之間連續(xù)采樣這個區(qū)間覆蓋了從保守到激進(jìn)的常見范圍。reg_lambda 和 reg_alpha 用 loguniform原因是正則化系數(shù)的有效范圍跨越多個數(shù)量級對數(shù)均勻采樣能讓小值區(qū)間和大值區(qū)間有相同的被探索概率。4.3 從貝葉斯優(yōu)化日志中讀取有效信息BayesOptimizationXGBoost.log 這類日志記錄了每一輪迭代的參數(shù)組合、損失值和耗時。你在看日志的時候不要只盯著最后一行“best result”而是要關(guān)注中間過程前 10 輪探索階段損失值波動較大說明代理模型還在學(xué)習(xí)參數(shù)空間的“地形圖”10-20 輪左右損失開始收斂出現(xiàn)的參數(shù)組合逐步集中在某一區(qū)域20 輪之后如果損失不再明顯下降說明搜索已經(jīng)接近當(dāng)前空間下的最優(yōu)點。有個經(jīng)驗值得留意如果前幾輪就出現(xiàn)一個異常高的 IC比如超過 0.15先別高興這大概率是偶然結(jié)果。我會在貝葉斯優(yōu)化結(jié)束后拿最優(yōu)參數(shù)在不同隨機(jī)種子下跑 3-5 次完整訓(xùn)練看 IC 的均值和方差。均值穩(wěn)定在 0.06 以上、方差不超過 0.01才說明參數(shù)組合真正有效而不是碰上了一個運(yùn)氣好的數(shù)據(jù)切片。5. 避坑與排查多因子框架落地過程中記錄的四條實戰(zhàn)教訓(xùn)5.1 現(xiàn)象訓(xùn)練集 IC 很高回測卻穩(wěn)定虧損這是多因子研究里最典型的翻車場景。模型在訓(xùn)練集上 IC 達(dá)到 0.12回測一跑直接月度負(fù)收益怎么看都不對。原因通常是兩大類。一是時間序列泄露預(yù)處理階段用全樣本數(shù)據(jù)計算了標(biāo)準(zhǔn)化參數(shù)或因子正交化矩陣這部分信息偷偷進(jìn)入了訓(xùn)練集。二是標(biāo)簽構(gòu)造錯位剛才提到過的 groupby shift 問題或者復(fù)權(quán)價格使用不當(dāng)導(dǎo)致未來價格被改寫。解決方法是把數(shù)據(jù)預(yù)處理的 fit 和 transform 放進(jìn)時間切分循環(huán)內(nèi)部全樣本只做一次通用清洗所有涉及統(tǒng)計量的計算必須在訓(xùn)練折疊里重新擬合。5.2 現(xiàn)象貝葉斯優(yōu)化得到的最優(yōu)參數(shù)換一段樣本就失效貝葉斯優(yōu)化跑完拿最優(yōu)參數(shù)在另一段歷史數(shù)據(jù)上驗證IC 掉了一半。這不是優(yōu)化器出了問題而是過擬合了優(yōu)化目標(biāo)。每次貝葉斯迭代都是用同一個驗證集評估損失迭代次數(shù)多了參數(shù)會慢慢記住驗證集上的噪聲分布。解決思路有兩個。第一個是增加交叉驗證折數(shù)把單驗證集改成多段折疊取平均削弱單一段樣本的噪聲影響。第二個是限定搜索輪數(shù)max_evals 不要開太大50 輪左右足夠后面每多一輪都在增加對驗證集的過擬合。5.3 現(xiàn)象XGBoost 和 LightGBM 在同一份數(shù)據(jù)上指標(biāo)互相矛盾比如 XGBoost 跑出來因子 A 重要性最高LightGBM 跑出來因子 B 重要性最高。這個現(xiàn)象在因子研究里經(jīng)常碰見原因在于兩個框架的特征分裂策略和樣本采樣方式不同。XGBoost 按特征預(yù)排序后做精確貪心分裂LightGBM 用直方圖算法做近似分裂這兩個機(jī)制對噪聲因子和離散因子的敏感度不一樣。加上 LightGBM 默認(rèn)的 subsample 策略是隨機(jī)采樣隨機(jī)種子不同也會造成重要性的順序漂移。解決方法是不要拿一次訓(xùn)練結(jié)果下結(jié)論固定隨機(jī)種子后做多次重復(fù)訓(xùn)練比較因子重要性的穩(wěn)定排名。同時把兩個模型的評估指標(biāo)統(tǒng)一成同一種手動檢查參數(shù)語義是否一致比如 min_child_weight 在 XGBoost 里是樣本權(quán)重和LightGBM 里對應(yīng) min_data_in_leaf 的語義完全不同。5.4 現(xiàn)象日志文件不連續(xù)中間隔了好幾天沒記錄資源里 m1_xgboost.log 在 11 月 25 日之后直接跳到 12 月 16 日中間隔了二十天。這個現(xiàn)象在真實研究里非常常見中間這段時間往往是在做因子數(shù)據(jù)清洗或者特征工程沒有跑模型。排查時不要默認(rèn)漏了日志先看前后兩天的參數(shù)配置是否有變化。比如 11 月 22 日的日志里 max_depth 是 511 月 25 日變成了 4說明中間大概率做了一次特征篩選把高相關(guān)因子去掉了所以降低樹的深度來減少過擬合。提示在日志文件的參數(shù)配置里加上 commit 號或備注字段比單獨維護(hù) changelog 更直接這樣斷檔期間改了什么一眼就能看到。這一條解決方式看起來簡單實際執(zhí)行起來能省掉大量回溯時間。從那以后我每次訓(xùn)練腳本都會在日志文件名末尾追加一個短備注比如 m1_xgboost.log.2019-11-25.depth4_feat30二十天后回來看也清楚當(dāng)時發(fā)生了什么。6. 風(fēng)險模型與組合優(yōu)化把收益預(yù)測落成真正的持倉權(quán)重有了收益預(yù)測和參數(shù)穩(wěn)定的模型還差最后一步怎么分配倉位。風(fēng)險模型和組合優(yōu)化就是把預(yù)測結(jié)果變成可執(zhí)行權(quán)重的環(huán)節(jié)。在均值-方差優(yōu)化的框架下目標(biāo)函數(shù)是最小化組合波動率同時滿足預(yù)期收益約束也可以用夏普比率最大化作為目標(biāo)import numpy as np from scipy.optimize import minimize # 假設(shè)有12個標(biāo)的mu為模型預(yù)測日度收益cov為協(xié)方差矩陣 mu np.array([0.0012, 0.0008, 0.0021, 0.0005, 0.0016, 0.0009, 0.0013, 0.0011, 0.0007, 0.0014, 0.0010, 0.0006]) cov np.random.rand(12, 12) * 0.01 cov (cov cov.T) / 2 np.eye(12) * 0.02 def portfolio_vol(w, cov): return np.sqrt(w cov w) def neg_sharpe(w, mu, cov, rf0.0002): ret w mu - rf vol portfolio_vol(w, cov) return -(ret / vol) # 約束滿倉、不做空、單標(biāo)的上限不超過20% constraints [ {type: eq, fun: lambda w: np.sum(w) - 1.0} ] bounds [(0.0, 0.2) for _ in range(len(mu))] w0 np.ones(len(mu)) / len(mu) result minimize( neg_sharpe, w0, args(mu, cov), methodSLSQP, boundsbounds, constraintsconstraints ) weights result.x print(Optimal weights:, np.round(weights, 4))這個優(yōu)化器的輸出就是最終持倉權(quán)重。實際落地時有幾點要注意協(xié)方差矩陣建議用歷史日度收益數(shù)據(jù)計算也可以用 EWMA 給近端數(shù)據(jù)更高的權(quán)重單標(biāo)的權(quán)重上限 20% 是常見控制集中度風(fēng)險的約束也可以換成由最大回撤預(yù)算推導(dǎo)出的值。Black-Litterman 模型則是在這個基礎(chǔ)之上把研究者的主觀觀點作為額外輸入調(diào)整先驗收益后重新優(yōu)化讓權(quán)重結(jié)果更貼近實際判斷。風(fēng)險模型的落地也不復(fù)雜。VaR 用歷史模擬法直接在收益序列上取 95% 分位數(shù)CVaR 則取尾部超出部分的均值。這兩個指標(biāo)加進(jìn)組合優(yōu)化里就把“會虧多少”這個約束從定性變成了定量。執(zhí)行策略上我建議每周重算一次協(xié)方差矩陣模型預(yù)測更新時同步觸發(fā)權(quán)重再平衡避免因子信號變化了持倉還停留在舊權(quán)重上。組合優(yōu)化看起來數(shù)學(xué)含量高本質(zhì)上就是一套帶約束的數(shù)學(xué)規(guī)劃邊界和約束設(shè)對了結(jié)果就能直接進(jìn)交易系統(tǒng)。從那以后我每次跑完因子模型的交叉驗證都會強(qiáng)制走一遍“收益預(yù)測 → 風(fēng)險計算 → 權(quán)重生成”的閉環(huán)而不是看完 IC 就收工。模型預(yù)測再好落不成一組滿足風(fēng)險約束的權(quán)重前面所有工作都還是停在紙上。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
色五月激情网| 国产九月婷婷| 99热只有| 天天综合天天做天天综合| 99热最新| 99色色网| 婷婷五月天天爽| 色综合色综合婷婷热| 五月天大香蕉av| www999日韩精品| 678五月丁香亚洲综合| 色综合久久无码| 五月婷婷AV| 丁香五月激情月| 伊人五月天97| 婷婷中文字幕欧美| 亚洲亚洲人成综合网络| 色噜噜狠狠色综合日日| 日韩高清成人| 色五月大| 直接看的av| 激情涩涩网| 91精品无码久久久久久五月天| 玖玖五月丁香| 亚洲av综合网| 五月天丁香成人| 久久五月婷婷综合网| 伊人婷婷大香蕉| 狠狠色激情综合| 狠狠五月激情丁香六月| 五月婷激情影院| 久操香蕉| 热99视频精品在线| 亚洲午夜成人av电影网| 五月天色小说| 五月Huangsewang| 婷婷成人视频| 色999五月色| 99热精品观看| 欧美啪啪9| 激情都市另类| 9久热在线精品| 苗黎美女四级成人版一级二级毛片| 综合色色网| 久久久久久久综合狠狠综合| 99.N在线视频| 精品99视频| 婷婷金品综合视频| 婷婷在线播放| 99亚洲视频| 五月色欧洲| 天天 青草 制服丝袜 在线| 日韩精品无码AV| 91九色PORNY大屁股| A片试看120分钟做受视频红杏| 六月婷婷中文字幕| 丁香五月婷婷基地| 被男人添B超爽视频| 久久人操| 无码人妻丰满熟妇奶水区码| 影音先锋五月婷婷| 超碰成人在线免费观看| 婷婷欧美综合| 欧美欧盟性爱网| 五月丁香婷婷基地| 五月天另类小说亚洲| 噜噜噜噜噜在线| 婷婷的99视频网站| 五月丁香色色综合| 日日干干天天干| 丁香婷婷成人在线播放| 婷婷五月天福利| 色九九九综合| www.9797国产| 少妇丁香婷婷| 激情综合色五月丁香六月亚洲| anquye五月| 韩国三级五月天婷婷。| 久操综合| 国精产品一区一区三区免费视频| 99热www| 在线亚洲综合| 五月婷婷久久久| 激情综合五| 婷婷色色五月天| 思思热闹这里只有精品| www,五月天激情| 十一月婷婷激情四射| 免费黄色AV| 激情五月天婷婷五月天| 狠狠色 综合色区| 亚洲啪啪自拍| 欧美欧盟性爱网| 天天成人五月天| 亚洲操b| 99色综合| 久久婷婷五月综合色欧美| 色激情网| 做爱夜夜干天天操| 欧美丁香婷婷五月| 国产一级片| 激情网 久久| 丁香五月婷婷婷桃花影院| 大伊香蕉玖玖爱| 超碰亚洲天堂| 婷婷丁香五月激情| 九九AV| 九九爱激情| 久久婷婷综合国产| 爱婷婷五月| 久久九九国产精品怡红院| 91九色精品熟女内射| 99在线精品免费视频| 久久久.www| 91色综合网| 丁香六月亚洲| 成人电影一区| 91在线观看www| 99热99精品| 最新精品视频99| 五月天激情婷婷| 99re6久热只有精品6在线直播| 日本黄 色 片| 天天干狠狠操| 伊人久久婷婷| 亚洲黄色av网站| 少妇高潮一区二区三区99欧美| 久久久久人无码人妻| 爱婷婷都市激情| 噼里啪啦在线观看免费完整版视频 | 色综合久久久久| www.日韩艹| 五月婷婷色| 国外亚洲成AV人片在线观看| 91操碰| 欧美综合激情五月天| 激情性爱五月天| 无码激情AAAAA片-区区| 夜夜骑操AV| 狠狠干无码| 色优久久| 色日本丁香婷婷| 国产亚洲色婷婷久久99精品91| 91狠狠色丁香婷婷综合久久精品| 久久网日本| 人人摸人人摸| 色婷综合| 婷婷丁香色情五月天| 激情五月天在线视频| 亚洲黄色av网站| 五月婷无码| 六月丁香婷婷综合狠狠爱夜夜爱| 色99在线看| 五月天色婷婷基地| 91中文狠狠综合| 五月丁香啪啪网| 日日撸夜夜操| 久久区区一二三av| 狠狠草狠狠草| 2021日韩无码| 色婷婷亚洲婷婷| 婷婷综合婷婷| 思思热在线视频99| 色噜噜狠狠狠狠色综合久欧美| 99婷婷五月天| 91丨九色丨东北熟女| 婷婷丁香久久| 色区久久| 久久五月天色婷婷| 97碰碰在线观看视频| 久久五月天影院| 婷婷五月丁香高清无码| 蜜桃五月天| 五月丁色AV| 久草A片| 91天堂网综合| 久操97| 另类 在线| 五月天啪啪| 大香久久综合网| 亚洲丁香五月综合| 无码免费人妻A片AAA毛片西瓜| 国产67194| 色婷婷97| 久久综合热17c| 五月天婷婷社区| 中文字幕 码精品视频网站| 伊人婷婷五月天| 91操操| 99视频内射三四| 99免费偷拍视频| 国产午夜一区二区三区| 久99综合婷婷| 91性高潮久久久久久久久| 狠狠干狠狠色| 久久R激情| 亚洲尤物在线| 美国天天操无码| 丁香五月AV| 免费国产视频| 欧美婷婷| 成人丁香婷婷| 大香蕉久久久久| 五月天激情国产综合婷婷婷| 色婷婷五月天小说网| 色色婷婷综合| 日本一毛片| 秋霞性爱AV| 五月丁香婷婷基地| 五月婷人妻| 久婷婷视平| 婷婷丁香激情| 婷婷午夜激情| 热久综合| 91狠狠综合久久久久久| 五月丁香激情在线| 狠狠爱五月婷婷| 久热这里只有精品6| 五月天激情综合在线| 婷婷五月天网| 五月婷婷色播| 97色色色色色色色色色色色色色| 天久久久久| 久久伊人五月天| 丁香婷婷免费| 久久嘟嘟丁香| 熟妇内谢69XXXXXA片| 亚洲丁香五月美女| 99视频九九热| 天天射网站| 韩国激情五月天综合网| 人妻系列久久久久久久久久久| 亚洲欧洲美女在线观| 草综合14| 熟女重口味αV| 97超喷视频在线观看| 色综合综合色| 天天爽夜夜爽| 五月婷六月综合在线观看| 色色999三级片| 99爽视频| 激情五月婷婷综合视频| 热99这里只是精品| 99碰视频| 久久加勤综合| 内射爽无广熟女亚洲| 99热九九热| 操操操www.com| 国产亚洲成AV人片在线| 最近中文字幕大全免费版在线 | 国产精品日日躁夜夜躁| 久久这里只有精品16| 狠狠色狠狠| 爱99干99| 婷婷五月激情中文字幕| 色99日韩| 玖玖热视频| 色波激情五月天| 99热99色| 激情丁香五月激情婷婷| 就要去操亚洲成人精品五月天丁香婷婷| 久热精彩视频98| 五月丁香婷婷色| 色欲婷婷五月天丁香| 五月丁激情| 欧美五月婷婷| 亚洲旡码| 任你擦免费视频| 婷婷五月花.97| 9久国产精品| 六月丁香婷婷五月| 午夜国产精品AV在线播放| 亚洲中文av| 极品九九九九九九| ou洲色吧| 色激情网| 9精品一区| 玖玖爱伊人网| 日日操夜夜擼| 三十熟女| 色婷插| 五月丁香婷婷综合| 五月丁香| 日本不卡高字幕在线2019| 精品久久99| 色婷婷久久| 五月婷综合网| 99热这里只有精品在线播放| 婷婷伊人久久综合| 狠狠插狠狠| 99热日| 激情婷婷色小说| 国产在线黄色| 久九色| 亚洲网视屏| 五月久久网| 日韩精品一区二区刘| 99玖玖精品| 中文AV网站| 欧美A片在线视频免费观看| 欧洲第一无人区观看| www色婷婷| 婷婷久久五月| 丁香色五月天| 99ree6| 亚洲爆乳无码精品AAA片蜜桃| 五月天成人综合| 色婷婷久久| 久久综合99| 亚洲九区| 亚洲无码99| 亚洲国产精品VA在线看黑人| 91综合视频丁香| 五月婷婷影视| 亚洲顶级VA在线观看-高清完整版在线影院观看-S022AV | 开心五激情网| 在线可以看的av网址| 五月婷婷丁香在线视频| 99综合视频| 久久九九国产精品怡红院| 久久婷婷内射| 婷婷五月天小说网| 丰满老熟妇BBBBB搡BBB| 九九综合九色欧美狠狠| 伊人www22综合色| 99热碰碰热| 激情色色| 中文国产五月天| 五月花婷婷丁香| 婷婷丁香人妻天天| 99在线免费视频| 色,激情五月天| 婷婷丁香人妻天久久| 久久激情综合| 色天五月天在线观看视频| 综合久久高清| 婷婷五月天伊人| 亚洲天堂婷婷| 丁香花五月天激情| 五月婷婷和六月| 色综合色色色色色| 99热99在线| 夜夜穞天天穞狠狠穞AV美女按摩| 波多婷婷久久| 久久女婷| 狠色狠色综合久久| 狠狠操综合| 五夜婷婷| 潮汕成人AV片在线| 九九热这里只有精品7| 激情丁香淫荡婷婷| 丁香五月香蕉| 九九九九九999999| 精品久久9| 丁香欧美| 色播五月丁香| 久久久五月天婷婷| 99热6这里之有精品| 青青草原精品久久| 久久综合丁香激情五月| 超碰五月婷婷五月天| 色噜噜狠狠色综合成人99| 狠狠色丁婷婷日日,伊人激情综合网 | 欧美三级视频下载| 丁香六月天AV| 亚洲AV综合网| 亚洲人成网站999综合| 色五月婷婷在线| 日日夜夜噜噜爽爽| 五月天婷婷综合网| 色综合视频| 激情五月婷婷色综合| 丁香婷婷五月综合| 思思干精品| 99爱99操| 99在线精品在线视频| 成人AV免费观看| 亚洲精品另类| 俺五月| 日本一级特黄大片AAAAA级| 影音先锋激情网| 丁香五月婷婷偷拍| 日韩无码亚欧无码| www.夜夜騎夜夜狠| 成人做爰高潮A片免费视频| 在线资源av-超碰中文在线-成人AV| 六月丁香婷婷开心综合基地| 日日干天天| 五月天婷婷激情在线色图| 天堂综合久久 | 丁香六月久久| 91n网站cad入口在线观看| 亚洲精品网站色视频| 亚洲天堂色色| 狠狠久久婷| 国产26uuu视频| 91精品久久久久久| 丁香九月婷| 久久精品性爱| 免费V片在线| 婷婷伊人久久综合| 无码91中文字幕| 九九热在线观看6| 热久国产| 亭亭色网| 亚洲综合另类| 丁香婷婷色情| 天天爽夜夜操| 99人人操人人爱久久久| 99热在线看片| 久久99精品日本| 色吧五月婷婷| 九月色婷婷综合| 99这里是精品| 97超碰色| 久久久久人妻| 9视频1在线| 色婷婷色五月天| 日韩AC在线免费观看| 亚洲开心激情网| 天天日夜夜| 日日日,com| 九月婷婷久久| 色情五月丁香| 狠狠五月激情在线| 99无码视频| 天堂婷婷五月在线| 国产精品美女久久久久AV超清| 色,激情五月天| 九九热超碰| 91玖玖| 超碰人人艹| 91九色国产在线| 激情文学五月丁香六月婷婷| 99手机在线精品视频| 99综合| 停停综合色色| 五月丁香啪啪| 丁香五月婷婷成人色区| 丁香五月婷婷激情97| 狠狠干在线视频| 青青草五月天| 播播网色播播| 99久在线视频| 99热这里都是精品| 婷婷色狠狠| 国产精品成人网站| 黄色五月婷婷| 综合狠狠五月婷婷| 五月天婷婷激情六月久久 | 啪啪 综合网| 六月婷婷激情| 日日夜夜噜噜爽爽| 天堂综合久久| 六月丁香五月婷婷| 五月天涩涩| 69久久99精品久久久久| 婷婷久草| 激情五月婷婷开心网| 婷婷五月大香蕉| 欧美精品999| 欧美va亚洲va在线播放| 久久婷网| 免费无码毛片一区二区A片| 99色最新在线视频网站| 五月天久久www| 狠狠干五月天| AV人人操| 俺来也综合网精品一区| 色爱爱综合网| 中文资源在线a| 色5在线| 免费在线观看AV网站| 婷婷色正月| 一级性感黄色内射视频| 91性交在线播放| 伊人网啪啪| 五月色丁香综合| 天天檫天天爽| 粉嫩av蜜桃av蜜臀av| 影音先锋女人AA鲁色资源| 精品色色色| 99久久婷婷国产综合精品青桔| 97热91| 婷婷六月色开 | 婷婷五月天视频免费在线观看| 日韩九区| 亚洲乱啪| 99精品国产在热久久| 狠狠干婷婷| 五月婷丁香久久久| 天天射综合网站| 婷婷五月,综合伊人| 99久久99九九九99九他书对| 思思热国产| 综合玖玖性爱免费视频| 91久久综合亚洲噜噜成人在线| 五月丁香| 日韩啪啪网| 99在线精品视频在线观看| 高潮毛片遮挡费高一百度| 日本久碰| 天天爱天天天射AV| 97人人超| 日韩欧美一级大黄网站| 丁香 亚洲 久久| 九九爱看亚洲| 综合久久久| 黄色短视频在线观看| 五月激情天| 99热免费精品| 亚洲色网络| 久久精品小视频| 五月婷丁香| 99九九热视频免费| 日本波多野结衣视频| 日本三级大片| 久久久免费精彩视频| 亚洲色频| 色五月 五月婷婷| 综合婷婷| 天天插天天狠| 激情五月天激情五月天| 婷婷五月天伊人网在线观看视频| 99开心五月五月丁香激情| 欧美啪啪五月天| www.金莲av| 99热精品免费| 婷婷五月天开心网| 色婷婷久久综合| 日韩在线观看亚洲| 狠狠干在线| 九九九九这里只有精品| 激情五月狠狠| 日日操,天天操| 伊人婷婷激情| 第六色在线| 99热日韩这里只有精品| 五月丁香五月丁香| 欧美美女国产日韩一区二区久| 99re免费精品视频| www.婷婷五月天| 天天射天天干天插色综合| 超碰99热精品| 国产日韩av片| 激情五月婷婷综合| 亚洲综合在线伊人婷| Av大香蕉| 国产va在线视频| 亚洲性爱干干| 国产成人AV人人爽人人澡Va| 国产精品扒开腿做爽爽爽A片唱戏| 亚洲综合激情五月久久| 性爱视频99| 97香蕉久久超级碰碰高清版| 91久久久久久| 激情五月婷| 国外亚洲成AV人片在线观看| 色五月丁香com| 九七色色六月丁香| www.久9| 波多野结衣AV无码Porn| 日韩在线9| WWW.天天日| www.99热最新视频8| 色亚洲视频| 美英法精品无码免费视频| 色爱终和网| 狠狠狠狠狠狠狠狠| 久久综合干| 996er热| 亚洲精品色| 天天干天天av天天射 | 色丁香六月| 免费观看的婷婷五月视频在线| 欧洲色| 久久婷婷热| 成人片在线播放| 久久精品99国产精品日本| 91狼友视频在线观看| 五月丁香人妻| 色墦五月丁香| 色综合天天天天做夜夜| 成人欧美日韩| 三十熟女| 中文AV在线观看| 九九热这里有精品视频| 婷婷开心久久| 99久久久免费| 疯狂做受XXXX高潮A片| HD久久精品视频| 久久视频婷婷视频| 婷婷丁香五月噜噜噜| 亚洲熟女色| 天天爽夜夜操| 亚洲精品中文字幕成人片| 欧美va精品va老师va| 久久99这里只有精品视频| 欧美综合五月丁香五月天| 精品99视频| 亚洲精品又粗又大又爽A片| 激情五月天福利| 色色99| 婷婷色成人| 婷婷久久五月| 九热视频在线伦| 五月丁香六月婷婷啪啪| 五月天激情美女久久| 久久总和99| 免费看欧美成人A片无码| 久久9RE热视频精品98| 免费国产VA国产免费| 99热免| 婷婷五月花| 国产午夜精品一区二区| 国产精品国产VA片国产| 99视频在线精品免费观看2| 久久精品熟女亚洲AV麻豆| 久久久人妻不卡| 丁香六月色婷婷| 婷婷五月天AV| 开心激情五月天网| 成人国产欧美大片一区| 婷婷综合五月| 五月天播播中文字幕| 国产看真人毛片爱做A片| 天堂爱啪啪| 深爱激情六月| 婷婷中文字幕| 黄久久久| 五月婷婷AV| 欧美 日韩 人妻 高清 中文| 这里只有精品视频222| 第五色婷婷| 亚洲精品久久久久久久久久飞鱼| WWW,激情五月天,COM| 99视频精品全部观看10| 曰韩五月丁香色婷婷无码| 另类五月婷婷| 色九月婷婷| 99热色婷婷| 激情综合色| 色爱综合网| 99热伊人| 丁香五月综合婷婷| 97人妻碰碰碰久久久久-最近国语高清| 国色天香伊人狠狠色| CHINESE熟女老女人HD视频 | 情色婷婷五月天| 热久久这里只有三级视频| 日日狠夜夜狠| 亚洲综合五月天婷婷| 国产婷婷五月中文字幕高清| 婷婷色色网| 亚洲国产精品成人免费一区久久久在线观看AAAA | 国自产拍偷拍精品啪啪一区二区| 丁香色五月直播| 久热九九| 国产韩日亚洲美州欧亚综合在线| caop在线视频| 精品久色| 久久99视频| 婷婷五月色| 五月色综合| 五月天婷婷色色| 丁香五月Av| 久久久18| 激情五月天视频| 激情婷婷内射| 成人av免费观看| 亚洲精品乱码久久久久久按摩观| 色丁香五月婷婷| 狠狠色五月激情| www狠狠| 欧美色骚婷婷五月天| 六月婷婷色综合| 人人干天天操五月丁香| 亚洲成人无码专区| 五月天婷婷五月| 丁香五月天影院| 情久久综合五月天| WWW·色色色·COM| 色激情五月| 深爱女色婷婷丁香五月亚洲图区| 91日韩在线| 免费日韩99| 狠狠精品干练久久久无码中文字幕 | 色五月天婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷 | 天天天天天操| 九九色网| 人妻精品一区二区三区| 五月婷婷99热| 91丨九色丨东北熟女| 亚洲电影在线观看| 精品三区影院| 日韩在线一级| 亚洲欧美婷婷五月色综合| 99热99热在线观看| 变态另类色图| 日本91在线| 在线,国产,色,热视频| 日本在线播放97| 激情五月丁香亭亭| 亚洲中文字幕av| 国自产拍偷拍精品啪啪一区二区| 91久久婷婷人人澡草| 丁香六月| 思思热在线观看| 成人精品99| 色色激情网| 国产FREESEXVIDEOS性中国 | 久久精彩视频18| 五月丁香综合激情| 國語久久婷| 亚洲深喉aV| 久久婷婷视频| 色婷婷五月天天天天天天天天天| 丁香六月天婷婷| www色色com| 婷婷无码视频| 在线播放中文字幕| 中文字幕有多少字| 五月婷婷综合在线| 天天粽合合合合| 日本在线99| 成人片黄网站色大片免费毛片| 婷婷五月天小说网| 精品一区二区三区四区五区六区介绍| 丁香婷婷久| 久久久97| 五月婷婷啪啪| 丁香五月激情综合在线观看| 97在线/亚洲| 九月婷婷在线视频| 开心五月网| 亚洲欧美一区二区三区四区爱爱动图| 欧亚色色| 91人人网| 一区=区操屄高清大全av| 中文字幕成人影视| a久久免费视频| 久久五月天精品视频| 精品99在线观看| 免看黄大片AA | 婷婷丁香成人| 激情五月久久| 久久这里99| 色波激情五月天| 五月丁香激| 一本色道久久综合狠狠躁一二三| 久久久久9| 99热最新精品| www.操.com| 色情一区二区播放| 【乱子伦】黄色| www.久久久久久久| 婷婷六月色情| 97超碰免费超级在线观看| 精品久久久人妻| 激情九色| 最新va在线播放| 亚洲AV成人无码久久精品老人法拉利| ji'qing'luan'ren'lun| 丁香五月婷婷啪啪| 欧美色九| 丁香五月婷婷亚洲色图| 亚洲成人av在线观看 | 五月丁香婷婷综合网| 婷婷五月天午夜激情影院| 性色做爰片在线观看WW| 99热这里只有精品9| 婷婷色五月开心五月| 黄色激情五月天| 婷婷香五月综合激情| 三十路磁力链接| 激情涩涩网| 九九热10| 99爱免费在线观看| 天天 青草 制服丝袜 在线| 欧美在线视频99| 激情伊人| 国产韩日亚洲美州欧亚综合在线| 欧美三日本三级少妇三99| www色婷婷com| 99热天堂| 久久久久久久久99精品| 國語久久婷| 婷婷色九月| 99色热视频| 亚洲激情AV| 丁香婷婷久久 | sS丁香五月婷婷| 亚洲色9| 激情q青青草在线婷婷| 丁香九月综合| 六月丁香婷婷网| 精品综合久久久久久五月天| 五月丁香综合久久| 五月丁香六月花| 色区域网站视频| 四色99久久| 99热成人| 九九综合伊人| 日本色婷婷| 亚洲乱码日产精品BD| 九九爱激情| 伊人激情网| 婷婷色五月天色| 色色免费网站| 激情综合五月激情17| 婷婷性爱无码视频| 99视频只有这里精品| 天天干天天干天天操| www.91九色| 色播五月丁香| 国产伦亲子伦亲子视频观看| 91五月花丁香| 亚洲婷婷综合视频| 五月丁香好婷婷A片网| 五月丁香影视| 丁香六月婷| 久久婷五月| 六月丁丁香| 奇米色大香蕉| www.五月丁香| 全亚洲最大的婷婷五月天网站COM 丁香五月婷婷狠狠色 | 99ri视频在线播放| 97啪啪| 丁香五月激动深爱欧美| 激情五月天情色| 最新av在线观看| 无码一区二区三区四区五区| 狠狠干思思热| 综合激情五月婷婷| 在线播放中文字幕| 久草婷| 久久精品9| 五月婷婷中文网| 色婷婷www| 国产精品爽爽久久久久久| 五月丁香色| 色婷丁香91| 东京热伊人| 婷婷丁香五月天色区| 97婷婷五月| 日本一道久久| 操B视频在线播放| 五月婷婷六月丁香在线| 婷婷五月丁香基地| 久久久久久久,99精品视频| 大香蕉五月天婷婷丁香91| 五月天婷五月天综合网小说首页-五月天激激婷婷大综合,婷婷亚洲综合五月天小说 | 《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 | 五月天婷婷基地| 九 九九九AV| 丁香伊人网| 婷婷五月天激情视频| 久9热视频| 五月丁香六月片| 秋霞A V毛片| 国产VA亚洲VA96| 人人播| 婷婷丁香黄色| 亚洲色婷婷99一9|| 五月婷婷深深爱| 色色色色色色综合网| 色九月婷婷综合| www狠狠| 97碰在线视频| 婷婷五月天精品| 思思热在线视频99| 久久激情五月婷婷| 亚洲国产网址| 久久激情综合| 大香蕉五月婷婷| 91干在线视频| 啪啪啪啪五月天| 九九99久久| 欧美久人人| WWW色五月天| 国产激情AV| 自拍视频99| 五月婷婷视频ab| 五月激情六月丁香| 激情四射婷婷| 亚州操人在线视频| 国产成人精品一区二区三区视频 | 色婷婷成人| 伊人网啪啪| 丁香美女主播视频在线观看| 99精品在线播放| 六月丁香大香蕉| 激情五月天无人视频在线| 51精品国自产在线| 91精品综合久久久久久五月丁香| 五月天丁香综合久久国产| 婷久久久| 五月天久久成人| 综合色播| 无码se| 久久九九网| 亚洲人人操| 欧美丁香婷婷五月| 好叼操在线观看| 九九综合精品| 午夜天堂啪啪| 日本色频| 九九热视频这里只有精品| 久热AA| 五月亭亭六月天| 欧美三级大片AA在线看| 五月天伊人手机在线播放AV| 色吧婷婷五月亚洲| 啪啪五月天啪啪| 日本少妇裸体做爰高潮片| 狠狠色噜噜狠狠色噜噜噜999| 国内外色色色色色成人视频| 亚洲精品中文字幕成人片| 五月天激情无码专区| 99久久欧美| 婷婷五月天激情五月天网站| 丁香五月婷婷综合激情哟哟哟| 思思热在线视频99| 丁香五月激情图片婷婷| 五月情涩综合婷婷| 99热超碰人| 狠狠色婷婷777| www.婷婷久久五月天| 99这里只有精品在线| 国产精品第一国产精品| 伊人丁香婷婷东京| 久9综合| 成人性爱无码| 超碰国产AV| 色色色在线观看| 99人人干| 天天色视频| 91精品电影18T| 丰满老熟妇BBBBB搡BBB| 草草色情综合网| 激情丁香五月婷婷啪啪| 琪琪色网址| 狠狠色噜噜狠狠狠888| 亚洲AV无码成人精品区电影网| 欧洲色色| 玖玖综合色| 丁香五月激情五月| 99热首页在线30| 色色婷婷综合| 91精品久久久久、久五月天| 色天使色婷婷| 大香网伊人久久综合| 五月婷人妻| 99丁香五月| 停婷丁五月在线| 婷婷五月天激情综合| 欧美性爱五月天| 天天夜天天色天天| 三级毛片7979| 婷婷久久五月天| 日韩乱玛久久| 婷婷五月,偷窥偷拍网| 色色五月丁香婷婷| 亚洲激情丁香五月基地| 大香蕉视频婷| 另类激情综合| 五月丁香婷婷国产精品综合| 99超级超级超级碰| 婷婷射丁香| 天天日夜夜草进麻麻的子宫| 97伦色婷婷| 99热老司机| 毛片新网地| 99色在线观看视频| 国产在线aaa片一区二区99| 五月天激情无码专区| 色五月天堂| 深爱激情综合| 五月综合激情图片| 九九超日本| 色婷婷成人| 久久婷婷丁香六月天| 1024成人在线观看| 99玖玖在线视频| 青草久久五月婷伊人| 岛国资源站| 久久免费精彩视频| 色五月婷婷小说亚洲中文字幕组| 婷婷六月丁香开心深深爱| 婷婷亚洲在线| 亚洲最大视频| 99操逼| 他改变了拜占庭| 丁香五月综合网| 操操人人| 久热a| 日日噜狠狠| 国产3p露脸普通话对白| 五月天开心网| 99 热| 五月天之色情综合网| 91Chinese在线| 欧美日韩成人在线网| 天天综合图片| www.五月婷婷久久.com| 亚洲182在线观看| 超碰在线人妻| 婷婷六月色| 激情久久综合网| 婷婷久久网| 91九色中文| 激情涩播| 99热爱爱干干日| 色在线视频网2025| 丁香伊人综合| 天天色天天搡| 婷婷欧美激情| 亚洲成人精品三区| 久久婷五月天| 91丨九色丨东北熟女| 五月婷婷丁香网| 丁香五月婷婷激情视频播放| 五月婷在线| AV动漫不卡无码免费| 色99久草在线| 搡BBBB搡BBB搡18 | 色五月天电影| 超碰人人在线| 六月天婷婷| 色欲资源网| 伦乱美欧| 久九色| 99久在线精品99re5热视频| 国产美女无遮挡裸体毛片A片 | 夜夜爽日日躁| 翔田千里aV中文字幕| 婷婷涩五月| 天天综合 99久久婷婷| 久久蜜臀婷婷| 91男人资源站| 丰满少妇乱A片无码| 激情小说五月天| 小视频久久久aaa| 成人网址在线观看| 激情性爱五月| 玖玖爱综合网| 国产中文字幕在线视频免费观看| 欧美精品狠狠色丁香婷婷| 国产真人做爰视频免费| 99热在线观看| AA丁香综合激情| 丁香五月天视频| 开心五月网| 99在线免费观看| 99视频精品在线| 五月婷久久| 九色91国产| 99色看| 岛国av电影网站| 久热这里只有精品66| 91啪级电影| 夜夜噜夜夜奇| 五月婷婷伊人久久| 六月五月久久丁香| 久久丁香五月婷婷| 视色综合| 狠狠干无码| 99热97| 激情五月婷| 九九操操| 啪啪一区| 免费视频WWW在线观看网站| 国产精品91抖高| 99久久婷婷国产综合精品电影| 丁香婷婷综合影院| 超碰A V在线| 久久五月婷婷丁香| 中美月韩免费A片| 五月天激情综合网俺也去| 九九色热| www.色婷婷。com| 五月花婷婷最新| 久久人妻伦理| 99热66| 亚洲无码色色| 专区无日本视频高清8| av操B网站| 91oumei| 五月天激情影院| 女性自慰系列第五页| 五月丁香在线婷婷蜜桃| 国产婷婷五月天| 99国产精品久久久久久久久久久 | 激情丁香五月天| 91.com男女操| 日韩啪啪网| 大香蕉久久视频久久视频| 久艹伊| 成人在线视频网| 99精彩视频在线观看| 婷婷五月天激情在线| 亚洲综合视频网| www婷婷| 激情六月婷婷啪啪| 超碰99热精品| 欧洲婷婷五月天| 久久精品视频9| 99操久久| 亚洲中文字幕av| 色婷婷yy久| a在线免费v| 久久性爱视频免费| 天天舔天天摸天天射| 日日夜夜爽| 色欧美影院| 婷婷精品视频| 亚洲av电影网站| 日本久久人| 天天粽合合合合| 久久爱婷婷| 亚洲色五月| 伊人青涩网| 人人爱干人人爱草| 天天爽天天摸人妻综合网| 99精品在线播放| 五月天丁香婷婷网| 色情丁香五月婷婷精品| 国产Va视频| 日韩av在线免费观看| 国产美女无遮挡裸体毛片A片| 97操碰人人| 久久这里只有精品07 | 99热网精品| 丁香五月人妻| 天天日婷婷| 大香网伊人久久综合| 久草x色在线观看99| 亚洲无码播放| 色婷视频| 久久怡红院| 九九久久高清| 激情五月综合免费| 五月天啪啪视频| 操操综合网婷婷| 亭亭丁香aV| 五月激情偷拍| 福利视频在线播放| 狠狠色狠狠爱| 五月婷婷成人网首页| 成人五月丁香社区| 人操综合| 婷婷爱综合| 五月婷婷丁香大陆免费| 久久44| 天天天天天天天干| 丁香五月天激情网址| 九九热精品| 国产高潮A片羞羞视频涩涩| 九色七七| 五月久久丁香| 五月丁香影视| 99超级碰碰| 婷婷久久亚洲| 国产99久久久国产精品免费看| 91在线操| 丁香五月 六月婷婷首页| 亚洲这里只有精品| 亚洲无码成人网| 99视频热| 六月激情网| 一本久道综合99| 五月天婷婷伊人| 五月亭亭开心网| 成人网在线视频| 亚亚州久久高潮| 99丁香婷婷综合网| 玖玖色资源站| 婷婷综合激情| 久久婷婷久久| 狠狠做深爱婷婷久久综合一区| 激情人妻蜜夜系列区| 激情五月天激情网| 天天插天天插天天插天天插| 婷婷久久图片| 婷婷五月天激情基地| 2018国产大陆天天弄| www久久久| 欧美99| 亚洲AV日韩无码| 五月天婷婷网站888| 激情婷婷网| 5月丁香六月情| 激情五月天丁香| 91色逼| 人人草人人舔| 婷婷五月色花丁香社区| 婷婷伊人久久综合| 久久99最新地址| 色小说五月婷婷| 成人无码精品1区2区3区免费看| 99精品这里只有免费视频| 79精品视频在线观看,| 色色综合网站| 人人操99| 久碰视频| 日韩成人av在线| 久久9视频| 天天射影院| 开心婷婷五月激情网小说| 激情婷婷| 成人色五月天| 国产婷伊人| www,五月丁,com| 九色99视频| 日日日日操| 中文字幕精品推荐免费在线观| 天天操天天操天天操天天操天天操天天操天天操天天操天天操 | 欧洲第一无人区观看| 色欲日日躁| 久久精品99国产精品日本| 婷婷五月天777| 五月婷婷香蕉视频| 狠狠五月天激情| 99热在线网站| 色婷婷小说网| 六月婷婷激情图片| 99福利视频| 色综合久网| 色综合色五月| 五月久久五月激情| 国产日韩精品SUV| 狠狠狠狠操| 五月天婷婷久草丁香| 日韩无码色色| 激情六月丁香| 久久丁香| 亚洲成人乱码av网站| 五月丁香偷拍| 欧美99视频| 久久丁香五月婷婷激情综合网| 亚洲第一成人无码A片| 天天摸色吧天天摸色吧| 天天肏在线观看| 99色在线| 69色色视频| 日韩色色一区| 免费观看的av| 玖玖精品视频99| 五月婷久草| 大香蕉婷婷| 五月婷高清视频| 色婷婷女优有码五月亭| 五月综合激情| 嫩草综合网| 九热视频精品| 99爱这里只有精品免费视频| 婷婷免费无视频| 国产婷婷五月| www.超碰在线| 天天综合社区| 激情文学久久| 99精品视频播放| 超级碰碰91| 毛片新网地| 婷婷久久18| 无遮挡国产高潮视频免费观看 |