金融科技与商业银行系统性风险.docx

上传人:夺命阿水 文档编号:372520 上传时间:2023-04-28 格式:DOCX 页数:11 大小:104.57KB
返回 下载 相关 举报
金融科技与商业银行系统性风险.docx_第1页
第1页 / 共11页
金融科技与商业银行系统性风险.docx_第2页
第2页 / 共11页
金融科技与商业银行系统性风险.docx_第3页
第3页 / 共11页
金融科技与商业银行系统性风险.docx_第4页
第4页 / 共11页
金融科技与商业银行系统性风险.docx_第5页
第5页 / 共11页
点击查看更多>>
资源描述

《金融科技与商业银行系统性风险.docx》由会员分享,可在线阅读,更多相关《金融科技与商业银行系统性风险.docx(11页珍藏版)》请在课桌文档上搜索。

1、金融科技与商业银行系统性风险上海交通大学汪佳琦,王佑真,李亦涵,龚沛承(1.金融系,安泰经济与管理学院,上海交通大学,上海市邮编200030:2.金融系,安泰经济与管理学院,上海交通大学,上海市邮编200030;3 .金融系,安泰经济与管理学院,上海交通大学,上海市邮编200030;4 .金融系,安泰经济与管理学院,上海交通大学,上海市邮编200030)指导教师:覃筱副教授中文摘要:文章研究金融科技的发展对金融系统性风险的影响和渠道。针对我国48家商业银行,通过新闻文本挖掘法,构建银行层面的金融科技指数,并采用“去一法”度量系统性风险。基于政策冲击的准自然实验发现,对于国有制和股份制银行而言,

2、金融科技与系统性风险呈“倒U型”关系。在发展初期,金融科技会增加系统性风险:随着金融科技的进一步发展,则会降低系统性风险。机制分析表明,风险承担行为在金融科技对系统性风险的影响过程中存在中介效应。英文摘要:ThearticlestudiestheimpactandchannelsofFinTechdevelopmentonfinancialsystemicrisk.Basedon48commercialbanksinChina,thearticleappliesthenews-basedtextminingmethodtoconstructaFinTechindexatthebanklevel

3、,andappliestheLeave-One-Oulmethodtomeasure(hesystemicrisk.Thequasi-na(uralexperimentbasedonapolicyshockshowsthatforstate-ownedandjoint-stockcommercialbanks,therelationshipbetweenFinTechandsystemicriskperformsasan“invertedUshape.IntheearlystageofFinTechdevelopment,FinTechincreasessystemicrisk.Withfur

4、therdevelopmentofFinTech,itdecreasessystemicrisk.Basedonmechanismanalysis,itisfound(hat(hebankrisk-takingbehaviorrepresentedhasamediatingeffecton(heimpactofFinTechonsystemicrisk.关键词:金融科技;系统性风险;传染风险;文本挖掘;商业银行国家级大学生创新创业训练计划支持项目()。文章入选2021年中国金融学年会和2021年金融系统工程与风险管理年会,并做宣讲,感谢与会者的有益讨论。作者简介:汪佳琦(1999-),女,上海

5、人,就读于上海交通大学金融学专业,大四年级,研究方向包括金融科技;王佑真(2000-),女,江苏泰兴人,就读于上海交通大学金融学专业,大四年级,研究方向包括金融系统性风险:李亦涵(2000-),女,上海人,就读于上海交通大学金融学专业,大四年级,研究方向包括金融科技;龚沛承(2000-),男,上海人,就读于上海交通大学金融学专业,大四年级,研究方向包括金融系统性风险。一、引言过去十多年,我国在金融科技领域经历了蓬勃发展。2010年,中国人民银行等五部委首次印发了促进科技和金融结合试点实施方案,提出了金融科技发展的指导思想和基本原则,促进金融资源与科技资源的对接,开启了我国金融科技发展的序幕。央

6、行于2017年正式成立了金融科技委员会,对金融科技的发展提供战略规划与指导,并且发表了中国金融业信息技术“十三五”发展规划,极大促进了金融科技的快速发展。2018年,央行等六部委批准了10个省市为期一年的金融科技试点,重点推进分布式、云计算、API等技术的应用。然而,金融科技在提高金融体系整体运行效率、拓展金融业务触达边界和提升普惠金融服务的同时,在风险层面可能造成的影响不容忽视,关系到实体经济的健康发展和人民生活福祉。2020年10月,国务院金融稳定发展委员会专题会议指出,“当前金融科技与金融创新快速发展,必须处理好金融发展、金融稳定和金融安全的关系:中共中央同样在十四五规划中进一步强调,我

7、国要“维护金融安全,守住不发生系统性风险的底线”。金融科技于金融风险而言是一把双刃剑。一方面,银行可以更好的甄别和监控客户风险;另一方面,金融科技又可能带来战略风险、操作性风险、网络风险、合规风险等核心风险。同时,由金融科技引发的金融风险具有明显的系统性特征。首先,一些金融科技产品由于自身特点具有较高同质性,可能造成不同银行在资产端和负债端的相似性和关联性,易受到共同冲击的影响,也易发生传染。其次,商业银行和科技公司竞相发展金融科技,竞争加剧可能改变商业银行的风险承担行为。最后,不同类型的商业银行具有不同的金融科技发展模式,可能导致对其系统性风险的不同影响。本文旨在研究我国商业银行金融科技发展

8、对系统性风险的影响和渠道。针对我国48家商业银行,首先构建了银行层面的金融科技发展水平、系统性风险贡献指标。然后利用面板数据回归研究金融科技发展与系统性风险的关系,并探讨个体风险和传染风险等传导路径。最后通过中介效应分析,对竞争和银行风险承担行为等可能的影响渠道进行探究。本文的主要贡献在于三个方面:一是基于CSMAR新闻构建了银行微观层面的金融科技指数;二是提供金融科技发展与系统性风险之间存在非线性关系的证据;三是验证了银行风险承担行为在金融科技对银行系统性风险的影响中的中介效应。本文对于实现“牢牢守住不发生系统性风险的底线的国家战略目标具有一定的理论意义和现实价值。二、指标构建选取我国48家

9、商业银行年度数据作为样本,时间跨度为2013年2020年。样本包含国有银行、股份制银行、城商行、农商行四大类银行,样本银行的总资产占我国银行业总资产的68%。数据来源于CSMAR新闻数据库、银行财务数据库、BankFoCUS数据库。(一)金融科技发展指数基于新闻数据,采用文本挖掘法衡量金融科技发展水平。通过三个步骤得到金融科技指数:(1)建立初始词库(表1);(2)年度词频统计;(3)运用因子分析法构建指数。我国金融科技的发展,从早期互联网金融、支付清算,逐渐向核心科技转变(图1);早期热词以互联网金融为主,近期热词以大数据、人工智能、区块链和云计算为主(图2)。表1金融科技词库维度关键词人工

10、智能(A)人工智能人脸识别生物识别指纹识别分布式技术(B)区块链联盟链测试链互联链智能合约智能投顾云技术(C)云计算云架构云服务云金融数据应用(D)大数据数据层数据集数据流门户聚合物联网(IOT)移动互联网线上生态系统(EeOS)开源技术API开放银行支付清算(PC)B2BP2P数字货币数字认证500001201820192020数据应用(D)450-4003500030025000200-IO(XX)500002013物联网(IOT)人工智能(A)分布式技术(B)云技术(C)生态系统(EcoS)支付清算(PC)15000图1金融科技七大维度的目标文章总量L互联罔线上PaP大数据.移动云除一*

11、2013 年人工智能移动线上吃E大数据e2017年卬触口互联网声(安人工智能,2Z生定开放华q人埠汉用V -大数据凶不:区块链2020年图2我国金融科技发展的热词变化图从金融科技发展指数来看,我国四大类商业银行总体金融科技发展水平在2016至2020年呈上升趋势,金融科技发展水平由高至低依次为:国有银行、股份制银行、城商行和农商行(图3)。2016年十三五国家科技创新规划中强调科技与金融结合更紧密并完善科技与金融结合机制,大大促进了金融科技水平的发展。0.60.50201320142015201620172018201920200.40.30.10.2大型国有商业银行全国性股份制茴业银行城市商

12、业银行农村商业银行图3我国四大类银行金融科技发展指数(-)系统性风险贡献采用Campolongo等(2012)提出的银行系统性风险概率分布的SYMBOL模型,结合Zedda和Cannas(2020)提出的“去一法”分别对每家商业银行对金融系统的风险贡献进行测量。通过四个步骤得到系统性风险指标:(1)计算隐含违约率;(2)模拟银行损失;(3)计算破产银行损失对其他银行的传染效应:(4)将每个银行造成的系统性风险进行拆分。20132020年,我国商业银行的系统性风险贡献呈上升趋势(图4)。图4我国商业银行的系统性风险贡献三、实证分析(一)基本回归1 .模型设计为了研究我国商业银行金融科技发展水平与

13、系统性风险及其两个组成部分(各银行个体风险和银行间的传染风险)之间的线性或非线性关系,分别以SYS、SYS_S和SYS_F作为被解释变量RISK,设计下列基本回归模型:RISKit=a+FTit+CONTROLit+BANKi+YEARt+(1)RISKit=a+FTit+F阴+CONTROLii+BANKiYEARt+(2)其中,BANK为银行个体固定效应,YEAR为时间固定效应,8为模型误差项,CoNTRoL为控制变量。本文实证分析部分的变量和来源见表2o表2实证分析的变量员型会交斜号定义攻掘火总展琳杼佥量系统性风哙SYS系统住风哙取对数作者的计口个体*险SYSS个体照险以的融传染*险SY

14、v传染风险以对数金融H技指数FT金Mt科技指数作者的H口并切交量LNASSET银行年末总钱产的日然对数BaUkFoCUS数IU,CSMAR数第柞贷款准备金率LLR贷款准备金,总贷款之比存贷比LDR总存款总贷款之比流动性比率IJQUlDITY流动性责产叮年末总责产之比CiR总成本叮总收入之比资产收益率ROA净收入与年末总资产之比资本充足率CAP_RWA总资本与风险加权资产之比中介变量Lenier指数Lerner银行产出价格与边际成本之差和产出价格之比作者的计算不良贷款率NPL不良贷款率CSMAR数据库银行年报2 .基本回归结果对于整体银行数据而言,金融科技发展水平对系统性风险和个体风险的影响为正

15、向但并不显著(表3)。对于控制变量而言,回归结果基本与现有文献吻合。大银行对系统性风险的贡献更大,符合“大而不倒”理论;银行吸收风险的资本越充足,系统性风险和个体风险越低。表3商业银行金融科技发展水平与系统性风险的关系:基本回归SYSSYS_SSYS_FSYSSYS_SSYS_FFT0.0750.0730.0020.6470.6420.005(0.439)(0.427)(0.977)(1.56)(1.551)(0.945)FT2-0.659-0.656-0.003(-1.514)(-1.509)(-0.595)LNLASSET0.863*0.863*00.85*0.851*-0.001(13.

16、778)(13.807)(-0.617)(13.485)(13.514)(-0.69)LLR6.634*6.673*-0.0396.46*6.5*-0.04(3.148)(3.172)(-1.461)(3.067)(3.091)(-1.49)LDR-0.091*-0.09*-0.001-0.085-0.084-0.001(-1.741)(-1.726)(-137)(-1.635)(-1.621)(-1.324)LIQUIDITY-0.241-0.2450.004*-0.223-0.2270.004*(-1.39)(-1.415)(1.795)(-1.288)(-1.313)(1.829)CIR

17、-0.081-0.0860.005-0.07-0.0760.005*(-0.31)(-0.332)(1.641)(-0.271)(-0.293)(1.654)NIM0.0140.01400.0110.0110(0.432)(0.441)(-0.654)(0.338)(0.348)(-0.689)ROA0.0430.0430.0010.0430.0430.001(0.642)(0.635)(0.64)(0.642)(0.635)(0.639)CAP_RWA-l.75*-1.744*-0.006-1.893*-1.886*-0.006(-2.163)(-2.16)(-0.54)(-2.329)(-

18、2.324)(-0.605)调整R20.7250.7260.0520.7270.7280.053表注:括号中为1统计量或Z统计量,其中固定效应模型采用统计量,随机效应模型采用Z统计量。*,*.*分别表示在1%、5%和10%水平下显著。3 .异质性分析对样本内的48家商业银行,按照国有银行、股份制银行、城商行、农商行及其两两组合进行分类。研究发现,仅对于国有银行和股份制银行的组合,金融科技发展水平对系统性风险的影响显著。从解释力度上看,本基础模型对系统性风险和个体风险解释性极好,对传染风险则一般(表4)。表4银行的异质性影响(国有银行和股份制银行)SYSSYS_SSYS_FSYSSYS_SSYS

19、_FFT0.192*0.183*0.012*0.532*0.509*0.031*(3.067)(2.976)(3.999)(3.642)(3.536)(4.657)FT2-0.366*-0.351*-0.02*(-2.553)(-2.483)(-3.169)LN_ASSET1.021*1.021*-0.0021.014*1.014*-0.004(45.468)(45.995)(-0.61)(44.526)(45.106)(-1.05)LLR-5.007*-4.878*-0.195*-5.119*-4.979*-0.183*(-3.411)(-3.369)(-2.277)(-3.5(-3.463

20、)(-2.243)LDR-0.38*-0377*-0.007*-0363*-0361*-0.006*(-5.349)(-5.397)(-1.89)(-5.221)(-5.26)(-1.802)LIQUIDITY-0.318*-0.336*0.025*-0.306*-0.324*0.027*(-1.974)(-2.11)(3.008)(-1.921)(-2.065)(3.422)CIR0.3030.2870.0070.377*0.3580.007(1.38)(1.324)(0.484)(1.707)(1.641)(0.519)NlM0.087*0.084*0.002*0.085*0.083*0.

21、002*(3.908)(3.85)(2.178)(3.906)(3.843)(2.105)ROA0.0820.0770.008*0.0750.0710.007(1.396)(1.338)(1.722)(1.271)(1.212)(1.524)CAP_RWA-5.347*-5.339*0.014-5.45*-5.443*-0.001(-6.432)(-6.517)(0.326)(-6.606)(-6.689)(-0.02)调整R21.0001.0000.4941.0001.0000.546表注:同表3。对于国有银行和股份制银行,金融科技发展水平(FT)与系统性风险的关系曲线呈倒U型(图5),说明

22、当商业银行金融科技发展水平较低时,发展金融科技会冲击银行的现有业务,如当大数据、云服务、人工智能等技术进一步渗透金融领域时,对传统银行中间业务的替代效应将显著增加,此时金融科技水平的上升会加重银行的个体风险和系统性风险;而当商业银行金融科技发展水平到达一定程度时,金融科技对银行传统业务的冲击已经结束,发展金融科技给银行系统的健康发展带来了更多优势,从而导致其系统性风险与个体风险降低。图5金融科技与系统性风险的“倒U型”关系(二)中介效应分析1 .模型设计选择中介变量Lemer指数LerTIerit和不良贷款率NPLH分别对其在金融科技与系统性风险之间发挥的中介效应进行检验,控制变量和基本模型-

23、致。使用温忠麟等(2004)所提到的中介效应检验程序,将分别根据下列方程进行回归,通过估计参数结果判断是否存在中介效应。PathA(系统性风险&金融科技发展水平):SYSit=+SiFTit+夕2F号+n1CONTROLit+Banki+lt(3)PathB:(中介变量&金融科技发展水平):Xu=a+1FTit+02F瑶n1CONTROLit+Banki+it(4)PathC:(系统性风险&中介变量&金融科技发展水平):SySiC=a+AlXit+BiFTit+BzFT%+TllCONTRoLit+Bcinki+毗(5)其中,SySi,表示商业银行系统性风险,X辽表示中介变量,F%表示商业银行

24、金融科技指数,F号表示商业银行金融科技指数的平方项,CoNTRoLit表示所有控制变量,8加发表示商业银行的个体效应。2 .中介效应结果以Learner指数为中介变量,Pathe中的系数的不显著,根据检验流程进行Sobel检验,结果均不显著,对于国有银行和股份制银行,LerneI指数在商业银行金融科技和系统性风险之间不存在中介效应(表5),以不良贷款率为中介变量,模型在PathA、B、C中回归系数均显著(表5)。对于国有银行和股份制银行这个整体而言,不良贷款率在金融科技与系统性风险之间存在部分中介效应。金融科技本身会直接对系统性风险产生部分影响,且二者关系呈现“倒U型”。此外,金融科技水平同样

25、也会对银行的不良贷款率产生影响。回归系数表明在金融科技水平初步上升时,商业银行的不良贷款率会有所下降。随后,不良贷款率会将该影响传递至系统性风险,增加银行的系统性风险。这符合邱志刚等(2020)所进行的定性研窕结论,金融科技中大数据技术可以利用传统信贷模式中所没有的信息,改善金融机构的风控能力。但在金融科技发展至一定程度时,随着金融科技的发展,商业银行的不良贷款率会有所上升,这可能通过变相推动利率市场化从而改变银行负债端的结构,导致银行资产端的风险承担偏好上升。表V:中介效应检验中介变量路径%PathA0.532*-0.366*(3.64)(-2.55)Lerner指数PathB0.003*-

26、0.002*(2.91)(-2.33)PathC13.7230.535*-0.349*(-0.81)(330)(-2.30)PathA0.532*-0.366*(3.64)(-2.55)不良贷款率PathB-1.811*1.113*(-3.94)(2.42)PathC-0.077*0.370*-0.264*(-2.55)(2.37)(-1.82)()内生性和稳健性检验1 .内生性检验为了解决模型中可能存在的内生性问题,基于我国金融科技领域的一项重要政策展开准自然实验,采用双重差分法(DID)对政策冲击进行回归分析。根据构造的金融科技指数可见,央行成立金融科技委员会的2017年,我国各类商业银行

27、的金融科技发展水平开始快速上升。可以认为,该委员会的成立及此后当即发布的诸多政策大大促进了金融科技在我国商业银行中的发展,两者高度相关。因此,2017年被称为我国科技金融的元年,可作为政策冲击的开始时间。参考现有文献的一般做法【,以2017年之前金融科技指数的中位数为划分标准,将指数高于该中位数的样本银行划分到高水平组(实验组),其他银行划分到低水平组(对照组)。在双重差分模型中,新增政策虚拟变量TREATED(实验组=1,对照组=0)、时间虚拟变量PoST(2017年及以后=1,2017年以前=0)以及两者交互项TREATED*POST,控制变量保持不变,分别以SYS、SYS_S和SYS_F

28、作为被解释变量RISK,针对已建立显著性正相关性的国有银行和股份制银行的组合建立回归模型。政策虚拟变量和时间虚拟变量的交互项TREATED*POST的系数在1%的水平上显著为正,证实了金融科技的发展确实对大型银行的系统性风险以及个体风险有显著的正效应(表6)。2 .稳健性检验使用基于百度数据库构建的FinTeCh指数作为解释变量,控制变量保持不变,分别以SYS、SYS_S和SYS_F作为被解释变量RISK,针对已建立显著性正相关性的国有银行和股份制银行的组合建立模型进行稳健性检验。结果对基于百度数据库构建的金融科技发展水平的替代指标全部稳健(表7)。表6内生性检验SYSSYS_SSYS_FTR

29、EATED*POST0.076*0.072*0.004*(4.04)(3.90)(4.83)LN_ASSET1.018*1.018*-0.003(48.44)(49.01)(-0.88)LLR-5.833*-5.662*-0.198*(-4.10)(-4.03)(-2.40)LDR-0.310*-0.310*-0.002(-4.38)(-4.43)(-0.54)LIQUIDITY-0.320*-0.336*0.024*(-2.09)(-2.23)(2.96)CIR0.2800.263-0.002(1.36)(1.29)(-0.13)NIM0.010*0.096*0.003*(4.6)(4.51

30、)(3.00)ROA0.010*0.093*0.009*(1.77)(1.69)(2.08)CAP-RWA-5.190*-5.203*0.038(-6.97)(-7.07)(0.92)调整R20.9930.9930.265表7稳健性检验SYSSYS_SSYS_FFT0.277*0.264*0.019*(3.22)(3.12)(4.05)LN_ASSET1.028*1.028*-0.01*(44.67)(45.19)(-2.05)LLR-5.15*-5.01*-0.134(-3.46)(-3.41)(-1.58)LDR-0.31*-0.31*-0.003(-4J6)(-4.23)(-0.79)L

31、IQUIDITY-0.285*-0.305*0.022*(-1.77)(-1.93)(2.69)CIR0.3340.316-0.003(1.49)(1.43)(-0.24)NIM0.081*0.078*0.002*(3.60)(3.56)(1.72)ROA0.158*0.15*0.009*(2.39)(2.30)(1.91)CAP_RWA-5.189*-5.185*0.039(-6.29)(-6.38)(0.93)调整R20.99180.99190.496表注:同表3。四、结论与建议对于国有银行和股份制银行,金融科技发展水平与系统性风险的关系曲线呈倒U型,即当银行金融科技发展水平较低时,提升其

32、金融科技发展水平会使系统性风险升高,但当银行金融科技发展水平较高时,提升其金融科技发展水平会使系统性风险降低,其对个体风险的影响也是如此。结论符合认知,因为金融科技涉及很多新兴的科学技术,而这些技术在发展阶段更多是起步于规模较大的银行,因此这些银行对于系统性风险的贡献更容易受到金融科技的影响,并且在技术发展初期由于对银行传统业务的冲击,导致系统性风险增加;而当金融科技发展程度较高时,这种冲击带来的影响相比起步阶段逐渐减弱,带来了更健康的银行系统,此时金融科技水平与系统性风险呈负相关。Lerner指数在商业银行金融科技和系统性风险之间不存在中介效应;对于国有银行和股份制银行而言,不良贷款率在金融

33、科技与系统性风险之间存在部分中介效应。金融科技水平会对银行的不良贷款率产生影响,在金融科技水平初步上升时,商业银行的不良贷款率会有所下降,随后,不良贷款率会将该影响传递至系统性风险,增加银行的系统性风险。这是因为更低的不良贷款率意味着银行的经营效率越好,使得银行的系统重要性愈发提高,形成“大而不倒”的风险。但在金融科技发展至一定程度时,随着金融科技的发展,商业银行的不良贷款率会有所上升,这可能通过变相推动利率市场化从而改变银行负债端的结构,导致银行资产端的风险承担偏好上升。综合来看,金融科技水平的提高不论直接传递至系统性风险还是通过不良贷款率作为中介间接传递至系统性风险,均会产生先增后减的效应

34、。根据本文得出的结论,提出如下的政策建议:在大力推动金融科技发展的同时,应加强对商业银行,特别是规模较大的商业银行的监管力度,对于银行的资产规模、盈利能力、风险准备等指标加强监督。同时随着技术的发展和普及,越来越多小规模的银行也将受到金融科技带来的系统性风险的影响,建议国家有关部门扩大监管范围,尤其加强对于金融科技发展初期的银行的监管。同时加强对于银行间资产负债指标的监督,可以适当要求披露银行间更详细的资产负债情况,更好的掌握不同银行间可能存在的因负债导致的风险传递效应,避免随着金融科技影响范围扩大带来银行间传染性风险的加大。另外,政策上应鼓励发展金融科技,利用新兴技术促进银行体系健康运营,降

35、低系统性风险。参考文献:1 BCBS.ImplicationsofFinTechdevelopmentsforbanksandbanksupervisors(R.BISSoundPractice,2018.2 FSB.FinancialStabilityImplicationsfromFintechR.Switzerland:FinancialStabilityBoard,2017.3 KirilenkoA.A.,LoA.W.MooreslawVersusMurphy,slaw:AlgorithmictradinganditsdiscontentsJ.JournalofEconomicPers

36、pectives,2013,27(2):51-72.4刘春航金融科技与银行价值链的重塑J金融监管研究,2021,(01):1/1.5邱哈,黄益平,纪洋.金融科技对传统银行行为的影响一一基于互联网理财的视角J.金融研究,2018,(11):17-29.6 CampolongoF.,MarchesiM.,RiccardoD.L.ThePotentialImpactofBankingCrisesonPublicFinances:AnAssessmentofSelectedEUCountriesUsingSYMBOLJ.OECDJournal:FinancialMarketTrends,2012,20

37、11(2):73-84.7 ZeddaS.,CannasG.Analysisofbankssystemicriskcontributionandcontagiondeterminantsthroughtheleave-one-outapproachJ.JournalofBanking&Finance,2020.112(C).8温忠麟,张雷,侯杰泰,刘红云.中介效应检验程序及其应用J心理学报,2004,(05):614-620.9J邱志刚,罗煜,江颖,伍聪.金融科技会颠覆传统金融吗?一一大数据信贷的经济解释J国际金融研究,2020,(08):35-45.110 ChengM.QuY.DoesbankFinTechreducecreditrisk?EvidencefromChinaJ.Pacific-BasinFinanceJournal,2020,63.

展开阅读全文
相关资源
猜你喜欢
相关搜索
资源标签

当前位置:首页 > 在线阅读 > 生活休闲


备案号:宁ICP备20000045号-1

经营许可证:宁B2-20210002

宁公网安备 64010402000986号