Académique Documents
Professionnel Documents
Culture Documents
金融工程专题报告 2018 年 09 月 16 日
[Table_Title]
相关研究 量化研究新思维(十二)——基于横截面和
[Table_ReportInfo]
《FICC 系列研究之十一——揭开“逆周期
因子”的神秘面纱》2018.09.12 时间序列指标的因子择时
《基于因子剥离的 FOF 择基逻辑系列十
[Table_Summary]
三——主动权益基金的因子剥离(二)》 投资要点:
2018.08.31
《选股因子系列研究(三十七)——A 股
是否存在异质动量效应?》2018.08.28 量化研究离不开阅读、思考与实证。但囿于国内金融市场不长的历史,很多思维的
火花都无法通过足够的数据进行研究和验证。本系列试图填补这一空白,将海通量
化团队的分析师平日阅读、思考的心得与海外数据相结合,致力于为国内的量化从
业人员提供新的灵感。考虑到篇幅,文中只呈现了研究思路和主要结论,对详细过
[Table_AuthorInfo] 程感兴趣的读者可与我们联系,海通量化团队时刻为您守候,与您分享。
分析师:冯佳睿
Tel:(021)23219732
基于横截面和时间序列指标的因子择时。使用横截面和时间序列变量,对 Smart
Email:fengjr@htsec.com Beta 指数构建因子择时模型。讨论在不同经济周期以及市场状态下,对估值、市
证书:S0850512080006 值、动量、质量以及低波因子具有预测效果的择时变量。分析结果表明,若将经
分析师:郑雅斌 济周期(或商业周期)、估值、相对强弱以及离散度等指标结合使用,能够取得较
Tel:(021)23219395 好的择时收益表现。
Email:zhengyb@htsec.com
证书:S0850511040004 目标波动率策略对不同资产的影响。美股市场的实证研究显示,在不同已实现波
分析师:袁林青
动率的计算周期下,波动率调整组合的夏普比率均高于未调整组合,组合波动率
的标准差与平均左侧损失也会明显降低。以使用 90 天计算的波动率调整组合为
Tel:(021)23212230
例,波动率管理的股票组合的夏普比率由调整前的 0.40 上升至 0.51,组合波动率
Email:ylq9619@htsec.com
的标准差由 4.6%下降至 2.2%,平均左侧损失(5%)则由 6.9%下降至 6.7%。
证书:S0850516050003
分析师:沈泽承 股票与债券的相关性真的那么简单吗?标普 500 指数和长期国债从 1927 年到
Tel:(021)23212067 2012 年每年的相关性总共发生过 29 次正负转换,相关系数的范围可从-93%到
Email:szc9633@htsec.com +86%。进一步研究表明,股票和债券的相关性与 4 个宏观变量的联系最为紧密:
证书:S0850516050001 实际真实利率、通胀水平、失业率和经济增长。其中,股票和债券对真实利率和
通胀水平的敏感性方向相同,而对失业率和经济增长的敏感性方向相反。
战术资产配臵流程。战术资产配臵需要综合权衡不同资产的风险、收益、换手和
下行风险。任何偏离基准的决策都要做量化分析,我们可以通过对累积收益、和
目标波动的偏离、换手率、压力测试、对压力测试的敏感度等五个维度打分来对
策略做综合评估。
ESG 数据在投资中的使用原因及方法。我们根据投资者调研的结果分析了投资者
为何以及如何使用 ESG 数据。结论包括: (1)大部分投资者认为引入 ESG 信息
的首要目标是提升投资业绩,其次才是对客户需求、产品策略以及道德层面的考
虑。(2)在各种 ESG 投资策略中,如果是出于产品以及道德的原因,直接过滤掉
ESG 负面公司是对业绩最不利的方式。 (3)只有充分参与公司运营以及在公司估
值中考虑 ESG 要素,才是比较有效的 ESG 应用方式。
构建多因子多头组合的方法:组合复合 VS 信号复合。组合复合是指,分别根据
每个单因子构建多头组合,然后将每个因子的多头组合进行混合。信号复合是指,
将单因子结合为一个复合因子,基于复合因子筛选多头股票。从收益风险角度来
看,在中低水平的因子暴露下,组合复合和信号复合选出的股票重叠度高。但组
合复合方式的超额收益更高,风险更低,因此信息比更高,两者的差异统计显著。
风险提示。市场系统性风险、模型失效风险、海外与国内市场结构差异风险。
请务必阅读正文之后的信息披露和法律声明
金融工程研究 金融工程专题报告 2
目 录
1. 基于横截面和时间序列指标的因子择时..................................................................... 4
2. 目标波动率策略对不同资产的影响 ............................................................................ 5
3. 股票与债券的相关性真的那么简单吗?..................................................................... 5
4. 英国养老金市场现状.................................................................................................. 6
5. 多空策略中的投资信号合成 ....................................................................................... 6
6. 战术资产配臵流程 ..................................................................................................... 7
7. 股票风险溢价的分布.................................................................................................. 8
9. 构建多因子多头组合的方法:组合复合 VS 信号复合.............................................. 9
请务必阅读正文之后的信息披露和法律声明
金融工程研究 金融工程专题报告 3
图目录
图1 经济周期示例 ...................................................................................................... 4
图2 因子在不同经济周期内的风险调整后收益 .......................................................... 4
图3 横截面择时指标 .................................................................................................. 5
请务必阅读正文之后的信息披露和法律声明
金融工程研究 金融工程专题报告 4
量化研究离不开阅读、思考与实证。但囿于国内金融市场不长的历史,很多思维的
火花都无法通过足够的数据进行研究和验证。本系列试图填补这一空白,将海通量化团
队的分析师平日阅读、思考的心得与海外数据相结合,致力于为国内的量化从业人员提
供新的灵感。考虑到篇幅,文中只呈现了研究思路和主要结论,对详细过程感兴趣的读
者可与我们联系,海通量化团队时刻为您守候,与您分享。
1. 基于横截面和时间序列指标的因子择时
我们使用横截面和时间序列变量,对 Smart Beta 指数构建了因子择时模型。着重讨
论在不同经济周期以及市场状态下,对估值、市值、动量、质量以及低波因子具有预测
效果的择时变量。分析结果表明,若将经济周期(或商业周期) 、估值、相对强弱以及离
散度等指标结合使用,能够取得较好的择时收益表现。
我们首先将经济分为扩张、减速、收缩以及复苏四种状态(见下图)
,检验各因子在
不同经济周期(或商业周期)下的表现。
图1 经济周期示例
由下图可见,因子在不同经济环境下的表现大相径庭。例如,当经济减速时,估值
因子表现较差。这是因为低估值的公司的资本结构往往并不灵活;但是,由于质量以及
低波因子具有较强的风险抵御能力,因此,这两个因子在经济减速时期,能够取得较好
的风险调整后收益。
图2 因子在不同经济周期内的风险调整后收益
请务必阅读正文之后的信息披露和法律声明
金融工程研究 金融工程专题报告 5
除了时间序列指标外,我们也考虑了一系列横截面上的择时指标,如估值、相对强
弱以及离散度,具体介绍如下表所示。
图3 横截面择时指标
我们在使用这些指标时,直接对它们进行了复合。并且不考虑权重的优化,只是简
单地等权处理。随后,我们通过风险模型,将对各因子的收益预测转化成因子组合的权
重分配。详细的回测结果表明,该复合模型的夏普比率高达 0.88,表现优于任何单指标
择时模型的结果。
2. 目标波动率策略对不同资产的影响
研究发现,
“波动率管理组合”能够在诸如股票等风险资产中提升夏普比率。但在债
券、外汇、大宗商品等资产中进行波动率管理,却无法达到相同的效果。不过,在各类
资产中,波动率管理都能够大幅降低组合出现极端收益的可能性。
波动率管理组合是指,使用资产的波动率对组合杠杆倍数进行调整,使其达到预先
设臵的目标波动率。具体做法是,利用资产波动率的聚集效应,使用指数衰减加权的方
式计算组合的目标波动率,并设臵了 10%的年化目标波动率水平。在评估组合业绩时,
我们分别使用了夏普比率、平均敞口暴露、平均换手率、组合波动率的标准差、平均左
侧损失/右侧收益等指标来衡量。
美股市场的实证研究显示,在不同已实现波动率的计算周期下,波动率调整组合的
夏普比率均高于未调整组合,组合波动率的标准差与平均左侧损失也会明显降低。以使
用 90 天计算的波动率调整组合为例,波动率管理的股票组合的夏普比率由调整前的 0.40
上升至 0.51,组合波动率的标准差由 4.6%下降至 2.2%,平均左侧损失(5%)则由 6.9%
下降至 6.7%。
债券市场则呈现出相反的情况。在不同已实现波动率的计算周期下,波动率调整组
合的夏普比率均大幅低于未调整组合。同样以使用 90 天计算的波动率调整组合为例,
波动率管理的债券组合的夏普比率由调整前的 0.25 下降至 0.09,不过组合波动率的标
准差也由 3.9%下降至 2.6%。
总结来看,我们认为波动率调整方法在股票、债券中的差异主要源于杠杆效应。风
险资产,诸如股票、信用债,存在较为明显的杠杆效应。也就是说,资产收益率与波动
率之间存在着同期的负相关性。因此,利用波动率的聚集效应,在波动率上升时降低组
合的杠杆,能够提升组合表现。而在利率债、外汇、大宗商品等资产中,杠杆效应并不
存在。
3. 股票与债券的相关性真的那么简单吗?
马科维茨曾经说过,
“资产配臵的分散化是投资市场上唯一的免费午餐”。多年以来,
大量投资者也偏爱同时配臵股票和债券资产,从而减小投资组合的波动率和下行风险。
请务必阅读正文之后的信息披露和法律声明
金融工程研究 金融工程专题报告 6
因此,股票和债券的相关性问题一直都是资产配臵最重要的参考因素之一。但是,两类
资产的相关性并不会一直稳定在较低的水平上,而是会随着经济环境的改变而剧烈变化。
我们基于宏观变量构建了计量模型对股债相关性进行前瞻性的测算,在不同的时间
跨度下,宏观变量的作用影响不同。短期来看,当经济周期类的宏观变量(经济增长和
失业率等)对于经济的影响超过利率和通胀等因素时,股票和债券资产通常会保持负相
关。但是长期来看,经济增长的周期性趋势以及利率和通胀水平会同时对股票和债券有
着相似的影响,因此会逐渐提升两者的相关性,甚至导致相关性由负转正。
4. 英国养老金市场现状
人口结构、市场和政策的变化深刻影响着养老金的需求和来源。近年来,DC 型计
划高速发展。参与 DC 型计划对于居民来说意味着在养老金缴费、投资和领取等方面拥
有更高的灵活度,但同时,这种灵活度意味着居民在选择养老金投资产品时面临的风险
和复杂程度可能也比以往要更高。另一个影响因素是人均寿命的提高,统计显示,当前
居民很容易低估自己的预期寿命,这会使得居民错估自己退休后所需的养老费用。
尽管 DC 型计划相比于 DB 型计划,在支取方面更加灵活。但是统计显示,英国 55
岁以上的仍在工作的居民中,仍有一半以上从未使用过其 DC 型计划中的资产。此外,
在 DC 型计划上储蓄较少的居民,其购买年金产品的比例也不高。反而是那些在 DC 型
计划中储蓄较多的居民,购买年金产品的情况更为普遍。并且,在 DC 型计划上储蓄超
过 25 万英镑的高收入居民中,收入提款型产品最受他们的欢迎。
退休雇员的需求会影响养老金决策。一般来说,退休居民会减少总的消费支出来适
应退休后更少的收入。同时,退休居民会在休闲、社交和节日支出等方面花费更多。假
如基于整个生命周期考虑,雇员需要在退休前就开始节制消费来为退休后的生活进行储
蓄。即使居民退休后的消费总支出不变,消费结构也会出现明显变化。同时,退休后,
居民对于寿命风险、通胀风险、投资风险、购买力风险等风险的顾虑都会影响其养老金
的使用决策。
根据统计,英国市场上,年龄处于 50 岁到法定退休年龄之间的临退休居民中,有
三分之二其 DC 型计划中的储蓄不足 25000 英镑。尽管 DB 型计划近年来大幅萎缩,DC
型计划发展迅速,但平均而言,当前临退休居民持有的 DB 型计划资产,平均而言高于
DC 型计划。但从年轻人的数据来看,未来这种局面大概率会出现反转,DC 型计划已成
为大部分人的主流选择。另一方面,退休居民资产中固定资产和金融资产的配臵也会出
现变化。当前临退休居民中,近半数拥有房产,而年轻人购臵房产的能力和意愿都更低。
5. 多空策略中的投资信号合成
目前,在构建投资组合时存在两种信号合成方法:混合法,即分别计算不同信号下
的组合权重并将权重进行复合;集成法,即直接将信号进行复合再计算组合权重。我们
主要探讨这两种方法的差异。
在采用模拟组合收益率的方法进行回测后,我们发现,集成法在纯多头组合中的收
益表现更优,但也存在更大的主动风险。而在中低风险暴露的设定下,混合法表现更优。
而在无约束的多空组合中,混合法和集成法的表现并不存在显著的差异,仅在概念
上存在一定的区别。
混合法的优势在于:
请务必阅读正文之后的信息披露和法律声明
金融工程研究 金融工程专题报告 7
1. 从转移系数来看,组合保留了更多的信号信息;
2. 对于极端信号产生的噪声具有更强的稳健性;
3. 组合的收益可以更简明直观地进行归因;
4. 可以满足客户对于模块化定制的需求。
而集成法的优势在于:
1、在集成之前保留了原始信号的信息;
2、当交易信号存在相反头寸时,相较于混合法降低了换手率和交易成本;
3、在纯多头策略中,收益表现更优;
4、在流动性不佳的市场中,更容易实现。
在现实中,由于多空策略存在集中度、流动性和杠杆方面的限制,混合法和集成法
还可能存在一定的系统性差异。我们认为,投资者应该结合实际的问题选择应用混合法
或集成法。综合所有优缺点来看,我们较为推荐混合法。
6. 战术资产配臵流程
长期投资者通常在一个较长的时间周期内(10 年以上)采用“多资产固定比例投资,
并定期再平衡”的战略资产配臵方案。战术资产配臵是一种中短投资期限内的决策,目
的在于根据经济周期调整资产配臵比例,以获取超额收益。或者在极端情景出现时,降
低组合风险。
我们构建了三个基于风险的策略,分别是有约束的最小波动策略、无约束的最小波
动策略和风险平价策略。其中,有约束的最小波动策略要求资产权重相对上一期的调整
幅度不超过 5%,且各小类资产占比不得低于 1%,每个策略均季度调仓。
接下来,我们通过压力测试考察策略是否在降低波动的同时带来一定的下行风险。
压力测试包括 2008 年美股暴跌、利率飙升、2015 年 8 月中国股市暴跌等五种情景。基
准组合受股票、利率和商品(原油)的冲击均为最大。有/无约束的最小波动策略表现截
然不同,前者可以看成基准组合的“迷你版”,后者除了在中国下跌情景外,表现出与前
者完全相反的敏感性。风险平价策略可以同时降低组合波动和下行风险,但需要付出额
外 70%的换手,投资者需要做出权衡。
从 2016.9.30-2018.3.30 的整个区间上看,美股的持续上涨使得基准组合取得了最
高的收益,而无约束的最小波动策略在波动最小的同时,收益也最低。所有基于风险的
策略都有效地降低了组合的波动。并且,在 2018 年一季度市场波动率上升期内,组合
的波动也同样低于 5%。
综上所述,战术资产配臵需要综合权衡不同资产的风险、收益、换手和下行风险。
请务必阅读正文之后的信息披露和法律声明
金融工程研究 金融工程专题报告 8
任何偏离基准的决策都要做量化分析,我们可以通过对累积收益、和目标波动的偏离、
换手率、压力测试、对压力测试的敏感度等五个维度打分,来对策略做综合评估。
7. 股票风险溢价的分布
股票市场是高波动的,从 1963 年 7 月到 2016 年 12 月期间,股票溢价(美股市场
的月度收益与一个月美国国债到期收益率之差)平均每月为 0.51%,即每年 6%。然而,
受到股票资产高波动特性的影响,该溢价的波动率高达每月 4.42%,约是溢价水平的 9
倍。这一特征给股票溢价的预测带来了极大的不确定性,从而显著影响资产配臵的决策。
价值股溢价以及小盘股溢价均存在类似特征:在同观察区间内,价值股(B/P 比高
于 70%分位点的股票)相对于全市场的月均溢价为 0.29%,该溢价的波动率高达每月
2.19%。小盘股(市值小于 NYSE 市值中位数的股票)相对全市场的月均溢价为 0.27%,
溢价波动率高达每月 2.82%。
我们通过对比不同时长下的股票溢价分布发现,随着观察时长的增加,溢价分布变
化有如下几个重要特点:
1. 向右偏移,即溢价向更高值处偏离。
2. 整体分布更加分散。
3. 分布向右移动的速度大于分布趋于分散的速度。
另外,该分布的偏度与峰度均随着时长增加而提升。这意味着,相对于正态分布而
言,溢价的分布逐渐表现为:在均值附近更为集中,左尾的极端负溢价的概率不断下降,
而右尾的极端正溢价的概率趋于上升。
这一现象对投资者而言无疑是可喜的。然而仍需注意的是,在大部分专业投资者所
使用的 3 年或 5 年的资产配臵观察窗口中,产生负溢价的概率依然不可忽视。即使是对
10 年甚至 20 年的观察窗口而言,这一风险也非常值得投资者重视。
8. ESG 数据在投资中的使用原因及方法
我们根据投资者调研的结果分析了投资者为何以及如何使用 ESG 数据。结论包括:
(1)大部分投资者认为引入 ESG 信息的首要目标是提升投资业绩,其次才是对客户需
求、产品策略以及道德层面的考虑。 (2)在各种 ESG 投资策略中,如果是出于产品以
及道德的原因,直接过滤掉 ESG 负面公司是对业绩最不利的方式。(3)只有充分参与
公司运营以及在公司估值中考虑 ESG 要素,才是比较有效的 ESG 应用方式。
调研群体
调研群体的统计数据
请务必阅读正文之后的信息披露和法律声明
金融工程研究 金融工程专题报告 9
中罗列了使用以及不使用 ESG 数据的几条主要动机,回复情况如下:大公司和小公司
的明显差异为:大公司更多的是因为投资者的要求、产品的策略需要,这些财务层面的
原因使用 ESG 数据。而小公司则更多的是因为道德层面。从地域方面来看,欧洲和美
国最大的区别在于,欧洲更倾向于从道德层面出发使用 ESG 数据。也有一些调研对象
给出了文字性而非选择项的回答,归纳来看,文字性的回答侧重的使用动机依然是财务
和财政方面的考虑。
使用 ESG 数据时的障碍
如何使用 ESG 数据
ESG 数据对策略预期表现的影响
我们让调研对象自己选择,ESG 策略对于预期业绩的影响程度。投资者认为,使用
ESG 信息进行估值,对于业绩的正面影响最大,其次是积极参与公司管理,负向剔除策
略对于业绩能够产生的正面影响最小。总体而言,除了负向剔除策略,投资者认为其他
策略对业绩的平均影响都为正。从区域来看,欧洲投资者普遍比美国投资者更为乐观,
认为各种策略可能产生的正面影响较高。
ESG 策略在未来的应用
9. 构建多因子多头组合的方法:组合复合 VS 信号复合
构建多头组合的多因子策略主要包括两种类型:组合复合(Portfolio blending),和
信号复合(Signal blending)。其中,组合复合是指,分别根据每个单因子构建多头组合,
然后将每个因子的多头组合进行混合。信号复合是指,将单因子结合为一个复合因子,
基于复合因子筛选多头股票。
我们主要比较两种复合方式的优劣,包括策略的收益表现及透明度特征。
从收益风险角度来看,在中低水平的因子暴露下,组合复合和信号复合选出的股票
重叠度高。但组合复合方式的超额收益更高,风险更低,因此信息比更高,两者的差异
统计显著。为考察两种方式的业绩差异是由其他风险因子暴露的不同所致,还是因为选
用因子之间存在交互效应,我们将超额收益进行 Fama-French 回归。结果显示,在控制
FF4 因子后,组合复合方式的截距项显著高于信号复合方式,表明两种方式的差异并不
是由其他风险因子暴露的不同导致。在较高的跟踪误差下,信号复合方式的收益风险综
合表现更优,但两者差异不再显著。
除收益风险指标外,
“透明度”
(transparency)也是 Smart Beta 产品的一个关键目
请务必阅读正文之后的信息披露和法律声明
金融工程研究 金融工程专题报告 10
标。所谓的透明度是指,策略的收益和风险来源很容易为投资者所理解。从这个目标来
看,组合复合方式的透明度更高,因为它可以很好地分解出每个因子组合的收益和风险。
10. 固定收益中的风格投资
风格溢价投资或称因子投资,在股票市场上已有超过 20 年的应用历史,并且正变
得越来越流行。一类最为常见的应用形式即为,纯多头策略中的 Smart Beta。而在外汇
和商品市场上,风格投资也逐渐被应用于多空或中性策略的构建中。不过,在固定收益
领域,风格投资不论是在学术研究还是实际投资中,仍属新鲜事物。
尽管固定收益的风格投资为人接受的程度依然不高,但我们发现,一些在其他资产
类别中已被证明过的因子——价值、动量、利差和防御,在过去的 20 年间同样可以在
各个类型的债券市场上,被用来增强收益。固定收益的风格投资对于全球政府债券的久
期配臵策略和美国企业债市场上的发行人配臵策略,都能产生很好的效果。应用过去 20
年间政府和企业债券的大样本数据,我们证明了所有风格都有着正的夏普比率。例如,
在上文提及的 4 个著名的风格溢价间进行等风险配臵,对于政府债和企业债可以分别获
得 0.98 和 2.52 的夏普比率。
我们进一步考察了基于风格的固定收益组合在风险分散上的效果。首先,不论是在
政府债或是企业债内部,还是这两类债券之间,风格组合的相关性都很低。其次,固定
收益的风格组合可以通过不暴露于传统市场风险(例如,信用风险溢价、股票风险溢价
或期限结构溢价)的方式构建。第三,相比于基础资产本身,固定收益风格组合的收益
对一些投资者最为关心的宏观经济变量(例如,通货膨胀的冲击、经济增长的冲击、实
际到期收益率的冲击、流动性的冲击和波动率的冲击)更加不敏感。上述这些结果非常
重要,因为绝大多数做主动管理的固定收益基金经理都会在传统的市场风险溢价,尤其
是信用风险溢价上有显著的暴露。
实证分析表明,风格投资在固定收益中扮演着重要的角色。尽管我们的分析集中在
学术层面的多空组合,但我们也讨论了一些可用于实际操作的选项。不论是多空还是纯
多头策略,风格组合的低相关性都可以起到良好的分散效果。至于如何应用,则取决于
投资者实际的投资限制。
11. 风险提示
市场系统性风险、模型失效风险、海外与国内市场结构差异风险。
特别声明:本篇报告的结果均由数量化模型自动计算得到,研究员未进行主观判断
调整;数据源均来自于市场公开信息。
请务必阅读正文之后的信息披露和法律声明
金融工程研究 金融工程专题报告 11
信息披露
分析师声明
[Table_Analysts]
冯佳睿 金融工程研究团队
郑雅斌 金融工程研究团队
袁林青 金融工程研究团队
沈泽承 金融工程研究团队
本人具有中国证券业协会授予的证券投资咨询执业资格,以勤勉的职业态度,独立、客观地出具本报告。本报告所采用的数据和信息
均来自市场公开信息,本人不保证该等信息的准确性或完整性。分析逻辑基于作者的职业理解,清晰准确地反映了作者的研究观点,
结论不受任何第三方的授意或影响,特此声明。
法律声明
本报告仅供海通证券股份有限公司(以下简称“本公司”)的客户使用。本公司不会因接收人收到本报告而视其为客户。在任何情况下,
本报告中的信息或所表述的意见并不构成对任何人的投资建议。在任何情况下,本公司不对任何人因使用本报告中的任何内容所引致
的任何损失负任何责任。
本报告所载的资料、意见及推测仅反映本公司于发布本报告当日的判断,本报告所指的证券或投资标的的价格、价值及投资收入可能
会波动。在不同时期,本公司可发出与本报告所载资料、意见及推测不一致的报告。
市场有风险,投资需谨慎。本报告所载的信息、材料及结论只提供特定客户作参考,不构成投资建议,也没有考虑到个别客户特殊的
投资目标、财务状况或需要。客户应考虑本报告中的任何意见或建议是否符合其特定状况。在法律许可的情况下,海通证券及其所属
关联机构可能会持有报告中提到的公司所发行的证券并进行交易,还可能为这些公司提供投资银行服务或其他服务。
本报告仅向特定客户传送,未经海通证券研究所书面授权,本研究报告的任何部分均不得以任何方式制作任何形式的拷贝、复印件或
复制品,或再次分发给任何其他人,或以任何侵犯本公司版权的其他方式使用。所有本报告中使用的商标、服务标记及标记均为本公
司的商标、服务标记及标记。如欲引用或转载本文内容,务必联络海通证券研究所并获得许可,并需注明出处为海通证券研究所,且
不得对本文进行有悖原意的引用和删改。
根据中国证监会核发的经营证券业务许可,海通证券股份有限公司的经营范围包括证券投资咨询业务。
请务必阅读正文之后的信息披露和法律声明
金融工程研究 金融工程专题报告 12
[Table_PeopleInfo]
海通证券股份有限公司研究所
路 颖 所长 高道德 副所长 姜 超 副所长
(021)23219403 luying@htsec.com (021)63411586 gaodd@htsec.com (021)23212042 jc9001@htsec.com
涂力磊 所长助理
(021)23219747 tll5535@htsec.com
请务必阅读正文之后的信息披露和法律声明
金融工程研究 金融工程专题报告 13
电子行业 煤炭行业 电力设备及新能源行业
陈 平(021)23219646 cp9808@htsec.com 李 淼(010)58067998 lm10779@htsec.com 张一弛(021)23219402 zyc9637@htsec.com
联系人 戴元灿(021)23154146 dyc10422@htsec.com 房 青(021)23219692 fangq@htsec.com
谢 磊(021)23212214 xl10881@htsec.com 吴 杰(021)23154113 wj10521@htsec.com 曾 彪(021)23154148 zb10242@htsec.com
尹 苓(021)23154119 yl11569@htsec.com 徐柏乔(021)23219171 xbq6583@htsec.com
石 坚(010)58067942 sj11855@htsec.com 张向伟(021)23154141 zxw10402@htsec.com
联系人
陈佳彬(021)23154513 cjb11782@htsec.com
家电行业 造纸轻工行业
陈子仪(021)23219244 chenzy@htsec.com 衣桢永(021)23212208 yzy12003@htsec.com
李 阳(021)23154382 ly11194@htsec.com 曾 知(021)23219810 zz9612@htsec.com
联系人 赵 洋(021)23154126 zy10340@htsec.com
朱默辰(021)23154383 zmc11316@htsec.com
刘 璐(021)23214390 ll11838@htsec.com
研究所销售团队
请务必阅读正文之后的信息披露和法律声明
金融工程研究 金融工程专题报告 14
海通证券股份有限公司研究所
地址:上海市黄浦区广东路 689 号海通证券大厦 9 楼
电话:
(021)23219000
传真:
(021)23219392
网址:www.htsec.com
请务必阅读正文之后的信息披露和法律声明