金融工程研究金融工程专题报告 目录 1. 行业偏离方法简述.... 全行业指数的配臵效果....1 温和偏离法效果分析.... 极端配臵法效果分析.... 两种配臵方法的比较.... 行业偏离的参照基准选择....1 温和偏离法的效果.... 极端配臵法的效果.... 不同参照基准的对比... 1.

Transcription

1 [Table_MainInfo] 金融工程研究证券研究报告 [Table_Title] 相关研究 [Table_ReportInfo] A 股市场特征研究 ( 六 ) 从周期调整市盈率 (CAPE) 看中美股市当前的估值水平 业绩地雷上市公司特征分析 FICC 系列研究之八 CTA 因子表现回顾及组合优化探究 [Table_AuthorInfo] 金融工程专题报告 01 年 0 月 日 行业轮动在指数增强上的应用 ( 沪深 00) [Table_Summary] 投资要点 : 本文运用之前行业轮动策略的研究成果, 验证策略运用到沪深 00 指数增强中, 对增强效果的提升 首先不考虑选股贡献, 仅通过行业配臵来进行指数增强, 我们提供了两种配臵方法供参考 分别是温和偏离法和极端配臵法 温和偏离法针对看多和看空的行业, 在指数内行业权重的基础上, 进行超配和低配 极端配臵法将看空的行业全部调整权重为 0, 组合仅配臵看多行业, 投资者可以选择组合持有的行业个数 针对持仓行业, 投资者有多种加权方式可以选择 两种方法进行对比, 极端配臵法在 ALPHA 上具备显著优势, 各档参数水平下, ALPHA 都较温和偏离法更高 当选择三个行业作为持仓行业时, 年化 ALPHA 高达 % 极端配臵法信息比相较温和偏离法较低, 当持仓行业超过 个时, 信息比才可突破 1, 但仍然低于温和偏离法信息比 分析师 : 郑雅斌 Tel:(01) zhengyb@htsec.com 证书 :S 分析师 : 沈泽承 Tel:(01)10 szc@htsec.com 证书 :S 对于温和偏离法, 投资者可以选择分别在 个行业进行多 空偏离, 偏离幅度建议设臵在 [%-%] 区间, 年化 ALPHA 在 % 左右, 信息比在 1. 附近, 月度胜率约 0% 对于极端配臵法, 建议投资者选择持仓 - 个多头行业, 可以采用基准 + 等权的加权方式, 年化 ALPHA 在 %-% 左右, 信息比在 1. 附近, 胜率在 % 附近 虽然极端配臵法的 ALPHA 更高, 但是考虑增强组合对于跟踪误差的限制, 温和偏离法在胜率和信息比上明显更有吸引力 投资者在进行行业偏离时, 可以参考两种基准进行决策, 一种是用全市场行业指数预判的行业走势, 一种是采用沪深 00 成分内行业指数预判的走势 针对沪深 00 增强, 采用成分内行业做出的决策效果明显更为精确, 总体而言策略 ALPHA 和信息比 胜率都有提升 尤其是当持仓行业较多时, 提升效果更明显 说明成分内行业指数计算的因子对大多数行业的判断准确 将行业偏离和选股进行结合进行指数增强, 将行业排序信息结合到多因子框架之中, 能够弥补模型原有的假设缺陷, 提升收益预测模型的 IC 与 IC-IR; 并通过行业偏离, 提高指数增强策略的超额收益与信息比率 增强策略年化超额收益从.1% 提升到 %, 信息比从. 提升至. 风险提示 : 流动性风险 模型失效风险 因子失效风险

2 金融工程研究金融工程专题报告 目录 1. 行业偏离方法简述.... 全行业指数的配臵效果....1 温和偏离法效果分析.... 极端配臵法效果分析.... 两种配臵方法的比较.... 行业偏离的参照基准选择....1 温和偏离法的效果.... 极端配臵法的效果.... 不同参照基准的对比 行业排序与多因子模型的结合....1 收益预测模型的改进.... 沪深 00 指数增强组合 结论 风险提示... 1

3 金融工程研究金融工程专题报告 图目录 图 1 温和偏离法沪深 00 增强曲线... 图 行业排序因子截面溢价累计... 1 图 行业偏离组合 (%) 相对沪深 00 强弱指数与回撤... 1 图 行业偏离组合 (%) 相对行业中性组合强弱指数与回撤... 1

4 金融工程研究金融工程专题报告 表目录 表 1 行业偏离后相对指数基准的 ALPHA... 表 行业偏离后相对指数基准的信息比... 表 行业偏离后相对指数基准的胜率... 表 极端配臵法相对指数基准的 ALPHA... 表 极端配臵法相对指数基准的信息比... 表 极端配臵法相对指数基准的胜率... 表 两种配臵方法的比较... 表 行业偏离后相对指数基准的 ALPHA( 指数成分行业 )... 表 行业偏离后相对指数基准的信息比 ( 指数成分行业 )... 表 行业偏离后相对指数基准的胜率 ( 指数成分行业 )... 表 极端配臵法相对指数基准的 ALPHA( 指数成分行业 )... 表 1 极端配臵法相对指数基准的信息比 ( 指数成分行业 )... 表 极端配臵法相对指数基准的胜率 ( 指数成分行业 )... 表 1 两种参照基准的比较... 1 表 1 策略 IC 以及 ICIR... 1 表 1 引入行业排序因子前后收益预测模型对比... 1 表 1 不同行业偏离上限下的沪深 00 指数增强组合... 1

5 金融工程研究金融工程专题报告 在之前的报告中我们针对行业的一致预期数据 历史基本面 量价数据进行了分析, 开发了有效的行业轮动策略 鉴于行业轮动策略的 ALPHA 通常低于选股策略, 且行业轮动策略一般而言不会单独支撑一个产品运作, 总是需要和更细化的个股标的进行结合 故而本篇文章从更实战 更容易被采纳的维度, 考察行业轮动在指数增强策略中的应用效果 目前市场上的绝大部分指数增强产品都是基于行业中性的方式进行运作, 在行业上不进行偏离, 我们希望加入了行业观点之后, 能够对选股的基础上, 进一步提升指数增强策略的收益空间 1. 行业偏离方法简述 在指数增强中, 由于受到跟踪误差的限制, 通常行业偏离会控制在一定范围中, 这种做法更贴近实战, 但是由于偏离幅度有限, 投资者看到的增强幅度也极为有限 为了给大家呈现一个增强幅度更显著的结果, 方便投资者考察行业偏离 ( 轮动 ) 的有效性, 我们分别针对两种偏离方法进行回测 方法一 : 温和偏离法, 针对看多和看空的行业, 在指数内行业权重的基础上, 进行超配和低配 低配的最低幅度, 只能下降到行业权重为 0 投资者可以选择两组参数进行设臵 :(1) 超配和低配的行业个数 在回测中, 我们进行对称偏离, 超配和低配行业个数相同 () 每个行业允许偏离的最大绝对幅度 例如参数设臵为 1%, 则每个空头行业允许偏离的最大幅度为 1% 空头行业低配的所有权重等权分配给多头行业 方法二 : 极端配臵法, 看空的行业全部调整行业权重为 0, 组合中仅配臵看多行业, 投资者可以选择组合持有的行业个数 针对持仓行业, 投资者有多种加权方式可以选择, 我们分别考察 种加权方式供投资者参考 : 等权 市值加权 基准权重 + 等权超配 基准权重 + 梯度超配 梯度加权 这里的梯度, 代表的是权重根据我们对行业的预测排名进行加权 在后文中, 我们会详细对比当投资者选择不同参数时, 两种配臵方法进行指数增强各种维度的效果对比. 全行业指数的配臵效果 首先我们考察通过之前的分析结论, 利用全行业指数的因子作为分析基准, 采用最终的行业配臵建议, 调整沪深 00 内行业权重之后的增强效果.1 温和偏离法效果分析 在后续的分析表格中, 每一行代表投资者可以偏离的行业个数, 例如 代表可以选择 个行业进行超配 对等的 个行业进行低配 每一列代表投资者可以容忍的每个行业最大绝对偏离幅度 从超额收益角度, 超额收益基本和允许偏离的行业个数 偏离幅度成正向关系, 允许偏多的行业个数越多 允许偏离的幅度越大, 能够做到的行业配臵 ALPHA 越高 这里的 ALPHA 指相对沪深 00 指数基准且叠加指数分红后的超额收益

6 金融工程研究金融工程专题报告 表 1 行业偏离后相对指数基准的 ALPHA 绝对偏离幅度 行业个数 考虑了风险之后, 从轮动策略相对基准的信息比来看, 表现最好的数据区间在调整行业个数较多的参数之间, 允许偏离幅度在 [,,] 之间 因为考虑到策略相对指数的波动情况, 并不是偏离的幅度越大越好, 但允许调整的行业数量越多, 对信息比还是有正向贡献 偏离幅度不能过大, 以免提高波动 表 行业偏离后相对指数基准的信息比 绝对偏离幅度 行业个数 从轮动策略胜率角度看, 基本较高的胜率都出在最后一排, 即可调整行业数量较多的区间 胜率水平维持在 0% 以上波动, 但并没有超越 0% 这种分布说明轮动观点绝大多数情况下正确

7 金融工程研究金融工程专题报告 表 行业偏离后相对指数基准的胜率 绝对偏离幅度 行业个数 极端配臵法效果分析 为了进一步更清楚的呈现行业轮动策略的有效性, 我们可以采用极端配臵法考察指数增强的效果 从 ALPAH 角度来看, 极端配臵法最好的 ALPHA 表现都在市值加权组合中呈现, 平均 ALPHA 为.% 每年 其次为基准 + 等权, 以及基准 + 梯度的加权方式 总体而言, 因为已经采用了比较极端的行业标的进行配臵, 最好在进行加权时能够贴合指数的行业权重, 否则因为沪深 00 的行业权重分布非常具有集中性,ALPHA 很容易偏离 从行业个数的角度来看, 不宜选择 个或者 个以下的行业组合, 否则相对沪深 00ALPHA 波动极大, 很多时候会呈现负向 ALPHA 对于 个以上的持有组合,ALPHA 基本随着持仓数量的增多呈线性下降 这也验证了策略对于行业排序的有效性 表 极端配臵法相对指数基准的 ALPHA 行业个数 等权 市值加权 基准 + 等权 基准 + 梯度 梯度 平均

8 金融工程研究金融工程专题报告 从信息比的角度来看, 最好的信息比基本都是市值加权组合 这和 ALPHA 的结论一致 表 极端配臵法相对指数基准的信息比 行业个数等权市值加权基准 + 等权基准 + 梯度梯度 从胜率来看, 市值加权组合的胜率最高, 且组合持仓数量越多, 胜率越高 但结合 ALPHA 以及信息比的角度, 我们不难发现, 较少的持仓个数虽然胜率较低, 但是 ALPHA 的提升幅度明显较大, 且正向 ALPHA 的贡献可以抵消组合波动率的提升, 最终信息比还是较大 表 极端配臵法相对指数基准的胜率 行业个数等权市值加权基准 + 等权基准 + 梯度梯度 两种配臵方法的比较 我们可以针对两种配臵方法, 进行一些简单的效果对比 每种配臵方法都选择相对表现较好的一组参数 : 温和偏离法选用偏离幅度为 %, 极端配臵法选择加权方式为市值加权 从结果来看, 极端配臵法的 ALPHA 具有显著优势, 在两种方法信息比相差不

9 金融工程研究金融工程专题报告 大的情况下,ALPHA 可以从 % 左右提升到 % 以上 但是极端配臵法的结果在调整加权方式之后,ALPHA 和信息比都波动很大 其他加权方式的信息比难以突破 1, 而针对 - 个行业持仓, 温和偏离法的信息比基本都在 1 附近小幅波动 表 两种配臵方法的比较 ALPHA 信息比 行业个数温和偏离极端配臵温和偏离极端配臵 行业偏离的参照基准选择 在前文中进行沪深 00 行业轮动和配臵时, 参考基准是全市场的行业基准 我们还有另外一个行业基准可以选择, 就是沪深 00 成分内的行业基准 这个基准理论上来说能够更好的反映大盘股对应的行业走势变化, 在本章节中会验证新的行业指数作为基准后的配臵效果.1 温和偏离法的效果 通过观察温和偏离法的 ALPHA 矩阵, 发现一个明显现象就是, 通过成分股的行业指数作为轮动基准, 整个矩阵的单调性非常完整, 随着可调整行业的增多,ALPHA 不断提升 ; 随着可调整幅度的上升,ALPHA 不断提升 这一点和前文表格对比, 说明采用成分内行业作为参考基准时, 对未来行业的走势预判, 整体而言准确性会更高 表 行业偏离后相对指数基准的 ALPHA( 指数成分行业 ) 绝对偏离幅度 行业个数 从信息比角度, 矩阵的单调性依然存在 且整体信息比相对于采用全行业指数进行偏离要提升不少

10 金融工程研究金融工程专题报告 表 行业偏离后相对指数基准的信息比 ( 指数成分行业 ) 绝对偏离幅度 行业个数 从胜率角度观察, 绝大多数情况下, 增强组合胜率都在 0% 以上, 最好表现可以超越 0% 表 行业偏离后相对指数基准的胜率 ( 指数成分行业 ) 绝对偏离幅度 行业个数 极端配臵法的效果 下面三张表分别统计了按照沪深 00 成分内的行业指数作为参考基准, 进行极端配臵组合之后的 ALPHA 信息比和胜率 总体而言, 当组合持有行业达到一定数量之后, 行业权重相对基准没有发生大幅度偏离 ( 如基准 + 等权以及基准 + 梯度的加权方式 ), 组合的信息比都能够做到 1 以上 尤其是基准 + 等权的加权时, 组合年化 ALPHA 基本在 - 的区间范围, 胜率在 %-0% 区间

11 金融工程研究金融工程专题报告 表 极端配臵法相对指数基准的 ALPHA( 指数成分行业 ) 行业个数 等权 市值加权 基准 + 等权 基准 + 梯度 梯度 表 1 极端配臵法相对指数基准的信息比 ( 指数成分行业 ) 行业个数 等权 市值加权 基准 + 等权 基准 + 梯度 梯度 表 极端配臵法相对指数基准的胜率 ( 指数成分行业 ) 行业个数 等权 市值加权 基准 + 等权 基准 + 梯度 梯度

12 金融工程研究金融工程专题报告 不同参照基准的对比 我们通过下表具体对比选择不同基准作为参考时, 策略的轮动效果 对于温和偏离法, 针对每一行所选的行业个数, 我们将所有偏离幅度的值进行平均, 如计算偏离幅度从 1%-% 时, 行业个数为 的所有组合的平均 ALPHA 对于极端配臵法, 我们主要选择 基准 + 等权 的加权方式进行比较, 即在行业基准权重的基础上, 等权加上所有空头行业的权重 从 ALPHA 的角度看, 采用成分内指数作为基准进行行业配臵时,ALPHA 平均较高, 且当选择行业越多的时候,ALPHA 的优势越明显, 说明整体而言, 成分内指数的预判结果较为准确 选择行业数量较少时, 成分内指数的优势不明显 从信息比角度来看, 成分内指数的表现优异很多, 尤其是随着持仓数量的增加, 成分内指数的信息比可以稳定维持在 1 以上且显著高于全行业指数表现 这进一步印证了成分内指数的轮动准确度较高, 组合波动率较低, 信息比更高 表 1 两种参照基准的比较 ALPHA 信息比 温和偏离法 极端配臵法 温和偏离法 极端配臵法 行业个数 全行业指数 成分内指数 全行业指数 成分内指数 全行业指数 成分内指数 全行业指数 成分内指数 下表中我们统计了采用不同判断基准进行轮动策略的 IC 以及 ICIR 1) 采用全行业指数作为基准, 用判断的结果在 00 行业内进行轮动 ;) 采用 00 成分内行业指数作为基准, 在 00 内行业进行轮动 表 1 策略 IC 以及 ICIR 轮动目标 00 内指数 00 内指数 判断基准全行业指数 00 内指数 模型平均 IC 模型 ICIR 总体而言, 在进行沪深 00 指数增强时, 我们更推荐以沪深 00 成分内的行业指数作为参考基准, 设计配臵策略 下图以温和偏离法为例, 允许分别在 个行业上进行超配和低配, 最大偏离幅度不超过 % 行业偏离后的组合相对沪深 00 基准的增强效果 ( 这里的基准考虑了个股

13 金融工程研究金融工程专题报告 分红 ) 图 1 温和偏离法沪深 00 增强曲线. 行业排序与多因子模型的结合 除了前文中提到的使用方法外, 我们也可以将行业排序与多因子模型结合, 构建指数增强策略 这也是最贴近实战的做法 回测结果显示, 引入行业排序信息后, 无论是收益模型的预测精度, 还是最终指数增强策略的表现, 都能获得显著提升.1 收益预测模型的改进 在原先的收益预测模型中, 我们认为 : 股票超额收益 = 因子暴露 * 因子溢价 + 行业超额收益 为了简化模型, 我们假设自身不具备预测行业短期超额收益的能力, 因此行业预期超额收益等于零 因此, 股票超额收益正比于因子暴露 * 因子溢价 不过, 研究发现, 使用行业预期数据 历史基本面以及价格信息, 判断行业短期表现是可行的 如果将行业排序信息纳入到收益预测模型中的 行业超额收益 部分, 能够弥补模型的缺失 为此, 我们定义 : 行业排序因子 =( 行业综合打分排名 -1)/( 行业总数 -1) 其截面溢价代表了做多预期表现最好 做空预期表现最差行业的超额收益 截面回归结果显示, 行业排序因子的月均截面溢价为 0.0%, 对应的 T 统计量为.0 这表明, 在控制了常见选股因子后, 行业排序因子仍然具有显著为正的截面溢价 如果我们将行业排序因子的月截面溢价按月累加, 可以发现 : 除了 01 年下半年出现回撤外, 在其余大部分时间, 累计净值均稳健上升 因此, 行业排序因子对股票收益具有显著且稳健的解释能力

14 金融工程研究金融工程专题报告 1 图 行业排序因子截面溢价累计 行业排序因子月溢价累计 按照行业排序因子的历史截面溢价得到其预期收益率, 纳入到收益预测模型之中 表 1 对比纳入前后的复合因子表现 结果显示, 在引入行业排序因子之后,RankIC 与 IC 的月均值与信息比率都得到了不同幅度的提升 表 1 引入行业排序因子前后收益预测模型对比 Rank IC 月胜率 IC 均值 IC-IR 引入前 引入后 IC 月胜率 IC 均值 IC-IR 引入前 引入后 沪深 00 指数增强组合 使用改进后的收益预测模型, 构建沪深 00 指数增强策略 与原先沪深 00 指数增强策略不同的是, 在其他风险控制条件不变的前提下, 我们允许组合与基准存在一定的行业偏离, 并试图通过行业偏离获取超额收益 表 1 对比了不同行业偏离上限下的沪深 00 指数增强组合表现 当行业偏离上限等于零时, 对应的沪深 00 增强组合即行业中性组合 如表 1 所示, 随着行业偏离幅度上限的增加, 指数增强策略的超额收益与年化跟踪误差均随之上升 从历史数据来看, 当偏离上限等于 % 时, 指数增强策略具有最高的信息比率., 年化超额收益为.00%, 相比行业中性组合提升了.%; 年化跟踪误差为.%, 相对行业中性组合也增加了 0.% 表 1 不同行业偏离上限下的沪深 00 指数增强组合 偏离上限年化超额收益年化跟踪误差信息比 0%.1%.1%.0 1%.%.1%.0 %.00%.%. %.%.%.1 %.%.%. %.1%.%.1

15 金融工程研究金融工程专题报告 1 图 为偏离上限为 % 的沪深 00 增强组合相对沪深 00 的强弱指数与回撤 如图所示, 样本期间相对强弱指数稳健上升 除了 01 年 月股市异常波动期间的最大回撤达到.% 之外, 策略绝大多数时间的相对回撤都在.% 以内 图 行业偏离组合 (%) 相对沪深 00 强弱指数与回撤 相对回撤 ( 右 ) 行业偏离组合 (%) 图 为行业偏离组合 (%) 相对行业中性组合的强弱指数与回撤 如图所示, 样本期间, 行业偏离组合相对行业中性组合的年化超额收益为.%, 年化跟踪误差为 1.1 从相对强弱指数的走势看, 行业偏离所获得的超额收益主要源于 个时间窗口 :0 年,01 年下半年至 01 年上半年, 以及 01 年下半年 而在其他时间段, 行业偏离组合与行业中性组合基本持平, 最大相对回撤不超过 % 图 行业偏离组合 (%) 相对行业中性组合强弱指数与回撤 相对回撤 ( 右 ) 行业偏离组合 (%) 综上所述, 我们发现, 将行业排序信息结合到多因子框架之中, 能够弥补模型原有的假设缺陷, 提升收益预测模型的 IC 与 IC-IR; 并通过行业偏离, 提高指数增强策略的超额收益与信息比率. 结论 本文运用之前行业轮动策略的研究成果, 验证策略运用到沪深 00 指数增强中, 对增强效果的提升 首先不考虑选股贡献, 仅通过行业配臵来进行指数增强, 我们提供了两种配臵方法供参考 分别是温和偏离法和极端配臵法 温和偏离法针对看多和看空的行业, 在指数内行业权重的基础上, 进行超配和低配 极端配臵法将看空的行业全部调整权重为 0,

16 金融工程研究金融工程专题报告 1 组合中仅配臵看多行业, 投资者可以选择组合持有的行业个数 针对持仓行业, 投资者有多种加权方式可以选择 两种方法进行对比, 极端配臵法在 ALPHA 上具备显著优势, 各档参数水平下, ALPHA 都较温和偏离法更高 当选择三个行业作为持仓行业时, 年化 ALPHA 高达 % 极端配臵法信息比相较温和偏离法较低, 当持仓行业超过 个时, 信息比才可突破 1, 但仍然低于温和偏离法信息比 对于温和偏离法, 投资者可以选择分别在 个行业进行多 空偏离, 偏离幅度建议设臵在 [%-%] 区间, 年化 ALPHA 在 % 左右, 信息比在 1. 附近, 月度胜率约 0% 对于极端配臵法, 建议投资者选择持仓 - 个多头行业, 可以采用基准 + 等权的加权方式, 年化 ALPHA 在 %-% 左右, 信息比在 1. 附近, 胜率在 % 附近 虽然极端配臵法的 ALPHA 更高, 但是考虑增强组合对于跟踪误差的限制, 温和偏离法在胜率和信息比上明显更有吸引力 投资者在进行行业偏离时, 可以参考两种基准进行决策, 一种是用全市场行业指数预判的行业走势, 一种是采用沪深 00 成分内行业指数预判的走势 针对沪深 00 增强, 采用成分内行业做出的决策效果明显更为精确, 总体而言策略 ALPHA 和信息比 胜率都有显著提升 尤其是当持仓行业较多时, 提升效果更明显 说明成分内行业指数对大多数行业的判断准确 将行业偏离和选股进行结合进行指数增强, 将行业排序信息结合到多因子框架之中, 能够弥补模型原有的假设缺陷, 提升收益预测模型的 IC 与 IC-IR; 并通过行业偏离, 提高指数增强策略的超额收益与信息比率 增强策略年化超额收益从.1% 提升到 %, 信息比从. 提升至.. 风险提示 流动性风险 模型失效风险 因子失效风险

17 信息披露 金融工程研究金融工程专题报告 1 分析师声明 [Table_Analysts] 郑雅斌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

18 金融工程研究金融工程专题报告 1 [Table_PeopleInfo] 海通证券股份有限公司研究所 路颖所长 (01)10 luying@htsec.com 高道德副所长 (01) gaodd@htsec.com 姜超副所长 (01)10 jc001@htsec.com 江孔亮副所长 (01)1 kljiang@htsec.com 邓勇所长助理 (01)10 dengyong@htsec.com 荀玉根所长助理 (01)1 xyg0@htsec.com 钟奇所长助理 (01)1 zq@htsec.com 宏观经济研究团队姜超 (01)10 jc001@htsec.com 顾潇啸 (01) gxx@htsec.com 于博 (01)10 yb@htsec.com 梁中华 (01)11 lzh0@htsec.com 联系人李金柳 (01)1 ljl1@htsec.com 宋潇 (01)1 sx@htsec.com 陈兴 (01)10 cx10@htsec.com 固定收益研究团队姜超 (01)10 jc001@htsec.com 周霞 (01)10 zx01@htsec.com 朱征星 (01)11 zzx0@htsec.com 姜珮珊 (01)111 jps@htsec.com 联系人李波 (01)1 lb@htsec.com 杜佳 (01)11 dj1@htsec.com 政策研究团队李明亮 (01)1 lml@htsec.com 陈久红 (01) chenjiuhong@htsec.com 吴一萍 (01) wuyiping@htsec.com 朱蕾 (01)1 zl1@htsec.com 周洪荣 (01)1 zhr1@htsec.com 王旭 (01) wx@htsec.com 汽车行业谢亚彤 (01)11 xyt1@htsec.com 王猛 (01)101 wm0@htsec.com 杜威 (0)00 dw@htsec.com 互联网及传媒钟奇 (01)1 zq@htsec.com 郝艳辉 (0)00 hyh1@htsec.com 许樱之 xyz0@htsec.com 孙小雯 (01)110 sxw@htsec.com 刘欣 (0)0 lx1@htsec.com 联系人强超廷 (01)11 qct1@htsec.com 毛云聪 (0)00 myc1@htsec.com 陈星光 cxg@htsec.com 金融工程研究团队高道德 (01) gaodd@htsec.com 冯佳睿 (01)1 fengjr@htsec.com 郑雅斌 (01) zhengyb@htsec.com 罗蕾 (01)1 ll@htsec.com 沈泽承 (01)10 szc@htsec.com 余浩淼 (01)1 yhm1@htsec.com 袁林青 (01)10 ylq1@htsec.com 姚石 (01)1 ys1@htsec.com 联系人周一洋 (01)1 zyy@htsec.com 吕丽颖 (01)1 lly@htsec.com 张振岗 (01)1 zzg1@htsec.com 颜伟 (01) yw@htsec.com 梁镇 (01)1 lz@htsec.com 策略研究团队荀玉根 (01)1 xyg0@htsec.com 钟青 (0)00 zq0@htsec.com 高上 (01)1 gs@htsec.com 李影 (01)1 ly1@htsec.com 联系人姚佩 (01)11 yp1@htsec.com 唐一杰 (01)10 tyj@htsec.com 郑子勋 (01)1 zzx11@htsec.com 石油化工行业邓勇 (01)10 dengyong@htsec.com 朱军军 (01)11 zjj1@htsec.com 联系人胡歆 (01)10 hx 公用事业张一弛 (01)10 zyc@htsec.com 张磊 (01)1001 zl@htsec.com 联系人陈佳彬 (01)10 cjb@htsec.com 傅逸帆 (01)1 fyf@htsec.com 有色金属行业施毅 (01)10 sy@htsec.com 联系人李姝醒 (01)101 lsx0@htsec.com 陈晓航 (01)1 cxh0@htsec.com 李骥 (01)1 lj@htsec.com 甘嘉尧 gjy0@htsec.com 金融产品研究团队高道德 (01) gaodd@htsec.com 倪韵婷 (01)11 niyt@htsec.com 陈瑶 (01)1 chenyao@htsec.com 唐洋运 (01)100 tangyy@htsec.com 宋家骥 (01)11 sjj@htsec.com 薛涵 xh@htsec.com 皮灵 (01)11 pl@htsec.com 联系人谈鑫 (01)1 tx1@htsec.com 王毅 (01)11 wy@htsec.com 蔡思圆 (01)1 csy@htsec.com 徐燕红 (01) xyh@htsec.com 庄梓恺 zzk0@htsec.com 中小市值团队张宇 (01)1 zy@htsec.com 钮宇鸣 (01)10 ymniu@htsec.com 孔维娜 (01)1 kongwn@htsec.com 潘莹练 (01)11 pyl@htsec.com 联系人王鸣阳 (01) wmy@htsec.com 程碧升 (01)111 cbs@htsec.com 相姜 (01)1 xj@htsec.com 医药行业余文心 (0)0 ywx1@htsec.com 郑琴 (01)10 zq0@htsec.com 孙建 (01)110 sj@htsec.com 师成平 (0)0 scp0@htsec.com 联系人贺文斌 (0)0 hwb0@htsec.com 吴佳栓 (0)00 wjs@htsec.com 范国钦 fgq1@htsec.com 批发和零售贸易行业汪立亭 (01) wanglt@htsec.com 李宏科 (01)11 lhk@htsec.com 联系人史岳 (01)1 sy@htsec.com 房地产行业涂力磊 (01)1 tll@htsec.com 谢盐 (01)1 xiey@htsec.com 联系人杨凡 (01)11 yf1@htsec.com 金晶 (01)11 jj@htsec.com

19 电子行业陈平 (01)1 联系人谢磊 (01)11 张天闻 尹苓 (01)1 石坚 (0)0 基础化工行业刘威 (0)1 刘海荣 (01)10 张翠翠 联系人李智 (01) 非银行金融行业何婷 (01)1 孙婷 (0)0 联系人夏昌盛 (0)000 李芳洲 (01)11 建筑建材行业钱佳佳 (01)101 冯晨阳 (01)101 建筑工程行业杜市伟 张欣劼 军工行业张恒晅 蒋俊 (01)110 刘磊 (0)0 联系人张宇轩 家电行业陈子仪 (01)1 联系人李阳 朱默辰 刘璐 (01)10 煤炭行业吴杰 (01)1 戴元灿 (01)11 李淼 (0)0 计算机行业郑宏达 (01) 鲁立 (01)1 黄竞晶 (01)11 杨林 (01)11 联系人洪琳 (01)1 交通运输行业虞楠 (01) 联系人李丹 (01)101 机械行业佘炜超 (01)11 耿耘 (01)11 杨震 (01)11 沈伟杰 (01)1 农林牧渔行业丁频 (01)10 陈雪丽 (01) 陈阳 (0)0 联系人夏越 (01)101 银行行业孙婷 (0)0 林媛媛 (0)1 联系人谭敏沂 造纸轻工行业衣桢永 曾知 (01)1 赵洋 (01)11 金融工程研究金融工程专题报告 1 电力设备及新能源行业张一弛 (01)10 zyc@htsec.com 房青 (01)1 fangq@htsec.com 曾彪 (01)11 zb@htsec.com 徐柏乔 (01)1 xbq@htsec.com 张向伟 (01)111 zxw0@htsec.com 通信行业朱劲松 (0)0 zjs@htsec.com 余伟民 (0)0 ywm@htsec.com 联系人庄宇 (0)0 zy0@htsec.com 张峥青 zzq0@htsec.com 纺织服装行业梁希 (01)10 lx10@htsec.com 钢铁行业刘彦奇 (01)1 liuyq@htsec.com 联系人周慧琳 (01)1 zhl@htsec.com 刘璇 lx1@htsec.com 食品饮料行业闻宏伟 (0)01 whw@htsec.com 成珊 (01)10 cs0@htsec.com 唐宇 (01) ty1@htsec.com 社会服务行业汪立亭 (01) wanglt@htsec.com 李铁生 (0)0 lts@htsec.com 联系人陈扬扬 (01)11 cyy@htsec.com 顾熹闽 (01)1 gxm1@htsec.com 研究所销售团队 深广地区销售团队蔡铁清 (0) ctq@htsec.com 伏财勇 (0)0 fcy@htsec.com 辜丽娟 (0)0 gulj@htsec.com 刘晶晶 (0) liujj00@htsec.com 王雅清 (0) wyq1@htsec.com 饶伟 (0) rw@htsec.com 欧阳梦楚 (0)110 oymc@htsec.com 宗亮 zl@htsec.com 巩柏含 gbh@htsec.com 上海地区销售团队胡雪梅 (01) huxm@htsec.com 朱健 (01)1 zhuj@htsec.com 季唯佳 (01) jiwj@htsec.com 黄毓 (01)1 huangyu@htsec.com 漆冠男 (01)11 qgn@htsec.com 胡宇欣 (01)11 hyx@htsec.com 黄诚 (01) hc@htsec.com 毛文英 (01) mwy@htsec.com 马晓男 mxn@htsec.com 杨祎昕 (01)1 yyx@htsec.com 方烨晨 (01)10 fyc1@htsec.com 张思宇 zsy@htsec.com 慈晓聪 (01)1 cxc@htsec.com 王朝领 wcl@htsec.com 北京地区销售团队殷怡琦 (0)0 yyq@htsec.com 吴尹 wy1@htsec.com 陆铂锡 lbx1@htsec.com 张丽萱 (0)01 zlx@htsec.com 陈铮茹 czr@htsec.com 杨羽莎 (0)0 yys@htsec.com 杜飞 df101@htsec.com 张杨 (01)1 zy@htsec.com

20 金融工程研究金融工程专题报告 0 海通证券股份有限公司研究所地址 : 上海市黄浦区广东路 号海通证券大厦 楼电话 :(01)1000 传真 :(01) 网址 :