金融工程研究金融工程专题报告 2 目录 1. 分析师覆盖度特质覆盖度特质覆盖度组合的统计特征公司基本面表现公司覆盖度与未来股价表现特质覆盖度与原始覆盖度特质覆盖度因子预测能力的持续性.

Size: px

Start display at page:

Download "金融工程研究金融工程专题报告 2 目录 1. 分析师覆盖度特质覆盖度特质覆盖度组合的统计特征公司基本面表现公司覆盖度与未来股价表现特质覆盖度与原始覆盖度特质覆盖度因子预测能力的持续性."

遗桧廉
5 years ago
Views:

1 [Table_MainInfo] 金融工程研究证券研究报告 [Table_Title] 相关研究 [Table_ReportInfo] 选股因子系列研究( 二十一 ) 分析师一致预期相关因子指数分红预测及对期指的影响 FICC 系列研究之四基于协整和 O-U 过程的黄金套利策略 [Table_AuthorInfo] 分析师 : 冯佳睿 Tel:(021) fengjr@htsec.com 证书 :S 分析师 : 罗蕾 Tel:(021) ll9773@htsec.com 证书 :S 金融工程专题报告 2017 年 07 月 04 日选股因子系列研究 ( 二十二 ) 分析师覆盖度与股票预期收益 [Table_Summary] 投资要点 : 本文尝试在因子的框架体系中考察分析师覆盖度与股票未来收益之间的关系提出对于传统的离散覆盖度指标, 可通过线性回归方式剥离掉公司特征 ( 如市值流动性前期股价表现 ) 的影响, 分解出独属于公司的特质覆盖度 ATOT 覆盖度因子反映了分析师群体对其时间精力和注意力的分配特质覆盖度越高, 公司未来基本面向好的可能性越大特质覆盖度对公司未来基本面具有较强的预测能力特质覆盖度越高的公司, 其未来盈利能力和营运有效性向好的可能性越大从盈利能力来看, 分析师倾向于将其研究精力分配给经营净现金流为正净利润为正同时相比于上一年同期净利润增加的公司从营运有效性来看, 分析师倾向于分配更多的精力给毛利增加资产周转率增大的公司特质覆盖度越高, 股票收益越高特质覆盖度具有一定的股票收益预测能力该因子月均多空收益差为 1.72%, 月胜率逾 70%, 平均 rankic 为 4.61%, 统计显著此外, 该因子的预测能力具有较强的持续性, 即使在滞后 4 个月的时间窗口下, 其多空收益差和 rankic 仍显著异于 0 在不同的观察期和持有期下, 特质覆盖度因子都具有显著的选股效果在 1 至 12 个月的观察期, 以及 1-6 个月的持有期下, 特质覆盖度因子都维持显著的选股效果但观察期和持有期越长, 新息占比越小, 因子有效性越低特质覆盖度因子在行业间的选股效果特质覆盖度在大部分行业都具有显著的多空收益差和 rankic 值 ; 整体而言, 在公司数量较少的行业, 该因子有效性受限风险提示市场环境变动模型误设分析师行业规则变动等可能对因子有效性产生较大影响

2 金融工程研究金融工程专题报告 2 目录 1. 分析师覆盖度特质覆盖度特质覆盖度组合的统计特征公司基本面表现公司覆盖度与未来股价表现特质覆盖度与原始覆盖度特质覆盖度因子预测能力的持续性横截面回归检验稳健性检验不同观察期下的因子表现不同持有期下的因子表现因子在行业间的选股效果总结风险提示... 12

3 金融工程研究金融工程专题报告 3 图目录图 1 特质覆盖度因子分组特征... 6 图 2 特质覆盖度分组组合平均基本面得分... 7 图 3 特质覆盖度分组组合收益... 8 图 4 特质覆盖度因子月多空收益差... 8 图 5 原始覆盖度分组月均收益... 8 图 6 滞后 ATOT 因子的多空收益差... 9 图 7 滞后 ATOT 因子的 rankic... 9 图 8 特质覆盖度月风险溢价图 9 特质覆盖度在行业间的选股效果... 11

4 金融工程研究金融工程专题报告 4 表目录表 1 分析师覆盖度回归系数... 5 表 2 特质覆盖度极端组合基本面表现差异... 7 表 3 特质覆盖度分组组合未来整体基本面得分... 7 表 4 特质覆盖度多空组合及 rankic 统计结果... 7 表 5 ATOT 因子的横截面回归结果... 9 表 6 特质覆盖度因子在不同观察期下的表现表 7 特质覆盖度因子在不同持有期下的表现... 11

5 金融工程研究金融工程专题报告 5 在以往研究中, 分析师覆盖度通常用作事件分析中的分类指标, 鲜少用于多因子框架这主要是由于该指标通常用前期报告总篇数或分析师数来衡量, 是个离散指标, 难以加入连续的收益率预测模型中但实际上, 分析师覆盖度反映了分析师群体对其时间精力和注意力的分配, 包含不同于传统技术指标的信息, 因此本文尝试以因子视角来考察分析师覆盖度对股票未来收益的预测能力 1. 分析师覆盖度直观来看, 卖方分析师的时间和精力是有限的, 他们更愿意将注意力分配给未来表现向好的公司, 因此覆盖度高的公司, 未来收益表现理应优于覆盖度低的公司但实际上覆盖度的高低不仅仅取决于分析师对公司未来表现的预期, 还与公司基本特征有关例如, 市值大的公司对行业和指数的影响更大, 分析师会分配更多的时间来分析这部分股票 ; 交易活跃度高的公司更能吸引投资者注意力, 分析师也会花费一定的精力对这部分公司进行评论分析因此我们需将分析师覆盖度中, 与公司基本特征有关以及与分析师未来预期有关的部分分离开来在下文分析中, 我们以 TOT 代表前 3 个月所有分析师对某公司撰写的报告总篇数, 即分析师覆盖度例如 TOT i,m 即为, 站在第 m 个月末, 股票 i 前 3 个月的报告总篇数 1.1 特质覆盖度我们通过月度回归的方式, 将分析师覆盖度中与公司基本特征有关的部分分离开来为避免异常值的影响, 我们将因变量设为 log(1+tot) 具体而言,m 月末公司 i 的特质覆盖度由如下回归方程获取 : 其中,Size i,m 为股票 i 在 m 月末的对数总市值,Turn i,m 为前 3 个月的日均换手率,Pret i,m 为前 3 个月的累计收益率按照上述方程处理后, 回归残差项 ε i,m 即为特质覆盖度, 我们在后文中以 ATOT 表示 ATOT 越大, 表明相比于同等市值流动性前期收益的股票, 该公司获得的分析师关注度更高下表列示了在分析师覆盖度回归过程中, 各系数的时间序列均值及 t 统计量统计结果显示, 分析师覆盖度与公司规模 (Size) 换手率 (Turn) 以及前期收益率 (Pret) 呈现显著的正相关关系公司市值越大前期交易越活跃收益表现越好的股票, 所受到的分析师关注度越高, 覆盖度 TOT 也越大上述 3 个特征共解释了 32% 左右的分析师覆盖度差异表 1 分析师覆盖度回归系数 Size Turn Pret R 方均值 % T 统计量特质覆盖度组合的统计特征基于特质覆盖度 ATOT 由小到大排序, 等分为 10 组, 以 2010 年初至 2017 年 6 月底为样本区间, 图 1 统计了各个 ATOT 组合的平均换手率 (Turn) 前期累计收益率 (Pret) 特质波动率 (Resvol) 市净率 (PB) 和市值 (Size) 特征从中可看出,ATOT 与前期累计收益率特质波动率换手率以及市净率均无明显的线性关系, 对于这 4 个指标,ATOT 组合呈现出中间高两端低的态势, 即相对而言, 中间组别的前期涨幅偏大, 波动率换手率和估值偏高 ATOT 与市值的线性关系也并

6 金融工程研究金融工程专题报告 6 不明显,ATOT 最大的一组股票市值相对偏大图 1 特质覆盖度因子分组特征 Size Pret PB Turn Resvol D1 D2 D3 D4 D5 D6 D7 D8 D9 D 公司基本面表现分析师通过基本面分析对公司未来盈利情况进行预测, 通常而言, 对于预测基本面向好的公司, 他们会给予更多的关注度, 认为其股票未来会有较好的价格表现换言之, 分析师认为某股票未来收益可观, 是由于他们看好公司未来的基本面表现为考察这种关系是否成立, 我们以 5 个衡量公司盈利和营运有效性的示性变量来反映公司的基本面情况具体来看, 我们主要考察以下 5 个分项指标 :CFO>0, 表明公司的经营净现金流为正 ;NI>0, 表明公司的净利润为正 ;ΔNI>0, 表明公司净利润同比增长率为正 ;ΔMRG>0, 表明公司毛利增加 ;ΔTO>0, 表明公司资产周转率增加在每月末, 我们统计每个股票在下个财报期的上述 5 个示性变量值, 并将其加总, 记之为 FSCORE, 反映公司未来整体的基本面得分情况下面的图表统计了特质覆盖度因子分组组合的平均分项基本面指标, 以及极端组合的差异从盈利能力来看, 分析师倾向于将其研究精力分配给经营净现金流为正 (CFO>0) 净利润为正 (NI>0) 同时相比于上一年同期净利润增加 (ΔNI>0) 的公司对于 ΔNI>0 指标而言, 特质覆盖度高的组合与覆盖度低的组合差异为 (t 统计量为 21.31), 表明高覆盖度组合净利润增加的可能性比低覆盖度组合高 14.75% 从营运有效性来看, 分析师倾向于分配更多的精力给毛利增加 (ΔMRG>0) 资产周转率增大 (ΔTO>0) 的公司从单调性来看, 特质覆盖度越高, 毛利增加的比例越大资产周转率增加的比例也越高 ; 从极端组合的差异来看, 高覆盖度组合与低覆盖度组合的营运有效性差异显著

7 金融工程研究金融工程专题报告 7 图 2 特质覆盖度分组组合平均基本面得分 CFO>0 NI>0 ΔNI>0 ΔMRG>0 ΔTO> D1 D2 D3 D4 D5 D6 D7 D8 D9 D10 表 2 特质覆盖度极端组合基本面表现差异 CFO>0 NI>0 ΔNI>0 ΔMRG>0 ΔTO>0 高 - 低 t 统计量为考察整体基本面表现情况, 我们将上述 5 个指标加总, 得到 FSCORE 指标, 下表统计了各个特质覆盖度组合的得分情况从中可看出, 整体而言, 分析师覆盖度越高, 公司未来基本面向好的可能性越大覆盖度高低组合的 FSCORE 差为 0.802(t 统计量 31.94), 按照 FSCORE 平均值计算, 相当于 27.34%; 也就是高覆盖度组合基本面向好的可能性比低覆盖度组合高 27.34% 表 3 特质覆盖度分组组合未来整体基本面得分 D1( 低 ) D2 D3 D4 D5 D6 D7 D8 D9 D10( 高 ) 高 - 低 t 统计量 FSCORE 公司覆盖度与未来股价表现 3.1 特质覆盖度与原始覆盖度在每月末, 按照特质覆盖度由低到高排序, 等分为 10 组, 考察每一组股票在下个月的平均收益与 FF3-alpha(Fama-French 三因子超额收益 ), 结果如图 3 所示从中可看出, 整体而言, 股票收益率与特质覆盖度之间呈现明显的正相关性, 覆盖度越高, 股票后期收益表现越优从统计特征来看, 多空组合月均收益差为 1.72%, 月胜率逾 70%, 统计显著其中, 多头相对于全市场等权组合月均超额 0.38%, 空头超额 -1.35%, 该因子的空头效应更为明显从与下月股票的收益率相关性来看, 该因子 rankic 为 4.461%, 统计显著表 4 特质覆盖度多空组合及 rankic 统计结果均值月胜率 t 统计量多空超额 1.72% 73.33% 4.83 多头超额 0.38% 57.78% 1.62 空头超额 -1.35% 18.89% -7.05

8 金融工程研究金融工程专题报告 8 rankic 4.61% 66.67% 4.58 图 3 特质覆盖度分组组合收益图 4 特质覆盖度因子月多空收益差 2.0% 1.8% 1.6% 1.4% 1.2% 1.0% 0.8% 0.6% 0.4% 0.2% 月均收益 ( 左轴 ) FF-3alpha( 右轴 ) 1.0% 0.5% 0.0% -0.5% -1.0% % 10% 5% 0% -5% -10% -15% 0.0% D1 D2 D3 D4 D5 D6 D7 D8 D9 D10-1.5% 月超额收益 ( 右轴 ) 多空累计净值 ( 左轴 ) 需要注意的是, 原始覆盖度并不是个有效的选股因子下图展示了基于原始覆盖度由低到高排序分为 10 组后的月均收益情况, 从中可看出, 原始覆盖度指标与下期收益率并无明显线性关系, 该因子 rankic 为 -0.42%(t 统计量为 -0.33), 几近于 0 从极端组合收益差来看, 因子值偏低组合相对于因子值偏高组合月均超额 0.39%(t 值为 -0.84), 统计不显著图 5 原始覆盖度分组月均收益 1.8% 1.6% 1.4% 1.2% 1.0% 0.8% 0.6% 0.4% 0.2% 0.0% D1 D2 D3 D4 D5 D6 D7 D8 D9 D 特质覆盖度因子预测能力的持续性上述的统计结果表明特质覆盖度对下月收益率具有一定的预测能力, 本节我们将分析这种预测能力的持续性具体而言, 我们基于 m-1 至 m-6 月末的 ATOT 从低到高排序将股票分为 10 组, 统计 ATOT 最高的一组股票相对于 ATOT 最低的一组股票在第 m 月的超额收益率率, 结果如图 6 所示此外, 我们还考察了第 m 月收益率与 m-1 至 m-6 月末 ATOT 之间的 rankic 值, 结果如图 7 所示统计结果表明, 滞后的 ATOT 指标对股票收益率也具有预测能力, 在滞后 1 至 4 个月的时间窗口下, 该因子的多空收益差以及 rankic 均显著异于 0; 但滞后阶数更长时, 预测能力减弱, 不再显著由此表明,ATOT 对股价的预测能力并非源于短暂的价格压力, 不会立即出现反转

9 金融工程研究金融工程专题报告 9 图 6 滞后 ATOT 因子的多空收益差图 7 滞后 ATOT 因子的 rankic 2.0% 1.7% 5.0% 4.6% 1.6% 4.0% 1.2% 0.8% 1.2% 1.0% 1.1% 0.7% 0.6% 3.0% 2.0% 3.0% 2.5% 2.1% 1.7% 1.6% 0.4% 1.0% 0.0% m-1 m-2 m-3 m-4 m-5 m-6 0.0% m-1 m-2 m-3 m-4 m-5 m-6 注 :1. 上图考察 m 月收益率与 m-1 至 m-6 月末 ATOT 因子之间的关系 ; 2. 图中柱体标记为蓝色, 表明在 5% 的臵信度下显著注 :1. 上图考察 m 月收益率与 m-1 至 m-6 月末 ATOT 因子之间的关系 ; 2. 图中柱体标记为蓝色, 表明在 5% 的臵信度下显著 3.3 横截面回归检验为考察特质覆盖度因子对收益率预测模型的边际贡献, 本节使用横截面回归的方法, 测算控制其他风险因子后 ATOT 因子的风险溢价回归中使用的变量包括市值换手波动率市值平方和反转表 5 罗列了加入特质覆盖度前后, 横截面风险溢价的参数估计与 t 统计量其中, 方程 1 为基准模型, 包含常用的 5 个因子, 模型拟合优度平均为 7.89% 方程 2 在基准模型的 5 个因子外, 加入了特质覆盖度因子回归结果显示, 特质覆盖度因子的月均溢价为 0.39%,t 统计量为 3.35, 显著大于 0; 平均拟合优度增加至 8.80% 这表明, 在控制其他因子的前提下, 特质覆盖度与股票收益率仍呈现显著的正相关关系, 且能提高原始收益率模型的预测能力表 5 ATOT 因子的横截面回归结果回归方程市值换手率波动率市值平方反转特质覆盖度拟合优度方程 1 参数估计 t 统计量方程 2 参数估计 t 统计量图 8 展示了在方程 2 下, 特质覆盖度的月风险溢价结果显示, 特质覆盖度为正的比例为 66.67%, 从时间序列上看, 该因子的月溢价具有稳定性

10 金融工程研究金融工程专题报告 10 图 8 特质覆盖度月风险溢价 4.0% 3.0% 2.0% 1.0% 0.0% -1.0% -2.0% -3.0% 4. 稳健性检验本节对特质覆盖度因子的稳健性进行检验, 主要包括观察期和持有期选取的影响, 以及在不同行业的选股效果 4.1 不同观察期下的因子表现前文分析中的特质覆盖度是基于前 3 个月报告总篇数构建而成, 这主要是为与一致预期数据构建窗口相匹配本小节我们考察在不同构建期窗口下 ( 持有期固定为 1 个月 ) 因子的选股效果, 结果列于下表从中可看出, 在 1 至 12 个月的构建期下,ATOT 因子的月均多空收益差都大于 1%, 月胜率超过 60%; 而 rankic 也都大于 2%, 统计显著由此表明, 在不同构建期窗口下的 ATOT 因子都具有显著的选股效果但需要注意的是, 构建期窗口越长, 因子的 rankic 值越小, 月胜率越低表 6 特质覆盖度因子在不同观察期下的表现多空收益差 rankic 观察期均值月胜率 t 统计量均值月胜率 t 统计量 1 个月 1.47% 71.11% % 76.67% 个月 1.72% 73.33% % 66.67% 个月 1.61% 66.67% % 62.22% 个月 1.35% 64.44% % 62.22% 个月 1.09% 61.11% % 62.22% 2.33 注 : 上述观察期下的持有期均为 1 个月 4.2 不同持有期下的因子表现下表展示了观察期为 3 个月, 持有期为 1 个月至半年时,ATOT 因子的月均多空收益差及 rankic 统计结果从中可看出, 不同持有期下特质覆盖度因子的月均多空收益差都大于 1%, 月胜率超过 60%;rankIC 也都超过 4%, 统计显著由此表明, 该因子的延续性较强, 在 1 至 6 个月的持有期窗口下, 均具有显著的选股效果 ; 但随着持有期增加, 其多空收益差有所减小

11 金融工程研究金融工程专题报告 11 表 7 特质覆盖度因子在不同持有期下的表现多空收益差 rankic 持有期均值月胜率 t 统计量均值月胜率 t 统计量 1 个月 1.72% 73.33% % 66.67% 个月 1.48% 68.89% % 68.89% 个月 1.34% 66.67% % 72.22% 个月 1.28% 66.67% % 78.89% 个月 1.18% 64.44% % 75.56% 个月 1.10% 64.44% % 77.78% 6.33 注 : 上述持有期下的观察期均为 3 个月 4.3 因子在行业间的选股效果在每月末, 按照特质覆盖度由低到高排序, 等分为 5 组, 考察每个行业 ATOT 最高的一组股票与 ATOT 最低的一组股票月均收益差, 结果如下图所示从中可看出, 该因子在半数以上 (58.6%) 的行业中具有显著为正的多空收益差 ; 平均月收益差 1.15%, 平均月胜率 59.0% 此外, 下图还统计了各个行业的 rankic 情况结果显示,ATOT 因子在 19 个 ( 占比 65.5%) 行业的 rankic 显著为正, 平均 rankic 值为 4.34% 特质覆盖度与未来股票收益率线性关系最为稳定的是有色金融基础化工和机械等行业整体而言,ATOT 因子在股票数量较多的行业中选股效果更为明显图 9 特质覆盖度在行业间的选股效果多空月收益差 rankic 股票个数行业均值 (%) 月胜率 (%) t 统计量均值 (%) 月胜率 (%) t 统计量均值有色金属基础化工机械综合轻工制造电力及公用事业汽车石油石化电子元器件建材通信电力设备房地产传媒建筑国防军工食品饮料计算机医药交通运输钢铁农林牧渔非银行金融纺织服装家电商贸零售餐饮旅游银行煤炭总结

12 金融工程研究金融工程专题报告 12 本文尝试在因子的框架体系中考察分析师覆盖度与股票未来收益之间的关系提出对于传统的离散覆盖度指标, 可通过线性回归方式剥离掉公司特征 ( 如市值流动性前期股价表现 ) 的影响, 分解出独属于公司的特质覆盖度 ATOT 该因子反映了分析师群体对其时间精力和注意力的分配分析师通过基本面分析对公司未来盈利情况进行预测, 通常而言, 对于预测基本面向好的公司, 他们会给予更多关注度, 认为其股票未来会有较好的价格表现换言之, 分析师认为某股票未来收益可观, 是由于他们看好公司未来的基本面表现为验证这种关系是否成立, 我们在报告第 2 3 部分分别考察了特质覆盖度与公司未来基本面表现未来股价收益之间的关系通过回测我们发现, 特质覆盖度对公司未来基本面和股价收益都具有较强的预测能力特质覆盖度越高的公司, 其未来盈利能力和营运有效性向好的可能性越大 ; 同时, 公司未来股价上升的可能性和幅度也越高此外我们还发现, 在不同的观察期和持有期下, 特质覆盖度因子都具有显著的选股效果, 该因子延续性较强 ; 但观察期和持有期越长, 新息占比越小, 因子有效性越低从行业间的选股效果来看, 特质覆盖度在大部分行业都具有显著的多空收益差和 rankic 值 ; 整体而言, 在公司数量较少的行业, 该因子有效性受限 6. 风险提示市场环境变动模型误设分析师行业规则变动等可能对因子有效性产生较大影响

13 信息披露分析师声明金融工程研究金融工程专题报告 13 [Table_Analysts] 冯佳睿金融工程研究团队罗蕾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

14 金融工程研究金融工程专题报告 14 [Table_PeopleInfo] 海通证券股份有限公司研究所路颖所长 (021) 高道德副所长 (021) 姜超副所长 (021) 江孔亮副所长 (021) 邓勇所长助理 (021) 荀玉根所长助理 (021) 钟奇所长助理 (021) 宏观经济研究团队姜超 (021) 顾潇啸 (021) 于博 (021) 联系人梁中华 (021) 李金柳 (021) 固定收益研究团队姜超 (021) 周霞 (021) 朱征星 (021) 张卿云 (021) 联系人姜珮珊 (021) 杜佳 (021) 政策研究团队李明亮 (021) 陈久红 (021) 吴一萍 (021) 朱蕾 (021) 周洪荣 (021) 王旭 (021) 汽车行业邓学 (0755) 联系人谢亚彤 (021) 杜威王猛 (021) 互联网及传媒钟奇 (021) 郝艳辉 (010) 许樱之联系人孙小雯 (021) 强超廷 (021) 毛云聪 (010) 刘欣 (010) 唐宇 (021) 金融工程研究团队高道德 (021) 冯佳睿 (021) 郑雅斌 (021) 余浩淼 (021) 袁林青 (021) 罗蕾 (021) 沈泽承 (021) 联系人周一洋 (021) 姚石 (021) 吕丽颖 (021) 张振岗颜伟 (021) 史霄安策略研究团队荀玉根 (021) 钟青 (010) 高上 (021) 联系人郑英亮 (021) 姚佩 (021) 唐一杰李影 (021) 石油化工行业邓勇 (021) 联系人朱军军 (021) 毛建平 (021) 殷奇伟 (021) 公用事业张一弛 (021) 联系人赵树理 (021) 张磊 (021) 有色金属行业施毅 (021) 联系人杨娜 (021) 李姝醒 (021) 金融产品研究团队高道德 (021) 倪韵婷 (021) 陈瑶 (021) 唐洋运 (021) 宋家骥 (021) 薛涵联系人谈鑫 (021) 皮灵 (021) 王毅 (021) 蔡思圆 (021) 徐燕红 (021) 庄梓恺中小市值团队钮宇鸣 (021) 张宇 (021) 刘宇 (021) 孔维娜 (021) 联系人王鸣阳 (021) 程碧升 (021) 潘莹练 (021) 相姜 (021) 医药行业余文心 (0755) 郑琴 (021) 孙建 (021) 联系人师成平 (010) 贺文斌 (010) 刘浩 (010) 批发和零售贸易行业汪立亭 (021) 王晴 (021) 李宏科 (021) 联系人史岳 (021) 房地产行业涂力磊 (021) 谢盐 (021) 贾亚童 (021) 联系人杨凡 (021) 金晶 (021)

15 电子行业陈平 (021) 联系人谢磊 (021) 张天闻尹苓 (021) 基础化工行业刘威 (0755) 刘强 (021) 联系人刘海荣 (021) 非银行金融行业孙婷 (010) 何婷 (021) 联系人夏昌盛 (010) 李芳洲 (021) 建筑建材行业邱友锋 (021) 冯晨阳 (021) 钱佳佳 (021) 联系人周俊建筑工程行业杜市伟联系人毕春晖 (021) 军工行业徐志国 (010) 刘磊 (010) 蒋俊 (021) 联系人张恒晅 (010) 张宇轩家电行业陈子仪 (021) 联系人李阳朱默辰煤炭行业吴杰 (021) 李淼 (010) 联系人戴元灿 (021) 计算机行业郑宏达 (021) 谢春生 (021) 鲁立联系人黄竞晶 (021) 杨林 (021) 洪琳交通运输行业虞楠 (021) 张杨 (021) 联系人童宇 (021) 机械行业沈伟杰 (021) 佘炜超 (021) 耿耘 (021) 联系人杨震 (021) 农林牧渔行业丁频 (021) 陈雪丽 (021) 陈阳 (010) 联系人关慧 (021) 夏越 (021) 银行行业林媛媛 (0755) 联系人林瑾璐谭敏沂造纸轻工行业曾知 (021) 联系人朱悦 (021) 赵洋 (021) 金融工程研究金融工程专题报告 15 电力设备及新能源行业杨帅 (010) 房青 (021) 徐柏乔 (021) 联系人曾彪 (021) 张向伟 (021) 通信行业朱劲松 (010) 联系人庄宇 (010) 余伟民 (010) 纺织服装行业唐苓 (021) 梁希 (021) 于旭辉 (021) 联系人马榕 (021) 钢铁行业刘彦奇 (021) 联系人刘璇 (021) 食品饮料行业闻宏伟 (010) 孔梦遥 (010) 成珊 (021) 社会服务行业李铁生 (010) 联系人陈扬扬 (021) 顾熹闽研究所销售团队

16 金融工程研究金融工程专题报告 16 深广地区销售团队蔡铁清 (0755) 伏财勇 (0755) 辜丽娟 (0755) 刘晶晶 (0755) 王雅清 (0755) 饶伟 (0755) 欧阳梦楚 (0755) 巩柏含上海地区销售团队胡雪梅 (021) 朱健 (021) 黄毓 (021) 漆冠男 (021) 胡宇欣 (021) 黄诚 (021) 蒋炯毛文英 (021) 马晓男方烨晨 (021) 季唯佳 (021) 杨祎昕 (021) 慈晓聪北京地区销售团队殷怡琦 (010) 吴尹陈铮茹陆铂锡杨羽莎 (010) 张丽萱 (010) 张明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) 传真 :(021) 网址 :

公司研究中联环 (835750)2 目录 1. 循环洁水, 环境专家... 5 2. 污水治理进入重效果高标准时代... 6 3. 分布式水厂契合新背景下污水处理需求... 8 4. 业绩预测与评级...

公司研究中联环 (835750)2 目录 1. 循环洁水, 环境专家... 5 2. 污水治理进入重效果高标准时代... 6 3. 分布式水厂契合新背景下污水处理需求... 8 4. 业绩预测与评级... [Table_MainInfo] 公司研究 / 公用事业 / 水公用事业中联环 (835750) 公司研究报告证券研究报告 2016 年 07 月 19 日 [Table_InvestInfo] 投资评级暂不评级首次覆盖股票数据 6 [Table_StockInfo] 个月内目标价 ( 元 ) 7 月 18 日

金融工程研究金融工程专题报告 2 目录 1. 分析师覆盖度 特质覆盖度 特质覆盖度组合的统计特征 公司基本面表现 公司覆盖度与未来股价表现 特质覆盖度与原始覆盖度 特质覆盖度因子预测能力的持续性.

金融工程研究金融工程专题报告 2 目录 1. 分析师覆盖度特质覆盖度特质覆盖度组合的统计特征公司基本面表现公司覆盖度与未来股价表现特质覆盖度与原始覆盖度特质覆盖度因子预测能力的持续性.