金融工程研究金融工程专题报告 2 目录 1. 引入风险管理模块后的多因子组合框架 收益预测 风险管理 组合优化 风险管理下的指数增强策略 中证 500 增强策略 沪深 300 增强策略..

Transcription

1 [Table_MainInfo] 金融工程研究证券研究报告 [Table_Title] 相关研究 [Table_ReportInfo] 2017 年中期金融工程策略 多因子组合的因子风险管理 选股因子系列研究( 二十 ) 基于条件期望的因子择时框架 金融工程专题报告 2017 年 08 月 14 日 引入风险管理后的多因子选股框架与指数增强策略 [Table_Summary] 投资要点 : 基本流程 引入风险管理后的多因子选股框架可以包含三个基本流程 ; 收益预测 风险管理与组合优化 [Table_AuthorInfo] 收益预测 通过分析因子历史选股能力, 预测因子溢价, 并得到股票的预期收益率 股票预期收益率与实际收益率的相关系数 IC 以及相关系数的信息比率 IC-IR 是衡量收益预测模型的重要指标 风险管理 多因子组合的构建并不是高预期收益股票的堆积, 合适的风险管理措施有助于提升组合的表现 相比基于收益信息的已实现风险指标, 基于持仓信息的结构性风险指标能够更好地刻画组合风险 分析师 : 冯佳睿 Tel:(021) fengjr@htsec.com 证书 :S 分析师 : 沈泽承 Tel:(021) szc9633@htsec.com 证书 :S 组合优化 在既定目标函数与约束条件下, 求解最优化问题得到个股权重 本文中, 我们分别以中证 500 指数增强与沪深 300 指数增强策略为例, 分析了不同风险管理措施对策略的影响 中证 500 指数增强策略 中证 500 指数行业分布均匀, 行业中性 对策略提升有限 在较高的风险管理要求下, 采用 市值中性 可以有效降低策略的主动管理风险 沪深 300 指数增强策略 沪深 300 指数的市值 行业分布集中, 同时采用 市值中性 与 行业中性 能够更加有效地管理控制风险, 提升组合表现

2 金融工程研究金融工程专题报告 2 目录 1. 引入风险管理模块后的多因子组合框架 收益预测 风险管理 组合优化 风险管理下的指数增强策略 中证 500 增强策略 沪深 300 增强策略 总结... 13

3 金融工程研究金融工程专题报告 3 图目录 图 1 多因子组合构建的基本流程... 5 图 2 部分常见因子分类与代表... 6 图 3 市值反转盈利因子的滚动因子溢价预测 ( )... 7 图 4 股票预期收益率与实际收益率相关系数 IC( )... 8 图 5 最大化预期收益组合滚动年化跟踪误差... 8 图 6 最大化预期收益组合相对中证 500 指数回撤... 8 图 7 最大化预期组合市值风格偏离... 9 图 8 最大化预期收益组合市值风险贡献... 9 图 9 原始中证 500 增强策略 图 10 市值中性中证 500 增强策略 图 11 市值中性沪深 300 增强策略 图 12 行业中性沪深 300 增强策略 图 13 行业 + 市值中性 沪深 300 指数增强策略 ( )... 13

4 金融工程研究金融工程专题报告 4 表目录 表 1 因子月溢价估计 ( )... 6 表 2 中证 500 指数增强策略风险收益特征 ( ) 表 3 中证 500 指数增强策略分年超额收益 ( ) 表 4 沪深 300 指数增强策略风险收益特征 ( ) 表 5 沪深 300 指数增强策略分年超额收益 ( )... 12

5 金融工程研究金融工程专题报告 年权益类量化基金表现大相径庭, 小盘风格的主动管理产品遭遇回撤, 指数增强产品的超额收益仍然稳健 两者收益差异的主要原因在于, 指数增强产品以获取超额收益为目标, 兼顾成分股权重, 跟踪误差等要求, 因此在组合构建中会采用一系列风险管理手段 在今年的行情下, 合适的风险管理有助于降低风格 技术类因子失效所带来的损失, 提升业绩表现 在 2017 年中期投资策略 多因子组合中的因子风险管理 专题中, 我们分析了几种常见的风险管理手段对多因子组合的影响 本文中, 我们延续前文的思路, 将风险管理纳入多因子组合构建的框架之中 1. 引入风险管理模块后的多因子组合框架 在组合优化框架下, 多因子组合的构建主要包括 3 个基本流程 : 1) 收益预测 : 通过因子溢价的历史估计给出股票预期收益率 2) 风险管理 : 分析组合风险来源, 设计风险约束条件 3) 组合优化 : 在既定约束条件下, 最大化组合预期收益或者其他目标函数 图 1 多因子组合构建的基本流程 资料来源 : 海通证券研究所整理 1.1 收益预测 已往的多因子模型研究重点在于, 通过新因子研发与因子权重设计, 得到股票预期收益率 ( 或者打分 排序 ), 提升股票预期收益率与实际收益率的相关系数 IC, 以及相关性的信息比率 IC-IR 在组合优化的框架中, 我们把这部分工作称之为收益预测 因子构建与计算 收益预测的第一步在于因子构建 通过不同数据源 ( 股票高低频交易数据 上市公司财务信息 基金公司定期报告 分析师一致预期, 宏观行业数据等 ) 得到描述股票差异或者投资者行为的因子 在图 2 中, 我们列举了部分常见因子分类与代表 读者也可以查阅学术文献或者商业报告, 得到丰富的备选因子库 在因子构建过程中, 有时还需要对原始因子进行加工, 通过剔除异常值, 截面分布变换, 标准化等方式, 得到最终使用的因子值

6 金融工程研究金融工程专题报告 6 图 2 部分常见因子分类与代表 资料来源 : 海通证券研究所整理 溢价估计与因子筛选 完成因子构建后, 我们需要分析这些因子对股票收益是否具有影响能力 分析因子选股效果的方法众多, 包括筛选法, 信息系数, 回归甚至是机器学习等 这里, 我们以横截面线性回归为例, 展开后文的内容 首先, 在横截面线性回归模型下, 因子对股票收益的影响能力以回归系数, 也就是因子溢价的方式呈现 其中 r 为股票次月收益率,F 为当月月末因子值 f 为回归所得系数, 即次月因子溢价的估计值 根据因子横截面溢价的截面显著性与时间序列稳健性对因子进行区分 : 横截面显著但时间序列上不稳健的因子可以视作风险, 横截面显著且时间序列稳健的因子可以视作收益来源 而截面与时间序列同时不显著的因子, 往往没有显著的选股能力 如表 1 所示, 许多行为类 基本面因子, 长期来看都具有稳健而显著的溢价, 它们也是目前许多多因子组合的重要收益来源 而部分风格或者风险类因子, 诸如市值 估值 流动性等, 其因子溢价在时间序列上具有较大的波动 因此, 在一些对风控要求较为严格的策略 ( 如指数增强, 对冲 ), 会对其进行风险管理 表 1 因子月溢价估计 ( ) 市值 估值 反转 换手 波动 盈利 成长 流动性 月胜率 月均溢价 -0.57% -0.23% -0.66% -0.90% -0.28% 0.44% 0.17% -0.17% T- 统计量 资

7 金融工程研究金融工程专题报告 7 因子溢价的预测 在多因子模型的假设下, 股票收益由因子驱动 因此, 股票未来收益预测往往取决于因子溢价的预测 从下文的公式可以发现, 线性模型下, 因子溢价的预测类似于因子的权重 对股票收益具有较强影响能力的因子, 具有更高的 权重 基于滚动时间窗口获取因子溢价的历史估计值, 再对下一期的因子溢价进行预测, 是常见的因子溢价预测方法 图 3 展示了市值 反转 盈利 3 个因子基于历史溢价的滚动因子溢价预测 图 3 市值反转盈利因子的滚动因子溢价预测 ( ) 1.00% 0.50% 0.00% -0.50% -1.00% -1.50% 市值 反转 盈利 基于历史滚动窗口的因子溢价预测具有自适应性 在 2017 年之前, 市场呈现显著的小盘风格, 因此市值因子的溢价预测在 -1% 附近, 其绝对值大幅高于其他因子 而在今年上半年市场风格出现切换的过程中, 市值因子的溢价预测则随之降低, 并逐渐向零靠近 股票预期收益率的预测 在线性多因子模型下, 根据因子溢价预测对股票的因子值进行加权, 就可以得到股票预期收益率的预测 收益预测模型的效果可以用股票预期收益率与实际收益率的相关系数 IC 以及相关系数的信息比率 IC-IR 来衡量 使用风格 行为 基本面等因子构建收益预测模型 图 4 是收益预测模型 IC 的时间序列 IC 月胜率为 94%, 月均值为 , 信息比率为 3.98 除了普通的 IC 之外, 我们还可以使用 RankIC 考察股票预期收益率与股票实际收益之间排序的相关性 收益预测模型 RankIC 的月胜率为 95%, 月均值为 , 信息比率为 5.02 但是, 分析收益预测模型 IC 的时间序列, 我们会发现 : 在市场风格剧烈切换的拐点, 例如 2014 年 12 月,2015 年市场大幅下跌期间, 模型 IC 都会出现很明显的下降甚至显著为负 这与采用历史滚动窗口预测因子溢价的方法是有关的 为了适应市场的剧烈变化, 我们也在相关研究中提出了基于条件期望的因子溢价预测修正, 感兴趣的读者可以查阅相关的专题报告

8 图 4 股票预期收益率与实际收益率相关系数 IC( ) 金融工程研究金融工程专题报告 收益预测模型 IC 1.2 风险管理 通过收益预测模型, 可以得到股票的预期收益率 但是, 多因子组合的构建并不是将预期收益率较高的股票简单加总, 也要兼顾组合风险管理 在 多因子组合的因子风险管理 中, 我们详细介绍了基于结构性风险指标的几种常见风险管理手段 已实现风险指标 基于收益的组合风险指标包括波动率 ( 年化跟踪误差 ) 回撤 ( 历史最大回测 ) 等 这些指标都属于已实现风险指标, 它们反映了组合风险的历史信息 然而, 历史风险指标未必能够反映组合当前风险 将股票预期收益率最大的 100 只股票构建的等权组合称之为最大化预期收益组合 图 5 与图 6 分别是最大化预期收益组合相对中证 500 指数, 滚动 3 个月年化跟踪误差以及回撤情况 我们发现,2014 年 11 月之前, 市场波澜不惊, 无论是滚动年化跟踪误差还是相对回撤都在低位徘徊 但是, 这并不表明未来策略运行也四平八稳 2014 年 12 月,2015 年 7 月,2017 年上半年, 策略都遭受了巨大的回撤 这在 2014 年 11 月之前都是未曾出现过的 图 5 最大化预期收益组合滚动年化跟踪误差 图 6 最大化预期收益组合相对中证 500 指数回撤 滚动跟踪误差 ( 右轴 ) 相对净值 ( 左轴 ) 30% 25% 20% 15% 10% 5% 相对回撤 ( 右轴 ) 相对净值 ( 左轴 ) 25% 20% 15% 10% 5% % % 基于收益率构建的已实现风险指标往往反应策略历史区间上的风险特征 由于无法涉及策略风险的本源, 未来这种风险特征是否能够延续是存在疑问的

9 金融工程研究金融工程专题报告 9 结构性风险指标 对于多因子组合的构建者来说, 通过持仓信息构建结构性风险指标能够更好地反映组合实时风险 常见的结构性风险指标包括 : 1) 组合风格偏离 : 组合相对基准在某个因子上的偏离幅度 2) 组合风险贡献 : 组合相对基准主动管理风险中某个因子贡献的比例 图 7 与图 8 中, 我们计算了组合相对中证 500 指数的市值风格偏离与市值因子风险贡献的时间序列 从中可以发现, 组合的市值风格偏离始终在 -1.5 左右徘徊, 市值因子的风险贡献在绝大多数时候占据了组合主动管理风险的一半以上 因此, 即使在 14 年 11 月之前, 虽然组合的已实现跟踪误差与回撤较低, 但是我们仍然不能忽略组合在市值因子上的重大风险 图 7 最大化预期组合市值风格偏离 图 8 最大化预期收益组合市值风险贡献 % % % % 市值风格偏离 20% 0% 市值风险贡献 从结构性风险指标与已实现风险指标的对比可以发现, 结构性指标能够更加客观 实时地反映组合风险 当然, 这也是建立在具有额外持仓信息的前提之上 常见风险管理约束条件 在 多因子组合的因子风险管理 中, 我们对比了 3 个常见的风险管理约束条件 1) 约束组合跟踪误差 约束组合跟踪误差是理论上最有效的解, 但是其实际操作上的效果依赖于对协方差矩阵的估计 但过分低估协方差矩阵时, 过高的组合风格偏离会使组合的实际跟踪误差大幅高于目标值 2) 控制组合风格偏离

10 金融工程研究金融工程专题报告 10 控制组合风格偏离可以直接管理单个因子风险, 从而有效降低组合回撤 但是, 由于忽略了因子之间的风险分散能力, 也会牺牲部分单位风险上的预期收益 3) 匹配组合风险分布 因子与股票收益的关系并非简单线性, 因此单纯将组合与基准之间的风格偏离控制为零, 未必能够完全控制因子风险 为此, 我们可以将匹配组合与基准在某个因子上的分布, 从而降低该因子的风险, 同时也会放弃该因子可能带来的潜在收益 1.3 组合优化 多因子组合的权重优化问题由目标函数与约束条件两部分组成 常见的目标函数包括 : 1) 最大化预期收益 : 2) 最小化预期波动 : 3) 最大化信息比率 : 4) 最大化效用函数 : 常见的约束条件包括 : 1) 组合与个股权重约束 : 2) 目标预期收益下限 : 3) 目标跟踪误差上限 : 4) 组合风格偏离上限 : 5) 组合分布约束 : 在实际组合构建中, 投资者还可以根据交易标的范围, 流动性, 换手率等要求设臵额外的约束条件 根据预设的目标函数与约束条件, 通过优化问题, 求解得到个股的目标权重 2. 风险管理下的指数增强策略 2.1 中证 500 增强策略 根据组合优化框架构建 原始 中证 500 指数增强策略 优化目标函数为最大化组合预期收益 约束条件方面, 在做空限制与组合约束下, 将单只个股偏离其在中证 500 指数权重的幅度控制在 2% 以内 ; 组合相对基准的预期年化跟踪误差不超过 3%; 单个因子的风格偏离幅度不超过 0.5 此外, 根据 是否进行市值中性 是否进行行业中性 是否在成分股内选股, 分别构建了 中证 500 市值中性增强策略 中证 500 行业中性增强策略 中证 500 成分股内增强策略 通过比较上述策略差异, 判断在中证 500 指数增强策略中各类额外风险管理措施的必要性

11 金融工程研究金融工程专题报告 11 表 2 中, 我们对比了不同约束条件下中证 500 指数增强策略的风险收益特征 表 2 中证 500 指数增强策略风险收益特征 ( ) 策略 年化超额收益 年化跟踪误差 最大回撤 信息比率 收益回撤比 月胜率 季胜率 年胜率 原始策略 27.47% 6.14% 6.96% % 92.31% 85.71% 市值中性 20.41% 6.09% 5.03% % 96.15% % 行业中性 28.26% 5.84% 6.65% % 92.31% 85.71% 成分股内 18.12% 6.59% 8.11% % % % 资 表 3 中, 我们展示了不同约束条件下中证 500 增强策略的分年超额收益情况 表 3 中证 500 指数增强策略分年超额收益 ( ) 策略 原始策略 13.57% 24.24% 31.02% 25.31% 87.31% 30.97% -0.38% 市值中性 11.32% 16.65% 25.49% 9.94% 57.60% 19.87% 9.48% 行业中性 13.10% 28.56% 26.51% 31.52% 95.56% 29.65% -2.10% 成分股内 10.69% 15.34% 19.05% 10.40% 54.08% 15.69% 9.06% 资 如表 2 表 3 所示, 在优化框架下, 各类型的中证 500 增强策略都能获得相对业绩基准的超额收益 同时, 横向比较各策略类型之间还是存在一定的差异 首先, 比较原始策略与市值中性策略 原始策略具有更高的收益 这是由于, 相比市值中性策略, 原始策略允许一定的市值风格偏离获取收益 因此, 在 2011 至 2016 年间, 原始策略的超额收益均高于市值中性策略 但是, 在 2017 年市场风格出现大幅切换的情况下, 原始策略的表现要逊于市值中性策略 其次, 比较原始策略与行业中性策略, 两者的风险收益特征非常接近 中证 500 指数成分股的行业分布相对均匀, 行业的风险贡献较低 因此, 额外的行业中性处理对组合的影响并不大 最后, 比较原始策略与成分股内选股策略 由于选股范围的限制, 成分股内选股策略的表现不及原始策略 类似于市值中性策略, 在今年风格切换的行情下, 成分股内选股策略持股的市值范围与基准一致, 更好地规避了相关风险 图 9 与图 10 分别为原始中证 500 增强策略与市值中性中证 500 增强策略相对中证 500 指数的强弱指数走势 从中也可以清晰地发现, 由于对市值风险的管理采用了不同的措施,2017 年策略之间的表现大相径庭 图 9 原始中证 500 增强策略 图 10 市值中性中证 500 增强策略 相对回撤 ( 右轴 ) 相对净值 ( 左轴 ) 10% 8% 6% 4% 2% 相对回撤 ( 右轴 ) 相对净值 ( 左轴 ) 10% 8% 6% 4% 2% % %

12 金融工程研究金融工程专题报告 沪深 300 增强策略 类似地, 我们根据前文的约束条件, 构建原始沪深 300 增强策略 市值中性沪深 300 增强策略 行业中性沪深 300 增强策略以及成分股内选股的沪深 300 增强策略 表 4 中, 我们对比了不同约束条件下沪深 300 指数增强策略的风险收益特征 表 4 沪深 300 指数增强策略风险收益特征 ( ) 策略 年化超额收益 年化跟踪误差 最大回撤 信息比率 收益回撤比 月胜率 季胜率 年胜率 原始策略 20.44% 5.93% 7.60% % 88.46% 85.71% 市值中性 13.51% 5.73% 6.59% % 92.31% 85.71% 行业中性 17.81% 4.53% 5.97% % 88.46% 85.71% 成分股内 12.33% 5.75% 7.18% % 76.92% 85.71% 行业 + 市值中性 11.63% 3.91% 3.64% % 96.15% % 资 表 5 中, 我们展示了不同约束条件下沪深 300 增强策略的分年超额收益情况 表 5 沪深 300 指数增强策略分年超额收益 ( ) 策略 原始策略 11.73% 16.75% 38.72% 11.63% 48.89% 17.35% -5.41% 市值中性 8.64% 10.28% 29.74% -0.49% 25.64% 10.82% 2.93% 行业中性 12.57% 15.71% 23.43% 17.10% 42.99% 15.27% -5.07% 成分股内 5.29% 10.67% 22.48% -0.21% 26.14% 14.56% 1.49% 行业 + 市值中性 9.46% 8.40% 18.21% 5.97% 19.23% 9.99% 4.35% 资 和中证 500 指数增强策略类似, 长期来看各类型的沪深 300 增强策略都能获得超额基准的收益 不过由于沪深 300 指数成分股的行业与市值分布相对集中, 因此风险管理在沪深 300 增强策略的构建中更加重要 首先, 原始策略与市值中性策略的比较结果与中证 500 指数增强一致 控制市值风险后, 组合的收益大幅下降 但是在风格切换的今年, 原始策略跑输业绩基准, 市值中性策略仍然能够战胜指数 其次, 行业中性在沪深 300 指数增强策略的构建中至关重要 2014 年四季度, 市场出现剧烈的风格切换, 金融 基建板块轮番上涨, 而这些板块在沪深 300 指数中占据较高的权重 期间, 若组合行业配臵上出现金融基建板块的大幅偏离, 将会遭遇大幅回撤 而行业中性则可以有效规避行业风险 不过, 若仅采用行业中性, 不采用市值中性, 在今年大小盘风格切换的行情下, 策略仍会跑输指数 最后, 在成分股内选股与市值中性策略类似 在今年能够小幅跑赢指数, 不过选股范围的限制会制约策略的长期收益表现 图 11 与图 12 分别为行业中性与市值中性沪深 300 增强策略相对基准的强弱指数走势 可以发现, 若仅采用行业中性, 难以控制 2017 年风格切换的回撤 ; 若仅采用市值中性, 难以控制 2014 年四季度金融基建大涨带来的回撤

13 金融工程研究金融工程专题报告 13 图 11 市值中性沪深 300 增强策略 图 12 行业中性沪深 300 增强策略 相对回撤 ( 右轴 ) 相对净值 ( 左轴 ) 10% 8% 6% 相对回撤 ( 右轴 ) 相对净值 ( 左轴 ) 10% 8% 6% % 2% % 2% % % 从历史经验来看, 对于沪深 300 增强策略, 行业中性与市值中性都是有效的风险管理手段 从表 4 与表 5 最后一行 行业 + 市值中性 策略的表现也可以看出, 虽然额外的风险管理措施会降低策略的收益, 但是策略的年化跟踪误差与最大回撤指标均大幅下降 图 13 为 行业 + 市值中性 沪深 300 增强策略相对业绩基准的相对强弱指数走势 策略在 2014 年四季度与 2017 年上半年都具有稳健的表现 图 13 行业 + 市值中性 沪深 300 指数增强策略 ( ) 相对回撤 ( 右轴 ) 相对净值 ( 左轴 ) 10% 8% 1.5 6% 1.0 4% 0.5 2% % 3. 总结 本文中, 我们介绍了引入风险管理后的多因子选股流程 : 通过收益预测得到股票预期收益率, 利用风险管理限制组合风险暴露, 通过组合优化得到个股目标权重 随后, 基于上述多因子选股框架, 我们分别比较了不同类型指数增强策略的表现 对于中证 500 指数, 其行业分布相对分散, 行业中性 对策略风险管理的提升有限, 而 市值中性 可以有效控制组合的市值风险 对于沪深 300 指数, 其成分股在大盘 金融等行业上集中度较高 因此, 行业中性 与 市值中性 都是必不可少的风险管理手段 最后, 我们需要指出, 风险管理主要还是影响组合相对基准的偏离幅度 至于偏离的方向, 更多地还是取决于收益预测模型的好坏 例如, 对于沪深 300 增强策略而言, 许多在全市场有效的行为类因子在大盘股中效果会大打折扣 如果能够基于沪深 300 市值范围开发对应的收益预测模型, 将会进一步提升相关策略的表现

14 信息披露 金融工程研究金融工程专题报告 14 分析师声明 [Table_Analysts] 冯佳睿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

15 金融工程研究金融工程专题报告 15 [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) 梁中华 (021) 联系人李金柳 (021) 宋潇 (021) 固定收益研究团队姜超 (021) 周霞 (021) 朱征星 (021) 张卿云 (021) 姜珮珊 (021) 联系人杜佳 (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) 杜威 联系人谢亚彤 (021) 王猛 (021) 互联网及传媒钟奇 (021) 郝艳辉 (010) 许樱之 孙小雯 (021) 联系人强超廷 (021) 毛云聪 (010) 刘欣 (010) 唐宇 (021) 陈星光 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 (021) 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) 朱军军 (021) 毛建平 (021) 联系人殷奇伟 (021) 胡歆 hx11853 公用事业张一弛 (021) 张磊 (021) 赵树理 (021) 联系人陈佳彬 (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) 潘莹练 (021) 联系人王鸣阳 (021) 程碧升 (021) 相姜 (021) 医药行业余文心 (0755) 郑琴 (021) 孙建 (021) 师成平 (010) 联系人贺文斌 (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)

16 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) 张翠翠 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) 戴元灿 (021) 计算机行业郑宏达 (021) 谢春生 (021) 鲁立 黄竞晶 (021) 联系人杨林 (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) 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) 林瑾璐 联系人谭敏沂 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 16 电力设备及新能源行业杨帅 (010) 房青 (021) 徐柏乔 (021) 张向伟 (021) 联系人曾彪 (021) 通信行业朱劲松 (010) 联系人庄宇 (010) 余伟民 (010) 张峥青 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) 周慧琳 (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

17 金融工程研究金融工程专题报告 17 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 宗亮 上海地区销售团队胡雪梅 (021) 朱健 (021) 季唯佳 (021) 黄毓 (021) 漆冠男 (021) 胡宇欣 (021) 黄诚 (021) 蒋炯 毛文英 (021) 马晓男 杨祎昕 (021) 方烨晨 (021) 慈晓聪 张思宇 王朝领 北京地区销售团队殷怡琦 (010) 吴尹 陆铂锡 杨羽莎 (010) 张丽萱 (010) 张明 陈铮茹 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 :