“海量”专题（149）—— 华为产业链解析

重要提示：《证券期货投资者适当性管理办法》于2017年7月1日起正式实施，通过本微信订阅号发布的观点和信息仅供海通证券的专业投资者参考，完整的投资观点应以海通证券研究所发布的完整报告为准。若您并非海通证券客户中的专业投资者，为控制投资风险，请取消订阅、接收或使用本订阅号中的任何信息。本订阅号难以设置访问权限，若给您造成不便，敬请谅解。我司不会因为关注、收到或阅读本订阅号推送内容而视相关人员为客户;市场有风险，投资需谨慎。
本文采用FactSet深度行业分类（RBICS）和供应链关系（Supply Chain Relationships）数据库，以偏宏观和量化的方式，对华为产业链进行解析。[h1]1华为业务结构分析[/h1]本文采用FactSet的深度行业分类（FactSet Revere Business and IndustryClassification System，以下简称RBICS）数据库分析华为的主营业务结构。RBICS是一个六层行业分类体系，该体系利用每个公司的产品与服务信息，自下而上的汇总为多条业务线，打破了过去公司从属单一行业的限制，进行了更加细粒化的行业划分。首先，从一级分类来看，华为的业务可以分为科技、通信、金融、消费类非周期四大类（见下图）。其中，RBICS体系中的通信行业主要指的是通信软件服务等，通信设备作为硬件设备的一类被划归到科技行业中。
细分来看，在科技行业分类下，华为的业务可以进一步分为硬件设备、软件与咨询两大类。下图展示了硬件设备的具体六级分类，可以看到，通信设备、智能手机制造、可穿戴技术等当前较为热点的业务线均在这一分类下。

除了硬件设备，软件与咨询也是华为作为一家科技公司的重要业务线，包括手机软件、网络管理软件、托管服务等。

此外，通信、消费类非周期和金融是华为除了科技领域外的其他主要业务线。其中，通信特指除通信设备外的其他通信服务，消费主要为小型家用产品及其配件，金融主要是电子支付处理，如，HUAWEI PAY。

通过上述分析可见，华为业务发展全面，结构相对复杂。因此，其产业链也绵长繁复。下文将进行详细分析，并尝试从中获取相关投资机会。[h1]2华为供应链结构分析[/h1]FactSet的供应链关系（Supply Chain Relationships）数据库将每一条供应链中的所有企业归入供应商、客户、合作伙伴、竞争对手这四种关系中，可以直观地对上下游进行透视。以此为基础，本文对华为的供应链结构进行了较为深入的分析，目的是寻找投资华为产业链的线索，并最终得到相应的股票组合。
截至2019年7月末，FactSet数据库中记录的华为一级供应商总计204家，二级供应商1875家。下图展示了华为的部分一、二级供应商。其中，蓝色圆圈为华为的一级供应商，包括蓝思科技等重要的A股上市公司。灰色圆圈为这些一级供应商的供应商，A股的华天科技和当升科技也在其中。考虑到二级供应商的数量众多，并且和华为的关联相对不那么紧密，下文将以华为的一级供应商（简称“供应商”）为主要分析对象。

[h1]2.1华为供应商的地区分布[/h1]如以下4图所示，华为早期的供应商以美国公司为主。2015年1月，华为的美国供应商总计59家，占比高达51.75%；而中国的供应商仅有27家，占比23.68%。近年来，华为供应商的地区分布结构出现了明显变化，美国公司的数量逐渐下降，而中国公司的数量持续增加，并在2016年超过美国公司。截至2019年7月底，在华为的204家供应商中，中国公司的数量已上升至92家，美国公司下降至49家。除此以外，还有欧洲公司36家，其他地区公司27家。从占比来看，中国公司为45.10%，美国公司为24.02%，欧洲公司为17.65%，其他地区公司为13.24%。

[h1]2.2华为供应商的类型分布[/h1]华为供应商中的上市公司和非上市实体的数量分别为78和37，对应的占比分别为67.83%和32.17%。截至2019年7月底，两者的数量变化为184和20，占比分别为90.20%和9.80%。

[h1]2.3华为供应商的上市地区分布[/h1]从公司类型来看，华为的绝大部分供应商均为上市公司。并且，2015年至今，上市公司的比例一直在提升。2015年1月底，华华为供应商中上市公司的地区分布特征和所有供应商非常类似，呈现出中国公司的数量和占比不断上升，美国公司的数量和占比双双下降的显著趋势。2015年1月，华为上市供应商中，美股公司35家，占比达到45.45%，而A股公司仅有13家，占比16.88%。如以下4图所示，近年来，华为的A股供应商的增长速度远远高于其他上市地区，并在2017年从数量上完成了对美股公司的超越。2018年下半年至今，华为供应商中的A股和港股公司的数量依然保持增长，但是美国、欧洲等海外上市公司的数量均出现明显下降。截至2019年7月底，华为的A股供应商数量最高，总计62家，占比34.07%；美股供应商次之，共42家，占比23.63%；欧洲地区和其他地区的上市公司分别有26家和22家，占比分别为14.29%和12.09%。

[h1]2.4华为A股供应商的行业分类特征[/h1]本节进一步分析华为A股供应商近年来的结构变化。根据中信一级行业分类，华为的A股供应商主要集中在电子元器件和通信行业，这两个行业的占比之和基本保持在60%以上。如以下两图所示，截至2019年7月底，电子元器件和通信这两个行业中，华为A股供应商的数量分别为32家和9家，占比分别为50.79%和14.29%。近年来，华为A股供应商在电子元器件行业上的集中度逐步提升。2015年底，电子元器件行业的占比约为33%；2019年7月底，已经上升至50.79%。虽然通信行业在华为A股供应商中的比重一直仅次于电子元器件行业，但占比却逐年下降，已从2015年底的26.67%降至2019年7月底的14.29%。这两个行业占比的此消彼长，似乎透露出华为业务重心逐渐转移的迹象。

为了更加深入地分析华为A股供应商的行业特征以及其中蕴含的投资线索，首先，本文从深度行业分类（RIBICS）数据库中，提取每一家供应商公司的第六级行业分类，即产品线/业务线。其次，在每一个时点上统计每一条产品线/业务线出现的次数，并除以供应商总数，得到出现频率。最后，选取2015年底至2019年7月底，出现频率最高的10个产品线/业务线，列于下表。从产品线/业务线的结构来看，2015年底，华为分别有20%和13%的A股供应商包含工业/环境施工承包和基础设施咨询和设计服务的业务，它们都与传统的通信设备或基础设施建设有关。但是2016年之后，这两项业务再也没有进入到华为A股供应商产品线/业务线出现频率的前10名。另一方面，2017年底，柔性电路制造成为华为A股供应商中出现频率排名第5的产品线/业务线，占比为17%，并在之后两年持续上升。此外，触摸屏显示设备和工业玻璃制品制造两项业务，也从2018年开始，进入到华为A股供应商产品线/业务线出现频率的前10名。由此可以猜测，近几年来，华为的业务重心可能正在悄悄地发生转移。从之前的通信设备和基站建设，逐步向手机等高科技领域产品的研发和制造转型，这与前文得到的“电子元器件行业占比不断上升”的结论吻合。对投资者而言，这一变化非常值得重视，它预示着华为产业链的投资机会，可能会更多地围绕高科技行业展开。

[h1]2.5华为A股供应商的基本面特征[/h1]将华为所有A股供应商视为一个组合，每家供应商所属中信一级行业的其余股票合并为基准组合。首先，比较这两个组合在盈利（ROE）、成长（净利润增速）2个基本面指标上的差异。（组合的ROE采用整体法计算，净利润增速为组合中每个股票的均值。）如以下两图所示，和基准相比，华为A股供应商总体呈现出盈利水平高、但成长性一般的特征。但近年来，这一特征也并不稳定。如，2018年，华为A股供应商的盈利水平和成长性均低于同行业其他公司，但2019年以来，这两项重要的基本面指标均出现了大幅改善。其中，华为A股供应商的ROE已高于同行业其他公司，平均净利润增速的差距也大幅缩窄。

其次，对比华为A股供应商组合与基准组合在估值（PE）和市值上的不同。为了方便展示，分别计算这两个组合中股票的估值和市值在全市场中的分位点，求平均后相减得到相对估值水平和相对市值水平。如下图所示，相比于基准，华为A股供应商整体上呈现出高估值，大市值的特征。[h1]3华为产业链投资机会分析[/h1]作为一家非上市公司，投资者想要参与华为的相关投资机会，只能从其产业链入手。为此，本节首先构建了一个最简单的华为供应商概念组合。在2015年2月-2019年9月之间，每月末使用当时可获得的数据，选取华为的所有一级供应商，以等权重加权的方式获得组合。下图对比了该组合与Wind全A指数、通信行业指数、Wind构建的华为概念指数（等权）的净值表现。

整体来看，华为供应商组合的净值表现略优于三个基准指数。下表展示了组合与基准的风险收益特征。其中，供应商组合的年化收益为4.7%，相对通信行业指数、Wind华为概念指数和Wind全A指数的超额收益分别为1.4%、2.5%和3.8%。同时，供应商组合的年化波动率仅次于Wind全A指数，低于Wind华为概念指数近4个百分点。组合的夏普比率为0.05，显著高于其他三个基准指数；最大回撤为52.2%，相对Wind华为概念指数减少了约10个百分点。由此可见，通过含有基本面逻辑的供应链信息构建的组合，能够获得更优的风险调整后收益。
由上文对华为A股供应商产品线/业务线出现频率的分析可知，当前华为的业务重心可能更多地集中于高科技领域。但是，华为的所有A股供应商共涵盖320条产品线/业务线，包括大量诸如土地租赁服务等非核心业务。因此，想要构建和5G、手机等高科技业务相关的华为供应商组合，需要更为精细的筛选。
较为可靠的筛选方法是对每一家公司进行深入研究，找到和5G或手机研发相关的产品或业务，归入相应的组合。但是，这种方法需要较强的行业背景知识，非量化研究员所长。而且，当供应商数量较多时，也会耗费大量的时间和精力，不利于快速跟进市场热点。故本文提出了一种偏量化的方式对供应商进行粗略的拆分，以求迅速定位热点业务，得到相关主题组合。例如，想构建华为的手机供应商组合，具体步骤如下。1. 找到华为和苹果的共同供应商；2. 将这些共同供应商的主营业务视作手机业务；3. 找到所有华为供应商中包含手机业务的公司。
如上图所示，华为和苹果（手机龙头公司）共同供应商的主营业务（基于RBICS数据库）包括电路组装服务和无线及Wi-Fi设备，因此可以认为这两个细分行业即为手机业务的上游产业。在所有的华为A股一级供应商中，找到包含这两项业务的公司，便可得到华为手机供应商组合。
同理，如果想要得到华为的5G供应商组合，只需用爱立信（5G龙头公司）代替苹果，并重复上述步骤即可。下图给出了华为5G供应商组合与手机供应商组合的累计净值，并与全体供应商组合及Wind华为概念指数进行对比。

如下表所示，华为5G供应商组合年化收益11.63%，夏普比0.25，收益回撤比0.24；手机供应商组合年化收益10.61%，夏普比0.20，收益回撤比0.23。两者的业绩表现相对全体供应商组合都有明显的提升，和Wind华为概念指数相比，更是有显著的优势。这一结果表明，在运用主营业务这样的基本面信息对华为的供应商做进一步拆分后，确实能更为有效地找到匹配当前市场热点的投资组合。

截止2019年9月底，华为全体A股供应商组合的累计涨幅为36.80%，远高于同期的Wind全A指数（24.57%）和通信行业指数（24.44%），略低于Wind华为概念指数（38.95%）和Wind 5G主题指数（39.16%）。但是细分后的华为5G供应商组合累计收益为61.26%，手机供应商组合为62.81%，显著优于比较基准。如下图所示，2019年6-9月，华为5G供应商组合与手机供应商组合连续4个月上涨。这和5月华为因与美国政府发生摩擦，而越来越多地选择国内供应商合作的基本面逻辑完全吻合。通过上述这个例子可以看到，即使没有深入的行业背景知识，借助完整的供应链和深度行业分类数据，并结合简单的量化方法，同样可以捕捉市场热点的投资机会。

[h1]4总结与讨论[/h1]本文采用FactSet深度行业分类（RBICS）和供应链关系（Supply Chain Relationships）数据库，以偏宏观和量化的方式，对华为产业链进行解析。从业务结构来看，华为是一家集科技、通信、金融、消费类非周期于一身的综合型企业。近年来，华为供应链的国产化趋势十分明显。尤其是2019年以来，中国供应商的数量迅速增长。截止2019年7月底，美国供应商占比已下降到24.02%，中国供应商占比攀升至45.10%。而目前的国内供应商中，A股上市公司比例极高，主要集中在电子元器件和通信行业。其中，与手机制造相关的供应商增长较快。此外，A股供应商公司具有大市值、高估值、高盈利的特征。若采用华为全体A股一级供应商构建投资组合，业绩表现显著优于Wind华为概念指数。进一步采用量化方式对供应商的主营业务进行拆分，得到华为5G供应商组合与手机供应商组合。两者的业绩表现相较全体供应商组合都有大幅提升，今年以来的累计涨幅均超过60%。这表明将基本面分析和组合构建的量化方法结合，可以形成有效互补，把握市场的热点和机会。[h1]5风险提示[/h1]数据挖掘是从历史先验数据获取经验模型的方法，存在模型失效可能。联系人：
梁镇：021-23219449

张振岗：021-23154386
专题报告下载地址：
https://pan.baidu.com/s/16uVSstHyllcLB5nEiL4bGA

“海量”专题回顾
【点击标题可链接至报告原文】
【海通金工量化策略回顾】
48、“海量”专题（48）——海通金工2017年量化策略回顾
104、“海量”专题（104）——行稳致远：海通金工2018量化策略回顾

【宏观量化与资产配置】
7、“海量”专题（7）——大类资产配置之风险预算模型
20、“海量”专题（20）——长期投资者如何进行战略资产配置
23、“海量”专题（23）——中国版全天候策略
27、“海量”专题（27）——2017，全球对冲基金的新纪元？
33、“海量”专题（33）——Black-Litterman模型的直观理解
36、“海量”专题（36）——积极的风险均衡（Active Risk Parity）策略
46、“海量”专题（46）——Faber的战术资产配置策略在中国市场上的应用
56、“海量”专题（56）——从周期调整市盈率（CAPE）看中美股市当前的估值水平
59、“海量”专题（59）——宏观动量策略在全球股票市场中的应用
66、“海量”专题（66）——宏观动量策略在债券市场中的应用
67、“海量”专题（67）——宏观预期数据的选择与应用
101、“海量”专题（101）——美股的均值回归特征和收益率预测
105、“海量”专题（105）——全球股市轮动策略兼论从全球视角看A股投资价值
112、“海量”专题（112）——MOM投资框架
117、“海量”专题（117）——美国MOM数据分析
119、“海量”专题（119）——负债驱动投资（LDI）简介
124、“海量”专题（124）——主权财富基金资产配置的共性与差异
139、“海量”专题（139）——行业的长期价值与CAPE的应用

【因子投资与Smart Beta】
9、“海量”专题（9）——高相关资产配置中的因子维与组合优化
10、“海量”专题（10）——高相关资产配置中的因子预算
14、“海量”专题（14）——大类资产中的风格因子与Smart Beta
41、“海量”专题（41）——风险加权指数
118、“海量”专题（118）——“单因子多组合”还是“多因子单组合”
122、“海量”专题（122）——反向剔除的因子组合
133、“海量”专题（133）——个股加权方式对比

【行业轮动】
16、“海量”专题（16）——动量策略及收益率高阶矩在行业轮动下的应用
49、“海量”专题（49）——行业一致预期数据的应用分析
52、“海量”专题（52）——“基本面+价格”选出好行业
65、“海量”专题（65）——龙头股效应在行业轮动上的应用
68、“海量”专题（68）——行业间动量和趋势因子的应用分析
70、“海量”专题（70）——预期情绪数据在行业轮动中的应用
72、“海量”专题（72）——宏观经济数据应用于行业轮动的探索
73、“海量”专题（73）——周期、非周期板块内的行业轮动

102、“海量”专题（102）——基于行业Alpha收益的行业轮动模型

103、“海量”专题（103）——行业微观因子的轮动效果
126、“海量”专题（126）——基于BL模型的行业配置策略
136、“海量”专题（136）——基金行业配置观点的分析

【因子择时与风格轮动】
4、“海量”专题（4）——多因子择时初探
19、“海量”专题（19）——基于条件期望的因子择时框架
47、“海量”专题（47）——探寻风格轮动的先行指标
57、“海量“专题（57）——大小盘轮动研究（创业板50 vs 上证50）
75、“海量”专题（75）——指数轮动：沪深300 VS 中证500
90、“海量”专题（90）——宏观数据在板块轮动中的应用
95、“海量”专题（95）——因子失效预警：因子拥挤

108、“海量”专题（108）——因子拥挤度的改进

109、“海量”专题（109）——因子拥挤度的扩展
134、“海量”专题（134）——基于回归树的因子择时模型

【量化多因子选股】
1、“海量”专题（1）——市值因子的非线性特征
2、“海量”专题（2）——选股因子的正交
3、“海量”专题（3）——从最大化复合因子单期IC角度看因子权重
11、“海量”专题（11）——业绩反转之绝对收益

13、“海量”专题（13）——因子视角下的事件驱动策略
15、“海量”专题（15）——因子视角下的事件驱动策略收益
17、“海量”专题（17）——高频因子之收益分布特征
21、“海量”专题（21）——分析师主要要素变动共振事件
22、“海量”专题（22）——价值投资系列之便宜是否值得买
24、“海量”专题（24）——分析师一致预期相关因子
26、“海量”专题（26）——关注盈利是短期风格还是长期趋势
29、“海量”专题（29）——历史财务信息对股票收益的预测能力
30、“海量”专题（30）——历史盈利在预测股票收益时的作用
34、“海量”专题（34）——高频因子之已实现波动率分解
35、“海量”专题（35）——因子加权、正交和择时的若干性质
37、“海量”专题（37）——分位数回归在多因子选股中的应用
38、“海量”专题（38）——因子降维1：底层因子降维方法对比
39、“海量”专题（39）——分析师荐股是否存在超额收益
40、“海量”专题（40）——一致预期数据的质量分析
43、“海量”专题（43）——学术研究中的财务异象之盈利能力
44、“海量”专题（44）——学术研究中的财务异象之盈利质量
51、“海量”专题（51）——A股因子的适用环境分析

55、“海量”专题（55）——学术研究中的财务异象之应计量的分解
58、“海量”专题（58）——业绩超预期股票收益特征分析
60、“海量”专题（60）——哪种分析师推荐报告最值得关注？
63、“海量”专题（63）——A股市场存在龙头股效应吗？
64、“海量”专题（64）——龙头股效应在一致预期数据上的应用
71、“海量”专题（71）——被机构调研的上市公司有超额收益吗？
76、“海量”专题（76）——宏观经济数据可以用来选股吗
77、“海量”专题（77）——宏观经济的不确定性在A股市场被定价了吗？
79、“海量”专题（79）——解禁、融资融券、陆股通和质押的超额收益机会分析

80、“海量”专题（80）——分析师覆盖度与股票预期收益
82、“海量”专题（82）——原油价格对行业和股票影响的量化分析
84、“海量”专题（84）——哪些宏观经济指标可以选股？

85、“海量”专题（85）——A股是否存在异质动量现象？
89、“海量”专题（89）——哪些事件驱动策略可以因子化？
91、“海量”专题（91）——如何计算盈利指标的趋势？
91、“海量”专题（92）——因子敞口上限对优化组合的影响
93、“海量”专题（93）——放松组合构建中的行业中性约束
94、“海量”专题（94）——高频量价因子在股票与期货中的表现
96、“海量”专题（96）——医药行业因子选股研究

97、“海量”专题（97）——预期因子的底层数据处理
100、“海量”专题（100）——行业、概念板块的动量溢出效应
111、“海量”专题（111）——质量因子
113、“海量”专题（113）——近期指数增强策略回撤原因分析
115、“海量”专题（115）——预期调整类因子的收益特征
1 21、“海量”专题（121）——日内分时成交中的玄机
123、“海量”专题（123）——捕捉投资者的交易意愿
125、“海量”专题（125）——探索A股的五因子模型
127、“海量”专题（127）——当下跌遇到托底
128、“海量”专题（128）——股票的“共性”与“个性”
132、“海量”专题（132）——消费板块的因子组合
137、“海量”专题（137）——上市公司关系网因子
140、“海量”专题（140）——资产增长稳定性与资本结构变化
142、“海量”专题（142）——价量波动幅度
146、“海量”专题（146）——买卖单数据中的Alpha
148、“海量”专题（148）——高频因子在不同周期和域下的表现及影响因素分析

【衍生品和CTA策略】
5、“海量”专题（5）——CTA策略介绍及配置价值（上）
6、“海量”专题（6）——CTA策略介绍及配置价值（下）
8、“海量”专题（8）——豆粕/白糖商品期权指南

12、“海量”专题（12）——基于动量和期限结构的商品期货策略
18、“海量"专题（18）——多品种期货策略中的权重分配
31、“海量"专题（31）——商品期货因子挖掘与组合构建再探究（上）
32、“海量"专题（32）——商品期货因子挖掘与组合构建再探究（下）
42、“海量”专题（42）——CTA多品种趋势策略中的仓位管理方法
53、“海量专题”（53）——基于海内外期货持仓报告的CTA策略
61、“海量”专题（61）——原油期货指南
83、“海量”专题（83）——2年期国债期货指南
87、“海量”专题（87）——揭开“逆周期因子”的神秘面纱
110、“海量”专题（110）——2018 年期货市场及CTA策略回顾
135、“海量”专题（135）——CTA因子适用性分析及品种动态筛选策略
147、“海量”专题（147）——沪深300期权介绍与展望

【FOF与基金研究】
25、“海量”专题（25）——债券基金的风格归因与因子剥离初探
28、“海量”专题（28）——债券基金风格归因模型2.0之七因子剥离体系

45、“海量”专题（45）——因子剥离体系下的债券基金久期估测构想
69、“海量”专题（69）——A股市场的基金经理是否具备择时能力？
78、“海量”专题（78）——基金业绩持续性的影响因素分析
81、“海量”专题（81）——FoF投资中，如何对主动权益基金进行因子剥离
98、“海量”专题（98）——基金风格稳定性评估及功能性权益基金挖掘
106、“海量”专题（106）——利用因子暴露监控公募基金仓位和投资风格的变化
114、“海量”专题（114）——国内公募权益类基金有Alpha吗？
129、“海量”专题（129）——Alpha是来自于运气还是实力？
130、“海量”专题（130）——基金业绩归因方法论综述
138、“海量”专题（138）——债券型基金的工具化分类探究

141、“海量”专题（141）——如何评估债基的股债配置能力

143、“海量”专题（143）——偏股类公募基金的隐含基准探究
144、“海量”专题（144）——基金经理的偏好圈与能力圈

【创新产品研究】
50、“海量”专题（50）——新理念、新趋势：ESG投资概述
62、“海量”专题（62）——目标日期基金的下滑轨道设计
120、“海量”专题（120）——ESG评级在因子组合构建中的应用

【高频交易策略】
131、“海量”专题（131）——基于集合竞价分时走势的A股T+0策略

【基本面量化】
145、“海量”专题（145）——基本面量化与另类数据应用的实践

【量化市场观察】
54、“海量”专题（54）——亏损这么多，我该拿你怎么办？
74、“海量”专题（74）——战略配售基金投资标的基本面及收益率分析
86、“海量”专题（86）——股市极值及收益率预测模型的周度择时研究
88、“海量”专题（88）——中国企业的税收负担及其对上市公司投资价值的影响
99、“海量”专题（99）——行业收益结构变化带来的机遇
107、“海量”专题（107）——中美股票市场指数的季节效应

法律声明：
本公众订阅号（微信号：海通量化团队）为海通证券研究所金融工程运营的唯一官方订阅号，本订阅号所载内容仅供海通证券的专业投资者参考使用，仅供在新媒体背景下的研究观点交流；普通个人投资者由于缺乏对研究观点或报告的解读能力，使用订阅号相关信息或造成投资损失，请务必取消订阅本订阅号，海通证券不会因任何接收人收到本订阅号内容而视其为客户。
本订阅号不是海通研究报告的发布平台，客户仍需以海通研究所通过研究报告发布平台正式发布的完整报告为准。
市场有风险，投资需谨慎。在任何情况下，本订阅号所载信息或所表述的意见并不构成对任何人的投资建议，对任何因直接或间接使用本订阅号刊载的信息和内容或者据此进行投资所造成的一切后果或损失，海通证券不承担任何法律责任。
本订阅号所载的资料、意见及推测有可能因发布日后的各种因素变化而不再准确或失效，海通证券不承担更新不准确或过时的资料、意见及推测的义务，在对相关信息进行更新时亦不会另行通知。
本订阅号的版权归海通证券研究所拥有，任何订阅人如欲引用或转载本订阅号所载内容，务必联络海通证券研究所并获得许可，并必注明出处为海通证券研究所，且不得对内容进行有悖原意的引用和删改。
海通证券研究所金融工程对本订阅号（微信号：海通量化团队）保留一切法律权利。其它机构或个人在微信平台以海通证券研究所金融工程名义注册的、或含有“海通证券研究所金融工程团队或小组”及相关信息的其它订阅号均不是海通证券研究所金融工程官方订阅号。