"海量"专题（141）——如何评估债基的股债配置能力？

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。
本文尝试对当前市场上的“主债次股”产品的股债配置能力进行评估，以期筛选出具备权益市场择时能力的优质基金，迎合当下市场对此类产品的投研需求。
[h1]1 攻守兼备的“主债次股”型基金[/h1]“稳中求进”是常见的一种稳健型资产配置方案：将组合的风险控制在中低水平，以较高债券仓位获得债市的慢牛收益，同时以小部分权益仓位博取股市的潜在弹性收益。那么，对基金投资而言，拥有“攻守兼备”特征的“主债次股”型基金（混合债券型二级基金、混合债券型一级基金、偏债混合型基金）是契合该投资理念的典型投资工具。
以混合债券型二级债基为例，作为最典型的“主债次股型基金”，二级债基以80%及以上的仓位配置债券，以20%及以下的仓位配置二级市场股票，基金经理可以根据市场观点将股票仓位在0%到20%之间进行调整，进可攻，退可守。因此，在股市熊市末期及市场筑底阶段，二级债基体现出了绝佳的功能性优势。类似地，混合债券型一级债基（能以至多20%的基金资产投资于一级市场申购新股）以及偏债混合型基金同样具备债券的防守性以及股票的进攻性，值得试图“稳重求进”布局的市场投资者关注。
然而，不可忽视的问题是，权益资产的系统性风险远胜于债券资产，股市的走势对“主债次股型基金”的收益影响巨大。例如，在股指大幅上行的2007、2009年以及2015年上半年，一级债基和二级债基的收益情况都明显好于纯债基金，而在股市表现较差的2008年、2011年以及最近的2018年，这两类基金的表现都明显落后于纯债基金。对于“主债次股型基金”的基金经理而言，至多20%的权益仓位既是机会也是风险，恰当的权益市场波段操作可以为基金增益，而错误的反向操作则可能引起巨大的亏损。因此，评估基金经理的股债配置能力尤为重要，只有当基金经理具备对权益市场的择时能力，才能实现这类基金攻守兼备的优势。能够恰当把控权益仓位的能力，也是投资者放弃分别购买纯债基和纯股基进行资产配置，而选择“主债次股”型基金的核心理由。基于如上讨论，本文尝试对当前市场上的“主债次股”产品的择时能力进行评估，以期筛选出具备权益市场择时能力的优质基金。
[h1]2 债基的股债配置能力评估方案[/h1]由于“主债次股型基金”持有的权益资产对收益表现的影响巨大，因此对于这一类基金股债配置能力的评估，就可以简化为对其权益市场择时能力的评估。
目前对于基金择时能力的评估主要有基于净值和基于持仓两种方法。其中基于净值的评估方法通常采用TM、HM等经典模型，通过在CAPM模型的基础上加入二次项或虚拟项，刻画基金经理在市场收益变动的情形下调整组合Beta的能力。但由于债基的净值序列信噪比较高，对于“主债次股型基金”采用这一类方法实际效果不佳。因此本文采用基于持仓披露数据的评估方案，同时净值数据作为计算区间风险敞口的依据，对持仓数据进行补充。
[h1]2.1 基于持仓披露数据的股债配置能力评估方案[/h1]我们将基金经理调整权益仓位（包括可转债和股票）的行为与同期的股票市场回报相对应，分别采用胜率、加权胜率以及收益贡献三个指标刻画基金的股债配置能力。三种指标的定义如下：

其中，Ratio1、Ratio2、Ratio3分别为胜率、加权胜率和收益贡献；PosChange为该季度仓位减上季度仓位；MarketReturn为同期市场回报；sign为符号函数。从指标定义可以看到，不同指标刻画择时能力的角度不同：1、胜率为基金经理的加减仓方向乘以同期市场涨跌方向，即不考虑仓位变动幅度和市场收益的幅度，仅考虑是否为同向变动。这一指标假设基金经理仅判断权益市场走势的方向，其择时能力主要体现在判断方向的准确性上。采用这一指标筛选出的基金多数为择时正确的次数较高的产品，但该基金可能在市场小幅震荡等不重要的拐点上判断正确，却在重要趋势拐点上判断失误。2、加权胜率为基金经理的加减仓方向乘以同期市场回报，即不考虑仓位变动幅度，仅考虑市场收益幅度。这一指标相较于胜率，进一步考虑了实际市场波动幅度，即认为判断市场大幅波动时的准确性要比波动较小时更为重要。采用这一指标筛选出的基金多数为在重要拐点时期择时正确的产品，例如股票市场大幅下跌时期正确减仓；3、收益贡献为基金经理的加减仓比例乘以同期市场回报，即同时考虑仓位变动幅度和市场收益幅度。这一指标相当于基金经理加减仓行为的平均收益贡献，即认为大幅加仓的行为重要性高于小幅加仓。采用这一指标筛选出的基金多数为在重要拐点时期大幅加减仓位，且方向正确的产品，例如在股票市场大幅上涨时期迅速大幅加仓。由于三种指标在评估基金择时能力的侧重点有明显的不同，因此筛选出的基金产品会存在差异，本文将同时采用三个指标分别评估基金的股债择时能力。

[h1]2.2 区间风险敞口估测对持仓披露数据的补充[/h1]上述方法论中，我们均基于基金实际披露的持仓数据进行分析，其优点是在特定时点上数据准确度高，季报所披露的持仓数据能够精确反映对应时点基金的权益类仓位情况。然而其潜在的问题在于：持仓披露的数据是时点数据且披露频率很低，一年仅有四期数据。2.1节的模型实则是假设两期持仓数据之间，基金的持仓在均匀变化。但事实上，基金经理可能在季报数据披露之前刚刚发生大幅调仓，或者在季报披露以后立刻进行调仓。如此，频率过低的持仓披露数据会明显影响到仓位调整分析的可靠性。我们以下图两个极端的虚构案例进行阐述：
图中蓝色实线表示左右两只基金的连续的实际仓位，黑色虚线则表示权益市场行情走势，假设从T1到T2再到T3期间，市场先大幅上行后大幅下行。基金1的特点是在披露持仓以后立刻发生大幅调仓，而基金2的特点是在持仓披露之前刚发生大幅调仓。因此，基金1在市场上涨时迅速提升了仓位，充分参与了权益市场的牛市行情，在市场下跌时迅速降低了仓位，完美避开了熊市行情。而基金2则刚好相反——恰好错过了牛市行情，并从熊市中遭遇了巨大亏损。然而，如果我们只基于持仓披露的时点数据（T1、T2、T3三个时点），择时效果截然相反的两只基金被认为仓位变化是完全相同的。

鉴于如上考虑，我们在披露仓位数据研究的基础上进一步引入了基于净值的因子暴露分析，测算观测窗口内基金对权益类风险的暴露敞口。在海通金工《基于因子剥离的FOF 择基逻辑系列五——债券基金的七因子剥离再探与FOF应用》中，我们已经构造了债基七因子框架，基于净值对债基的各类风险进行分析，其中convertible因子暴露即刻画了债基在权益类系统性风险上的敞口，因子说明与回归方法本文不再赘述。

下面的左图和右图分别展示了两只不同的二级债基的季报披露权益类持仓以及估测权益风险敞口之间的对比。左图的案例A中，权益风险敞口和披露的权益类持仓之间走势高度趋近，几乎同涨同跌。但由于敞口估计为区间估计，反映的是测算区间的平均暴露情况，故与时点数据之间存在小幅的滞后性。整体来看，案例A的敞口估测和实际披露持仓之间的匹配度非常高，因此案例A更倾向于上图左边的基金1的仓位调整模式。而下右图的案例B中，估测的权益风险敞口和披露的权益类持仓之间差异较大，甚至出现了完全的背道而驰。值得留意的是，两个曲线的背离最主要发生在2016年到2017年的震荡市行情区间，而在2014年到2016年区间以及2018年中，两者走势均较为一致。可以猜测，在趋势性的市场行情中，基金的调仓并不频繁，倾向于上图基金1的情形，因此实际仓位和敞口估测之间一致性高。而2016-2017年为震荡性市场，基金经理调仓相对更为频繁，因此容易出现上图基金2的情形，披露仓位对实际基金仓位的代表性也会明显削弱。

基于上述考虑，我们基于权益风险敞口也构造了一套择时能力评估体系——结合基金权益风险敞口和同期权益市场收益计算胜率、加权胜率以及收益贡献。即将基于仓位的评估方案中的仓位变动替换为同期权益风险敞口，公式如下：

其中，ExposureChange为该季度权益风险敞口减上季度敞口。
[h1]3 样本基金股债配置能力分析结果[/h1]基于以上评估方案，我们对市场上存续期满5年的一级债基、二级债基和偏债混合基金进行了统计和分析。所分析的基金样本总计217只，分别基于持仓和敞口两套数据计算三种择时能力评估指标，因此共计6种不同的评估结果。
样本基金持仓和敞口各项得分分布如下图所示：

从上图可以看到，六种不同的指标对样本基金池的评估结果分布存在明显的差异，多项指标呈现左偏分布，说明择时能力较好的基金相对较少。

另外，在基于敞口评估体系中，样本整体的择时能力要弱于基于持仓的评分体系。我们认为，权益风险敞口数据是区间数据，对应的是当期权益风险的平均水平，在评估计算中是同期数据之间的比较；而持仓数据作为时点数据，意味着基金管理人可能在市场发生变化以后才滞后地进行调仓，因此，基于敞口进行评估更注重能够在市场发生变化时同期或者提前进行仓位调整，这种评估方式是相对更为严苛的，因此样本反映出的整体择时能力也有所下降。
[h1]4 绩优基金股债配置能力分析案例[/h1]基金B在wind分类中属偏债混合型基金。在我们所筛选的基金池中五年年化收益排名55/217，三年年化收益排名59/332。在3年和5年的评价窗口中均保持着较高的排名。
从业绩表现上看，该基金在评估期内（从2013年12月31日至本年年初），总收益49.3%，年化收益8.6%，年化波动率3.7%，信息比率2.32，Calmar比率0.98，最大回撤为8.8%，发生在2015年7月8日。与债券类基准相比，基金年化收益跑赢同期的中债总财富指数3.1%。

从具体资产配置上看，该基金主要以配置债券类资产（信用债+利率债）为主，总债券类资产平均仓位达98.56%，而平均权益类资产（可转债+股票）仓位为9.51%。在两大类权益类资产中，可转债平均仓位仅为0.49%，股票9.11%，股票为主要的权益类资产。而在两大债券类资产中，该基金有85.46%平均仓位投资于信用债资产，仅11.20%投资于利率债。

通过上文的评估指标计算该基金择时能力，结果如下表。基金B基于持仓的胜率、加权胜率、收益贡献评估指标均表现较优，说明该基金择时能力整体较强。尤其是胜率指标，在持仓和敞口分析中均保持稳健，说明该基金曾多次正确把握住市场的变化并及时做仓位调整。

我们采用季度持仓数据统计基金权益类持仓变动，同时采用净值计算其会计区间内的平均权益敞口以作为补充。基金B权益仓位及敞口变化如下图左图所示，两者在趋势上保持一定的趋同性，但有一定的领先-滞后关系，由此可见该基金在仓位操作上并不频繁，披露持仓对该基金的实际持仓变化代表性尚可。具体持仓数据上看，该基金权益仓位变动区间相对较大，最高接近20%，最低约3%。2015年一季度为历史最高水平，此后频繁波动，2017年二季度开始持续加仓，2018年一季度后转而陆续减仓。我们采用wind全A计算股票市场同期回报，并与权益仓位变动进行对比，如下图右图所示。可以看到，基金B具有较好的择时能力，其权益仓位与同期股票市场回报基本一致。例如，2015年三季度大幅减仓，其后四季度仓位回升；次年一季度迅速减仓，并于二季度回升。与同期市场走势相近。

如若基于过去12个月对基金进行滚动超额收益分析得到下图，可以看到，该基金主要的超额收益发生在两段区间：2014-2015年期间，与基金在2014年加仓至2015年年中大幅减仓的时间恰好契合。2016到2017年区间，该基金再度得到明显的正超额收益，披露持仓和权益敞口分析均表明该基金在2017年的慢牛行情中提升了权益持仓，加大了对权益类风险的暴露，从而走强于债券基准。

2018年至2019年，无论是仓位披露还是净值敞口估测，均显示该基金一季度调高了持仓，一季度末权益仓位高达16.86%。虽然从二季度至本年年初基金一直在降低仓位，但直至年初，基金依然有超过10%的仓位配置于股票资产，由于四季度市场大跌，错误的权益市场择时引起了基金的大幅回撤。[h1]5 总结[/h1]本文尝试对当前市场上的“主债次股”产品的择时能力进行评估。我们对基金经理的股债配置能力评估涉及到三个维度及两套数据：
刻画股债配置能力的三个维度：
1. 胜率为基金经理的加减仓方向乘以同期市场涨跌方向，即不考虑仓位变动幅度和市场收益的幅度，仅考虑是否为同向变动。
2. 加权胜率为基金经理的加减仓方向乘以同期市场回报，即不考虑仓位变动幅度，仅考虑市场收益幅度。
3. 收益贡献为基金经理的加减仓比例乘以同期市场回报，即同时考虑仓位变动幅度和市场收益幅度。
两套数据：
1. 持仓数据：优点是在特定时点上数据准确度高，季报所披露的持仓数据能够精确反映对应时点基金的权益类仓位情况，但其缺点在于一年仅四期时点数据，信息量有限。
2. 净值数据：通过基金净值数据计算基金对权益风险的暴露，间接估测基金的权益持仓。其优点在于净值数据充足，但债基因为估值方式、债券流动性等原因，净值数据信噪比较高，估测效果容易产生误差。

我们基于三个维度（胜率、加权胜率和收益贡献）与两套数据（基于季报披露的持仓数据与基于净值计算的风险暴露数据）计算了6个不同的择时指标，对样本基金池进行评估，以期为投资者提供参考。
风险提示：市场系统性风险、模型误设风险。
联系人：
吕丽颖：(021)23219745，梁镇：(021)23219449
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降维与组合优化
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

【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

【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

【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

【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。