“海量”专题（152）——基于日内收益分布特征的股指期货交易策略

论坛 › 期权论坛 › 期权

 海通量化团队  2020-1-3 09:04  6248  0

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。
本系列的第二篇报告聚焦于股票指数与期货的日内收益分布特征，发现股指期货具有显著的正向隔夜收益，并在此基础上通过收盘折溢价等因子构建了收益增强策略。[h1]1股指期货日内收益分布特征[/h1]A股市场存在明显的日历效应，在2月和春节前后上涨概率较大。2005-2019年，中证全指在2月的上涨概率高达87%，涨幅均值和中位数分别为4.94%和3.83%。

“一年之计在于春，一天之计在于晨”。股票市场的日内收益也同样存在日历效应，我们称之为“日内效应”。沪深300、上证50和中证500等重要指数及对应股指期货（后文简称IF、IH和IC）在日内每分钟的平均收益和累计收益如图2-7所示。以沪深300指数为例，2016年以来，其隔夜涨幅均值为-0.073%，T值为-4.03；开盘后至上午10点涨幅均值为0.073%，T值为4.83，均统计显著。此外，下午开盘后五分钟下跌概率高达70.6%，T值为-9.15，但涨幅均值仅为-0.028%。临近收盘，指数再度走强，收盘前15分钟上涨概率为65.7%，涨幅均值为0.059%，T值高达10.1。与指数相比，股指期货在早盘和尾盘的收益表现差异明显。IF隔夜涨幅均值为0.055%，T值为3.19。收盘前15分钟上涨概率为53.3%，涨幅均值为0.011%，T值仅为1.59，统计不显著。

由于指数不可交易，本文将以股指期货作为主要的研究对象。回测相关参数如下所示。时间区间：2016.1.11-2019.11.29；交易标的：IF、IH、IC主力合约；交易成本：不扣费，第四节单独对交易成本进行敏感性分析；收益计算方式：无杠杆，单利累加。IF、IH、IC在隔夜、前收盘至次日上午10点、下午开盘后五分钟三个不同时段的区间累计收益率如下图所示，其中前收盘至次日上午10点的平均收益率分别为0.093%、0.092%和0.095%，年化收益率分别为22.80%、22.41%和23.14%。

我们认为，股指期货前收盘至次日上午10点的区间收益可以拆分成两部分，分别为前收盘至次日开盘的隔夜收益和开盘至上午10点的早盘收益。隔夜收益可以看作是一种风险溢价，是套保者支付给投机者的风险补偿。A股期现货市场交易机制不同，套保者倾向于在收盘前做空股指期货，往往会导致基差的下降和持仓量的上升（见图11-12）。早盘收益来源于指数本身的涨幅，即指数的日内效应，而基差则在高开后持续下跌，早盘贡献为负。

[h1]2股指期货隔夜收益影响因子[/h1]为方便起见，我们称前收盘至次日上午10点的区间收益为隔夜收益。可能影响股指期货隔夜收益的因子包括以下几类：因子1：收盘折溢价，即收盘价相对结算价的涨幅；因子2：收盘价相对区间开盘价、最高价、最低价、VWAP涨幅；因子3：区间成交量（成交额）与全天的成交量（成交额）之比；因子4：区间内基差变化率；因子5：区间内相对买卖价差、买卖单不平衡度；因子6：区间内净流入金额占比；其中时间区间包括全天、收盘前半小时、收盘前15分钟等。以IF为例，主要因子的统计特征和对隔夜收益的影响如下表所示，我们下文将选取收盘折溢价、买卖单不平衡度、基差变化率等预测效果相对较好的因子作进一步分析。

[h1]2.1收盘折溢价[/h1]股指期货结算价是当日最后一个小时的成交价格按照交易量的加权平均价。我们将收盘价低于结算价称为折价，将收盘价高于结算价称为溢价。结算价是当天保证金结算的标准和计算次日涨跌停板的参考价。若收盘价偏离结算价幅度较大，可以认为是一种定价偏差。我们构建多空策略和多头策略如下：多头策略：收盘价低于结算价做多，持有至次日上午10点平仓。多空策略：收盘价低于结算价做多，高于结算价做空，持有至次日上午10点平仓。收盘折溢价单因子策略表现如以下图表所示，其中IF多头策略年化收益率19.40%，平均单笔收益0.16%；多空策略年化收益率15.72%，平均单笔收益0.07%。由于隔夜收益本身显著为正，因此多头策略表现好于多空策略。

[h1]2.2买卖单不平衡度[/h1]我们定义买卖单不平衡度如下所示：

其中B和S分别表示收盘前N分钟区间内买一和卖一委托量的平均值。相比于价格涨跌，委买委卖单的不平衡度更能够反映投资者的真实交易意愿。当委买量高于委卖量时，我们预期未来价格上涨，反之则预期未来价格下跌，构建多空策略和多头策略如下：
多头策略：收盘前半小时内委买量高于委卖量做多，持有至次日上午10点平仓。
多空策略：收盘前半小时内委买量高于委卖量做多，委买量低于委卖量做空，持有至次日上午10点平仓。
买卖单不平衡度单因子策略表现如以下图表所示，其中IF多头策略年化收益率15.55%，平均单笔收益0.13%；多空策略年化收益率8.55%，平均单笔收益仅为0.04%，多头策略表现同样好于多空策略。

[h1]2.3 尾盘涨幅[/h1]尾盘涨幅反映了投资者对隔夜不确定性的担忧和对次日市场表现的预期。当尾盘下跌时，市场预期隔夜不确定性较高，承担隔夜风险的多头投机者应当获得更高的风险补偿。另一方面，在情绪驱动下，尾盘出现过度反应的可能性较大。因此，我们构建多空策略和多头策略如下：多头策略：收盘前半小时（15分钟）下跌做多，持有至次日上午10点平仓。多空策略：收盘前半小时（15分钟）下跌做多，收盘前半小时（15分钟）上涨做空，持有至次日上午10点平仓。尾盘涨幅单因子策略表现如以下图表所示，其中IF尾盘半小时和15分钟涨幅单因子多头策略年化收益率分别为16.31%和16.55%，平均单笔收益分别为0.13%和0.15%，后者表现更胜一筹。

[h1]2.4 尾盘基差变化率[/h1]与尾盘涨幅因子逻辑相近，尾盘的基差变化率同样能够反映出投资者对隔夜不确定性的担忧。我们构建多空策略和多头策略如下：多头策略：收盘前15分钟基差下降做多，持有至次日上午10点平仓。多空策略：收盘前15分钟基差下降做多，基差上升做空，持有至次日上午10点平仓。尾盘基差变化率单因子策略表现如以下图表所示，其中IF尾盘15分钟基差变化率单因子多头策略年化收益率为20.41%，平均单笔收益为0.13%。

[h1]2.5 因子相关性[/h1]以IF为例，隔夜收益影响因子的相关系数矩阵如下图所示。可以发现，同一大类因子之间相关性较高，例如收盘折溢价因子与收盘前半小时涨幅因子相关系数高达0.9。而不同大类因子间相关性较低，例如收盘折溢价因子与收盘前半小时买卖单不平衡度因子之间相关系数仅为0.09。

[h1]3股指期货隔夜收益增强策略[/h1]根据前文分析结果，我们选取收盘折溢价、尾盘半小时买卖单不平衡度、尾盘15分钟基差变化率三个预测效果较好、相关性较低的因子构建复合策略。其中复合策略1和2使用收盘折溢价和尾盘半小时买卖单不平衡度两个因子，并分别按双因子信号取并集和交集的方式构建组合。
[h1]3.1 复合策略1——双因子信号取并集[/h1]我们构建复合策略1如下：当收盘价高于结算价，或收盘前半小时委买总量大于委卖总量时做多，持有至次日上午10点平仓。IF复合策略1的年化收益率为22.60%，夏普比率为2.34，calmar比率为7.37，平均单笔收益为0.13%，信号频率为72.54%。

[h1]3.2 复合策略2——双因子信号取交集[/h1]我们构建复合策略2如下：当收盘价高于结算价，且收盘前半小时委买总量大于委卖总量时做多，持有至次日上午10点平仓。IF复合策略2的年化收益率为12.35%，夏普比率为2.12，calmar比率为3.85，平均单笔收益为0.20%，信号频率仅为25.77%，即平均四个交易日触发一次交易信号。

[h1]3.3 复合策略3——三因子策略[/h1]我们构建复合策略3如下：当收盘价低于结算价，收盘前半小时委买总量大于委卖总量，收盘前15分钟基差下跌，三个条件至少满足两个则做多，持有至次日10点平仓。IF复合策略3的年化收益率为22.03%，夏普比率为2.69，calmar比率为6.99，平均单笔收益0.16%，交易频率介于策略1与策略2之间，相对适中。

[h1]3.4 复合策略分年度表现[/h1]复合策略分年度表现如下表所示，其中策略3表现相对均衡，在IF、IH、IC三个品种上每年收益率均超过10%。

[h1]4敏感性分析[/h1]我们在本节中考察策略对交易成本和平仓时间的敏感性，并进行更加精细化的回测。
[h1]4.1 策略对交易成本的敏感性[/h1]以IF为例，复合策略在不同交易成本下的表现如以下图表所示，其中策略1对交易成本的敏感性最高，策略2的敏感性最低。在双边万分之3的交易成本下，复合策略1-3的年化收益率分别为17.29%、10.47%和18.02%，夏普比率分别为1.79、1.81和2.21。由于目前股指期货开仓和隔夜平仓手续费仅为成交金额的万分之0.23，策略具有较高的收益空间。

[h1]4.2 策略对平仓时点的敏感性[/h1]复合策略在不同平仓时点下的年化收益率如以下图表所示，当平仓时点在9:55-10:15区间内变动时，年化收益率并未呈现明显差异。由此可见，策略对平仓时点并不敏感。

[h1]4.3 精细化回测[/h1]股指期货日内买卖价差均值的历史走势如下图所示，IF、IH、IC的价差均值分别为0.02%、0.029%和0.03%。近一年来，股指期货流动性提升，买卖价差持续收窄，有利于策略的开展。
由于股指期货的流动性在不同阶段有所差异，因此我们采用更加精细化的回测框架，具体如下：1. 在每天14:59:30，使用14:00以来的成交量和成交额计算VWAP，预估当日的结算价；使用14:30以来的买一量和卖一量计算买卖单不平衡度；计算14:45以来的基差变化率，生成交易信号。2. 以收盘前30秒平均卖一价作为买入开仓价，以次日上午9:59:30-10:00:30一分钟内平均买一价作为卖出平仓价。3. 额外扣除双边万分之二的交易成本。复合策略在精细化回测框架下的表现如以下图表所示，其中策略3表现最好，IF、IH、IC的年化收益率分别为18.19%、9.04%和15.15%，夏普比率分别为2.18、1.03和1.52。

[h1]5总结与讨论[/h1]A股期现货市场存在显著的日内效应，沪深300指数隔夜涨幅均值为-0.073%，显著为负，开盘后至上午10点涨幅均值为0.073%，显著为正。临近收盘，指数再度走强，收盘前15分钟上涨概率为65.7%，涨幅均值为0.059%。股指期货隔夜收益为正，日内累计收益在上午10点左右达到高点，IF、IH、IC从前收盘至次日上午10点的平均收益率分别为9.34%%、9.18%%和9.48%%。股指期货前收盘至次日上午10点区间收益可以拆分成隔夜收益和早盘收益两部分，其中前者是承担隔夜风险的风险溢价，后者来源于指数本身的涨幅。
收盘折溢价、尾盘基差变化率和买卖单不平衡度是三个相对有效的隔夜收益增强因子，单因子多头策略平均单笔收益分别为0.16%、0.13%和0.13%，因子间相关性较低。
基于收盘折溢价和买卖单不平衡度双因子的IF复合策略1的年化收益率为22.60%，夏普比率为2.34，calmar比率为7.37。复合策略2的年化收益率为12.35%，夏普比率为1.86，平均单笔收益高达0.20%。基于收盘折溢价、尾盘基差变化率和买卖单不平衡度三因子的复合策略3的年化收益率为22.03%，夏普比率为2.69。
策略对日内平仓时点敏感性较低，对交易成本存在一定敏感性，股指期货近期流动性明显提升，有利于策略的开展。在更贴近实际的精细化回测框架下，IF复合策略1的年化收益率为15.97%，夏普比率为1.65，calmar比率为4.56；复合策略3的年化收益率为18.19%，夏普比率为2.18，calmar比率为4.93。
[h1]6风险提示[/h1]因子失效风险、流动性风险。
联系人：
姚石：021-23219443
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
150、“海量”专题（150）—— CTA多因子策略反思与改进方向——从三季度大幅回撤说起

【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
149、“海量”专题（149）——华为产业链解析
151、“海量”专题（151）——特斯拉产业链解析

【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，任何订阅人如预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。

回复

分享到 :

0 人收藏

6级职业

海通量化团队

积分:595

帖子:119

精华:0

+ 关注私信

期权论坛

期权论坛

期权网络科技版权所有: 关于我们; 联系我们; 加入我们; 反馈问题; 免责声明; 积分充值

统一社会信用代码: 积分规则; 网站地图; 爱文库; 下属网站

官方: 新浪微博; 微信公众号
◆

下载: 表情包; App下载

期权论坛

期权论坛

QQ咨询|关于我们|Archiver|手机版|小黑屋|( 辽ICP备15012455号-4 ) Powered by 期权论坛 X3.2 © 2001-2016 期权工具网&期权论坛 Inc.