主动权益基金的投资策略配置与选基因子增强 | 开源金工

开源证券金融工程首席分析师  魏建榕

微信号：brucewei_quant

执业证书编号：S0790519120001

开源证券金融工程资深分析师 张翔（联系人）

微信号：18217529287

执业证书编号：S0790520110001

研究领域：资产配置、基金研究

开源证券金融工程研究员 何申昊（联系人）

微信号：hshch97

职业证书编号：S0790122080094

研究领域：基金研究、因子模型

摘要

“基金投资策略研究”系列的三篇报告，系统化地梳理了我们对于基金产品与FOF投资的思考与研究。本篇报告作为“基金投资策略研究”系列的第三篇，我们将主要讨论如何通过基金策略配置和选基因子增强来构建FOF组合。

“趋势-胜率-赔率”因子择时框架进行基金策略配置效果显著

各投资策略的超额收益存在明显的轮动现象，不同投资策略的表现呈现出不同风格因子驱动的特征。我们将驱动策略的成长、低估值、质量及机构抱团核心维度计算因子溢价。我们提出了统一的因子溢价择时框架：趋势-胜率-赔率，并建立因子溢价的周期划分进行择时。

我们将因子到策略建立映射关系，根据因子择时信号来动态配置投资策略。以各投资策略指数作为资产，择时配置组合能够稳定跑赢等权基准，年化超额收益4.58%，信息比率0.9，月度胜率65.42%。

基金评价类指标在基金策略分域中分步合成构建选基因子效果显著

选基因子本质是基金预期收益的预测指标，根据预测信息来源不同将选基因子分为两大类：第一类是由底层资产的alpha因子构建选基因子；第二类是基金评价类的选基因子。我们将从八大基金能力特征维度出发，构建85个选基因子，在基金策略覆盖的基金池中进行因子测试，筛选出包括基金规模、管理人持有占比、隐形交易、Carhart-alpha等20个显著有效指标，并对指标分布合成构建选基合成因子。选基合成因子的五分组多空年化收益10.93%，信息比率1.20，因子月度IC为9.34%，ICIR为1.53，IC胜率为67.3%。

分别在成长、价值、均衡、交易四类策略中测试各因子显著性，比较不同策略中的因子表现异同，并分别在各类基金策略中进行选基因子合成。该分域选基合成因子具有稳定的选基增强表现稳定，但在市场风格剧烈切换下会出现阶段性失效现象，需要与配置策略进行结合增强。

策略配置与选基增强协同构建FOF组合，组合超额收益表现稳健

我们将配置信号与分域选基因子结合使用构建FOF组合。先等权配置优选策略，再从每类投资策略中选取得分最高基金等权持有，该组合虽然增强了收益，但相对选基损失了信息比率。因此，我们选用约束策略权重的最优化方式构建优化组合，其年化超额9.30%，信息比率2.08，月胜率79.44%。

对于组合的换仓频率与费率讨论，月度优化组合换手率为55.8%；如果当配置信号发生变化时进行调整能够降低交易损耗，按需调仓优化组合的费后年化超额达7.56%，信息比率1.64，历年收益均排在主动权益基金前50%。

报告链接

点击文末阅读原文（提取码请联系开源金工团队获取）

报告发布日期：2022-12-11

01

基金投资策略系列介绍

近年来市场中关于基金的研究内容越来越丰富，而对于基金研究需求也在向专业化、体系化的趋势发展。为了满足市场研究需求，2022年我们通过“基金投资策略研究”系列的三篇报告，系统化地梳理了我们对于基金产品与FOF投资的思考与研究。在第一篇《打造主动权益基金的投资策略标签体系》报告中，我们构建32个刻画基金投资特征的指标，通过相似网络对基金进行社群聚类，自适应地对基金构建三级标签体系。基金策略三级标签分类包含投资标签、策略标签、特征标签，在不同颗粒度上对主动权益基金进行分类刻画。在第二篇《主动权益基金投资策略的迁移特征与动态监控》报告中，我们比较了各类投资策略的收益表现差异，分析了基金经理的投资风格切换与策略迁移规律，同时对各类投资策略收益表现进行跟踪。在本文中为了进一步提高基金策略标签的覆盖度，我们将基金分类的样本池扩大为过去4个报告期股票仓位均不低于60%的普通股票型、指数增强型、偏股混合型、灵活配置型基金产品。在每半年进行策略分类更新后，我们将根据策略分类结果编制相应基金策略指数，进而跟踪各类基金策略的收益表现情况。上图中是2017年以来非主题类基金策略的分年度风险收益比较，我们不难看出：历年各类投资策略收益差异显著，当基金产品的投资策略与市场风格匹配时，相应投资策略的基金将有更好的收益表现。那么我们该如何打通从策略配置到投资组合的最后一步？我们将在前两篇介绍的权益基金投资策略分类体系、投资策略指数编制的基础上尝试给出答案。作为“基金投资策略研究”系列的第三篇报告，我们将主要讨论如何通过基金策略配置和选基因子增强构建FOF组合。本文主要围绕以下3个问题展开讨论：（1）如何对基金策略进行择时配置？（2）各类策略中哪些指标对基金预期收益有预测能力？（3）如何融合策略配置与选基因子构建FOF组合？

02

基金策略配置与因子择时

2.1、 投资策略的底层驱动因素通过计算各投资策略指数滚动一年的超额收益，我们观察到明显的策略轮动现象。如果想要捕捉轮动的规律，获取基金策略配置收益，我们要先理清每类策略其背后的驱动因素。基金的策略分类主要是根据其持仓的投资特征划分的，每类策略的基金都在部分因子存在明显差异，从而不同投资策略的表现呈现出不同风格因子驱动的特征。策略划分所涉及的核心维度为：成长、低估值、质量及机构抱团因子。由于抱团因子与质量因子的溢价有很高的负相关性，我们可以仅关注前三个维度。总结而言，成长因子驱动所有成长和交易风格的策略；质量因子正向驱动高质量成长、高质量均衡、高质量价值，负向驱动黑马成长、黑马价值；低估值因子驱动所有价值风格的策略、稳健成长及稳健均衡。基金策略配置的框架如上图所示。首先，我们使用公募基金持仓股票池构建了月度换仓的风格因子，以Top30%组合收益减去股票池平均收益作为因子溢价。随后，我们从趋势、胜率、赔率三个角度选取指标，对风格因子溢价择时。最后，我们根据风格因子对投资策略的驱动关系，用因子择时的观点指导策略配置。2.2、 因子溢价择时框架：趋势-胜率-赔率我们从中观和微观的视角切入，通过因子组合内生的指标择时。内生指标的因子择时有大量相关的研究，但他们对指标的处理上存在细节差异。结合本篇报告的最优实践，我们提炼出一套稳健、普适的处理流程，以降低复杂处理技巧和参数带来的过拟合风险。择时研究的时间窗口为2013年12月31日至2022年11月30日。我们在基本面维度选取了景气度和估值，在交易面维度选取了动量作为择时的底层信号。从逻辑出发，每个风格因子都是对“好股票”的一种侧面刻画，但在当前因子是否值得配置往往还需考虑几个维度：（1）是否有足够高的赔率，当因子组合的估值高过市场平均过多，可能意味着配置性价比过低，故我们纳入估值价差（value spread）；（2）是否有足够高的胜率，当基本面的预期边际变化向下时，指标配置的成功率在降低，这里我们用因子的景气度价差（prosperity spread）刻画，景气度指标可参考我们在《景气度研究：量化与主动的多视角》报告中构建方式；（3）是否已经形成趋势，当因子趋势向下，过于左侧的配置有长时间不发生反转的风险，故我们纳入因子动量（factor momentum）。从单个指标的择时效果来看，仅景气度能够较好区分因子溢价的强弱时段。我们将因子动量划分为强和弱（以0为阈值），将估值划分为贵、适中、便宜（以-2、2为阈值），将景气度划分为上行和下行，统计处于每个状态时，未来1至3个月的因子溢价均值，汇总于上图中。可以观察到，景气度能够单独形成较好的择时效果，当景气度上行时，未来各个期限风格因子都具有强溢价，下行时因子将会回撤或是仅有微弱收益。因子动量对于各个风格因子的规律不统一，仅有质量因子表现出明显的趋势延续性。估值指标更是完全反向，似乎估值越贵未来因子溢价就越高。以上的分析是否说明因子动量和估值都是无效的？我们认为并非如此，静态地观察单指标择时忽略了指标间的相关性，从而容易被混淆因素干扰。以景气度为锚，可以观察到因子动量和估值与其存在相关性，下图显示了弱动量状态大多与景气下行并存，高估值往往发生在景气上行阶段，也就是说动量和估值的择时效果都被景气度这一强变量扭曲了，从而与逻辑相悖。我们尝试联合使用三个指标，对因子组合当前所处的状态进行划分，共形成2×2×3=12种市场状态。基于对数据的观察，我们勾勒出如下的因子溢价周期划分，并将各象限与之动态对应。进一步使用数据进行检验，图10汇总了研究窗口内各象限的未来因子溢价，有7个象限预期收益为正：

• 当风格切换发生，景气度持续上行，动量由弱走强，估值与市场平均相比会经历从便宜到贵的整个过程。此时应该右侧看多，跟踪趋势，对应象限序号2、4、7。其中2和4的t值显著，其强收益在历史上稳定。
• 当估值处于适中或便宜，景气度上行，此时赔率与胜率都占优势，弱趋势可能迎来反转，是适当的左侧布局时机，对应象限序号3、6。其中3的t值显著，收益更稳定。
• 当估值跌到历史极端值，可以在有安全边际的条件下参与短期反弹，对应象限序号5。
• 仅有景气度上行，弱趋势叠加低赔率的滞涨象限1上具有最高的预期收益。但是，这一象限在历史上样本很少，t值亦不显著。复盘来看，其主要的收益集中在2014年末、2015年初的成长过热时期，对这段时期过拟合会带来样本外的风险，所以我们遵从先验修正为看空。

将经先验修正后的信号应用于因子择时，我们发现对每个风格因子均能捕捉主要的因子溢价，同时规避大量回撤。以成长、低估值、质量因子为择时标的，设定当择时信号看多时持有，择时信号看空时空仓，分别绘制净值与回撤曲线的对比。质量因子溢价择时的效果是最优的，收益端大多数时间段领先于因子溢价本身，且较好地规避了三段主要的回撤。成长因子溢价择时仅在2018年中表现不佳，其余时段均大幅减小了回撤，2014年以来整体收益与因子溢价本身相当。低估值因子择时躲过了2019年的因子溢价转向，并于2021年左侧看多低估值因子，较为精准地把握了风格切换的节奏。2.3、 从因子择时到基金策略配置在择时信号指导下，我们可以按照因子到策略的映射关系动态配置投资策略。具体来说，在每个月末我们从两个均衡策略出发，先与看多因子对应的策略取并集，再将空头和中性信号对应的策略删除，下表枚举了所有的情况。由于我们不希望出现空仓，故当成长和低估值均不看多时，将按照质量择时信号进行配置。以各投资策略指数作为资产，通过上表映射构建的择时配置组合稳定跑赢等权基准，年化超额收益4.58%，信息比率0.9，月度胜率65.42%。注意到2015年配置的超额波动较为剧烈，拉低了整体的信息比率，这是由于之前我们利用先验修正了滞涨象限的信号方向。所有策略等权指数相对于主动股基指数（930890.CSI）有一定的超额，故择时配置组合也能稳定跑赢主动股基指数。2021年以来策略配置组合获取超额收益显著。我们回顾过去两年的配置信号，可以观察到2021年以看多黑马，看空高质量为主；而2022年以看多价值，看空成长为主，这与我们对这两年市场风格的认知一致。

03

选基因子与分域研究

选基因子本质是基金预期收益的预测指标，我们可以根据预测信息来源不同将选基因子分为两大类：第一类是由底层资产的alpha因子构建预测基金业绩的前瞻性指标，我们在《选基因子探索及FOF组合构建》中将开源金工的独家选股因子构建成选基因子，因子表现出较好的基金优选能力；第二类是基金评价类的选基因子，我们将从基金能力特征维度出发构建基金业绩预测指标。本章我们将重点介绍开源金工的基金评价类因子框架，以及研究各选基因子在每类投资策略基金池中的表现。3.1、 基金评价类选基因子体系从基金评价的角度切入，我们将影响基金预期收益指标汇总为八大类：收益表现、风险控制、适应能力、持有结构与规模、择时能力、行业能力、选股能力、交易能力。同时在每类指标中，我们也拆分出多个维度来评价基金的能力或特征。首先，为了保证构建的基金评价类因子不引入未来信息，我们对基金进行实时的持仓补全，即在每月底仅使用已披露的数据进行持仓补全估算。其次，我们在八大类评价指标中计算85个选基因子。最后，我们可以在不同的时间窗口下计算衍生不同周期的基金指标，为了简化计算以及避免过拟合，本文中统一将指标计算的回看窗口定为12个月。基金评价类因子的计算说明详见下表。上表中多数基金指标计算已在本系列的第一篇《打造主动权益基金的投资策略标签体系》报告中介绍过，本文主要对基金适应能力、隐形交易能力、Brinson收益拆解做简要介绍。在基金的适应能力评价指标计算中，我们首先将近2年的市场牛熊与成长价值风格进行周期划分，进而在不同周期内计算基金指标。关于周期划分规则为：对于持续1个月以上且市场涨幅超过±10%的窗口划分为阶段性牛熊周期，持续1个月以上且成长价值相对风格收益超过±5%的窗口划分为阶段性成长价值周期。下图为近2年牛熊周期与成长价值周期的划分示例。在基金的隐形交易能力计算中，假设基金保持半年报或年报时披露的持仓不动，我们将维持该持仓所获取的收益作为基准收益，并计算基金真实收益相对基准收益的月度超额，作为衡量基金调仓交易能力的指标。在2022年11月底，我们横向比较全部基金近12个月隐形交易超额收益，剔除迷你规模与管理人变更的产品之外，万家宏观择时多策略（519212.OF）以26.5%的隐形交易收益排名前三，下图中我们以该产品为例展示其隐形交易表现。在基金的Brinson收益拆解中，我们将基金收益拆解为五部分：基准收益、资产配置超额、行业配置超额、选股超额、交易损益。由于主动权益基金的股票仓位中位数接近80%，我们将基金基准拟定为80%股票（881001.WI）+20%债券（CBA00301.CS），进而计算基准收益，拆分基金季度总超额收益。资产配置超额为基金季度平均资产配置权重偏离产生的收益；行业配置超额为基金行业权重相对于市场行业权重偏离产生的收益；选股超额为各行业内个股相对于行业指数的总超额收益；交易损益为总超额收益中扣除资产配置、行业配置、选股后的超额收益。我们以万家宏观择时多策略（519212.OF）为例，上表为该基金的季度收益贡献拆解明细。2022年前三季度，该产品总超额收益为74.96%，资产配置贡献-3.09%，行业配置贡献33.94%，选股贡献29.00%，交易损益贡献15.11%，行业配置与选股贡献了主要的超额收益。从全市场角度看，在2014年至2022年上半年期间，历年基金的资产配置超额差异较小，行业配置贡献不稳定，选股超额整体显著为正贡献，交易损益普遍为负贡献。这也印证了基金经理普遍具有优秀的选股能力。3.2、 选基因子的筛选与合成在前文构建的85个基金能力特征指标中，我们在基金策略覆盖的基金池中进行因子测试，筛选出以下20个指标长期显著有效。其中，基金规模、管理人持有占比、隐形交易、Carhart-alpha具有较高的选基稳定性。这20个有效因子来自除择时能力、风格能力之外的6大类维度。从指标相关性上看，选股能力、基金收益、风险调整收益指标相关性较高；回撤修复类指标相关性较高；管理人持有占比、barra周期行业贡献、基金规模与其他指标相关性较低。在选基指标筛选上，除了预测能力显著的20个因子，我们同时筛选了指标在局部（多头或空头）有效因子一同进行选基因子合成。选基因子采用分步合成，即相同指标类别内的因子等权合成，再对相同能力维度的指标等权合成，最后将不同能力维度指标进行等权合成，形成最终的选基合成因子。选基合成因子的回测表现如下图，五分组下多空年化收益10.93%，信息比率1.20，最大回撤9.1%，因子月度IC为9.34%，ICIR为1.53，IC胜率为67.3%。3.3、 选基因子的分域研究在全体基金池中有20个指标对基金收益具有显著的预测效果，那么如果在不同的投资策略基金池中，各指标是否还会相似预测能力？为了探究基金因子的有效域，我们分别在成长、价值、均衡、交易四类策略中测试各因子显著性，比较不同策略中的因子表现异同。从上表可以看出各分域内的有效指标，（1）择时能力、风格收益的指标基本无显著效果；（2）成长策略内有效指标与全体策略内有效指标高度相似，成长策略内部有效指标：股票换手率、机构持有占比、价值阶段alpha与超额收益；（3）价值策略内部有效指标：收益峰度、Brinson医药行业贡献、价值阶段下行捕获率；（4）均衡策略内部有效指标：熊市下的alpha与超额收益、牛市下行捕获率、成长阶段下行捕获率；（5）交易策略内部有效指标：熊市下的alpha。类似地，我们在各类策略基金中，对有效的选基因子进行分步合成获得分域选基因子。下图是各分域内选基合成因子五分组多空表现比较，2021年9月以来，选基合成因子在各分域内表现均有所走弱。从分域选基合成因子的预测能力看，交易策略内IC为11.37%、ICIR为2.02表现最强，价值策略内IC为8.87%、ICIR为1.46接近全体策略内平均水平。从各分域选基合成因子的3个月IC均值看，历史上有4段失效窗口分别是2014年四季度（牛市初期权重股拉涨）、2018年一季度（熊市初期价值风格走强）、2021年一季度（抱团股瓦解）、2022年二季度（高景气超跌反弹），而每一次的选基因子失效都刚好对应着市场风格的剧烈切换。如果我们将策略配置与选基因子结合，整体收益将能够进一步得到提升。

04

策略配置与选基增强协同构建FOF组合

最后，我们尝试将配置信号与分域选基因子配合起来构建FOF组合，协同构建组合表现出更好的增强效果。为了使测试结果贴近实际投资，本章所涉及的组合都限制了调仓时点基金规模高于1亿，可进行1000万以上的大额申购，且不在封闭期内。4.1、 组合构建方式对比最直接的组合构建方式为等权配置优选的投资策略，然后在每个投资策略类下选取选基因子得分最高的几只基金等权持有，形成基金等权30组合（后简称“配置+选基”组合）。以所有策略等权作为基准，图11做了类似Brinson归因的拆解，显示“配置+选基”组合的收益优于单独运行配置或分域选基。图12绘制了累计超额的对比，可以观察到选基与配置具有互补效应，如2018年初选基组合回撤，但配置信号稳健；2019年末配置信号回撤，但选基信号稳健；2021年中以来选基信号走弱，而配置信号强劲。我们将互补信号合理搭配，能产生接近全天候的增强效果。从具体绩效上看，“配置+选基”组合虽然增强了收益，但相对选基损失了信息比率。经过分析，信息比率的损失来源于两点：（1）策略配置的标的仅有13种，难以形成稳定的分层效果，配置层面的低信息比率拖累了选基增强的效果。（2）策略配置直接舍弃了部分投资策略，导致分域的选基效果无法发挥。我们尝试转换配置观点的角色，以半强制约束的形式放入组合优化器，这种方式构建的FOF组合可以同时增强收益和信息比率。构造如下优化问题：

其中w为待优化的基金权重；为投资策略哑变量矩阵，为基准指数中各个投资策略的权重（这里为等权）；和分别为策略配置偏离的上下限，我们根据配置信号与敞口参数k约束偏离敞口在一定范围内，具体方式如图13所示。

对比不同配置敞口参数k下的优化组合绩效，当k=0.4附近时信息比率与年化超额达到最优平衡。从下图中可以观察到，随着k增大，组合的年化超额递增，随后维持，而信息比率在配置敞口超过0.4后直线下降，故我们认为取k=0.4是最优的。此时优化组合年化超额9.30%，信息比率2.08，月胜率79.44%，收益与稳定性都强于等权构建的“配置+选基”组合。4.2、 换仓频率与费率讨论当持有期限在一个月以内时，大部分基金会产生约0.5%的后端赎回费用，这将对频繁换仓的组合产生不容忽视的交易磨损。月度调仓的优化组合月均单边换手率为51.77%，以0.5%的单边换手费用计算，费后组合的年化超额仅6.13%。另一方面，简单降低组合换仓频率有损配置观点的及时性，双月频、季频换仓绩效都不理想。按需调仓兼顾了费率与配置的及时性。我们观察到配置信号发生变化的月数仅占所有月数的60%，经过测试，当配置信号发生变化时按需调仓抹除了不必要的再平衡，在费前和费后均优于各频率定期调仓的优化组合。按需调仓的优化组合费后年化超额达7.56%，信息比率1.64。考虑到持有期超过一个月后，部分C份额的基金免收赎回费，实际的费率应低于我们的测算。4.3、 组合绩效与最新持仓我们以按需调仓的优化组合作为最终的FOF组合。除去2015年组合费后收益排在中游，其余年份均排在主动权益基金成分的前50%，且每年都能稳定跑赢基准。最后，我们给出2022年12月的组合持仓名单，配置信号看多价值与黑马类的策略。名单共包含共21只基金，由于我们剔除了优化结果中权重低于2%的产品重新归一化，部分产品的权重略高于5%。

05

风险提示

策略信号基于历史信息测算，可能存在失效风险。基金投资策略分类基于对公开的历史数据的定量测算与统计，基金管理人真实投资理念可能与之存在出入。对基金产品和基金管理人的研究分析结论不能保证未来的可持续性，不构成对该产品的推荐投资建议。

相关报告（可点击链接）：

更多交流，欢迎联系:开源证券金融工程团队 | 魏建榕 张翔 傅开波 高鹏 苏俊豪 胡亮勇 王志豪 盛少成 苏良 何申昊

end

团队介绍

开源证券金融工程团队，致力于提供「原创、深度、讲逻辑、可验证」的量化研究。团队负责人：魏建榕，开源证券研究所所长助理、金融工程首席分析师、金融产品研究中心负责人，复旦大学理论物理学博士，浙江大学金融硕士校外导师、复旦大学金融专硕校外导师。专注量化投资研究10余年，在实证行为金融学、市场微观结构等研究领域取得了多项原创性成果，在国际学术期刊发表论文7篇。代表研报《蜘蛛网CTA策略》系列、《高频选股因子》系列、《因子切割论》系列，在业内有强烈反响。2016年获新财富最佳分析师第6名、金牛分析师第5名、水晶球分析师第6名、第一财经最佳分析师第5名。团队成员：魏建榕/张翔/傅开波/高鹏/苏俊豪/胡亮勇/王志豪/盛少成/苏良/何申昊。

免 责 声 明Legal Notices

开源证券股份有限公司是经中国证监会批准设立的证券经营机构，具备证券投资咨询业务资格。

本报告仅供开源证券股份有限公司（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。本报告是发送给开源证券客户的，属于商业秘密材料，只有开源证券客户才能参考或使用，如接收人并非开源证券客户，请及时退回并删除。

本报告是基于本公司认为可靠的已公开信息，但本公司不保证该等信息的准确性或完整性。本报告所载的资料、工具、意见及推测只提供给客户作参考之用，并非作为或被视为出售或购买证券或其他金融工具的邀请或向人做出邀请。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。客户应当考虑到本公司可能存在可能影响本报告客观性的利益冲突，不应视本报告为做出投资决策的唯一因素。本报告中所指的投资及服务可能不适合个别客户，不构成客户私人咨询建议。本公司未确保本报告充分考虑到个别客户特殊的投资目标、财务状况或需要。本公司建议客户应考虑本报告的任何意见或建议是否符合其特定状况，以及（若有必要）咨询独立投资顾问。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。若本报告的接收人非本公司的客户，应在基于本报告做出任何投资决定或就本报告要求任何解释前咨询独立投资顾问。

本报告可能附带其它网站的地址或超级链接，对于可能涉及的开源证券网站以外的地址或超级链接，开源证券不对其内容负责。本报告提供这些地址或超级链接的目的纯粹是为了客户使用方便，链接网站的内容不构成本报告的任何部分，客户需自行承担浏览这些网站的费用或风险。

开源证券在法律允许的情况下可参与、投资或持有本报告涉及的证券或进行证券交易，或向本报告涉及的公司提供或争取提供包括投资银行业务在内的服务或业务支持。开源证券可能与本报告涉及的公司之间存在业务关系，并无需事先或在获得业务关系后通知客户。

本报告的版权归本公司所有。本公司对本报告保留一切权利。除非另有书面显示，否则本报告中的所有材料的版权均属本公司。未经本公司事先书面授权，本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。

开源证券股份有限公司

地址：西安市高新区锦业路1号都市之门B座5层

邮编：710065

电话：[phone]

传真：[phone]