►主要观点
本篇是“学海拾珠”系列第一百七十篇，研究了不同版本的短期反转（STR）策略的表现和分析STR溢价的来源。首先，作者实证发现普通版的STR策略目前除太平洋地区外几乎已经失效，但行业中性版的STR策略和残差版的STR策略可重振STR策略表现，以较低的风险获得较高且稳定的回报。回到国内市场，反转因子自2017年以来表现有所下滑，理解反转效应的本质对于改进反转因子是至关重要的，本文的研究结论值得思考。基于美国股市的STR因子，作者实证发现STR溢价确实存在，但随时间推移逐渐降低，现在几乎完全消失；且在小盘股中的溢价相对于大盘股更高。此外，分地区进行普通版STR策略回测，发现除太平洋地区外，目前其他地区该策略表现非常疲软。作者提出了两种加强版STR策略，分别是行业中性版的STR策略和残差版的STR策略。两种策略都有效地恢复了STR溢价，获得了更低的波动和更高的收益，平均夏普比率是普通版STR策略的两倍，且随着时间的推移，业绩表现保持稳定。当考虑时间的交易成本后，单一的STR策略可能因为高换手率导致高昂的交易费用而无法获利。作者建议可以将STR因子与其他多个短期因子合成一个复合策略在流动性较好的股票上使用，并且使用控制成本的手段，可以获得正向alpha。STR效应是由供求之间的暂时失衡造成的流动性压力导致的。使用STR策略的投资者实际上充当了流动性提供者的角色，提高了资本市场的运作效率。核心内容摘选自David Blitz、Bart van der Grient和Iman Honarvar在SSRN（Social Science Research Network）上的文章《Reversing the Trend of Short-Term Reversal》文献结论基于历史数据与海外文献进行总结；不构成任何投资建议。
短期反转（STR）是指前一个月收益最低的股票在下个月的收益往往高于平均水平，而上个月收益最高的股票未来会落后于平均水平的实证现象。Rosenberg，Reid和Lanstein（1985），Jegadeesh（1990）以及Lehman（1990）首次记录了这种现象对市场定价效率的挑战，使其成为资产定价文献中的经典异象之一。此后出现了许多后续研究，探讨了STR溢价的来源，以及扣除交易成本后能否利用STR溢价获利等问题。在本文中，作者发现最基础的STR策略收益随时间的推移不断减弱，以至于在最近一段时间内超额几乎完全消失。本文作者表明该策略在行业和因子投资组合层面上违背短期动量效应。不加区分地暴露反转是无效的，因为它忽略了反转效应集中在股票回报的非系统性和特质性部分。作者还发现之前提出的加强版STR策略能有效地解决这些问题，并且能带来稳健的回报。平均而言，风险调整后收益增加一倍多，而且没有随时间推移而呈下降的迹象。此外，本文作者还证实STR与其他因子间存在各种交互效应。这些发现可用于进一步提高策略表现，并有助于解释为什么STR是机器学习模型用于预测未来股票收益过程中最喜欢的信号之一。因此，STR溢价仍然存在，但现在需要更高水平的机制来捕捉它。在本文的剩余部分，将讨论STR现象的来源和STR策略实施的挑战。作者认为捕捉STR溢价最有效的方法是将该策略与其他短期alpha信号相结合。STR策略的各种特征表明溢价源于供求关系的失衡。供求失衡会暂时推动股票价格偏离其公允价值。例如，在较短的回溯期内，信号会变得更强，而由信息驱动的短期股票收益不会表现出该反转效应。这意味着采用STR策略的投资者有效地充当了流动性提供者的角色，从而有助于提供资本市场的运作效率。 本文的大纲如下：首先介绍数据，然后展示主要的实证结果。特别地，本文考察了普通版短期反转策略、加强版短期反转策略和来自交互作用的alpha的表现。在考虑几个稳健性测试之后，作者讨论了策略实施的挑战以及提出对STR效应解释。最后，得出结论。
本文考虑从1985年12月至2022年12月期间每月月末MSCI全球标准指数中的所有股票。该指数不包括小盘股和微盘股，与Fama和French（1993，2015）的大盘股范围类似。样本中股票数量最低为1296只，最高为2069只，平均为1745只。对于所有股票，本文收集以美元计价的月度总收益和各种公司特征，以构建信号和各种控制因子。一般STR因子被计算为上个月股票的总回报率。 在每月末，根据计算出的STR因子值排序，将股票根据STR划分为五个投资组合，并且计算下个月市值加权的收益率。本文作者采用与Fama和French（2017）一样的区域中性法，即在三个主要地区（北美、欧洲和太平洋地区）内分别对股票进行排序。本文采用与STR变量相同的方法构建了 Fama和French（2015）因子以及Jegadeesh和Titman（1993）和Carhart（1997）的动量因子作为控制变量。因此，避免了因范围、中性和加权方案选择的不同而造成的潜在偏差。控制因子包括：MSCI全球市场的风险溢价（RMRF）、基于自由流通股票市值的市值因子（small minus big，SMB）、基于账面市值比的价值因子（high minus low，HML）、基于毛利润与资产比例的盈利因子（robust minus weak，RMW）、基于总资产年变化的投资因子（conservative minus aggressive，CMA），基于不包括最近一个月在内的12个月的股票收益的动量因子（winners minus losers，WML）。数据来源于Datastream Prices，Worldscope Fundamentals和S&P Compustat（通过Refinitiv平台）。
为做好铺垫，本文首先研究了美国股票市场通用短期反转因子的长期历史表现，该因子来自Kenneth French在线数据库。图表2显示STR溢价曾经相当可观，但随着时间的推移稳步降低，并最近几乎完全消失。此外，本文还分别考察大盘股和小盘股的STR溢价。Fama和French（1993）的因子构建方法是对两个时间序列进行简单的平均，但实际上大盘股部分的相关性更高，因为它占股票市场总市值的90%左右。图表2显示小盘股的STR溢价曾经很大，但随着时间的推移已经大幅缩水。大盘股的STR溢价幅度则较为适中，并没有出现持续下降的情况，除了在最近一个子周期突然转为负值。总之，STR溢价似乎已经完全消失。
图表3展示了本文构建的STR策略在1986年至2022年期间应用于全球股票的表现。可以发现美国股票市场的表现的确非常疲软。尽管该策略在欧洲市场表现略强，但 2004年后该地区累计收益基本持平。STR策略唯一表现稳健的地区是太平洋地区，作者观察到该地区的年溢价率超过8%，且没有随时间推移而下降的趋势。然而，从全球层面来看，太平洋地区的积极贡献不足以抵消美国和欧洲的疲软业绩。
此时，不妨反思一下短期反转策略的本质。众所周知，过去十二个月（不包括最近一个月）的股票收益与动量效应有关；参见Jegadeesh和Titman（1993）以及Carhart（1997）。动量通常被理解为对金融市场信息逐步扩散的反应不足的现象，参见Gutierrez和Pirinsky（2007）。如果过去12个月中的前11个月表现出动量，那么投资者就会期望最近一个月也产生类似的效应，而不是表现出截然相反的反转效应。事实上，最近一个月的股票回报确实在行业投资组合（Moskowitz和Grinblatt，1999）和因子投资组合（Gupta和Kelly，2019，和Arnott et al.，2023）的层面上表现出动量。因此，反转效应似乎集中在股票相对于其行业或相对于具有类似因子暴露的股票特质收益上。这意味着普通版的STR策略可能会因盲目押注反转而导致收益下滑。在下节，本文将讨论包含这些见解的加强版的STR策略。
Dan，Liu和Schaumburg（2014），Hameed和Mujtaba Mian（2015）以及Novy-Marx和Velikov（2016）考虑了一个与行业相关版本的STR策略，该策略可避免 Moskowitz和Grinblatt（1999）的短期行业动量效应。本文将根据全球行业分类标准（GICS）的三级行业分类，将行业中性的STR定义为上个月的公司回报减去上个月的行业回报。
另一种增强方法是Blitz，Huij，Lansdorp和Verbeek（2013）的残差短期反转策略。这一因子的计算方法是，首先根据过去36 个月的时间序列对Fama和French（1993）的市场因子、规模因子和价值因子暴露进行回归来调整股票收益，其次用同期波动率对股票回报残差进行缩放。可以用一个简单的例子来说明校正市场beta风险背后的原理。假设某只股票下跌15%，而当月市场仅下跌10%。普通版的STR策略会做多这只股票以期望在下个月出现反转。但是，如果这只股票的beta值恰好是1.5，那么它的月收益率实际上恰好是人们所预期的，因此残差反转信号对这只股票来说是中性的。对规模和价值风险敞口也进行了类似的调整，以防止对这些因子的动量部分进行反向押注。
图表4显示了两种加强版的STR策略与普通版的STR策略的表现对比。与普通版的STR策略相比，行业中性版的STR策略和残差版的STR策略获得更高的回报和更低的波动性，从而大大提高了风险调整后的表现。随着时间的推移，其结果也更加稳定，呈现显著的正向收益，而且没有收益趋于平稳的迹象。因此，行业中性版的STR策略和残差版的STR策略都有效地恢复了STR溢价。
接下来，本文作者通过对不同STR策略收益率的时间序列进行回归，首先仅回归市场因子，其次回归全部六个Fama-French因子，最后回归Fama-French因子、短期行业动量因子和因子动量因子，从而进行张成检验。本文计算一个公司的行业动量是取同一GICS 3级行业不包含股票本身的同行们在前一个月的平均回报率。因子动量的时间序列是通过做多上个月表现最好的因子和做空表现最差的因子来构建的，其中本文考虑了SMB、HML、RMW、CMA和WML因子。 结果见图表5。表格左侧部分证实了普通版的STR策略表现不佳，其CAMP和六因子的alpha值在统计意义上并不显著。除了WML动量因子的风险敞口显著为负，其他Fama和French（2015）的资产定价因子的风险敞口一般较小且不显著。不过，这对alpha的估计值没有实质性的影响。如果将短期行业动量和因子动量作为额外的控制因子，情况就会发生巨大的变化。与普通版的STR策略可能会与短期行业动量和因子动量背道而驰的预期一致，作者观察到这些因子载荷确实是显著的负值，具有两位数的t统计量。此外，回归的R方从不到10%升至60%左右。如果控制了这些负风险敞口，alpha值就会大幅提升，远高于该策略的原始回报率。这说明，只要能够防止不利的风险敞口，就能捕捉到STR溢价。
两种加强版的STR策略（行业中性版的STR和残差版的STR）都成功地做到了这一点，因为它们的原始回报率要高得多，而且对短期动量因子的事后敏感性也小得多。这同时也反映在这些生成回归的R方上，它们的R方值仅为 20%左右。行业中性版的STR策略不再对短期行业动量有显著的风险暴露，这意味着它有效地消除了普通版的STR策略中存在的对短期行业动量的盲目押注行为。同样地，残差版的STR策略也成功地避免了对短期因子动量的押注，因为对该因子的风险暴露变得微不足道。因此，回归结果证实了这两种加强版的STR策略背后的设计理念。由于行业中性版的STR策略和残差版的STR策略的alpha值非常接近，因此很难选出谁表现更优。相反，这两种不同的方法在重振STR策略方面似乎同样有效。
目前大量最新的文献研究倾向于使用机器学习（ML）模型预测股票回报，结果发现这些模型特别喜欢STR因子。例如，Gu、Kelly和Xiu（2020）的开创性论文发现过去1个月的收益率是ML alpha预测最重要的驱动因素。更具体地说，他们发现在8个模型设定中，过去1个月的收益率是其中7个模型最重要的特征，而在剩下的一个模型中，过去1个月的收益率是第二重要的特征。尽管他们的输入特征集包含数百个因子，但仅过去 1 个月的收益率就对最终alpha预测产生了高达60%的影响。其他的ML研究也将STR视为关键因子，例如Tobek和Hronec（2021）以及Hanauer和Kalsbach（2023）。令人惊讶的是，随着时间的推移，STR因子性能不断下降，但ML模型却如此喜欢使用普通版的STR因子。但是，意识到ML模型不仅能根据因子的独立表现来选择信号，而且还能发现他们潜在的交互效应。例如，Medhat和Schmeling（2022）发现低换手率股票的短期反转非常强，而高换手率股票甚至表现出短期动量。Müller和Schmickler（2021）系统地研究了100多种不同异象之间的交互作用，发现在前10中交互效应中，有9种涉及短期反转。这或许有助于解释为什么ML模型选择如此依赖 STR因子。与STR相关的交互效应大致可分为两类，一类与普通的股票特征有关，另一类与近期极端股票收益的原因有关。前者的例子有Avramov，Chordia和Goyal（2006），他们发现流动性因子与盈利反转因子呈负相关，以及Dai et al.（2023）发现股票波动率与收益反转的强度和持续性之间存在密切的关系。为了说明交互效应的重要性，本文作者考虑了STR和两个单独的控制变量，即根据过去1个月的股票日收益估算的波动率和根据过去1年日数据测算的Amihud（2002）的流动性比率。图表6证实了交互效应的存在，因为低波动率和低流动性的股票具有很强的短期反转效应，而高波动率和高流动性的股票中则很弱。在三种波动率和三种流动性下的规律是单调的。因此，考虑到与其他因子间的重要交互作用也可能是促进STR策略的一种方法。
另一类交互效应与导致股票出现极端回报的原因有关。Chan（2003）、Savor（2012），Jiang Li和Wang（2021）以及Bai、Qian和Zhang（2021）都发现STR效应集中体现在没有新闻的情况下的股价变动中，而与新闻相关的股价变动中不存在反转。这一结论似乎对如何衡量新闻是非常可靠的，例如财经媒体发布的文章、分析师报告或业绩公告。例如，Dai et al.（2024）的研究表明当收益率反映了企业经营业绩的新信息时，股票收益率在公告月之后不会出现反转。利用这一结论，他们表明，只需在反转因子计算中省略业绩公告前后三天的收益。就能大大提高普通版的STR策略的表现。在进行这一简单调整后，该策略的原始收益率几乎翻了一倍，从每月0.31%提高到每月0.54%
过去1个月的反转和过去12-1个月动量并存，这就产生了一个问题：动量在什么时候会变成反转？虽然1个月是个不错的整数，但它并不一定是回溯期的最佳选择。事实上，Lehmann（1990）的奠基性研究在构建反转因子时只使用1周而非1个月的回溯期。假设因子计算和投资组合形成之间间隔一天也很常见，因为考虑到投资者不能以昨天的收盘价进行交易这一事实。图表7显示了在有间隔和无间隔的情况下，不同的回溯期对普通版STR策略的影响。
作者观察到将基准STR策略的回溯期从1个月缩短至15、10或5个交易日会逐步提高收益率。尽管样本后半子区间的收益逐渐平稳，但是随着回溯期的缩短，表现仍会持续稳定上升。因此，反转现象似乎集中在最近的股票回报中，以天而不是以周来衡量。此外，缩短回溯期也是重振STR策略的另一种方法。从图表7中还可以看出引入隔日交易会产生巨大影响，因为所有收益都大约减半。有人可能会说，假设在因子计算和投资组合形成之间有整整1天的时间过于保守，因为专业投资者应该能够以第二天的开盘价或在开盘时段内进行交易，而不是以第二天的收盘价进行交易。有趣的是，回溯期为5天或10天且具有隔日交易的STR策略的表现仍然强于回溯期为1个月且没有跳日的STR策略。
在另一个稳健性测试中，作者将分析范围扩大到新兴市场，使用MSCI新兴市场指数的成分股作为投资范围。新兴市场的样本期较短，为1996年1月至2022年12月，这也是本文作者没有将其纳入主要分析的原因。按照新兴市场资产定价研究的惯例，本文对每个国家的股票进行了单独分类。图表8 表明发达市场的结果也适用于新兴市场。除太平洋地区外，普通版的STR策略在所有地区的表现都非常弱，但行业中性版的STR策略和残差版的STR策略的表现在此基础上持续提高。在包括新兴市场在内的所有地区，加强版的STR策略的风险调整后表现都较好。加强版的STR策略的夏普比率介于0.4至0.7之间，与普通版的STR策略相比平均高出一倍。和之前一样，很难判断出这两个加强版策略谁更优，尽管在大多数情况下，残差版的STR策略似乎略微更有效一些。
虽然STR溢价可以通过各种方法恢复，但在考虑到实际交易成本后，该策略是否仍然有利可图尚不清楚。假设回溯期为1个月，该策略的多头和空头的投资组合每月可能需要全部更换，这会导致单边换手率高达。假设每笔交易的交易成本为0.25%，则每年的交易成本高达 。De Groot、Huij和Zhou（2012）发现只有将投资范围限制在流动性最好的股票上，并控制交易成本，才能利用短期反转效应获利。Novy-Marx和Velikov（2016）发现单个高转手率的因子在扣除成本后一般无法获利，但表明在应用交易成本控制技术时，基于行业中性反转因子和行业动量因子的高频组合可以实现显著的净alpha。
Blitz et al.（2023）通过将STR与其他多个短期因子结合为一种复合的短期策略，并采用先进的构建方法，从而扩展了这些研究成果。除STR因子外，该复合短期策略还包括短期动量因子、短期分析师修正因子、短期风险因子和季节性因子。最重要的是，至关重要的是，由于分散化的力量，复合策略产生的原始回报要比单个因子构建的策略高得多。如果只应用在流动性足够好的股票上，且使用控制成本的交易原则，该策略在扣除交易成本后仍然盈利。由此产生的净收益在统计意义和经济意义上都非常显著，并且无法用常见的Fama和French（2015）的资产定价因子来解释。因此，很难设计出有利可图的单一的STR策略，但可以通过将STR作为更广泛的短期alpha模型的一个因子来实现正向alpha文献对短期反转现象提出了至少三种不同的潜在解释，即买/卖反弹效应、行为效应和基于流动性的解释。买/卖反弹背后的原理是如果股票收盘价在买卖价格之间随机交替，数据中就会出现反转规律的假象（Roll，1984）。虽然买/卖反弹可以解释部分STR溢价，但这并不是一个令人满意的解释，因为如果使用中间报价（Nagel，2012），或者在因子计算和建仓调仓见间隔一天，STR溢价仍然很明显。
理性行为论也是不合理的，因为这需要解释为什么最近一个月的股票收益率会出现反转，但几乎所有其他的收益率都表现出动量效应。特别是，基于行业和因子的投资组合回报在最近一个表现出动量效应，但过去一年的其余时间的股票收益率也表现出动量效应。动量效应的普遍存在表明股市普遍反应不足，这可能是由于信息的逐渐扩散造成的（Gutierrez和Pirinsky，2007）。从行为学的角度来看，股票短期特异收益同时存在明显的反转效应，这意味着除了所有这些反应不足的情况外，还出现反应过度的现象，但这似乎有些牵强。更有可能是其他一些本质上截然不同的现象在起作用。仔细研究一下 STR策略的一些特性可能有助于更好地理解正在发生的事情。在上一章节中，本文作者已经注意到反转现象对于以天而不是以周来衡量的近期股票回报最为明显，而且反转效应集中在无新闻公布的情况下的股票价格变动中。Miwa（2019）提供了另一种见解，他将过去的收益率划分为为日内和隔夜的价格变动，发现虽然日内回报率在下一周会显著反转，但隔夜回报率却不会。换句话说，短期反转现象只出现在股市开放时间内的股价波动中。综合来看，这些研究结果表明流动性压力是短期反转效应的根源，尤其是供求之间的暂时失衡。具体来说，如果需求暂时超过供给，那么股票价格就会上涨以吸收这种需求，但随后又会恢复到公允价值。买方将其视为暂时的市场影响，这是交易总成本的关键组成部分，通常远远超过中介费和佣金等固定成本。如果股票因业绩公告或在市场休市的隔夜期间出现异常回报，那么流动性压力就不是原因，这也解释了为什么随后没有出现反转。流动性压力的解释意味着采取短期反转策略的投资者实际上充当了流动性提供者的角色，从而有助于提高资本市场的运作效率。 这一解释也是文献中的共识。Nagel（2012）为基于流动性的解释提供了更多支持。他的研究表明在金融市场动荡时期，即流动性最低时，STR策略的收益率将会飙升。此外，So和Wang（2004）发现相对于非公告月份，业绩公告月份的短期收益反转增加了6倍。他们认为做市商在业绩报告公布前要求更高的预期回报，因为增加通过发布预期盈利报告持有的净头寸所来的库存风险。因此，预期的新闻事件的不确定性会导致可预见的流动性补偿的增加。
除了太平洋地区外，经典的短期反转效应随时间的推移已经减弱，似乎已经到了完全消失的地步。但是，考虑到基于行业和因子的投资组合与短期动量效应相违背这一事实，重振STR策略将成为可能。行业中性版的STR策略和残差版的STR策略都能有效地解决这一问题，以较低的风险获得较高的回报，并随时间推移保持稳定的业绩。平均而言，夏普比率是普通版的STR策略的两倍。
尽管高交易成本有可能导致单一的STR策略无利可图，但是如果将其与其他的短期因子合成一个复合策略，正向alpha可被释放。短期反转效应在短回溯期时最强，并且在业绩公告前后和隔夜回报中不存在。所以这些发现表明溢价源于供求暂时失衡造成的流动性压力，而该策略的投资者通过充当流动性提供者为提高资本市场的运作效率做出了贡献。
存在明显的短期反转溢价既具有理论意义，也有实际影响。由于学术界的资产定价模型不包括STR因子而未能解释股票横截面收益的一个具有统计意义的驱动因素，这在1个月期限内尤为重要。对业界的主要启示是，除了规模、价值和动量等常见的Fama-French因子外，还存在经济意义上可行的alpha机会，因此因子投资策略的定义不应该过于狭隘。最后，投资者可以考虑降低交易的积极性，因为对流动性的需求很可能会产生可利用的反转效应，而从导致STR溢价的上升。
文献来源：
核心内容摘选自David Blitz、Bart van der Grient和Iman Honarvar在SSRN（Social Science Research Network）上的文章《Reversing the Trend of Short-Term Reversal》
文献结论基于历史数据与海外文献进行总结；不构成任何投资建议。
本文内容节选自华安证券研究所已发布证券研究报告：《如何改进短期反转策略——“学海拾珠”系列之一百七十》（发布时间：20231214），具体分析内容请详见报告。若因对报告的摘编等产生歧义，应以报告发布当日的完整内容为准。分析师：吴正宇|| 执业证书号：S0010522090001，分析师：严佳炜 || 执业证书号：S0010520070001。
“金工严选”公众号记录华安证券研究所金融工程团队的研究成果，欢迎关注重要声明
适当性说明
《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/本账号发布的观点和信息仅供华安证券的专业投资者参考，完整的投资观点应以华安证券研究所发布的完整报告为准。若您并非华安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/本账号中的任何信息。本订阅号/本账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/本账号推送内容而视相关人员为客户。市场有风险，投资需谨慎。
投资评级说明
以本报告发布之日起12个月内，证券（或行业指数）相对于沪深300指数的涨跌幅为标准，定义如下：
行业及公司评级体系
买入—未来6-12个月的投资收益率领先市场基准指数15%以上；增持—未来6-12个月的投资收益率领先市场基准指数5%至15%；中性—未来6-12个月的投资收益率与市场基准指数的变动幅度相差-5%至5%；减持—未来6-12个月的投资收益率落后市场基准指数5%至15%；卖出—未来6-12个月的投资收益率落后市场基准指数15%以上；无评级—因无法获取必要的资料，或者公司面临无法预见结果的重大不确定性事件，或者其他原因，致使无法给出明确的投资评级。市场基准指数为沪深300指数。
分析师承诺
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、专业审慎的研究方法，使用合法合规的信息，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，本人对这些信息的准确性或完整性不做任何保证，也不保证所包含的信息和建议不会发生任何变更。报告中的信息和意见仅供参考。本人过去不曾与、现在不与、未来也将不会因本报告中的具体推荐意见或观点而直接或间接收任何形式的补偿，分析结论不受任何第三方的授意或影响，特此证明。
免责声明
华安证券股份有限公司经中国证券监督管理委员会批准，已具备证券投资咨询业务资格。本报告中的信息均来源于合规渠道，华安证券研究所力求准确、可靠，但对这些信息的准确性及完整性均不做任何保证，据此投资，责任自负。本报告不构成个人投资建议，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。华安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，未经华安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。如欲引用或转载本文内容，务必联络华安证券研究所并获得许可，并需注明出处为华安证券研究所，且不得对本文进行有悖原意的引用和删改。如未经本公司授权，私自转载或者转发本报告，所引起的一切后果及法律责任由私自转载或转发者承担。本公司并保留追究其法律责任的权利。
本篇文章来源于微信公众号: 金工严选
