从基金持仓行为到行业轮动策略 | 开源金工

admin10个月前 (08-29)研报413

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开源证券金融工程高级分析师 王志豪（联系人）微信号：13127569858执业证书编号：S0790522070003研究领域：行业轮动、因子模型
摘要


开源金工基金行业轮动因子构建框架本文中，我们基于基金持仓的高频监测模型，高频测算基金的行业持仓信息，并结合Brison归因评价基金行业配置能力，优选短期行业配置能力强的基金，多维度构建行业轮动因子。基于基金行业轮动因子构建框架，首先，通过基金初筛获取初始基金池；通过Brison归因评价基金短期行业配置收益，基金分域得到优选基金；基于单只基金持仓信息，刻画基金持仓在行业上的动态变化，构建单基金行业信号；将优选基金的行业信号合成，得到行业轮动因子。行业定价权提升则行业未来上涨动能更强本文选取基金的行业持仓市值占成交额比例，作为基金的行业定价权指标。通过历史偏离度与历史分位点，衡量单基金内的行业定价权变化。基金对于行业的定价权相对历史有所提升，则行业未来上涨动能更强。基于此，我们构建了定价权总偏离、定价权偏离分歧度、定价权高偏离占比与定价权高分位占比4个因子。将定价权类的4个因子进一步合成为定价权因子，RankIC均值9.9%，RankICIR1.4。5分组多头优势明显，多头年化收益17.9%，相比行业等权，多头超额年化收益11.8%，2023年以来超额年化收益22.3%。多空组合年化收益17%，年化IR1.45。行业仓位升降更直观体现基金经理多空观点基金行业仓位的变化可以更直观地反映基金经理的行业观点，但行业仓位的变动受基金调仓与价格涨跌的双重影响。为此，我们将全市场中行业市值占比作为基准仓位，通过基金行业仓位与基准仓位的比值，剔除价格涨跌因素影响，通过调整后的仓位历史偏离度，刻画基金的行业仓位变化，构建了仓位偏离分歧度与仓位高偏离占比因子。将仓位类的两个因子进一步合成为仓位因子，RankIC均值8.1%，RankICIR1.29。5分组多头年化收益15.1%，相比行业等权，多头超额年化收益8.4%，超额表现稳健。多空组合年化收益15.4%，年化IR1.41。行业持仓估值越低越偏左侧配置基于基金持仓高频监测模型，我们通过估算基金的个股持仓，从而观察基金在行业内的持仓估值特征。本文将个股估值做行业内标准化处理，按照个股权重加权平均得到行业持仓估值特征。本文认为，基金在左侧配置行业的过程中，会更倾向于配置行业内相对低估的个股，即行业持仓估值越低越偏左侧配置，持仓估值越高越偏右侧交易。基于此构建了持仓估值低偏离占比因子，RankIC均值9.1%，RankICIR1.58，5分组多头稳定跑赢，年化收益15.7%，相比行业等权，多头超额年化收益9.7%。多空组合年化收益16.9%，年化IR1.61。报告链接
点击文末阅读原文
报告发布日期：2023-08-28

公募基金的行业持仓信息，向来是投资者了解机构资金行业动向的重要依据。但是，基金的行业持仓信息在应用层面往往面临双重困境：一是基金的持仓披露频率较低，且较为滞后；二是由于基金间行业配置能力差异化较大，从基金整体行业持仓来看，并不具备行业轮动能力，需要优选行业配置能力强的基金持仓信息。
我们在前期报告《偏股混合型基金指数（885001.WI）：优势、复制与超越》中，提出了基金持仓的高频监测模型，将卡尔曼滤波方法应用于基金持仓测算，精确测算基金的实时个股持仓。利用基金持仓高频监测模型，一方面可以有效解决基金持仓披露频率低、披露时间滞后的问题，另一方面结合Brison归因可以更精确地分解基金收益贡献，评价基金行业配置能力。本文中，我们通过Brison归因评价基金行业配置能力，从而优选短期行业配置能力强的基金，并基于优选基金的持仓信息，构建多维度的行业轮动策略。第一部分，本文介绍了基金行业轮动因子构建框架，包括：基金初筛、基金分域、单基金信息处理以及基金间行业信号合成；第二至第四部分，从基金持仓信息的定价权、行业仓位与持仓特征三个维度构建行业轮动因子；第五部分，因子相关性分析表明，同信息维度下的因子之间相关性普遍较高，因此，将同信息维度下的因子进一步合成，最终得到定价权因子、仓位因子和持仓估值低偏离占比因子，作为最终的行业轮动方案，因子多头收益贡献较高，相比行业等权基准，多头超额表现稳健。第六部分，我们总结了本文行业轮动因子绩效表现，列举了表现最佳的定价权因子从2022年以来前5行业持仓，以及2023年7月份优选基金中的前20基金。
01

开源金工基金行业轮动因子构建框架

本文中，我们基于基金行业轮动因子构建框架（图1所示），多维度构建行业轮动策略。首先，通过基金初筛获取初始基金池；通过Brison归因评价基金短期行业配置收益，基金分域得到优选基金；然后，基于单只基金持仓信息，刻画基金持仓在行业上的动态变化，构建单基金行业信号；最后，将优选基金的行业信号合成，得到行业轮动因子。
1.1、基金初筛构建初始基金池基金初筛维度，我们选择普通股票型和偏股混合型基金；为剔除建仓期基金干扰选择成立半年以上基金；小规模基金的持仓变动偏激进，为剔除其影响选择规模2亿以上基金；为剔除港股基金的影响选择A股权益仓位60%以上的基金；为剔除行业主题基金，选择前两大行业仓位不超过60%的基金，从而得到初始基金池。1.2、基金分域：Brison归因优选短期行业配置能力强的基金基于基金持仓的高频监测模型，我们利用Brison归因（BF方案）分解基金的收益贡献，将基金当期收益分解为各行业的配置收益与行业内个股选择收益。行业  的配置收益：  
行业  的个股选择收益：  
考虑到本文的行业轮动策略采用月频调仓，持仓周期较短，因此我们着重评价基金的短期行业配置能力，通过Brison归因计算基金当期的各行业配置收益，有别于传统Brison归因模型（将所有行业配置收益加总作为基金的总行业配置收益），为避免单一行业的短期涨跌干扰评价结果，本文采用所有行业配置收益截面均值比标准差的形式，衡量基金的短期行业配置能力，进而将初始基金池等比例分为10组，探究各组基金持仓的行业轮动能力。以下文的“定价权总偏离”因子为例，我们将基金按照短期行业配置能力由低到高分为10组，通过各组基金持仓信息分别构建行业轮动因子，并对比各基金分域下的因子有效性。如图2所示，“列”为基金分域，“行”为因子回溯期，坐标（36m，10）的值，代表基于第10组基金的持仓信息、回溯36个月的因子RankIC均值。分域对比来看，不同回溯期下，随着分域基金短期行业配置能力提升，行业轮动因子有效性整体呈递增趋势。因此我们选择短期行业配置能力较高的10%的基金作为优选基金，并基于优选基金的持仓信息构建多维度行业轮动因子。（本文其他因子在该分域标准下因子有效性均呈递增趋势，在此不做赘述）
1.3、单基金信息处理：时序对比更具参考价值对于基金持仓信息，本文选择基金的行业定价权、行业仓位与持仓特征三个维度信息。本文认为，基金持仓信息当期绝对水平参考意义不大，而将基金持仓与自身历史持仓做时序对比更具参考价值。因此我们通过历史偏离度与历史分位点的方式，衡量行业持仓变动，反映基金经理的行业多空观点，构建单基金内的行业信号。我们通过时序标准化构建历史偏离度指标。以定价权历史偏离度为例，基金A在行业  的t期定价权历史偏离度为：  
其中，  为基金A在行业  的t期定价权，  为基金A在行业  的历史定价权均值，  为基金A在行业  的历史定价权方差。1.4、优选基金行业信号合成单基金内的行业信号生成之后，我们将基金分域得到的优选基金的行业信号按一定规则合成，构建行业轮动因子。优选基金间的行业信号合成方式如下：简单汇总：将所有基金在行业  的行业信号做简单加总，作为行业  当期因子值，衡量基金整体行业观点；
分歧度：将所有基金在行业  的行业信号取标准差，作为行业  当期因子值，衡量基金间行业观点的差异化程度；
满足条件的基金占比：计算行业  的行业信号满足某一条件的基金数量占比，作为行业  当期因子值，衡量行业观点显著变化的基金数量占比。


02

定价权维度：定价权提升则行业未来上涨动能更强

本文选取基金的行业持仓市值占成交额比例，作为基金的行业定价权指标。通过历史偏离度与历史分位点，衡量单基金内的行业定价权变化。若基金对于行业的定价权相对历史有所提升，则行业未来上涨动能更强。基于此，我们构建了定价权总偏离、定价权偏离分歧度、定价权高偏离占比与定价权高分位占比四个因子。
2.1、定价权总偏离：多头组超额年化收益9.2%
根据1.3与1.4的因子构建流程，单基金内，计算行业定价权过去N月的历史偏离度，所有基金的行业历史偏离度加总，作为定价权总偏离因子，衡量基金定价权总体偏离程度。如图3所示，随着回溯月数的增加，因子有效性呈先升后降态势，当N=36，因子有效性最高，RankIC均值8.3%，RankICIR1.17。
从分组表现来看，定价权总偏离因子5分组多头年化收益15.3%，多空组合年化收益12.6%，年化IR1.06。
分年度多空收益来看，在2018年和2019年，定价权总偏离因子分别录得-0.5%和-1.6%的负收益，其余年份平均每年15.8%的正收益。
分组超额表现来看，定价权总偏离因子多头收益贡献较高，相比于行业等权基准，多头组超额显著，超额年化收益9.2%。
分年度多头超额来看，定价权总偏离因子仅2018年相比行业等权有1%的负超额，其余年份均跑赢行业等权。截至20230731，2023年以来多头超额年化收益高达17%。（如无特殊说明，本文截止日期均为2023年7月31日）
2.2、定价权偏离分歧度：多头超额年化收益10%
我们将行业定价权历史偏离度在基金间取标准差，作为定价权偏离分歧度因子，衡量基金间定价权变化的差异度，基金间的差异度越低，则右侧交易概率越高，基金间的差异度越高，则部分基金提前左侧配置的概率越高。随着回溯月数增加，定价权偏离分歧度因子有效性逐渐提升，当N=48，因子有效性最高，RankIC均值9%，RankICIR1.22。
从5分组表现来看，定价权偏离分歧度因子多头年化收益12.7%，优势显著，但其余4组间单调性不佳。多空组合年化收益14.1%，年化IR1.17。
分年度多空表现来看，定价权偏离分歧度因子在2020年至2022年三年分别录得24.8%、33.7%和13.5%的高收益，2023年多空收益较弱，年化收益-7.5%。
相比于行业等权基准，定价权偏离分歧度因子多头收益贡献较高，超额显著，年化超额收益10%。
分年度超额表现来看，相比行业等权基准，定价权偏离分歧度因子多头除2023年之外，其余年份均录得正超额，2020至2022年正超额较高。
2.3、定价权高偏离占比：多空组合年化收益14.4%，年化IR1.2
根据历史偏离度的定义，当历史偏离度超过1，意味着当期值相比历史均值向上偏离超过1倍标准差；当历史偏离度超过2，则相比历史均值向上偏离超过2倍标准差。因此，我们将定价权历史偏离度超过阈值λ（>0）作为显著正向偏离的标志，并通过计算该行业显著正偏离的基金数量占比，衡量行业被看多程度。
其中，λ的选择主要受行业定价权历史分布的影响。理论上，λ越大，其偏离越显著，因子有效性越高，但随着阈值λ的增加，部分行业因子值为0，因子对行业的区分度会降低，有效性降低。考虑到定价权历史偏离度的分布特点，本文选取λ=1构建定价权高偏离占比因子。如图11所示，随着回溯月数增加，因子有效性逐渐提升，当N=48，因子有效性最高，因子RankIC均值9.8%，RankICIR1.37。
从5分组表现来看，定价权高偏离占比因子多头组优势显著，多头组年化收益11.7%，明显跑赢其他四组。多空组合年化收益14.4%，年化IR1.2。
分年度多空收益来看，定价权高偏离占比因子多空组合除2022年外，其余年份均保持较高正收益，2020年与2021年多空收益超过25%，2023年以来多空年化收益9.9%。
从分组超额收益表现来看，相比于行业等权基准，定价权高偏离占比因子多头组收益贡献较高，超额年化收益9.2%。
分年度超额表现来看，相比于行业等权基准，定价权高偏离占比因子多头组在大多数年份均保持较高正超额，2023年以来，年化超额收益达11.4%。
2.4、定价权高分位占比：多头超额年化收益11.4%
除了历史偏离度，我们也可观察定价权过去N月的历史分位点，从而衡量当前行业定价权的高低。类似于定价权高偏离占比因子，通过历史分位点是否高于80分位，可以衡量基金当前行业定价权相比自身历史是否显著偏高，进一步统计行业定价权分位点高于80分位的基金数量占比，构建定价权高分位占比因子。如图15所示，随着回溯月数增加，定价权高分位占比因子有效性逐渐提升，当N超过48时，有效性最高且处于稳定状态，我们选择N=60构建定价权高分位占比因子，RankIC均值9.6%，RankICIR1.41。
从5分组表现来看，定价权高分位占比因子多头组大幅跑赢其他4组，年化收益达12.8%。多空组合年化收益14.8%，年化IR1.23。
分年度多空收益来看，定价权高分位占比因子多空组合在2019年表现不佳，其余年份均录得正收益，2023年以来年化收益高达27.1%。
从分组超额表现来看，虽然第1、2组间单调性不佳，但相比于行业等权基准，定价权高分位占比因子多头组收益贡献较高，超额年化收益高达11.4%。
分年度超额表现来看，相比行业等权基准，定价权高分位占比因子多头组在各年均有正超额表现，2023年以来，多头组超额年化收益达16%。

03

行业仓位维度：行业仓位升降体现基金经理的多空观点

基金行业仓位的变化可以更直观地反映基金的行业观点，但行业仓位的变动受基金调仓与价格涨跌的双重影响。为此，我们将全市场中行业市值占比作为基准仓位，通过基金行业仓位与基准仓位的比值，剔除价格涨跌因素影响，通过调整后的仓位历史偏离度，刻画基金的行业仓位变化。

3.1、仓位偏离分歧度：多空组合年化收益12.7%，年化IR1.22

与定价权偏离分歧度因子同理，我们通过调整后的仓位数据构建仓位偏离分歧度因子。如图19所示，随着回溯月数增加，因子有效性呈先升后降态势，当N=24，因子有效性最高，RankIC均值7.3%，RankICIR1.14。

从5分组表现来看，仓位偏离分歧度因子分组单调性不佳，多头组年化收益14.2%。多空组合年化收益12.7%，年化IR1.22。

分年度多空表现来看，仓位偏离分歧度因子在各年多空组合均有正收益表现，尤其在2020年之后，每年均有15%以上正收益。

从分组超额表现来看，相比行业等权基准，仓位偏离分歧度因子多头与空头收益贡献较均衡，多头组超额年化收益7.5%。

分年度超额表现来看，仓位偏离分歧度因子多头相比于行业等权基准，超额收益在2020年之后有明显提升，2023年以来，多头超额年化收益6.8%。

3.2、仓位高偏离占比：多空组合年化收益12.2%，年化IR1.08

类似于定价权高偏离占比因子，我们通过统计仓位偏离度高于阈值λ的基金数量占比，构建仓位高偏离占比因子。与定价权高偏离占比因子区别在于，仓位的历史分布更为分散，本文选取λ=2构建仓位高偏离占比因子。如图23所示，当N=24，因子有效性最高，RankIC均值7.9%，RankICIR1.36。

从5分组表现来看，仓位高偏离占比因子多头组年化收益13.8%，多空组合年化收益12.2%，年化IR1.08。

分年度多空组合表现来看，仓位高偏离占比因子在2018年录得负收益，2015年与2023年收益偏低，其余年份均有较好表现，2020年至2022年每年录得15%以上正收益。

从分组超额表现来看，相比行业等权基准，仓位高偏离占比因子多头组年化超额收益7.1%。

分年度超额表现来看，仓位高偏离占比因子多头组相比于行业等权基准，除2018年与2023年出现负超额外，多数年份均有较好超额表现。

04

持仓特征维度：行业持仓估值越低越偏左侧配置

基于基金持仓高频监测模型，我们通过估算基金的个股持仓，从而观察基金在行业内的持仓估值特征。本文将个股估值做行业内标准化处理，按照个股权重加权平均得到行业持仓估值特征。本文认为，基金在左侧配置行业的过程中，会更倾向于配置行业内相对低估的个股，即行业持仓估值越低越偏左侧配置，持仓估值越高越偏右侧交易。

4.1、持仓估值低偏离占比：多空年化收益16.9%，年化IR1.61

类似于定价权高偏离占比因子，我们在单基金内，计算行业持仓估值过去N月历史偏离度，并统计偏离度显著低于2倍标准差的基金数量占比，作为持仓估值低偏离占比因子。随着回溯月数增加，因子有效性呈先升后降态势，当N=36，因子有效性最高，RankIC均值9.1%。RankICIR1.58。

从5分组表现来看，持仓估值低偏离占比因子多头组稳定跑赢其他4组，年化收益15.7%。多空组合年化收益16.9%，年化IR1.61，2022年下半年有所回撤。

从分年度多空表现来看，持仓估值低偏离占比因子多空组合大多数年份均有较高正收益，2021年收益39.6%，2022年收益24.5%。

从分组超额表现来看，相比行业等权基准，持仓估值低偏离占比因子多头组收益贡献较高，超额年化收益9.7%。

分年度超额表现来看，过去10年，相比行业等权基准，持仓估值低偏离占比因子多头组所有年份均录得正超额，2021年超额收益23.1%，2022年超额收益14.2%。

05

因子再处理：同信息维度因子合成

根据基金行业轮动因子构建框架，我们通过短期行业配置能力优选10%的基金，从三个维度利用基金持仓信息，构建了定价权类、仓位类和持仓特征三类行业轮动因子。从因子相关性来看，同信息维度下因子间相关性普遍较高，定价权类因子间相关性在60%以上，仓位类因子间相关性达71%。此外，定价权类因子与仓位类因子间相关性接近40%，持仓特征因子与其它因子之间普遍低相关。基于此，我们将定价权类4因子进一步合成为定价权因子，将仓位类2因子进一步合成为仓位因子。

5.1、定价权因子：多空年化收益17%，年化IR1.45

将定价权类的4个因子分别作截面标准化处理，等权合成为定价权因子，因子RankIC均值9.9%，RankICIR1.4。从5分组表现来看，多头组优势明显，在测试区间内稳定跑赢其他4组，多头组年化收益17.9%。多空组合年化收益17%，年化IR1.45。

分年度多空表现来看，过去10年中，定价权因子多空组合每年均录得正收益，2020年与2021年收益分别高达40%和35%，2022年收益10%，2023年以来年化收益9%。

相比于行业等权基准，定价权因子分组超额单调性良好，多头组收益贡献显著，多头超额年化收益11.8%。

相比于行业等权基准，定价权因子多头组在整个测试区间超额表现稳健。过去10年中，多头组所有年份均录得正超额收益，2020年与2021年超额收益超20%，2022年实现4.6%正超额，2023年以来，年化超额收益高达22.3%。

5.2、仓位因子：多空年化收益15.4%，年化IR1.41

将仓位类的2个因子分别作截面标准化处理，等权合成为仓位因子，因子RankIC均值8.1%，RankICIR1.29。从5分组表现来看，分组单调性表现不佳，多头组年化收益15.1%。多空组合年化收益15.4%，年化IR1.41。

分年度多空表现来看，仓位因子多空组合在过去10年均录得正收益，2021年收益高达48.7%，2022年收益15.6%，2023年以来年化收益9.8%。

相比于行业等权基准，仓位因子多头组与空头组收益贡献较均衡，多头组超额年化收益8.4%。

在整个测试区间，相比行业等权基准，仓位因子多头组超额表现稳健。过去10年中，仅2018年相比行业等权录得负超额，其余年份均有正超额表现，2021年超额收益29.2%，2022年超额收益8.8%，2023年以来与行业等权基准基本持平，超额年化收益0.8%。

06

基金行业轮动因子总结

本报告中，我们通过Brison归因评价基金短期行业配置能力，发现基金短期行业配置能力越强，基于其持仓构建行业轮动因子的有效性越高。因此，我们优选行业配置能力较强的10%的基金，通过定价权、仓位、持仓特征三个维度构建行业轮动因子。

在行业轮动因子的构建过程中，我们发现基金持仓信息与自身历史的时序对比更具参考价值，因此通过历史偏离度与历史分位点两种方式进行单基金信息处理，基金之间通过简单汇总、分歧度、满足条件基金占比进行信息合成，进而构建了4个定价权类因子、3个仓位类因子和1个持仓特征类因子。

因子相关性测试表明同信息类别下的因子间相关性较高，因此进一步合成得到定价权因子和仓位因子。最终，本文提出了定价权因子、仓位因子和持仓估值低偏离占比三个因子，作为最终的行业轮动方案。因子有效性较高，其中定价权因子表现最好，多头超额稳健，收益显著。

6.1、定价权因子2022年以来前5行业列表

表12列示了定价权因子2022年以来打分前5大行业，“标红”行业为当月涨幅前5行业，“标绿”行业为当月跌幅前5行业。过去20个月中，多头组有16个月选中当月涨幅前5行业，仅3个月选中当月跌幅前5行业。其中，2022年1月的银行、2022年4月的食品饮料、2022年6月的电力设备、2022年9月的房地产、2022年12月的食品饮料和2023年1月的有色金属均为当月涨幅最高的行业。

6.2、优选基金前20列表

截至2023年7月31日，通过Brison归因得到的短期行业配置能力强的优选基金共130只，表13列示了打分前20的基金列表。

07

风险提示

模型测试基于历史数据，市场未来可能发生变化。市场未来可能发生变化。对基金产品和基金管理人研究分析结论不能保证未来可持续性，不构成对该产品推荐投资建议。

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陈威蒋韬

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，开源证券研究所副所长、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。系列代表研报《开源量化评论》、《市场微观结构》、《开源基金研究》，在业内有强烈反响。2016年获新财富最佳分析师第6名、金牛奖分析师第5名、水晶球分析师第6名、第一财经最佳分析师第5名；2022年获金牛奖最佳金融工程分析师、Wind最佳路演分析师。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/陈威/蒋韬。

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：029-88365835
传真：029-88365835