20260211-开源证券-开源量化评论（120）_可转债指数的复制与增强_15页_1mb

> **来源：[研报客](https://pc.yanbaoke.cn)** 2026年02月11日 # 金融工程研究团队 魏建榕（首席分析师） 证书编号：S0790519120001 傅开波 (分析师) 证书编号：S0790520090003 高鹏（分析师） 证书编号：S0790520090002 苏俊豪 (分析师) 证书编号：S0790522020001 胡亮勇 (分析师) 证书编号：S0790522030001 王志豪 (分析师) 证书编号：S0790522070003 盛少成 (分析师) 证书编号：S0790523060003 蒋韬 (分析师) 证书编号：S0790525070001 常津铭（研究员） 证书编号：S0790126010044 # 相关研究报告 《量体裁衣：可转债的分层组合方法》-2022.02.12 《可转债配置：低估值增强与风格轮动》-2024.05.30 《可转债基金：分类、配置与优选》2024.12.31 # 可转债指数的复制与增强 ——开源量化评论（120） 魏建榕 (分析师) weijianrong@kysec.cn 证书编号：S0790519120001 苏俊豪 (分析师) sujunhao@kysec.cn 证书编号：S0790522020001 # $\bullet$ 机构投资者持续提升可转债配置比例 截至2025年末，A股可转债市场存量规模超过5000亿元，上市转债数量逾400只。从投资者结构来看，以公募基金为代表的机构投资者是最重要的配置和交易力量，基金持有市值占可转债存量规模比例持续提升。本报告基于中证转债指数，系统构建了六种递进式的指数复制与增强方案，涵盖被动复制、抽样复制及主动增强三大层次，为可转债指数化投资提供了完整的策略框架。 # - 抽样复制：分层权重抽样+层内等权方案较优 在复制策略层面，完全复制法虽跟踪误差最低（ $0.89\%$ ），但持仓数量高达400只以上，管理成本较高。针对此痛点，报告提出三种抽样复制方案：简单权重抽样因过度集中于大权重转债，收益表现不佳（超额收益 $-2.95\%$ ）；分层权重抽样引入平底溢价率分类（偏股型 $>20\%$ 、平衡型 $-20\% \sim 20\%$ 、偏债型 $\leq -20\%$ ），收益有所改善（超额收益 $-2.53\%$ ）但仍未跑赢基准；而"分层权重抽样+层内等权"方案通过关键改进——在保持层间权重与基准一致的前提下，将层内权重调整为等权配置——有效捕捉了中小型转债的收益增强机会，实现了收益与跟踪精度的最优平衡：年化收益达 $7.28\%$ ，超额收益仅 $-0.08\%$ ，跟踪误差控制在 $2.44\%$ ，同时持仓压缩至102只，显著提升了组合的可操作性与流动性。参数测试进一步显示，随着抽样比例从 $20\%$ 提升至 $50\%$ ，该方案的年化收益呈单调上升趋势且始终领先于其他抽样方案，但跟踪误差会因层内等权处理导致的权重偏离度增加而上升，需在收益与跟踪精度间权衡选择。 # $\bullet$ 中期交易：净多头持仓占比变化指标表现出色 在增强策略层面，报告引入转债多因子与指数增强框架，构建了全域增强与分层增强两种方案。全域增强采用转股溢价率偏离度、理论价值偏离度（基于蒙特卡洛模拟，充分考虑转股、赎回、下修、回售等条款）及当期收益率三因子，通过线性规划优化，实现年化收益 $8.96\%$ 、超额收益 $1.61\%$ ；分层增强则针对不同转债类型的收益驱动因素差异，实施差异化因子配置——偏股型与平衡型转债侧重估值类因子（转股溢价率偏离度、理论价值偏离度），偏债型转债侧重债性因子（当期收益率、理论价值偏离度），并在更宽松的约束条件下进行分层优化。该方案最终获得 $11.66\%$ 的年化收益，超额收益达 $4.31\%$ ，且跟踪误差 $(3.62\%)$ 反而低于全域增强 $(3.78\%)$ 。参数测试表明，在相同约束条件下，分层增强方案的年化超额收益与跟踪误差呈正相关关系，适当放宽约束可带来更高超额收益；而全域增强则呈现负相关，跟踪误差扩大反而导致超额收益下降，这充分验证了分层选债方法论在可转债指数增强中的显著优势。 $\bullet$ 风险提示：模型基于历史数据测试，市场未来可能发生重大改变。 # 目录 1、转债指数的复制方案 4 1.1、完全复制 4 1.2、抽样复制 5 2、转债指数的增强方案 7 3、附录 11 3.1、抽样复制方案的参数测试 11 3.2、增强方案的参数测试 11 3.3、转债因子的计算方法 12 3.3.1、转股溢价率偏离度因子 12 3.3.2、理论价值偏离度因子（蒙特卡洛模型） 13 4、风险提示 13 # 图表目录 图1：基金持有市值占可转债存量规模比例持续提升 3 图2：转债指数的复制与增强方案 3 图3：完全复制方案净值走势与指数基准最为贴近 图4：完全复制方案的跟踪误差近年来维持在 $0.5\%$ 以下 图5：完全复制方案的持仓数量较多 4 图6：权重抽样组合收益表现不佳 5 图7：权重抽样方案的跟踪误差平均在 $2\%$ 附近 图8：权重抽样方案的持仓数量 5 图9：分层权重抽样方案收益有所提升 图10：分层权重抽样方案的跟踪误差低于权重抽样方案 6 图11：分层权重抽样方案的持仓数量 图12：分层权重抽样+层内等权方案收益与基准指数基本持平 图13：分层权重抽样+层内等权方案的跟踪误差仍处于较低水平 图14：分层权重抽样+层内等权方案方案的持仓数量 图15：全域增强组合超额表现良好 8 图16：全域增强方案的跟踪误差相较抽样方案有所放大 图17：全域增强方案的持仓数量相对稳定 图18：分层增强方案的净值表现突出 10 图19：分层增强方案的跟踪误差在个别时间段较高 10 图20：分层增强方案的持仓数量与全域增强方案接近 10 图21：分层抽样：抽样比例与年化超额收益 11 图22：分层抽样：抽样比例与年化跟踪误差 11 图23：分层增强方案的年化超额收益与跟踪误差呈正相关关系 12 表 1: 转债指数增强方案使用因子列表 表 2：所用因子在各类型转债中均有良好表现. 表 3：分层增强方案的因子选择 表 4：转债指数复制与增强方案的对比 表 5：相同约束参数下,分层增强方案的表现普遍优于全域增强. 11 可转换债券（Convertible Bond）是一种兼具债券和股票期权特性的混合型金融工具，持有人有权在约定条件下将债券转换为发行公司的股票。自2017年定增新规发布后，可转债作为上市公司再融资的重要渠道，市场规模迅速扩容。 截至2025年末，A股可转债市场存量规模超过5000亿元，上市转债数量逾400只。从投资者结构来看，以公募基金为代表的机构投资者是最重要的配置和交易力量，基金持有市值占可转债存量规模比例持续提升。同时，可转债ETF等指数化产品规模持续增长，2025年博时中证可转债及可交换债券ETF规模已达到518亿元。 图1：基金持有市值占可转债存量规模比例持续提升 数据来源：Wind、开源证券研究所 中证可转换债券指数（CSI Convertible Bond Index，以下简称中证转债指数）由中证指数有限公司编制发布，样本券由在沪深交易所上市的可转换债券组成，采用市值加权法计算，反映沪深市场可转债的整体表现。该指数每月进行成分券调整，是市场上最具代表性的可转债投资基准，截至2026年1月30日，指数共有364只成分券。中证转债指数的编制特点包括：（1）样本覆盖全面，包含所有符合条件的公募可转债；（2）权重分配以发行规模为基准，体现各券在市场中的实际地位；（3）定期调整机制保证指数的代表性和可投资性。 本报告我们基于中证转债指数（000832.CSI），设计了六种不同层次的指数复制与增强方案，从简单的被动复制到复杂的多因子优化，逐步提升策略的主动管理程度。图2为研究框架的流程示意图： 图2：转债指数的复制与增强方案 资料来源：开源证券研究所 # 1、转债指数的复制方案 # 1.1、完全复制 基准方案采用完全复制法，根据中证转债指数每月公布的权重数据进行持仓调整，力求最小化跟踪误差。该方案跟踪误差理论上最小，体现了纯被动管理的理想效果。 在实际的管理中，转债的赎回对样本池的影响较为显著，当上市公司发布赎回公告时，可转债投资者为避免损失（赎回价通常为面值+利息，远低于市场交易价）会集中转股或卖出，对转债的余额与价格带来双重冲击。对此类债券，我们参考中证转债指数的处理方法：自赎回公告日后第五个交易日将该券剔除出成分股，剔除该券后，将其权重按比例分配至剩余持仓债券中。本文测试的其他复制或增强方案也均采取该方法处理发布赎回公告的债券。 测试区间（20191231~20260130）内，完全复制方案年化收益为 $6.54\%$ ，相较中证转债指数年化超额为 $-0.81\%$ ，跟踪误差为 $0.89\%$ 。2022年以来，年化跟踪误差维持在 $0.5\%$ 以下，复制效果优秀。持仓数量方面，完全复制方案的持仓数量与中证转债指数成分券数量一致，最多时可达500只以上。 图3：完全复制方案净值走势与指数基准最为贴近 数据来源：Wind、开源证券研究所 图4：完全复制方案的跟踪误差近年来维持在 $0.5\%$ 以下 数据来源：Wind、开源证券研究所 图5：完全复制方案的持仓数量较多 数据来源：Wind、开源证券研究所 # 1.2、抽样复制 完全复制的问题在于持仓数量较多，管理成本较大，部分尾部权重个券流动性较低，实际运作中高昂的交易成本还会进一步拉低组合表现。考虑到指数中个券权重存在典型的“二八分化”现象，即少量的权重券就可以占据指数大部分的权重，我们提出权重抽样方案：在基准方案的基础上进行简化，抽取权重最大的一定比例转债来构建组合，将剩余权重按比例分配至抽取的转债中。 在抽样比例 $r = 25\%$ 的参数下，策略表现如图所示。测试区间内，权重抽样组合年化收益为 $4.41\%$ ，跟踪误差为 $2.35\%$ ，相较中证转债指数年化超额收益为 $-2.95\%$ ，收益表现不佳。权重抽样的持仓数量受抽样比例控制， $r = 25\%$ 时，测试期内平均持仓数量约102只。不同抽样比例下策略的表现我们将在附录中展开讨论。 图6：权重抽样组合收益表现不佳 数据来源：Wind、开源证券研究所 图7：权重抽样方案的跟踪误差平均在 $2\%$ 附近 数据来源：Wind、开源证券研究所 图8：权重抽样方案的持仓数量 数据来源：Wind、开源证券研究所 在报告《量体裁衣：可转债的分层组合方法》（魏建榕、苏俊豪，2022）中我们提到，不同转债间股性与债性差异较大，而权重抽样法仅使用权重确定入选个券，可能导致最终组合中的转债与指数整体风格有差异。因此，我们提出如下的分层权重抽样方案：将转债按照平底溢价率数据分为三类：偏股型转债（平底溢价 率 $>20\%$ ）、平衡型转债（ $-20\% \leq$ 平底溢价率 $\leq 20\%$ ）、偏债型转债（平底溢价率<- $20\%$ )。在每一类转债中分别应用权重抽样方案，最后按各类别在指数中的权重比例进行组合。 同样的抽样比例（ $r = 25\%$ ）下，策略的表现相较于简单权重抽样有所改善，年化收益提升至 $4.83\%$ ，跟踪误差则降低至 $2.14\%$ 。但相较于指数基准，该表现仍难称令人满意。 图9：分层权重抽样方案收益有所提升 数据来源：Wind、开源证券研究所 图10：分层权重抽样方案的跟踪误差低于权重抽样方案 数据来源：Wind、开源证券研究所 图11：分层权重抽样方案的持仓数量 数据来源：Wind、开源证券研究所 权重抽样与分层权重抽样相较于指数基准表现不佳的一个重要原因在于：直接抽取权重最大的前 $25\%$ 可能导致持仓过于集中在大型转债上，错失了部分中小型转债的收益增强机会。但若纳入过高权重的尾部权重转债，又会带来流动性上的问题。 一个简单的折衷方案是：仍抽取头部的大权重转债，但在大权重转债间作权重的调整。具体的分层权重抽样+层内等权方案如下：在每一类别中，选取权重最大的前 $25\%$ 转债等权配置，层间权重保持与基准一致。 "分层权重抽样+层内等权"方案表现突出：年化收益达 $7.28\%$ ，与基准指数基本持平；跟踪误差控制在 $2.44\%$ 的较低水平。综合来看，该方案在收益与跟踪精度之间取得了良好平衡，是抽样复制策略中的较优选择。 图12：分层权重抽样+层内等权方案收益与基准指数基本持平 数据来源：Wind、开源证券研究所 图13：分层权重抽样+层内等权方案的跟踪误差仍处于较低水平 数据来源：Wind、开源证券研究所 图14：分层权重抽样+层内等权方案的持仓数量 数据来源：Wind、开源证券研究所 # 2、转债指数的增强方案 本节中，我们引入转债多因子与指数增强框架。在前期报告《量体裁衣：可转债的分层组合方法》（魏建榕、苏俊豪，2022）、《可转债配置：低估值增强与风格轮动》（魏建榕、张翔、陈威，2024）中，我们测试并挖掘了一系列有效的转债因子，并创新性地提出了「分层选债」的方法论。我们基于因子样本内效果与因子相关性等综合考量，选择如下因子进行增强测试： 表1：转债指数增强方案使用因子列表 转债因子 因子构建方式 因子说明 转股溢价率偏离度 转股溢价率-拟合转股 溢价率 衡量转股溢价率相对于拟合值的偏离度，不同平价可比，转债个数决定拟合质量 理论价值偏离度 转债收盘价/理论价值 （蒙特卡洛模型）-1 衡量价格预期差（蒙特卡洛模拟充分考虑转债的转股、赎回、下修、回售条款，每个时点模拟多条路径，以同信用同期限利率作为贴现率计算转债理论价值。详见附录） 当期收益率 转债当期票息/转债收盘 价 衡量债券的当期利息收益 数据来源：Wind、开源证券研究所 上述三个因子在不同类型转债中的RankIC表现如下表所示。从全域来看，理论价值偏离度（蒙特卡洛模型）因子RankIC最高，达到 $-10.78\%$ ，转股溢价率偏离度因子RankIC为 $-9.03\%$ ，当期收益率因子RankIC为 $7.53\%$ 。从分层来看，平衡型转债中估值类因子RankIC表现最优，偏债型转债中当期收益率因子表现突出。 表2：所用因子在各类型转债中均有良好表现 转股溢价率偏离度 理论价值偏离度 当期收益率 全域 -9.03% -10.78% 7.53% 偏股型转债 -9.68% -9.99% 4.31% 平衡型转债 -11.71% -10.81% 5.26% 偏债型转债 -6.65% -8.66% 9.46% 数据来源：Wind、开源证券研究所（测试区间：20191231~20241231） 我们首先测试如下的全域增强方案：将三个因子按照每期的有效样本先进行标准化处理，然后根据因子方向合成 alpha 因子。使用以下的线性规划框架进行权重优化： (1) 优化目标：最大化因子暴露 (2) 个券权重偏离：上限 $1\%$ (3) 行业权重偏离：上限 $3\%$ (4) 跟踪误差约束：上限 $3\%$ (5) 个券权重和约束：权重和为1 测试区间内，全域增强方案年化收益为 $8.96\%$ ，相较指数基准获得了 $1.61\%$ 的年化超额收益，年化跟踪误差为 $3.78\%$ 。全域增强组合相较于指数基准的超额收益整体呈向上趋势，但在2025年6月以来持续回撤。持仓数量方面，测试区间内组合平均持仓约72只，持仓数量总体稳定。 图15：全域增强组合超额表现良好 数据来源：Wind、开源证券研究所 图16：全域增强方案的跟踪误差相较抽样方案有所放大 数据来源：Wind、开源证券研究所 图17：全域增强方案的持仓数量相对稳定 数据来源：Wind、开源证券研究所 更进一步，我们对不同分类的转债使用不同的因子进行优化（表3），构建分层增强方案：对每一类转债，使用与全域增强一样的线性规划框架进行权重优化，分别得到各分类的优化权重后，再组合得到组合的总权重。 表3：分层增强方案的因子选择 转债类型 使用因子 配置逻辑 偏股型转债 转股溢价率偏离度、理论价值偏离度 偏股型转债股性较强，估值因子对价格影响显著 平衡型转债 转股溢价率偏离度、理论价值偏离度 平衡型转债兼具股性与债性，估值因子效果最佳 偏债型转债 当期收益率、理论价值偏离度 偏债型转债债性较强，票息收益对回报贡献较大 数据来源：Wind、开源证券研究所 分层增强方案的优化约束条件如下： (1) 优化目标：最大化因子暴露 (2) 个券权重偏离：上限 $3\%$ (3) 行业权重偏离：上限 $5\%$ (4) 跟踪误差约束：上限 $5\%$ (5) 个券权重和约束：权重和等于对应分类转债在基准中的总权重 分类增强方案获得了 $11.66\%$ 的年化收益，相较于指数基准大幅超额 $4.31\%$ ，同时也大幅领先于全域增强方案，但跟踪误差反而小幅下降至 $3.62\%$ 。分类增强方案在2025年6月以来同样遭遇回撤。持仓数量方面，测试区间内组合平均持仓约76只，与全域增强方案水平相当。 细心的读者或许会发现，分层增强方案在约束条件的数值上比全域增强方案更宽松，但最终的跟踪误差却是差不多的。这是因为，分层增强方案还隐含了转债分类权重的约束。关于约束条件参数的讨论我们将在附录中进一步展开。 图18：分层增强方案的净值表现突出 数据来源：Wind、开源证券研究所 图19：分层增强方案的跟踪误差在个别时间段较高 数据来源：Wind、开源证券研究所 图20：分层增强方案的持仓数量与全域增强方案接近 数据来源：Wind、开源证券研究所 我们将以上各方案的表现总结如下。总体而言，抽样复制方案以跟踪误差低、组合容量大、流动性好为主要优势，但超额收益能力有限。其中，“分层权重抽样+层内等权”表现最优，超额收益仅-0.08%，基本实现基准的紧密跟踪，同时将跟踪误差控制在2.44%，是抽样策略中的较优选择。主动增强方案通过转债多因子与指数增强框架的结合，实现了更高的超额收益（全域增强1.61%、分层增强4.31%），且跟踪误差维持在3.6%-3.8%的合理区间。但该策略存在明显依赖因子有效性的风险——当因子出现回撤或失效时，组合超额收益往往同步下滑。 表4：转债指数复制与增强方案的对比 方案 年化超额收益 年化跟踪误差 平均持仓数量 被动复制 完全复制 -0.81% 0.89% 406 抽样复制 权重抽样 -2.95% 2.35% 102 分层权重抽样 -2.53% 2.14% 102 分层权重抽样+层内等权 -0.08% 2.44% 102 主动增强 全域增强 1.61% 3.78% 72 分层增强 4.31% 3.62% 76 资料来源：开源证券研究所 # 3、附录 # 3.1、抽样复制方案的参数测试 我们对分层抽样方案在不同抽样比例（ $r = 0.2$ 至 0.5）下的表现进行了测试。结果显示，随着抽样比例提高，三种方案的年化收益均呈单调上升趋势（图 21），其中"分层权重抽样+层内等权"（黄柱）在各比例下收益均显著领先。 跟踪误差层面呈现分化特征（图22）：权重抽样（蓝柱）与分层权重抽样（红柱）的跟踪误差随抽样比例提高而下降，样本覆盖度增加提升了复制精度；而"分层权重抽样+层内等权"(黄柱）的跟踪误差则随抽样比例提高而上升——这是由于层内等权处理在扩大样本时，个券权重与基准指数权重的偏离度随之增加所致。 图21：分层抽样：抽样比例与年化超额收益 数据来源：Wind、开源证券研究所 图22：分层抽样：抽样比例与年化跟踪误差 数据来源：Wind、开源证券研究所 # 3.2、增强方案的参数测试 我们对增强方案在不同约束参数下的表现进行了全面测试： (1) 个股权重偏离： $1\%$ ， $3\%$ ， $5\%$ (2) 行业权重偏离： $1\%$ ， $3\%$ ， $5\%$ (3) 跟踪误差约束： $1\%$ ， $3\%$ ， $5\%$ 由于参数组合较多，下表仅展示固定行业权重偏离为 $3\%$ 时，不同个股权重偏离和跟踪误差约束组合下的策略表现。 表5：相同约束参数下,分层增强方案的表现普遍优于全域增强 增强方案 个股权重偏离 跟踪误差约束 年化超额收益 年化跟踪误差 分层增强 1% 1% 1.42% 2.31% 3% 2.62% 2.92% 5% 3.02% 3.29% 3% 1% 1.83% 2.48% 3% 2.87% 3.13% 5% 3.87% 3.55% 5% 1% 1.90% 2.50% 3% 3.09% 3.25% 5% 4.04% 3.68% 全域增强 1% 1% 1.45% 3.41% 3% 0.44% 4.38% 5% 0.37% 4.77% 3% 1% 2.48% 3.68% 3% 0.43% 4.72% 5% 0.51% 5.12% 5% 1% 2.27% 3.79% 3% 0.97% 4.81% 5% 0.87% 5.32% 数据来源：Wind、开源证券研究所 从测试结果可以看出，分层增强方案普遍优于全域增强方案。在相同的约束参数下，分层增强方案的年化收益和年化超额收益普遍高于全域增强方案，且跟踪误差更低。这表明分层选债的方法论在可转债指数增强中具有显著优势。 我们将所有参数组合下两种增强方案的年化超额收益与跟踪误差绘制成散点图。如图所示，两种方案的风险收益特征呈现截然不同的趋势。分层增强方案的年化超额收益与跟踪误差呈正相关关系（橙色拟合线向上倾斜），即适当放宽跟踪误差约束可以带来更高的超额收益；而全域增强方案则呈现负相关关系（绿色拟合线向下倾斜），跟踪误差的增加反而导致超额收益下降。 图23：分层增强方案的年化超额收益与跟踪误差呈正相关关系 数据来源：Wind、开源证券研究所 # 3.3、转债因子的计算方法 # 3.3.1、转股溢价率偏离度因子 每个时点拟合出截面空间的转股溢价率与转股价值的关系曲线，将各转债的转股价值带入拟合公式，得到转债的拟合转股溢价率，进而可计算得到转股溢价率偏离度。 具体拟合公式如下，其中 $y_{i}$ 为第 $i$ 只转债的转股溢价率， $x_{i}$ 为第 $i$ 只转债的转股价值。 $$ y _ {i} = \alpha_ {0} + \alpha_ {1} \cdot \frac {1}{x _ {i}} + \epsilon_ {i} $$ # 3.3.2、理论价值偏离度因子（蒙特卡洛模型） 蒙特卡洛模拟的基本思想是通过生成正股未来价格的随机路径，来模拟不同的市场情况。每一条路径代表了一种可能的未来股票价格演化过程。基于这些模拟路径，可以计算出每条路径下可转债到期时的价值，然后通过对所有路径计算结果的统计分析（比如取平均值），得到可转债的预期价值。最后，将这个预期价值贴现回当前时间点，即可得到可转债的理论价格。 蒙特卡洛模拟的优点在于能够灵活处理复杂条款和非线性关系，以及处理路径依赖的期权（如美式期权的提前行使问题）。然而，该方法计算量较大，且依赖于模型假设的准确性，包括股票价格的动态过程、利率模型以及市场行为的假设等。 具体实施步骤如下： - 模型设定：首先，根据可转债的特点和市场状况设定模型参数，包括但不限于股票的当前价格、波动率（σ）、无风险利率（r）、股票分红率（如果有）、转换价格、可转债的到期时间、以及任何特殊条款（如赎回、回售、下修条款）。 - 模拟股票价格路径：利用股票价格遵循几何布朗运动的假设，通过随机数生成器模拟股票在每个时间步长内的价格变动。通常会模拟数千到数百万条路径，每条路径从当前时间模拟到可转债的到期日。 - 评估可转债价值：对于每条模拟路径，在每个时间点检查可转债的状态，判断是否触发了特定条款（如是否达到最优转换时机、是否被赎回或回售），并据此计算在该路径下可转债的最终价值。这一步骤通常涉及判断是否执行转股以及转股后股票的价值，或保持债券形式直至到期的价值比较。 - 统计分析：汇总所有路径下可转债的到期价值，计算这些价值的平均值或者中位数，作为可转债在到期时的预期价值。 - 贴现回当前：将预期到期价值按照无风险利率贴现回当前时间点，得到可转债的当前理论价格。 # 4、风险提示 模型基于历史数据测试，市场未来可能发生重大改变。 # 特别声明 《证券期货投资者适当性管理办法》、《证券经营机构投资者适当性管理实施指引（试行)》已于2017年7月1日起正式实施。根据上述规定，开源证券评定此研报的风险等级为R3（中风险)，因此通过公共平台推送的研报其适用的投资者类别仅限定为专业投资者及风险承受能力为C3、C4、C5的普通投资者。若您并非专业投资者及风险承受能力为C3、C4、C5的普通投资者，请取消阅读，请勿收藏、接收或使用本研报中的任何信息。 因此受限于访问权限的设置，若给您造成不便，烦请见谅！感谢您给予的理解与配合。 # 分析师承诺 负责准备本报告以及撰写本报告的所有研究分析师或工作人员在此保证，本研究报告中关于任何发行商或证券所发表的观点均如实反映分析人员的个人观点。负责准备本报告的分析师获取报酬的评判因素包括研究的质量和准确性、客户的反馈、竞争性因素以及开源证券股份有限公司的整体收益。所有研究分析师或工作人员保证他们报酬的任何一部分不曾与，不与，也将不会与本报告中具体的推荐意见或观点有直接或间接的联系。 股票投资评级说明 评级 说明 证券评级 买入(Buy) 预计相对强于市场表现20%以上; 增持(outperform) 预计相对强于市场表现5%~20%; 中性(Neutral) 预计相对市场表现在-5%~+5%之间波动; 减持 预计相对弱于市场表现5%以下。 行业评级 看好(overweight) 预计行业超越整体市场表现; 中性(Neutral) 预计行业与整体市场表现基本持平; 看淡 预计行业弱于整体市场表现。 备注:评级标准为以报告日后的6~12个月内,证券相对于市场基准指数的涨跌幅表现,其中A股基准指数为沪 深300指数、港股基准指数为恒生指数、新三板基准指数为三板成指(针对协议转让标的)或三板做市指数(针 对做市转让标的)、美股基准指数为标普500或纳斯达克综合指数。我们在此提醒您,不同证券研究机构采用不 同的评级术语及评级标准。我们采用的是相对评级体系,表示投资的相对比重建议;投资者买入或者卖出证券的 决定取决于个人的实际情况,比如当前的持仓结构以及其他需要考虑的因素。投资者应阅读整篇报告,以获取比较完整的观点与信息,不应仅仅依靠投资评级来推断结论。 # 分析、估值方法的局限性说明 本报告所包含的分析基于各种假设，不同假设可能导致分析结果出现重大不同。本报告采用的各种估值方法及模型均有其局限性，估值结果不保证所涉及证券能够在该价格交易。 # 法律声明 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，已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”）的机构或个人客户（以下简称“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。 # 开源证券研究所 上海 地址：上海市浦东新区世纪大道1788号陆家嘴金控广场1号楼3层 邮编：200120 邮箱：research@kysec.cn 北京 地址：北京市西城区西直门外大街18号金贸大厦C2座9层 邮编：100044 邮箱：research@kysec.cn 深圳 地址：深圳市福田区金田路2030号卓越世纪中心1号楼45层 邮编：518000 邮箱：research@kysec.cn 西安 地址：西安市高新区锦业路1号都市之门B座5层 邮编：710065 邮箱：research@kysec.cn