> **来源：[研报客](https://pc.yanbaoke.cn)** 金融工程组 分析师：高智威 (执业S1130522110003) gaozhiw@gjzq.com.cn 分析师：许坤圣 (执业S1130524110001) xukunsheng@gjzq.com.cn # 1月维持对港股通大消费看好 # 月度择时模型观点及策略表现 根据国金金融工程团队发布的《量化掘基系列之二：量化择时把握港股通大消费板块投资机会》，我们构建了基于动态宏观事件因子的中证港股通大消费主题指数择时策略。从指数择时模块的信号来看，2026年1月份策略推荐仓位维持在 $100\%$ 2025年12月份配置模型收益率为 $-4.87\%$ ，低于等比例基准表现 $(-2.16\%)$ 。从历史表现方面来看，从2018年11月至2025年12月，策略年化收益率为 $8.59\%$ 、最大回撤为 $-29.72\%$ 、夏普比率为0.50、收益回撤比为0.29，各维度上表现均优于基准。 另外，我们统计了从2018年11月至2025年12月择时策略的逐年表现，可以发现该策略在大多数年份都取得了正的超额收益，并且在等比例基准出现回撤的阶段，该策略较好地控制住了下行风险。 # 基于动态宏观事件因子的中证港股通大消费指数择时策略 为了探索中国宏观经济对香港大消费主题上市公司整体状况和走势的影响，我们选取中证港股通大消费主题指数作为研究对象，尝试从动态宏观事件因子的角度构建择时策略框架。我们用经济、通胀、货币和信用四维度的20余个宏观数据指标，基于数据样本内时间段的收益率胜率指标和开仓波动调整收益率指标数值，筛选出这些宏观数据每期最优的事件因子和最优的数据处理方式，并且从中挑选出了5个对中证港股通大消费主题指数择时效果较好的宏观因子。 在选定了最终使用的宏观指标之后，我们使用这些宏观数据构建的宏观事件因子来搭建择时策略：当大于2/3的因子发出看多信号，则当期该大类因子的信号标记为1；当少于1/3的因子发出看多信号时，则当期大类因子信号标记为0；若当因子发出看多信号的比例处于两个区间之后，则大类因子标记为对应具体的比例。将每期大类因子的得分作为当期的择时仓位信号。 # 建议关注标的介绍：泰康中证港股通大消费A (006786.OF) 目前跟踪中证港股通大消费主题指数的基金为泰康中证港股通大消费主题基金，是择时策略可投资的标的，该基金成立于2019年5月9日，为被动指数基金，该基金紧密跟踪中证港股通大消费主题指数，基金成立以来日均跟踪误差为 $0.49\%$ ，目前该基金由泰康基金的基金经理袁帅管理。 # 风险提示 1、以上结果通过历史数据统计、建模和测算完成，若历史数据产生环境发生变化，可能出现模型失效风险； 2、政策环境发生变化，资产与相关风险因子失去稳定关系的模型风险； 3、市场环境发生变化，国际政治摩擦升级等带来各大类资产同向大幅波动风险； 4、基金相关信息及数据仅作为基金研究使用，不作为募集材料或者宣传材料； 5、本文涉及所有基金历史业绩均不代表未来表现。 # 内容目录 # 一、月度择时模型观点及策略表现 3 # 二、基于动态宏观事件因子的中证港股通大消费指数择时策略 4 2.1 宏观数据的选用 4 2.2宏观数据的预处理 6 2.3宏观事件因子构建 6 2.4择时策略构建 7 # 三、建议关注标的介绍：泰康中证港股通大消费A（006786.OF） 8 # 风险提示. 8 # 图表目录 图表1：宏观择时模块最新观点（截至12月30日） 3 图表2：宏观事件因子择时策略表现 3 图表3：各细分因子信号展示 3 图表4：宏观事件因子择时策略净值 4 图表5：宏观事件因子择时策略表现 4 图表6：宏观事件因子择时策略择时仓位 4 图表7：宏观事件因子择时策略逐年收益 4 图表8：经济、通胀、货币和信用类指标 4 图表9：事件因子构建流程图 5 图表10：事件因子的构建 6 图表11：各类衡量指标介绍 6 图表12：最终筛选的宏观因子 7 图表13：择时策略仓位确定流程图 7 图表14：泰康中证港股通大消费A基本资料 8 图表15：基金经理当前管理的基金信息（截至2025年6月5日） 8 # 一、月度择时模型观点及策略表现 根据国金金融工程团队发布的《量化掘基系列之二：量化择时把握港股通大消费板块投资机会》，我们构建了基于动态宏观事件因子的中证港股通大消费主题指数择时策略。根据其中指数择时模块给出的信号，2026年1月份策略推荐仓位继续维持在 $100\%$ 从细分指标来看，本次有三个指标参与打分，分别为“金融机构：中长期贷款余额：当月新增：滚动12M求和：同比”、“PMI：原材料价格”和“新增社融：滚动12个月求和：同比”。“PMI：原材料价格”和“新增社融：滚动12个月求和：同比”两指标看涨，合成大类因子信号为 $100\%$ 通过在回测时间段根据大类因子信号所得到的择时仓位信号时间序列，可以看出择时策略总体上保持着较低的平均仓位，约为 $48\%$ 。为了能够更好地评价该择时策略，我们以回测期内策略的平均权重作为固定的择时仓位，构建一个等比例基准，并将其作为评估策略的对象。 2025年12月份配置模型收益率为 $-4.87\%$ ，低于等比例基准表现 $(-2.16\%)$ 。从历史表现方面来看，从2018年11月至2025年12月，策略年化收益率为 $8.59\%$ 、最大回撤为 $-29.72\%$ 、夏普比率为0.50、收益回撤比为0.29，各维度上表现均优于基准。 另外，我们统计了从2018年11月至2025年12月择时策略的逐年表现，可以发现该策略在大多数年份都取得了正的超额收益，并且在等比例基准出现回撤的阶段，该策略较好地控制住了下行风险。 图表1：宏观择时模块最新观点（截至12月30日） <table><tr><td>观察维度</td><td>当前信号</td><td>上月信号</td></tr><tr><td>择时仓位</td><td>100%</td><td>100%</td></tr><tr><td>配置观点</td><td>积极做多</td><td>积极做多</td></tr></table> 来源：Wind，国金证券研究所 图表2：宏观事件因子择时策略表现 <table><tr><td></td><td>择时策略</td><td>中证港股通大消费</td><td>等比例基准</td></tr><tr><td>2025/2/28</td><td>5.76%</td><td>17.29%</td><td>7.67%</td></tr><tr><td>2025/3/31</td><td>0.60%</td><td>1.81%</td><td>0.80%</td></tr><tr><td>2025/4/30</td><td>-1.66%</td><td>-4.98%</td><td>-2.21%</td></tr><tr><td>2025/5/31</td><td>1.36%</td><td>4.08%</td><td>1.81%</td></tr><tr><td>2025/6/30</td><td>-1.61%</td><td>-1.61%</td><td>-0.71%</td></tr><tr><td>2025/7/31</td><td>2.79%</td><td>5.58%</td><td>2.48%</td></tr><tr><td>2025/8/31</td><td>2.03%</td><td>2.03%</td><td>0.90%</td></tr><tr><td>2025/9/30</td><td>8.40%</td><td>8.40%</td><td>3.73%</td></tr><tr><td>2025/10/31</td><td>-8.06%</td><td>-8.06%</td><td>-3.58%</td></tr><tr><td>2025/11/30</td><td>-1.11%</td><td>-1.11%</td><td>-0.49%</td></tr><tr><td>2025/12/31</td><td>-4.87%</td><td>-4.87%</td><td>-2.16%</td></tr></table> 来源：Wind，国金证券研究所 图表3：各细分因子信号展示 <table><tr><td>细分因子</td><td>May-25</td><td>Jun-25</td><td>Jul-25</td><td>Aug-25</td><td>Sep-25</td><td>Oct-25</td><td>Nov-25</td><td>Dec-25</td></tr><tr><td>金融机构：中长期贷款余额：当月新增：滚动12M求和：同比</td><td>0</td><td>1</td><td>N/A</td><td>N/A</td><td>1</td><td>1</td><td>0</td><td>0</td></tr><tr><td>M1：同比</td><td>N/A</td><td>N/A</td><td>N/A</td><td>N/A</td><td>N/A</td><td>N/A</td><td>N/A</td><td>N/A</td></tr><tr><td>中美国债利差10Y</td><td>N/A</td><td>N/A</td><td>N/A</td><td>N/A</td><td>N/A</td><td>N/A</td><td>N/A</td><td>N/A</td></tr><tr><td>PMI：原材料价格</td><td>1</td><td>0</td><td>1</td><td>1</td><td>0</td><td>1</td><td>1</td><td>1</td></tr><tr><td>新增社融：滚动12个月求和：同比</td><td>0</td><td>1</td><td>0</td><td>1</td><td>1</td><td>1</td><td>1</td><td>1</td></tr></table> 来源：Wind，国金证券研究所 图表4：宏观事件因子择时策略净值 来源：Wind，国金证券研究所 图表5：宏观事件因子择时策略表现 <table><tr><td>11/2018-12/2025</td><td>择时策略</td><td>中证港股通大消费</td><td>等比例基准</td></tr><tr><td>年化收益率</td><td>8.59%</td><td>2.99%</td><td>8.00%</td></tr><tr><td>年化波动率</td><td>18.62%</td><td>29.80%</td><td>18.64%</td></tr><tr><td>最大回撤</td><td>-29.72%</td><td>-65.11%</td><td>-30.82%</td></tr><tr><td>夏普比率</td><td>0.50</td><td>0.22</td><td>0.47</td></tr><tr><td>收益回撤比</td><td>0.29</td><td>0.05</td><td>0.26</td></tr></table> 来源：Wind，国金证券研究所 图表6：宏观事件因子择时策略择时仓位 来源：Wind，国金证券研究所 图表7：宏观事件因子择时策略逐年收益 来源：Wind，国金证券研究所 # 二、基于动态宏观事件因子的中证港股通大消费指数择时策略 港股容易受到中国宏观、海外货币流动性等多因素的影响，具有很多不确定性，盲目投资往往会带来资金的重大损失，因此投资者应当具备建立中短期择时模型的能力，利用大盘的代表性来找到系统性的机会和规避系统性的风险。 为了探索中国宏观经济对香港大消费主题上市公司整体状况和走势的影响，我们选取中证港股通大消费主题指数作为研究对象，尝试从动态宏观事件因子的角度构建择时策略框架。 # 2.1 宏观数据的选用 在构建动态事件驱动策略框架的过程中，我们首先需要确定使用什么数据去搭建什么事件因子，即去寻找与资产收益率相关的宏观数据，并构建能够刻画它们与资产关系的事件因子。 在数据方面，通过选取，我们将经济、通胀、货币和信用四大类的20余个因子，包括PMI、PPI、M1等数据，纳入测试的范围当中。 图表8：经济、通胀、货币和信用类指标 <table><tr><td>数据分类</td><td>指标名称</td><td>频率</td><td>数据发布时间</td></tr><tr><td rowspan="3">经济</td><td>制造业PMI</td><td>月</td><td>当月月末</td></tr><tr><td>制造业PMI:MA12</td><td>月</td><td>当月月末</td></tr><tr><td>制造业PMI:新订单</td><td>月</td><td>当月月末</td></tr><tr><td></td><td>制造业PMI:新订单:MA12</td><td>月</td><td>当月月末</td></tr><tr><td></td><td>制造业PMI:新出口订单</td><td>月</td><td>当月月末</td></tr><tr><td></td><td>工业增加值:当月同比</td><td>月</td><td>次月月中</td></tr><tr><td></td><td>产量:发电量:当月值:MA3</td><td>月</td><td>次月月中</td></tr><tr><td></td><td>产量:发电量:当月值:MA3:环比</td><td>月</td><td>次月月中</td></tr><tr><td></td><td>产量:发电量:当月值:MA3:同比</td><td>月</td><td>次月月中</td></tr><tr><td></td><td>消费者信心指数</td><td>月</td><td>次月月末</td></tr><tr><td></td><td>国债利差10Y-1M</td><td>日</td><td>当日收盘</td></tr><tr><td></td><td>国债利差10Y-3M</td><td>日</td><td>当日收盘</td></tr><tr><td rowspan="7">通胀</td><td>PPI:同比</td><td>月</td><td>次月月中</td></tr><tr><td>PPI:同比:差值</td><td>月</td><td colspan="1">次月月中</td></tr><tr><td>PPI-CPI剪刀差</td><td>月</td><td colspan="1">次月月中</td></tr><tr><td>PMI:原材料价格</td><td>月</td><td colspan="1">当月月末</td></tr><tr><td>PMI:原材料价格:MA12</td><td>月</td><td colspan="1">当月月末</td></tr><tr><td>PMI:生产动能</td><td>月</td><td colspan="1">当月月末</td></tr><tr><td>PMI:生产动能:MA12</td><td>月</td><td colspan="1">当月月末</td></tr><tr><td rowspan="2">货币</td><td>中美国债利差10Y</td><td>日</td><td>当日收盘</td></tr><tr><td>中美实际利差10Y</td><td>日</td><td colspan="1">当日收盘</td></tr><tr><td rowspan="8">信用</td><td>M1:同比</td><td>月</td><td>次月月中</td></tr><tr><td>中美M2:同比</td><td>月</td><td colspan="1">次月月中</td></tr><tr><td>M1-M2剪刀差</td><td>月</td><td colspan="1">次月月中</td></tr><tr><td>新增社融:滚动12个月求和</td><td>月</td><td colspan="1">次月月中</td></tr><tr><td>新增社融:滚动12个月求和:同比</td><td>月</td><td colspan="1">次月月中</td></tr><tr><td>金融机构:中长期贷款余额:当月新增:滚动12M求和</td><td>月</td><td colspan="1">次月月中</td></tr><tr><td>金融机构:中长期贷款余额:当月新增:滚动12M求和:环比</td><td>月</td><td colspan="1">次月月中</td></tr><tr><td>金融机构:中长期贷款余额:当月新增:滚动12M求和:同比</td><td>月</td><td colspan="1">次月月中</td></tr></table> 来源：国金证券研究所 挑选好数据后，需要对数据进行预处理操作后才可以进入事件因子的构建阶段，具体流程如下图所示，我们将在后文对每个步骤进行详细的阐述。 图表9：事件因子构建流程图 来源：国金证券研究所 # 2.2 宏观数据的预处理 对于数据的预处理方面，我们分成了4个小步骤： 对齐数据频率：将指标的频率统一成月频，对于日频数据可以取每月的最后一个交易日的数据作为当月的数据，或者是取月内日频数据的均值作为当月的数据。 填充数据缺失值：对于缺失的数据，取数据过去12个月指标的一阶差分值的中位数叠加上一期的数值进行填充。 $$ X _ {t} = X _ {t - 1} + \text {M e d i a n} _ {\text {d i f f 1 2}} $$ 滤波处理：这个步骤需要结合数据判断，以防将数据中的重要信息过滤掉。我们尝试用量化的形式，通过同时构建数据的2种处理方式的因子，最终筛选出更适合该指标的处理方式： a)不做处理的原始数据；b)做滤波处理的数据； 在滤波处理方面，选择使用单向HP滤波，避免数据处理过程中隐含的未来函数。 $$ \hat {\tau} _ {t | t, \lambda} = \sum_ {s = 1} ^ {t} \omega_ {t | t, s, \lambda}. y _ {s} = W _ {t | t, \lambda} (L). y _ {t} $$ 变化数据结构衍生因子：为了使数据更能捕捉资产收益率变动方向，我们对不同的数据使用不同的数据格式，包括数据的同比、环比、移动平均等。 # 2.3 宏观事件因子构建 数据预处理后，进入宏观事件因子构建阶段，我们将构建过程拆解成7个小步骤： 1）确定事件的突破方向：计算数据与资产标的下一期收益率的相关性，当相关性为正相关时，对该数据构建正向突破(变动)的事件，反之则构建反向突破(变动)的事件。 2）确定数据与资产的领先滞后性：对数据衍生出滞后0-4期的事件因子，通过筛选因子的指标衡量什么时滞期数下的事件因子更为合适，动态识别数据与资产目前的领先滞后关系。 3）生成事件因子：构建三类事件因子：数据突破数据均线，数据突破数据中位数以及数据的同向变化，对因子事件赋予不同的参数，共构建28个不同的因子事件。 图表10：事件因子的构建 <table><tr><td>因子事件</td><td>参数</td></tr><tr><td>数据突破数据均线</td><td>均线长度：2-12</td></tr><tr><td>数据突破数据中位数</td><td>滚动窗口：2-12</td></tr><tr><td>数据同向变动</td><td>同向变动期数：1-5</td></tr></table> 来源：国金证券研究所 生成事件因子后，就可以进入对事件因子的评价和筛选阶段，但首先需要确定下用什么衡量指标。我们列出了2种不同的衡量指标：收益率胜率和开仓波动调整收益率，其中收益率胜率不仅考虑了事件因子的开仓成功率，还包含了盈亏比的信息；开仓波动调整收益率综合考虑了指标成功率，收益率和波动率的信息。结合指标的不同特点，我们选取收益率胜率作为每期事件因子的筛选指标，开仓波动调整收益率作为后续确定数据滚动时间窗口的指标。 图表11：各类衡量指标介绍 <table><tr><td>事件因子衡量指标</td><td colspan="2">指标构建</td><td>指标优劣势</td></tr><tr><td>收益率胜率</td><td colspan="2">ΣiNri, ri > 0/ΣiN|ri|, N为总开仓次数</td><td>除了成功率，还包含盈亏比的信息</td></tr><tr><td>开仓波动调整收益率</td><td colspan="2">ΣiNri/N√(1/N-1ΣiN(r_i - r̂))^2, N为总开仓次数</td><td>综合考虑指标成功率，收益率和波动率的信息，且重点关注开仓阶段的信息，但是要求数据量大些</td></tr></table> 来源：国金证券研究所 4）因子事件初筛选：每期生成因子的初步筛选为：a)满足t检验，能在 $95\%$ 的置信区间内拒绝事件信号发出之后，下一期资产收益为0的原假设；b)事件收益率胜率 $>55\%$ ；c)该事 件的发生次数>滚动窗口的时间期数/6。 5）叠加事件因子：选择收益率胜率最高的事件因子作为当期的基础事件因子。从剩余通过初筛选的事件因子中，选出与基础事件因子低于0.85的次高收益率胜率事件因子，将其与基础事件因子进行叠加。若叠加因子事件的胜率高于基础因子事件，则选用叠加事件作为当期的事件因子，反之则仅用最高胜率事件作为当期的事件因子。 6）若经历了步骤 4 和 5，当期没有能通过筛选的事件因子，则本期该宏观指标标记为空仓，且当期不加入其归属的大类因子打分当中，本质上这步实现了动态剔除低胜率的事件因子。 7）确定评判事件的最优滚动窗口：基于每期事件因子给出的择时信号，获得该宏观数据的历史净值表现。然后计算开仓波动调整收益率寻找对于不同宏观数据最合适的滚动时间窗口。我们在测试区间内测试了48，60，72，84，96个月时间维度。每个宏观数据都通过对比不同时间窗口的开仓波动调整收益率来选出最优参数。 最后我们在以2014年11月为开始日期的测试区间内计算20余个宏观数据构建的事件因子的开仓波动调整收益率，挑选出样本内表现较好的5个因子，我们将其列在了下表当中，并且说明了每个数据的数据处理方法和对应的滚动窗口期。 图表12：最终筛选的宏观因子 <table><tr><td>因子名称</td><td>数据处理方法</td><td>滚动窗口</td></tr><tr><td>PMI:原材料价格</td><td>原始数据</td><td>96</td></tr><tr><td>中美国债利差10Y</td><td>原始数据</td><td>72</td></tr><tr><td>金融机构:中长期贷款余额:当月新增:滚动12M求和:同比</td><td>原始数据</td><td>48</td></tr><tr><td>M1:同比</td><td>原始数据</td><td>48</td></tr><tr><td>新增社融:滚动12个月求和:同比</td><td>原始数据</td><td>96</td></tr></table> 来源：Wind，国金证券研究所 # 2.4择时策略构建 在选定了最终使用的宏观指标之后，我们使用这些宏观数据构建的宏观事件因子来搭建择时策略：当大于2/3的因子发出看多信号，则当期该大类因子的信号标记为1；当少于1/3的因子发出看多信号时，则当期大类因子信号标记为0；若当因子发出看多信号的比例处于两个区间之后，则大类因子标记为对应具体的比例。将每期大类因子的得分作为当期的择时仓位信号。 图表13：择时策略仓位确定流程图 来源：国金证券研究所 # 三、建议关注标的介绍：泰康中证港股通大消费A (006786.OF) 泰康中证港股通大消费主题指数型发起式证券投资基金成立于2019年5月9日，该基金紧密跟踪中证港股通大消费主题指数（HKD），追求跟踪偏离度和跟踪误差的最小化。 目前该基金由泰康基金的基金经理袁帅管理。袁帅于2018年6月加入泰康基金管理有限公司，现任泰康基金量化基金经理，历任基金经理助理。2024年6月7日至今担任泰康中证港股通大消费主题指数型发起式证券投资基金、泰康港股通中证香港银行投资指数型发起式证券投资基金的基金经理。目前在管基金产品共10只。 图表14：泰康中证港股通大消费A基本资料 <table><tr><td>基金简称</td><td>泰康中证港股通大消费A</td></tr><tr><td>基金全称</td><td>泰康中证港股通大消费主题指数型发起式证券投资基金</td></tr><tr><td>基金代码</td><td>006786.0F</td></tr><tr><td>比较基准</td><td>中证港股通大消费主题指数收益率(使用估值汇率折算)*95%+金融机构人民币活期存款利率(税后)*5%</td></tr><tr><td>成立日期</td><td>2019-04-09</td></tr><tr><td>运作方式</td><td>契约型开放式</td></tr><tr><td>投资目标</td><td>紧密跟踪标的指数,追求跟踪偏离度和跟踪误差的最小化。</td></tr><tr><td>基金投资类型</td><td>被动指数型股票基金</td></tr><tr><td>基金管理人</td><td>泰康基金管理有限公司</td></tr><tr><td>基金经理</td><td>袁帅</td></tr><tr><td>管理费率</td><td>0.50%</td></tr><tr><td>托管费率</td><td>0.10%</td></tr></table> 来源：iFinD，国金证券研究所 图表15：基金经理当前管理的基金信息(截至 2025 年 6 月 5 日) <table><tr><td>基金代码</td><td>基金名称</td><td>投资类型</td><td>任职日期</td></tr><tr><td>018116.0F</td><td>泰康中证500指数增强发起A</td><td>增强指数型股票基金</td><td>2025-02-07</td></tr><tr><td>018117.0F</td><td>泰康中证500指数增强发起C</td><td>增强指数型股票基金</td><td>2025-02-07</td></tr><tr><td>019185.0F</td><td>泰康中证1000指数增强发起A</td><td>增强指数型股票基金</td><td>2025-02-07</td></tr><tr><td>019186.0F</td><td>泰康中证1000指数增强发起C</td><td>增强指数型股票基金</td><td>2025-02-07</td></tr><tr><td>020476.0F</td><td>泰康半导体量化选股股票发起式A</td><td>普通股票型基金</td><td>2025-02-07</td></tr><tr><td>020477.0F</td><td>泰康半导体量化选股股票发起式C</td><td>普通股票型基金</td><td>2025-02-07</td></tr><tr><td>006786.0F</td><td>泰康港股通大消费指数A</td><td>被动指数型股票基金</td><td>2024-06-07</td></tr><tr><td>006787.0F</td><td>泰康港股通大消费指数C</td><td>被动指数型股票基金</td><td>2024-06-07</td></tr><tr><td>006809.0F</td><td>泰康香港银行指数A</td><td>被动指数型股票基金</td><td>2024-06-07</td></tr><tr><td>006810.0F</td><td>泰康香港银行指数C</td><td>被动指数型股票基金</td><td>2024-06-07</td></tr></table> 来源：Wind，国金证券研究所 # 风险提示 1、以上结果通过历史数据统计、建模和测算完成，若历史数据产生环境发生变化，可能出现模型失效风险； 2、政策环境发生变化，资产与相关风险因子失去稳定关系的模型风险； 3、市场环境发生变化，国际政治摩擦升级等带来各大类资产同向大幅波动风险； 4、基金相关信息及数据仅作为基金研究使用，不作为募集材料或者宣传材料； 5、本文涉及所有基金历史业绩均不代表未来表现。 # 特别声明： 国金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。 任何形式的复制、转发、转载、引用、修改、仿制、刊发，或以任何侵犯本公司版权的其他方式使用。经过书面授权的引用、刊发，需注明出处为“国金证券股份有限公司”，且不得对本报告进行任何有悖原意的删节和修改。 本报告的产生基于国金证券及其研究人员认为可信的公开资料或实地调研资料，但国金证券及其研究人员对这些信息的准确性和完整性不作任何保证。本报告反映撰写研究人员的不同设想、见解及分析方法，故本报告所载观点可能与其他类似研究报告的观点及市场实际情况不一致，国金证券不对使用本报告所包含的材料产生的任何直接或间接损失或与此有关的其他任何损失承担任何责任。且本报告中的资料、意见、预测均反映报告初次公开发布时的判断，在不作事先通知的情况下，可能会随时调整，亦可因使用不同假设和标准、采用不同观点和分析方法而与国金证券其它业务部门、单位或附属机构在制作类似的其他材料时所给出的意见不同或者相反。 本报告仅为参考之用，在任何地区均不应被视为买卖任何证券、金融工具的要约或要约邀请。本报告提及的任何证券或金融工具均可能含有重大的风险，可能不易变卖以及不适合所有投资者。本报告所提及的证券或金融工具的价格、价值及收益可能会受汇率影响而波动。过往的业绩并不能代表未来的表现。 客户应当考虑到国金证券存在可能影响本报告客观性的利益冲突，而不应视本报告为作出投资决策的唯一因素。证券研究报告是用于服务具备专业知识的投资者和投资顾问的专业产品，使用时必须经专业人士进行解读。国金证券建议获取报告人员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。报告本身、报告中的信息或所表达意见也不构成投资、法律、会计或税务的最终操作建议，国金证券不就报告中的内容对最终操作建议做出任何担保，在任何时候均不构成对任何人的个人推荐。 在法律允许的情况下，国金证券的关联机构可能会持有报告中涉及的公司所发行的证券并进行交易，并可能为这些公司正在提供或争取提供多种金融服务。 本报告并非意图发送、发布给在当地法律或监管规则下不允许向其发送、发布该研究报告的人员。国金证券并不因收件人收到本报告而视其为国金证券的客户。本报告对于收件人而言属高度机密，只有符合条件的收件人才能使用。根据《证券期货投资者适当性管理办法》，本报告仅供国金证券股份有限公司客户中风险评级高于C3级(含C3级）的投资者使用；本报告所包含的观点及建议并未考虑个别客户的特殊状况、目标或需要，不应被视为对特定客户关于特定证券或金融工具的建议或策略。对于本报告中提及的任何证券或金融工具，本报告的收件人须保持自身的独立判断。使用国金证券研究报告进行投资，遭受任何损失，国金证券不承担相关法律责任。 若国金证券以外的任何机构或个人发送本报告，则由该机构或个人为此发送行为承担全部责任。本报告不构成国金证券向发送本报告机构或个人的收件人提供投资建议，国金证券不为此承担任何责任。 此报告仅限于中国境内使用。国金证券版权所有，保留一切权利。 # 上海 电话：021-80234211 邮箱：researchsh@gjzq.com.cn 邮编：201204 地址：上海浦东新区芳甸路1088号紫竹国际大厦5楼 # 北京 电话：010-85950438 邮箱：researchbj@gjzq.com.cn 邮编：100005 地址：北京市东城区建内大街26号新闻大厦8层南侧 # 深圳 电话：0755-86695353 邮箱：researchsz@gjzq.com.cn 邮编：518000 地址：深圳市福田区金田路2028号皇岗商务中心18楼1806 【小程序】国金证券研究服务 【公众号】国金证券研究