核心观点
　　本文介绍了一种基于openFE的基本面因子挖掘方法，将三大报表的数据以及基础算子之间按照一定的结构进行排列组合，构建出70万个不同风格类型的因子，再利用openFE的两步筛选法，筛选出不同风格类型下表现最好的合成因子。对比因子的表现，动量，市值，行业为最重要的因子，其次估值及成长因子表现较好，质量因子在A股的表现较为一般。利用构造的合成因子以及基础因子，训练月频的选股模型，模型在回测区间内，全市场内选股的年化超额为21%，夏普比率为1.19。
　　主要内容
　　简介
　　本文我们将openFE框架应用于基本面因子挖掘，不同于DeepLOB和AlphaZero，openFE是一种基于枚举法的Expand-And-Reduce框架，能够高效的检验大量因子（>106）
　　OpenFE
　　openFE生成的因子结构较为简单，可解释性较好，因此非常适合用于基本面因子挖掘。本文采用三大表中的数据作为基础特征，在此基础上构建合成因子，通过进一步筛选，保留表现较好的因子作为新的alpha因子。OpenFE是一个基于枚举法的Expand-And-Reduce框架，首先通过基础特征以及算子的排列组合构建所有可能的因子。而后通过一个两步的筛选步骤，对因子进行筛选。
　　合成因子
　　通过openFE的两步筛选，保留各风格重要性最高的10个因子。
　　从各类风格因子的平均重要性可以看出，价值因子的重要性最高，其次为成长因子，质量因子的平均重要性最低。在基础因子中，动量，市值以及行业是表现最好的三个因子
　　因子回测
　　利用10个基础因子以及50个合成因子，构建选股模型。策略的表现较为稳定，过去不到3年的时间累计收益达到91.2%,，累计超额收益达到79.4%，年化超额收益21%，夏普比率为1.19
　　风险分析
　　openFE挖掘出的基本面因子是基于历史统计结果的展示，未来有可能发生风格切换导致因子失效的风险。模型运行存在一定的随机性，初始化随机数种子会对结果产生影响，单次运行结果可能会有一定偏差。历史数据的区间选择会对结果产生一定的影响。模型参数的不同会影响最终结果。模型对计算资源要求较高，运算量不足会导致结果存在一定的欠拟合风险。本文所有模型结果均来自历史数据，模型存在统计误差，不保证模型未来的有效性，对投资不构成任何建议。

研究报告全文：证券研究报告金融工程深度逐鹿Alpha专题报告十三金融工程研究基于openFE的基本面因子挖掘框架核心观点丁鲁明本文介绍了一种基于openFE的基本面因子挖掘方法将三大报dinglumingcsccomcn表的数据以及基础算子之间按照一定的结构进行排列组合构建021-68821623出70万个不同风格类型的因子再利用openFE的两步筛选法SAC编号s1440515020001筛选出不同风格类型下表现最好的合成因子对比因子的表现王超动量市值行业为最重要的因子其次估值及成长因子表现较wangchaodcqcsccomcn好质量因子在A股的表现较为一般利用构造的合成因子以及SAC编号S1440522120002基础因子训练月频的选股模型模型在回测区间内全市场内选股的年化超额为21夏普比率为119发布日期2023年02月17日主要内容市场表现简介19本文我们将openFE框架应用于基本面因子挖掘不同于14DeepLOB和AlphaZeroopenFE是一种基于枚举法的9Expand-And-Reduce框架能够高效的检验大量因子1064-120167202016820201692020171202017220201732020174202017520OpenFE2016620201610202016112020161220openFE生成的因子结构较为简单可解释性较好因此非常适合上证指数国债指数用于基本面因子挖掘本文采用三大表中的数据作为基础特征相关研究报告在此基础上构建合成因子通过进一步筛选保留表现较好的因子作为新的alpha因子OpenFE是一个基于枚举法的Expand-And-Reduce框架首先通过基础特征以及算子的排列组合构建所有可能的因子而后通过一个两步的筛选步骤对因子进行筛选合成因子通过openFE的两步筛选保留各风格重要性最高的10个因子从各类风格因子的平均重要性可以看出价值因子的重要性最高其次为成长因子质量因子的平均重要性最低在基础因子中动量市值以及行业是表现最好的三个因子因子回测利用10个基础因子以及50个合成因子构建选股模型策略的表现较为稳定过去不到3年的时间累计收益达到912累计超额收益达到794年化超额收益21夏普比率为119本报告由中信建投证券股份有限公司在中华人民共和国仅为本报告目的不包括香港澳门台湾提供在遵守适用的法律法规情况下本报告亦可能由中信建投国际证券有限公司在香港提供同时请参阅最后一页的重要声明金融工程研究金融工程深度报告目录一简介1二OpenFE221因子Expand222因子Reduce3三合成因子3四因子回测6五总结及讨论10六风险分析11表目录表1因子挖掘方法1表2风格因子结构3表3连续二分法3表4因子列表4表5特征重要性5表6基础因子6表7策略收益统计7表8策略分年度表现7表92020年1月模型特征重要性8表102022年11月模型特征重要性9请参阅最后一页的重要声明金融工程研究金融工程深度报告一简介因子挖掘是金融工程的一个重要方向它试图从海量的金融数据中提取有价值的信息并将其应用于投资组合的管理通过对因子的定义评估和组合因子投资策略试图实现长期的超额收益常见的因子包括价值动量规模质量和波动率因子挖掘需要大量的数据收集和预处理因子评估和回测还需要统计学和计算机科学的技能在实际应用中因子挖掘可以与机器学习统计学和计算机科学相结合以提高因子投资的效率和准确性因子挖掘的成功与否取决于因子的选择和组合以及因子评估的准确性总之因子挖掘是一种有前途的金融工程方向具有广泛的应用前景和潜力--chatGPT以上因子挖掘的介绍生成自chatGPT随着机器学习尤其是深度学习的发展各类应用早已深入日常生活在量化投资领域也有了较为成熟的应用在之前的系列报告中我们介绍过深度学习模型DeepLOB和基于进化算法的AlphaZeroDeepLOB通过巧妙设计数据结构以及网络结构使得每一层生成的因子具有一定的经济学意义AlphaZero是基于进化算法的因子挖掘框架两者分别代表了深度学习以及启发式算法在因子挖掘中的应用本文我们将openFE框架应用于基本面因子挖掘不同与以上两种方法openFE是一种基于枚举法的Expand-And-Reduce框架能够高效的检验大量因子106三种方法分别代表了深度学习启发式算法以及枚举法在因子挖掘中的应用深度学习法的优点在于效率较好且样本内效果最好缺点是生成的因子无法解释且要求算子可导启发式算法效率介于枚举法和深度学习之间能够生成批量因子因子解释性一般无法保证找到全局最优枚举法是一种暴力算法一般生成的因子形式都较为简单可解释性较好生成因子数量较多导致逐一检验时效率较低因此需要对因子检验的效率进行优化表1因子挖掘方法深度学习启发式枚举法代表算法DeepLOBGPAlphaZeroAlpha360openFE单次生成因子数量100-101103104适合场景中高频因子中频中低频因子复杂度10阶10阶5阶可解释性最差一般最好样本内效果最好较好较好算子要求严格可导无无效率最快较快最慢资料来源中信建投证券请参阅最后一页的重要声明1金融工程研究金融工程深度报告二OpenFE不同于AlphaZero用于量价因子挖掘openFE生成的因子结构较为简单可解释性较好因此非常适合用于基本面因子挖掘本文采用三大报表中的数据作为基础特征在此基础上构建合成因子通过openFE进一步筛选保留表现较好的因子作为新的合成因子OpenFE是一个基于枚举法的Expand-And-Reduce框架首先通过基础特征以及算子的排列组合构建具有一定结构的风格因子而后通过两步的筛选步骤对因子进行筛选保留最终特征重要性最高的因子21因子Expand基础特征采用三大报表中的数据资产负债表损益表现金流量表其中资产负债表为时点数据损益表和现金流量表为时期数据我们将损益表和现金流量表中的数据均转为季频数据三大报表中的字段共计有100多大部分字段缺失值较多对于缺失值大于10的字段予以剔除利用剩下的所有字段训练一个LGBM模型保留每张报表内重要性排名前15的因子在这些因子的基础上再加入市值行业动量过去一个月收益率三个对股票收益解释度非常高的因子共计45个基础特征以及3个额外添加的特征为使得因子具有较好的可解释性采用一些较为简单的算子包括四则运算-同比算子YOY环比算子QOQ以及横截面排序算子CSRank如果采用暴力方式进行排列组合即使是简单的二阶因子以上因子以及算子能够组合出109个因子难以进行处理不同类型的风格因子往往具有一定的结构特征例如常见的PEPBPS等估值因子均为简单的一阶因子分子端净利润净资产主营业务收入来自三大报表分母端为总市值在构造估值类合成因子时我们将其扩展为二阶因子具体做法为分子端的单因子改为ab的形式其中ab损益表现金流量表资产负债表分母端为总市值当ab且算子为时此二阶因子等价于PE同理借鉴资产负债率ROE净利润现金比率PE净利润同比增长率等因子结构本文构建了杠杆因子收益因子质量因子估值因子成长因子共5类风格因子因子结构如下表所示因子均为二阶因子不考虑CSRank总因子数量70万左右请参阅最后一页的重要声明2金融工程研究金融工程深度报告表2风格因子结构风格因子结构说明杠杆因子CSRANKabcdabcd资产负债表收益因子CSRANKabcdab损益表cd资产负债表质量因子CSRANKabcdab损益表cd现金流量表估值因子CSRANKabmarketvalueab损益表现金流量表资产负债表成长因子CSRANKxfayfbab损益表现金流量表资产负债表fQOQYOYxy05资料来源中信建投证券22因子Reduce原始的70万因子逐一检验效率较低openFE采用两步的筛选方法极大的提高了筛选效率在第一步筛选中采用了successivehalving连续二分法进行单因子检验具体做法是首先采用部分小样本对每一类风格的所有因子进行单因子模型LGBM的训练计算特征的模型表现下一轮增加样本数量保留第一次训练中表现较好的部分因子再此进行训练以此类推不断增加样本数量减少因子数量直至用全样本训练得到最终筛选的因子列表表3连续二分法Iterations012nFeatures1121412nData12n12n-112n-21资料来源中信建投证券经过第一轮的单因子筛选后保留约116的因子此时因子数量依旧较多103为了进一步筛选因子且剔除因子间的相关性问题第二轮用所有保留的合成因子以及原始的48个基础特征进行多因子模型LGBM的训练最终利用LGBM输出所有因子的重要性排序LGBM在计算特征重要性时有两种方式分别为gain和split其中gain是通过计算总的gini增益来得到特征重要性split是计算模型中特征出现的次数来计算得到特征重要性本文采用gain来计算特征重要性在利用LGBM进行训练时openFE采用featureboosing的方法计算因子的边际贡献即首先利用基础特征计算模型的预测值y1以及效果metric1将y1作为新的训练的初始值用新因子训练得到y2和metric2新因子的边际贡献为metric2-metric1三合成因子通过openFE的两步筛选保留各风格重要性最高的10个因子最终的因子列表为请参阅最后一页的重要声明3金融工程研究金融工程深度报告表4因子列表风格因子CSRank3年初未分配利润qoq2净利润不含少数股东损益yoy公告日期CSRank1营业收入yoy4股东权益合计含少数股东权益qoq公告日期CSRank2营业利润yoy3净利润不含少数股东损益yoy公告日期CSRank3净利润含少数股东损益yoy2年初未分配利润qoq公告日期CSRank3营业总收入yoy2净利润含少数股东损益yoy公告日期成长因子CSRank4年初未分配利润qoq1营业收入yoy公告日期CSRank1资本公积金qoq4股东权益合计含少数股东权益qoq公告日期CSRank0投资活动产生的现金流量净额yoy5股东权益合计不含少数股东权益qoq公告日期CSRank2综合收益总额yoy3营业利润yoy公告日期CSRank0投资活动现金流出小计yoy5股东权益合计不含少数股东权益qoq公告日期CSRank净利润不含少数股东损益减管理费用总市值公告日期CSRank净利润不含少数股东损益减营业税金及附加总市值公告日期CSRank所得税净利润不含少数股东损益总市值公告日期CSRank购建固定资产无形资产和其他长期资产支付的现金-投资活动现金流出小计总市值公告日期CSRank净利润含少数股东损益减管理费用总市值公告日期价值因子CSRank净利润含少数股东损益-减财务费用总市值公告日期CSRank净利润不含少数股东损益-所得税总市值公告日期CSRank营业利润支付给职工以及为职工支付的现金总市值公告日期CSRank支付的各项税费-利润总额总市值公告日期CSRank营业利润减管理费用总市值公告日期CSRank净利润含少数股东损益净利润不含少数股东损益股本股东权益合计含少数股东权益公告日期CSRank所得税-净利润不含少数股东损益其他应收款合计元-股东权益合计不含少数股东权益公告日期CSRank所得税-营业利润股东权益合计含少数股东权益-资本公积金公告日期CSRank加营业外收入-综合收益总额母公司股东权益合计不含少数股东权益-资本公积金公告日期CSRank营业利润-所得税其他应收款合计元-股东权益合计不含少数股东权益公告日期盈利因子CSRank所得税-营业利润股本盈余公积金公告日期CSRank净利润不含少数股东损益减营业税金及附加年初未分配利润股本公告日期CSRank净利润不含少数股东损益加营业外收入年初未分配利润递延所得税资产公告日期CSRank减财务费用-净利润含少数股东损益应交税费股东权益合计不含少数股东权益公告日期CSRank利润总额减销售费用预付款项股本公告日期CSRank利润总额-减财务费用期末现金及现金等价物余额购建固定资产无形资产和其他长期资产支付的现金公告日期CSRank减管理费用-营业利润支付的各项税费支付的各项税费公告日期CSRank减销售费用营业利润购建固定资产无形资产和其他长期资产支付的现金经营活动现金流入小计公告日期质量因子CSRank净利润不含少数股东损益-加营业外收入经营活动现金流入小计期末现金及现金等价物余额公告日期CSRank加营业外收入-利润总额期末现金及现金等价物余额-投资活动产生的现金流量净额公告日期CSRank减财务费用-利润总额现金及现金等价物净增加额-期末现金及现金等价物余额公告日期CSRank所得税营业利润支付的各项税费支付给职工以及为职工支付的现金公告日期CSRank所得税-减财务费用现金及现金等价物净增加额-期末现金及现金等价物余额公告日期请参阅最后一页的重要声明4金融工程研究金融工程深度报告CSRank减销售费用营业利润投资活动现金流出小计经营活动现金流入小计公告日期CSRank所得税-加营业外收入经营活动现金流入小计收到其他与经营活动有关的现金公告日期CSRank股东权益合计不含少数股东权益-股东权益合计含少数股东权益年初未分配利润-盈余公积金公告日期CSRank股东权益合计含少数股东权益-股东权益合计不含少数股东权益年初未分配利润-预付款项公告日期CSRank股本-盈余公积金应交税费递延所得税资产公告日期CSRank应收票据及应收账款-其他应收款合计元其他应收款合计元-应收账款公告日期CSRank应收账款-应收票据及应收账款其他应收款合计元年初未分配利润公告日期杠杆因子CSRank应收账款-应收票据及应收账款股东权益合计含少数股东权益非流动负债合计公告日期CSRank应收账款-应收票据及应收账款股本盈余公积金公告日期CSRank应收票据及应收账款-应收账款应交税费应交税费公告日期CSRank股本其他应收款合计元应交税费应交税费公告日期CSRank预付款项其他应收款合计元应交税费应交税费公告日期资料来源WIND中信建投证券各类风格因子的平均重要性如下图所示可以看出价值因子的重要性最高其次为成长因子质量因子的平均重要性最低表5特征重要性风格平均特征重要性成长因子2065价值因子4313盈利因子1267质量因子709杠杆因子1614资料来源WIND中信建投证券除了合成因子外同样在原始的48个因子中筛选出表现最好的10个基础因子其中动量市值以及行业是表现最好的三个因子请参阅最后一页的重要声明5金融工程研究金融工程深度报告表6基础因子动量总市值行业净利润不含少数股东损益净利润含少数股东损益营业利润应交税费股本股东权益合计含少数股东权益综合收益总额资料来源中信建投证券四因子回测利用以上10个基础因子以及50个合成因子构建选股模型具体做法是从2020年1月31日至2022年12月31日每月滚动训练LGBM模型模型的输入为过去10年的月频因子预测目标为未来一个月收益率训练集长度为9年测试集为1年按照时间先后进行切分股票池为全A股票剔除其中的次新股ST股涨跌停股票以及流动性过低的股票日成交金额500万或者换手率002每次调仓等权买入得分最高的400只股票最终策略的表现如下图所示请参阅最后一页的重要声明6金融工程研究金融工程深度报告图1策略回测1221811608140612041080206004-02022020131202022920203312020430202053120206302020731202083120209302021131202122820213312021430202153120216302021731202183120219302022131202222820223312022430202253120226302022731202283120229302020103120201130202012312021103120211130202112312022103120221130-040超额最大回撤总回报WIND全A最大回撤alpha右轴数据来源WIND中信建投证券策略的表现较为稳定过去不到3年的时间累计收益达到912累计超额收益达到794策略的具体表现如下表所示表7策略收益统计年化收益2491年化波动率022超额收益2100最大回撤2052超额最大回撤1679SHARP119资料来源WIND中信建投证券分年度来看在过去3年均能取得正向超额收益其中21年和22年策略的表现较为突出超额收益均超过20表8策略分年度表现策略收益基准收益超额收益2020304625934532021383591729182022595-18662461全样本24903912100资料来源WIND中信建投证券请参阅最后一页的重要声明7金融工程研究金融工程深度报告从因子的分组收益率可以看出因子单调性较好且多头组收益显著图2全市场分组收益率10806040200123456789-02-04数据来源WIND中信建投证券随着每次训练的样本区间发生变化模型的特征重要性排序也会随之发生变化对比2020年1月以及2022年11月两次模型的特征重要性排序动量市值行业均为最重要的因子其次是估值因子和成长因子在所有的基础因子中应交税费在两次模型中的表现较好在2020年1月大部分因子均为成长因子和估值因子在2022年11月杠杆因子盈利因子的数量有所增加表92020年1月模型特征重要性因子特征重要性动量5549311总市值5514998行业1265345CSRank净利润不含少数股东损益减管理费用总市值公告日期1009464CSRank购建固定资产无形资产和其他长期资产支付的现金-投资活动现金流出小6766701计总市值公告日期CSRank3年初未分配利润qoq2净利润不含少数股东损益yoy公告日46696期CSRank2营业利润yoy3净利润不含少数股东损益yoy公告日期4519587CSRank净利润含少数股东损益-减财务费用总市值公告日期4197246CSRank1营业收入yoy4股东权益合计含少数股东权益qoq公告日期3814553CSRank净利润不含少数股东损益减营业税金及附加总市值公告日期3146621请参阅最后一页的重要声明8金融工程研究金融工程深度报告CSRank利润总额减销售费用预付款项股本公告日期3016986CSRank3净利润含少数股东损益yoy2年初未分配利润qoq公告日期2739219CSRank所得税净利润不含少数股东损益总市值公告日期2442552CSRank支付的各项税费-利润总额总市值公告日期2328922应交税费2125723CSRank应收账款-应收款项bill股东权益合计含少数股东权益非流动负债2123617合计公告日期CSRank净利润不含少数股东损益-所得税总市值公告日期2121183CSRank2综合收益总额yoy3营业利润yoy公告日期2067419CSRank营业利润减管理费用总市值公告日期1924797CSRank3营业总收入yoy2净利润含少数股东损益yoy公告日期1922003资料来源WIND中信建投证券表102022年11月模型特征重要性因子特征重要性动量7389559总市值5701334行业1430807CSRank2营业利润yoy3净利润不含少数股东损益yoy公告日期9099839CSRank净利润不含少数股东损益减管理费用总市值公告日期8936953CSRank支付的各项税费-利润总额总市值公告日期7165799CSRank净利润不含少数股东损益-所得税总市值公告日期6153252CSRank营业利润支付给职工以及为职工支付的现金总市值公告日期5940558CSRank1营业收入yoy4股东权益合计含少数股东权益qoq公告日期5881578CSRank购建固定资产无形资产和其他长期资产支付的现金-投资活动现金流出小5306516计总市值公告日期CSRank2综合收益总额yoy3营业利润yoy公告日期4885803CSRank净利润含少数股东损益-减财务费用总市值公告日期468735CSRank3营业总收入yoy2净利润含少数股东损益yoy公告日期4177611CSRank3年初未分配利润qoq2净利润不含少数股东损益yoy公告日4155366期应交税费363623CSRank利润总额减销售费用预付款项股本公告日期3592298CSRank应收票据及应收账款-其他应收款合计元其他应收款合计元-3044938应收账款公告日期CSRank净利润含少数股东损益净利润不含少数股东损益股本股东权益2918334合计含少数股东权益公告日期股东权益合计含少数股东权益2366685CSRank所得税-营业利润股本盈余公积金公告日期2133144资料来源WIND中信建投证券请参阅最后一页的重要声明9金融工程研究金融工程深度报告将训练好的模型应用于不同的指数成分股中进行预测策略的表现会出现明显的分化在中证500和中证1000中模型表现较好而在沪深300中模型表现一般图3中证1000分组收益率图4中证500分组收益率06050504040303020201010012340-0101234-02-01数据来源WIND中信建投证券数据来源WIND中信建投证券图5沪深300分组收益率030250201501005001234数据来源WIND中信建投证券五总结及讨论本文介绍了一种基于openFE的基本面因子挖掘方法将三大报表的数据以及基础算子之间按照一定的结构进行排列组合构建出不同风格类型的因子共计约70万个再利用openFE的两步筛选法筛选出不同风格类型下表现最好的合成因子对比因子的表现动量市值行业为最重要的因子其次估值及成长因子表现较好质量因子在A股的表现较为一般利用构造的合成因子以及基础因子训练月频的选股模型模型在回测区间内在全市场内选股的年化超额为21夏普比率为119年化超额收益21夏普比率为119应用到不同的指数成分股会出现一定的分化策略在中证500以及中证1000内表现较好在沪深300中请参阅最后一页的重要声明10金融工程研究金融工程深度报告表现一般后续的改进方向包括1启发式算法与openFE的结合用启发式算法生成结构相对复杂且表现更好的因子2在基本的财务数据基础之上加入衍生数据提高基础数据的有效性使得生成因子的效果更好3分行业指数进行因子挖掘构建行业指数基本面因子六风险分析openFE挖掘出的基本面因子是基于历史统计结果的展示未来有可能发生风格切换导致因子失效的风险模型运行存在一定的随机性初始化随机数种子会对结果产生影响单次运行结果可能会有一定偏差历史数据的区间选择会对结果产生一定的影响模型参数的不同会影响最终结果模型对计算资源要求较高运算量不足会导致结果存在一定的欠拟合风险本文所有模型结果均来自历史数据模型存在统计误差不保证模型未来的有效性对投资不构成任何建议请参阅最后一页的重要声明11金融工程研究金融工程深度报告丁鲁明分析师介绍同济大学金融数学硕士中国准精算师中信建投证券研究所执行总经理金融工程团队大类资产配置与基金研究团队首席分析师中信建投证券基金投顾业务决策委员会成员具备14年证券从业经历创立国内量化基本面投研体系继承并深入研究经济经典长波体系中的康波周期理论并积极应用于实务多次对资本市场重大趋势及拐点给出精准预判荣获多项荣誉王超南京大学粒子物理博士曾担任基金公司研究员券商研究员有丰富的研究和投资经验2021年加入中信建投证券研究所主要负责量化多因子选股研究助理请参阅最后一页的重要声明12金融工程研究金融工程深度报告评级说明投资评级标准评级说明报告中投资建议涉及的评级标准为报告发布日后6买入相对涨幅15以上个月内的相对市场表现也即报告发布日后的6个增持相对涨幅515月内公司股价或行业指数相对同期相关证券市股票评级中性相对涨幅-55之间场代表性指数的涨跌幅作为基准A股市场以沪深减持相对跌幅515300指数作为基准新三板市场以三板成指为基准卖出相对跌幅15以上香港市场以恒生指数作为基准美国市场以标普强于大市相对涨幅10以上500指数为基准行业评级中性相对涨幅-10-10之间弱于大市相对跌幅10以上分析师声明本报告署名分析师在此声明i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结论不受任何第三方的授意或影响ii本人不曾因不因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到任何形式的补偿法律主体说明本报告由中信建投证券股份有限公司及或其附属机构以下合称中信建投制作由中信建投证券股份有限公司在中华人民共和国仅为本报告目的不包括香港澳门台湾提供中信建投证券股份有限公司具有中国证监会许可的投资咨询业务资格本报告署名分析师所持中国证券业协会授予的证券投资咨询执业资格证书编号已披露在报告首页在遵守适用的法律法规情况下本报告亦可能由中信建投国际证券有限公司在香港提供本报告作者所持香港证监会牌照的中央编号已披露在报告首页一般性声明本报告由中信建投制作发送本报告不构成任何合同或承诺的基础不因接收者收到本报告而视其为中信建投客户本报告的信息均来源于中信建投认为可靠的公开资料但中信建投对这些信息的准确性及完整性不作任何保证本报告所载观点评估和预测仅反映本报告出具日该分析师的判断该等观点评估和预测可能在不发出通知的情况下有所变更亦有可能因使用不同假设和标准或者采用不同分析方法而与中信建投其他部门人员口头或书面表达的意见不同或相反本报告所引证券或其他金融工具的过往业绩不代表其未来表现报告中所含任何具有预测性质的内容皆基于相应的假设条件而任何假设条件都可能随时发生变化并影响实际投资收益中信建投不承诺不保证本报告所含具有预测性质的内容必然得以实现本报告内容的全部或部分均不构成投资建议本报告所包含的观点建议并未考虑报告接收人在财务状况投资目的风险偏好等方面的具体情况报告接收者应当独立评估本报告所含信息基于自身投资目标需求市场机会风险及其他因素自主做出决策并自行承担投资风险中信建投建议所有投资者应就任何潜在投资向其税务会计或法律顾问咨询不论报告接收者是否根据本报告做出投资决策中信建投都不对该等投资决策提供任何形式的担保亦不以任何形式分享投资收益或者分担投资损失中信建投不对使用本报告所产生的任何直接或间接损失承担责任在法律法规及监管规定允许的范围内中信建投可能持有并交易本报告中所提公司的股份或其他财产权益也可能在过去12个月目前或者将来为本报告中所提公司提供或者争取为其提供投资银行做市交易财务顾问或其他金融服务本报告内容真实准确完整地反映了署名分析师的观点分析师的薪酬无论过去现在或未来都不会直接或间接与其所撰写报告中的具体观点相联系分析师亦不会因撰写本报告而获取不当利益本报告为中信建投所有未经中信建投事先书面许可任何机构和或个人不得以任何形式转发翻版复制发布或引用本报告全部或部分内容亦不得从未经中信建投书面授权的任何机构个人或其运营的媒体平台接收翻版复制或引用本报告全部或部分内容版权所有违者必究中信建投证券研究发展部中信建投国际北京上海深圳香港东城区朝内大街2号凯恒中心B上海浦东新区浦东南路528号南福田区益田路6003号荣超商务中环交易广场2期18楼座12层塔2106室中心B座22层电话86108513-0588电话86216882-1600电话867558252-1369电话8523465-5600联系人李祉瑶联系人翁起帆联系人曹莹联系人刘泓麟邮箱lizhiyaocsccomcn邮箱wengqifancsccomcn邮箱caoyingcsccomcn邮箱charleneliucscihk请参阅最后一页的重要声明13