核心观点
　　本报告介绍了包含213个因子的高频因子库，从日内信息方面提供短周期量价维度因子定义逻辑，高频因子主要通过分钟、Level2频率的基础数据进行资金流向、交易流动性、波动、买卖力量强弱等方面的统计和刻画，进而在日度频率上构建相应的指标和统计量作为因子值，从而捕捉交易信息中所包含的Alpha。
　　主要结论
　　高频量价因子库
　　非线性建模在量化投研中的应用使得因子扮演的角色从Alpha信号转变为样本特征，从特征的角度出发，因子库的维护更加侧重于特征之间的信息差异性、以及特征库层面各项指标的统计分布情况。本报告介绍了基于分钟频率、Level2数据构建的高频因子库，因子库包含213个日频量价因子，包含12大类，其中交易占比类因子反映了资金的交易意向和交易意图，上下行统计量类表示了价格涨跌过程中的强度、背后驱动力、以及交易行为等。
　　因子测试方法
　　本报告从IC、ICIR、多空组合回测、多空净值等角度对整个因子库进行统计评估，在1日、5日调仓频率上对因子进行分组、多空回测评估，在整个因子库、各个大类上综合分析因子的在各个维度上的表现。
　　因子库测试结果分析
　　所有因子2018年以来1日、5日、10日、20日rankIC均值均在2%附近，六成因子的1日、5日收益率rankIC在1%以上。1日、5日调仓频率下，全市场选股头部组合年化超额均值都为4%左右，年化波动率均匀分布在均值20%附近；多空年化收益均值分别为7.42%、4.89%，前10%的因子多空日胜率在55%以上，八成因子多空、年化超为正。
　　风险提示：模型计算可能存在偏误，业绩不代表未来;因子测试、机器学习建模是对历史经验的总结，模型学习到的市场规律在未来存在失效的可能。
　　

研究报告全文：证券研究报告量化深度高频因子库多因子与策略ESG核心观点本报告介绍了包含213个因子的高频因子库从日内信息鲁植宸方面提供短周期量价维度因子定义逻辑高频因子主要通过luzhichencsccomcn15611537505分钟Level2频率的基础数据进行资金流向交易流动性SAC编号S1440522080005波动买卖力量强弱等方面的统计和刻画进而在日度频率上构建相应的指标和统计量作为因子值从而捕捉交易信息研究助理徐建华中所包含的Alphaxujianhuacsccomcn主要结论发布日期2023年03月19日高频量价因子库非线性建模在量化投研中的应用使得因子扮演的角色从Alpha信市场表现号转变为样本特征从特征的角度出发因子库的维护更加侧4重于特征之间的信息差异性以及特征库层面各项指标的统计-6分布情况本报告介绍了基于分钟频率Level2数据构建的高频因子库因子库包含213个日频量价因子包含12大类其中-16交易占比类因子反映了资金的交易意向和交易意图上下行统-26计量类表示了价格涨跌过程中的强度背后驱动力以及交易20224520217520218520219520221520222520223520225520226520211152021125行为等2021105上证沪深50300因子测试方法相关研究报告本报告从ICICIR多空组合回测多空净值等角度对整个因220901量价因子策略库更新子库进行统计评估在1日5日调仓频率上对因子进行分组220530权益类公募基金量化标签库多空回测评估在整个因子库各个大类上综合分析因子的在220512CNE7经典版多因子模型各个维度上的表现220318FOF投资量化策略因子库测试结果分析220222多因子拥挤度模型所有因子2018年以来1日5日10日20日rankIC均值均在2附近六成因子的1日5日收益率rankIC在1以上1日5日调仓频率下全市场选股头部组合年化超额均值都为4左右年化波动率均匀分布在均值20附近多空年化收益均值分别为742489前10的因子多空日胜率在55以上八成因子多空年化超为正风险提示模型计算可能存在偏误业绩不代表未来因子测试机器学习建模是对历史经验的总结模型学习到的市场规律在未来存在失效的可能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智能量化量化深度报告目录一引言1二高频因子121因子库概览122因子评估3三因子库评估结果分析331各周期下IC情况332日频调仓测试533五日调仓测试634大类因子表现情况8四总结12图表目录图表1因子分类及说明2图表2IC评估指标结果统计4图表3IC评估指标分布情况4图表4回测结果统计1日调仓5图表5回测指标分布情况1日调仓6图表6回测结果统计5日调仓7图表7回测指标分布情况5日调仓7图表8各类别因子IC评估指标结果均值8图表9各类别因子回测指标均值1日调仓9图表10各类别因子回测指标均值5日调仓9图表11各类别因子多空净值1日调仓10图表12各类别因子多空净值5日调仓11请参阅最后一页的重要声明2智能量化量化深度报告一引言在AlphaGo问世后的上一波人工智能热潮以来计算资源数据挖掘手段日益丰富从而使得对日内分钟数据Level2数据的因子挖在设备和技术门槛上大大降低从算法模型应用角度看机器学习人工智能算法的应用对于样本的采样频率数量以及应用场景的决策频率都有更高的要求进而周频日频等中高频率调仓形式的指数增强对冲策略在国内逐渐普及1股票的基本面因子主要来源于公司的基本面状况即公司财报以及其他报告因此基于基本面因子的调仓频率与公司财务报表和其他报告的发布时间紧密相关而量价因子主要来源于股票在市场上的交易信息更迭更快因此基于量价因子的调仓频率更高相比于日频量价信息日内分钟频率Level2层面的数据提供了更细粒度的交易层面的信息为因子挖掘提供了更丰富的数据形式以及更大的数据量过往学术研究中博弈论微观市场结构等领域的研究成果在高频数据层面也有更多的指标化因子化的途径和空间本篇报告中主要介绍包含213个高频因子的因子库从因子定义逻辑上将因子库中因子为12类并基于因子IC日频调仓组合表现情况等角度对每个因子及整个因子库进行评估二高频因子21因子库概览本报告所介绍的因子库总共包含213个高频量价因子因子库利用日内分钟频率Level2数据从收益率相关的统计量特定类型成交占比主动买入主动卖出等知情成交流动性等维度进行因子构建从而捕捉日内交易中所隐含的Alpha基于高频因子所刻画量价信息的不同维度本报告将所介绍因子库中的因子根据其计算逻辑分为12类因子分类及说明见图表1请参阅最后一页的重要声明1智能量化量化深度报告图表1因子分类及说明因子类别因子数量类别说明收益率本身刻画了股票价格趋势的动量反转效应进一步在收益率的基础上统计高频收益统计量47特定时间段收益收益率峰度偏度等统计量作为衍生因子某些特定条件下的成交一定程度反映了资金的交易意向交易意图如早盘成交反映了基于盘前信息的决策带来的交易尾盘成交反映了基于日内走势交易情况所做出的决交易占比类36策带来的交易根据成交额排序得到的大单小单中单刻画了买单的分散程度统计不同条件下的成交在某段区间内的占比反映了该时间区间内的成交量属性这些属性背后存在着不同程度的Alpha将在买单价格上成交的订单定义为主动卖出在卖单价格上成交的订单定义为主动买入在日内高频维度上将收益率对其滞后项进行回归结合残差项的正负和主买主卖情知情成交类21况识别知情主动买入知情主动卖出订单并进一步在不同区间内不同频率下统计知情成交占比作为知情成交类因子波动率涨跌情况都是刻画振幅的方式在日内的不同区间不同频率下对波动率和涨幅度刻画类20跌幅进行统计和衍生作为振幅刻画类因子量价相关性类因子的刻画角度主要是刻画成交量走势和价格走势的背离一致程度在此思路的基础上进一步进行衍生在价格方面通过时间加权价格成交量加权价格等变量价相关性20种在量方面通过大单小单区分或者对某些时间段进行区分从而对某些子区间进行量价背离与同向程度成交统计量类13成交量在日内的分布情况总额峰度偏度等股价处于上升状态时产生的成交额是推动股价上涨的力量这部分成交额被定义为资金流入股价处于下跌状态时产生的的成交额是推动股价下跌的力量这部分成交额被定资金流向类13义为资金流出基于资金流入流出的定义在日内不同频率不同区间下统计资金流入流出的量占比等指标作为资金流向因子价格类12日内价格根据成交量形态等某些特定条件信息进行调整之后的结果基于动量反转帕累托最优黄金分割等经典理论在高频数据维度构建相应思路的指经典理论衍生9标作为因子上行和下行过程中的某些统计量反映了价格涨跌过程中的强度背后驱动力以及交易上下行统计量9行为如上行波动率刻画了股票上涨过程中收益率的稳定性衡量了上涨的买入力量的稳定性收益率标准差用于衡量收益波动性在日内层面上根据不同的时间窗口不同的时间波动率类8区间进行波动率的衍生统计构建波动率类因子将股票涨跌幅与成交金额联合考虑作为刻画流动性的维度在此思路上进行不同采样流动相关类5频率上的因子衍生和构建作为流动相关类因子数据来源Wind中信建投注数据截至20230228请参阅最后一页的重要声明2智能量化量化深度报告22因子评估报告进一步通过分组多空测试进行回测对所有因子库中的因子进行评估因子净值回测按照以下步骤进行1从全市场股票中剔除停牌涨跌停ST次日一字板的股票然后对股票进行5组分组参考基准为中证全指2根据T日因子值市值计算的权重作为T1日收盘的目标权重将T日的成交量加权平均价格记为则T日收盘后选出的股票在T1日按照VWAP调仓在T2日获得的收益率为21根据每组权1重将收益加权求和即得到每个等分组合的当日收益进而可计算出分组净值3每日根据因子值排序选取头部组合和尾部组合分别构建多头组合和空头组合记T日的头部组合收益为1尾部组合收益为5则当日的多空收益为15多空净值为1采用多空组合交易模型易于跟踪和资金的分配可以每天都产生数量固定的定数目的股票组合持有固定的期限到期后换仓本文所使用的多空净值评价指标有年化夏普比率年化收益率年化波动率日收益率胜率以及最大回撤等其中夏普比率描述了投资组合收益对风险的补偿程度年化收益率衡量了投资组合的收益情况年化波动率刻画了投资组合的风险收益率日胜率衡量了投资组合盈利的稳定性最大回撤代表了收益率回撤幅度的最大值衡量了投资组合控制风险的能力三因子库评估结果分析本节将根据上文所述方法对因子进行逐个评测从各个评估指标的维度对整个因子库进行评估在1日调仓5日调仓两种频率下进行回测对于5日调仓场景将资金分为5份分别以TT4日为起始日回测构建5个子组合将5个子组合合并后作为最终净值31各周期下IC情况本报告在2018年-2023年2月历史区间上对每个因子计算日均IC年化ICIR对每个因子在测试区间上进行IC和IR分析多空组合回测并计算各个评估指标进行分析图表2和图表3展示了高频因子库的IC和IR分布情况因子库的1日5日10日20日IC的均值都在15左右最大值6左右rankIC的均值在2以上ICIR的均值在02以上最大超过08请参阅最后一页的重要声明3智能量化量化深度报告图表2IC评估指标结果统计1日收益率5日收益率10日收益率20日收益率ICICIRrankICICICIRrankICICICIRrankICICICIRrankIC均值148022221154024209151024209158025225标准差142019243139018249143019276159021314最小值-032-007-264001000-318-043-008-384-062-011-49610分位数010002-068018004-024013004-049006001-04420分位数03100500803900701804200702204100801730分位数04500905206501105305701105606101205240分位数07001310508001510708201608708201608150分位数10201818211002014910702114611702114060分位数15302326815002620914302618615502616970分位数19003135717603328117903127217803028980分位数25103945124203938123004037121404239490分位数318050579336052629363054710408059801最大值5920848106200758356020799346310891078数据来源Wind中信建投注数据截至20230228图表3IC评估指标分布情况数据来源Wind中信建投注数据截至20230228请参阅最后一页的重要声明4智能量化量化深度报告32日频调仓测试图表4和图表5展示了因子库日频调仓回测指标分布情况1多空夏普比率的密度中心约为07最大值35超额夏普比率均值接近022多空年化收益率以7为中心分布且分布较为集中年化超额最高173多空年化波动率均在20以下整体分布较为均匀超额年化波动率呈现双峰值现象4近80因子的多空日胜率超过50最高超过60超额日胜率最高达525各因子多空最大回撤分布集中以24为中心超额最大回撤均在45以内图表4回测结果统计1日调仓多空夏普比多空年化收多空年化波动多空日胜多空最大回年化超超额夏普比超额年化波动超额日胜超额最大回统计量率益率率撤额率率率撤均值066742110751822481407016204249632209标准差0718903052501110468022075099733最小值-107-11535473984528-629-0331913469285010分位-016-24972848901181-024-004195748611385数20分位01106082850001496044-002198548841576数30分位02517693550481855124003200349081736数40分位041332100551262024231008201949241877数50分位061568109551762205314012203049482101数60分位079914115852262556410017204349642225数70分位1061191126553043017503021206349882557数80分位1241437134653763343771034208250362883数90分位16217751568547240221089047212651313249数最大值35839031791610452171742077228452604214数据来源Wind中信建投注数据截至20230228请参阅最后一页的重要声明5智能量化量化深度报告图表5回测指标分布情况1日调仓数据来源Wind中信建投注数据截至2023022833五日调仓测试图表6和图表7展示了因子库5日调仓回测指标分布情况1多空夏普比率的密度中心约为0780以上因子的夏普在1以上最大值26超额夏普比率均值接近022多空年化收益率以5为中心分布且分布较为集中年化超额最高173多空年化波动率以7左右为均值超额年化波动率呈现双峰值现象4近70因子的多空日胜率超过50最高超过57超额日胜率最高达525各因子多空最大回撤分布集中以19为中心最低达3超额最大回撤均在40以内请参阅最后一页的重要声明6智能量化量化深度报告图表6回测结果统计5日调仓多空夏普比多空年化收多空年化波动多空日胜多空最大回年化超超额夏普比超额年化波动超额日胜超额最大回统计量率益率率撤额率率率撤均值06848978352001908444018200649561882标准差0655004032511215343016075071678最小值-102-5702634016315-141-0111904482084610分位000-0403684898618105000192348841124数20分位0120664754995773178005195349001298数30分位03216353950641052236008197349161433数40分位04725357951341225319012198449321576数50分位05940861751921541387016199749401693数60分位07853769252821931454019200549561940数70分位10669990153392462519022202049722186数80分位126879118154243063621027204350012421数90分位1521281157155283434779034206950582854数最大值25619361692574450031716076228752283840数据来源Wind中信建投注数据截至20230228图表7回测指标分布情况5日调仓数据来源Wind中信建投注数据截至20230228请参阅最后一页的重要声明7智能量化量化深度报告34大类因子表现情况图表8和图表9展示了各类别因子的IC评估指标和回测评估指标的均值在IC评估指标上从图表8可以看出1IC方面大部分类别因子的IC均值都在1以上最大为波动率类超过了42ICIR方面超半数类别因子的ICIR都在02以上最大为波动率类超过了043rankIC方面半数类别因子的rankIC均值都在2以上最大为波动率类超过了6图表8各类别因子IC评估指标结果均值1日收益率5日收益率10日收益率20日收益率因子类别因子数量ICICIRrankICICICIRrankICICICIRrankICICICIRrankIC收益统计量47189030294181030259166029251166029263交易占比类36078012131093016140098017148101017155知情成交类21084016159119022215140025253156027287幅度刻画类20110015077100014015084012-016080011-029量价相关性20140025214108021137083018104072015089成交统计量类13221037297223038303223038312230038343资金流向类13057014132054013115050012111050012115价格类12071011015095014000114016-007151018004经典理论衍生9145020165127020107112019087108020079上下行统计量9353038566382044570380045588408051643波动率类8417045609464056656465058701491065773流动相关类5139022435232034572296040656391049797数据来源Wind中信建投注数据截至20230228各大类因子在1日调仓频率下回测结果均值如图表9所示1半数类别因子的多空夏普比率都在08以上最高为流动相关类均值145超额夏普最高的类别为流动相关类超过062半数类别因子的多空年化收益在10以上最高为流动相关类均值近20年化超额最高的类别为流动相关类类内均值15左右3各类别因子的多空年化波动率均在20以下最低为资金流向类低于10超额年化波动率均在22以下请参阅最后一页的重要声明8智能量化量化深度报告图表9各类别因子回测指标均值1日调仓因子多空夏普比多空年化收多空年化波动多空日胜多空最大回年化超超额夏普比超额年化波动超额日胜超额最大回因子类别数量率益率率撤额率率率撤收益统计量47058704109351472446296010204349562270交易占比类36081868108551822420438017201749562168知情成交类2107773597251112525555022196649382399幅度刻画类20044505123451322862283011210649762288量价相关性2006254691151991867246009203249201860成交统计量类1308892997653102457629026204250021971资金流向类1303635081150631758549023198550322120价格类12019163135852734139344013217949192783经典理论衍生90751044112551842056423017206950081872上下行统计量90861243150152802742305011206449472054波动率类80731089159051242692176003202349182595流动相关类514518531228561419151488064208451371940数据来源Wind中信建投注数据截至20230228各大类因子在5日调仓频率下回测结果均值如图表9所示1半数类别因子的多空夏普比率都在07以上最高为流动相关类均值12超额夏普最高的类别为流动相关类2半数类别因子的多空年化收益在5以上最高为流动相关类近15最低为价格类仅为23年化超额最高的类别为流动相关类近133各类别因子的多空年化波动率均在15以下最低为量价相关性低于5超额年化波动率均在22以下图表10各类别因子回测指标均值5日调仓因子多空夏普比多空年化收多空年化波动多空日胜多空最大回年化超超额夏普比超额年化波动超额日胜超额最大回因子类别数量率益率率撤额率率率撤收益统计量4706843974251551814340013200149371882交易占比类3607652973351821820449018198049621769知情成交类2107852168051871905585024193150002232幅度刻画类2004629176851922084326013204649551835量价相关性200763644745212968319013199549071482成交统计量类1309582481953351984734031202249951618资金流向类1304629951950731216632027195550001962价格类12036229119352873557499020216349412277经典理论衍生906045161551951466306012200949221562上下行统计量9087804125252532480339012203949331847波动率类8043558149150943100159003201249212758流动相关类512014771207562919741266055206950811783数据来源Wind中信建投注数据截至20230228请参阅最后一页的重要声明9智能量化量化深度报告进一步图表11和图表12展示了12类因子的多空净值从类内平均水平来看流动相关类的表现最佳净值最终超过了23其次上下行统计量类因子普遍多空净值更为稳定知情交易交易占比收益统计量类因子多空净值分化较大日频调仓5日调仓下各类因子表现区别不大图表11各类别因子多空净值1日调仓数据来源Wind中信建投注数据截至20230228各类因子内部在多空净值方面存在不同程度的分化情况其中流动相关性上下行统计量两类因子整体分化情况较小部分类别因子在IC指标回测指标及净值等各方面均展现出相对更加良好的选股能力如流动相关类波动率类请参阅最后一页的重要声明10智能量化量化深度报告图表12各类别因子多空净值5日调仓数据来源Wind中信建投注数据截至20230228请参阅最后一页的重要声明11智能量化量化深度报告四总结随着机器学习这类非线性模型广泛应用于量化投研从建模的角度来看因子扮演的角色从Alpha信号转变为样本特征从特征的角度出发更加侧重于特征之间的信息差异性以及特征库层面各项指标的统计分布情况本文介绍了基于分钟频率Level2数据构建的高频因子库相比于基于日频率量价数据构建的量价因子而言高频数据包含更加细粒度的交易行为信息基于高频基础数据进行因子挖掘可以捕捉到日内交易行为背后所包含的Alpha作为基本面日频量价信息之外的一个补充本报告所介绍的因子库共包含213个因子所有因子2018年以来1日5日10日20日rankIC均值均在2附近六成因子的1日5日收益率rankIC在1以上1日5日调仓频率下全市场选股头部组合年化超额均值都为4左右年化波动率均匀分布在均值20附近多空年化收益均值分别为742489前10的因子多空日胜率在55以上八成因子多空年化超为正请参阅最后一页的重要声明12智能量化量化深度报告分析师介绍鲁植宸多因子与ESG策略组分析师中国科学院硕士曾在头部券商自营从事量化投研和实盘管理工作在人工智能机器学习算法的量化应用方面有从学术研究到策略设计实盘落地及策略管理的全周期经验研究方向覆盖机器学习算法多因子模型-策略设计建模训练过程优化样本特征处理技术ESG策略和指数编制等研究助理徐建华总监多因子与ESG策略组负责人先后就职于MSCIBarra公司和标普公司等专业研究机构具有十多年金融市场研究统计建模等专业经验为多家银行基金和保险等资管客户提供因子模型投资组合优化管理基金评价指数研究以及风险管理等咨询请参阅最后一页的重要声明13智能量化量化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买入相对涨幅15以上告发布日后6个月内的相对市场表增持相对涨幅515现也即报告发布日后的6个月内公股票评级中性相对涨幅-55之间司股价或行业指数相对同期相关减持相对跌幅515证券市场代表性指数的涨跌幅作为基卖出相对跌幅15以上准A股市场以沪深300指数作为基强于大市相对涨幅10以上准新三板市场以三板成指为基准行业评级中性相对涨幅-10-10之间香港市场以恒生指数作为基准美国弱于大市相对跌幅10以上市场以标普500指数为基准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14