学术界和业界研究均有表明分析师预期修正信息会引发市场反应， 为投资者寻找超额收益提供机会。无论是量化投资还是基本面投资中一致预期调整因子均有被广泛的使用，然而简单的预期调整因子存在一定缺陷，有进一步改进的空间。本篇报告将运用分析师预期数据构建一致性修正因子和改进一致性修正因子，优化一致预期调整因子的不足之处，并基于改进的因子构建多头选股策略，供投资者参考。
一致性修正因子IC_IR值达到0.61，多头组合在过去十二年间实现29.34%的年化收益
一致性修正因子反映分析师修正的一致性和差异程度。 针对一致预期调整因子的不足之处，我们利用分析师预期数据构建一致性修正因子，该因子由不同分析师的净利润修正数值构建，包含分析师预期修正数据中的一阶矩和二阶矩信息，一定程度上反映了分析师修正的一致性，并对分析师观点的分歧度进行惩罚。
全市场有效性较好，IC_IR值达到0.61。 我们对一致性修正因子在全市场、沪深300和中证500三种股票池中进行有效性检测，总体而言，该因子在三种市场都较为有效，对下期股票收益具有较强的正向预期能力。其中，一致性修正因子在全市场中有效性较为显著，IC_IR值达到0.61，IC均值为0.044，有效性表现良好。在分组回测中，一致性修正因子多头组合在过去12年期间长期领先，表现优于其他分组，因子分组收益具有明显单调性。
一致性修正因子多头组合2010年以来年化收益在全市场达29.34%，近三年收益表现出色。 该组合整体表现良好，多数年份贡献正的绝对收益，仅在2011年、2016年和2018年因系统性风险有所亏损。同时，2019年以来该组合向好发展，年化收益三年表现均处于其历史高位，且跑赢基准指数。
改进一致性修正因子IC_IR值较一致性修正因子提升0.08，多头组合在系统性风险年份表现较为稳健
改进一致性修正因子体现数据时效性和机构权威性。 考虑分析师预期修正数据的时效性和分析师的权威性，对一致性修正因子进行时效性和权威性方面的优化，从而得到改进一致性修正因子。
有效性得到提升，IC_IR高达0.69。 改进一致性修正因子的分组回测表现保持良好，并且表现出更强的截面收益预测能力。改进一致性修正因子在全市场、沪深300和中证500三种股票池中的IC值表现均相对优于一致性修正因子，IC_IR值有所提升，其中该因子在全市场的IC_IR值高达0.69。
改进一致性修正因子多头组合2010年以来表现良好，其收益整体较为稳健。 改进一致性修正因子多头组合长期跑赢基准指数，并且整体收益较为稳健。该因子的多头组合在2011年亏损相较于一致性修正因子多头组合有所降低，且2016年实现正的绝对收益，从而实现整体较为稳健的收益表现。
一致预期调整因子存在改进空间
本章节简要阐述分析师预期修正的经济学逻辑，并指出被广泛使用的一致预期调整因子的不足之处，从而引出下文对一致性修正因子的研究讨论。
浅析分析师预期修正的经济学逻辑
分析师预期修正提供有效增量信息。 有研究表明，分析师预期修正后会引起市场反应，向上（下）的预期修正大多伴随市场正（负）向收益（Stickel，1991；Zhang，2006；Low et al.，2016）。预期修正体现分析师挖掘的最新市场信息，投资者对该增量信息关注度较高，从而引发对分析师预期修正的反应。然而投资者对分析师预期修正存在反应不足的现象（Chan et al.，1996），在非完全有效市场下，分析师预期修正包含的增量信息没有立刻反应在证券价格中，为基于分析师预期修正数据寻找超额投资收益提供机会。
图表：分析师预期修正的经济学逻辑
一致预期调整因子被广泛应用。 目前许多策略利用分析师预期数据挖掘投资机会，朝阳永续数据库中便含有1、4、13、26和52周的一致预期净利润变化率，其反应不同时间跨度的一致预期盈利修正。而其中应用较广泛的分析师预期指标之一，便是一致预期3个月调整因子。
一致预期调整因子的不足之处
一致预期调整因子存在部分缺陷。 虽然一致预期调整因子具有较为出色的选股能力，但其构造方式上仍具有一定的提升空间。
►市场信息缺失。一致预期调整因子利用不同分析师预期的加权平均值进行构建，该指标反映数据的一阶矩信息，造成部分市场信息的偏差和丢失，如不同分析师预期观点的分歧。
►个体分析师权重存在过大风险。若公司仅有一家分析师对其进行覆盖，将使用该分析师的预测数值构建因子，使其完全主导因子大小。
►不同分析师观点可能存在可比性问题。用于计算一致预期调整因子的前后两期数值可能由不同分析师预测得出，此时一致预期数据的变化可能来源于分析师的差异性。
一致性修正因子构建：反映分析师修正的同与异
本章节对朝阳永续数据库中个股报告分析师预期数据进行简析，描述其数据类型及日期信息；并阐述一致性修正因子的经济学逻辑及构建方式，展示了该因子与多种因子的相关性程度，以及在全市场、沪深300和中证500股票池中的覆盖度表现。
分析师预期数据特征概述
盈利预期信息较为丰富。 每份分析师报告包含评级数据、目标价数据及盈利预期数据。其中盈利预期数据又包含预期营业收入、预期归属母公司净利润、预期每股收益等多种指标。
盈利预期数据缺失值相对较少。 在样本区间2009-01-01至2022-01-31内，数据库中每份报告都具有公司的评级数据；42%的分析报告具有目标价数据；而超过90%的报告具有如归母净利润等主要公司盈利指标，数据缺失值相对较少。
利用预期净利润数据构建一致性修正因子。 数据库中含有大量评级数据，但评级数据只分布在0-7八种类别，变动频率偏低，较难通过该数据的变化获得月频增量信息。而目标价数据覆盖度偏低，近半数研报没有提供该信息。盈利预期数据具有较高覆盖度，且其变化频率与幅度较评级数据更为明显；在盈利预期数据中预期净利润数据具有较高的覆盖度与关注度，因此后文将通过预期净利润的修正数据构建一致性修正因子，捕捉其增量信息。
图表：分析师预期数据特征
图表：不同分析师预期数据的覆盖度表现
盈利预期财年数据选取构建因子当日所属年份。 研究报告可能包含针对不同年份的盈利预期数值，因公司财报公布时点不同，不同公司的最近预测财年也存在差异。在后文的回测中，盈利预期数据将统一选取因子构建当日所属年份的预期财年数据。
财报披露日附近研报数量大幅提升。 分析师报告数量存在季节性效应。以2021年数据为例，大部分研报在4、8、10月底附近撰写，较多研报在3月底撰写，由此可知财报披露日附近的研报数目大幅上升。
图表：分析师报告数目随时间变化
大部分报告的入库滞后期在四日以内。 朝阳永续数据库中部分数据的入库日期与创建日期存在一定差异，但大部分数据均能在创建后四日内完成入库。在2009-01-01至2022-01-11期间，数据库中所有样本入库滞后期在四日以内的报告数占总报告数量的比例为90%，而近一年的报告入库滞后期在四日以内的占比为92%。
图表：分析师报告入库滞后期
由上述可知，大量报告于4、8、10月底附近创建，且大多数研报在创建后四日内入库。因此后文将换仓日期定为每月月初五号或离其最近的下一交易日，以期捕捉前月月底大量分析师的近期预测信息。
一致性修正因子经济学逻辑：体现分析师预期的一致性，并惩罚观点的分歧度
分析师预期修正数据中的同与异。 我们通过对不同分析师的预期修正数值取平均，构建一阶矩指标，体现分析师预期修正的一致性。同时，分析师们由于在获取信息的来源和对信息的分析处理存在一定程度的差异，使其预期修正可能存在分歧，通过预期数据的二阶矩指标可以刻画分析师预期修正观点的差异程度。
利用分析师预期修正中的一阶、二阶矩信息构建一致性修正因子。 我们将 记为分析师i对目标公司j在t时刻发布的预期数值， 记为分析师i对目标公司j在t时刻发布的预期修正。Diether et al.（2002）构建以下指标度量分析师观点的差异程度：
其中 和 体现分析师维度上变量的平均值和标准差。为融合分析师预期修正的一阶、二阶矩信息和方向性信息，我们将Diether et al.（2002）的指标改进如下：
其中 体现分析师预期修正的一致性； 作为分母表示对分析师观点分歧度的惩罚，降低指标预期修正的幅度； 的数值大小表示分析师对目标公司价值变动幅度的判断，其正负性表示分析师对目标公司价值变动方向的判断。
图表：一致性修正因子计算公式的经济学逻辑
构建一致性修正因子：基于经济学逻辑构建CAFR因子
我们使用朝阳永续数据库中的预期归母净利润构建一致性修正因子CAFR(Consistent Analyst Forecast Revisions)，该因子构建方式如下：
图表：CAFR因子构建框架
CAFR因子优化了一致预期调整因子的不足之处，存在较多优势：
►增加二阶矩信息。因子中分母的标准差为指标引入二阶矩信息，对分析师预期的差异程度做出惩罚，一定程度上增强因子信息含量。
►缓解分析师权重过大。若一支股票少于三家分析师对其进行修正，则剔除该股票，从而缓解单一分析师预期权重过大的现象。
►前后期分析师可比。该因子解决了一致预期调整因子中前后分析师不同导致预期数据不可比的问题，提高因子信号的有效性。
►消除个体固定效应。一致性修正因子通过计算不同分析师自身的预期差值，消除个体分析师的固定效应，使不同分析师的预期具有可比性。
一致性修正因子相关性：与其他因子相关性较低
一致性修正因子CAFR与大部分因子相关性较低。 我们对CAFR及一致预期3个月调整因子（EEChange_3M），近75日报告数量因子（RPP_75D），质量因子（QQC），周转因子（AT），成长因子（OP_Q_YOY），估值因子（BP_LR），反转因子（Momentum_1M），波动率因子（STD_3M），流动性因子（VSTD_3M）和规模因子（Ln_MC）之间的相关系数进行计算，发现CAFR与大部分因子之间的相关系数绝对值低于0.3，其中CAFR与一致预期3个月调整因子EEChange_3M和成长因子OP_Q_YOY较为相关，两者的相关系数分别为0.45和0.34。
图表：CAFR因子与其他因子的相关系数绝对值
一致性修正因子覆盖度：侧重大盘股，在沪深300股票池中覆盖程度较高
一致性修正因子覆盖度在全市场偏低。 我们测试了CAFR因子在全市场、沪深300市场和中证500市场的覆盖度表现。该因子在全市场覆盖数偏低，过去12年每月平均覆盖847家股票，平均覆盖率为29%；近一年每月平均覆盖1037家股票，平均覆盖率为23%，覆盖率轻微下滑，但覆盖数量有上升趋势，整体覆盖度偏低。
一致性修正因子侧重覆盖大盘股。 CAFR因子过去12年在中证500股票池中每月平均覆盖220家股票，平均覆盖率为44%。其中CAFR因子在沪深300股票池的覆盖度较高，这与分析师偏好覆盖龙头企业有所关联；过去12年每月平均覆盖227家股票，平均覆盖率为76%；近一年每月平均覆盖率为83%，覆盖率稳中有增。
图表：CAFR因子全市场覆盖度
图表：CAFR因子沪深300覆盖度
图表：CAFR因子中证500覆盖度
一致性修正因子有效性检验及选股策略：整体有效性较为显著，选股能力出色
本章节对CAFR因子的有效性进行IC值检验及分组回测检验，其结果展现CAFR因子对收益率具有较强的预测能力。同时，本章节基于CAFR因子数值大小构建选股策略，并展示其组合的收益表现。
有效性分析：对收益率有较强预测能力，分层效果明显
IC值分析法。 使用Spearman秩相关系数计算第T期CAFR因子及第T+1期股票收益的IC值，检验CAFR因子过去12年间的有效性表现，其中因子检测框架如下：
►测试区间：2010.01.05 – 2022.02.07。
►股票池：全市场中剔除ST、停牌和上市未满一年的股票。
►频率：月度。
CAFR因子有效性较为显著，优于EEChange_3M因子。 在全市场、沪深300和中证500市场中，CAFR因子较EEChange_3M因子更为有效。对于全市场，CAFR因子的IC均值为0.044，IC_IR高达0.61，优于EEChange_3M因子的IC值表现，体现CAFR因子对收益率较强的预测能力，表明构建的一致性修正因子能提升一致预期3个月调整因子的有效性。
图表：一致性修正因子IC值检验统计值
一致性修正因子存在阶段性失效。 CAFR因子存在阶段性失效，如2019年12月，CAFR因子在全市场的IC值为-0.06。但总体而言，CAFR因子对下期股票收益具有较强的正向预期能力，IC值检验效果较为显著。
图表：CAFR因子IC值序列
CAFR因子在机械行业的IC_IR为0.48，IC均值为0.076。 在29种细分行业中，CAFR因子在机械、建筑和医药行业有效性较强，其中CAFR因子在机械行业的IC_IR达到0.48，IC均值为0.076。而CAFR因子在综合、消费者服务、非银行金融和银行这几类行业的有效性偏低，表现相对较弱。
图表：CAFR因子分行业IC统计值
一致性修正因子选股表现优异。 分组回测检验框架与IC值检验框架一致，同时需要每月在截面期计算因子值，根据因子值大小等分为5组进行换仓，每组股票等权配置。CAFR因子多头组合收益长期领先，表现优于其他分组，并于2020年开始大幅拉开与其他分组的净值差距。
多空组合整体表现良好。 Group5/Group1体现CAFR因子的多空组合，其整体表现良好，组合净值稳中有升。但多空组合收益存在阶段性回撤，如2018年年末，多空组合的净值有所下降。
图表：CAFR因子分组表现
一致性修正因子年化收益分层效果明显，全市场收益表现优异。 CAFR因子的分组收益具有单调性，五组收益表现区分度高。该因子选股能力良好，使因子多头组合具有组内最高年化收益21.68%。
一致性修正因子抵御回撤能力表现相对较强。 由CAFR因子划分的五组波动率相近，分组区分度不明显。但因子多头组合最大回撤表现较为稳定，处于组内低位，体现该因子相对较强的抵御回撤风险能力。
图表：CAFR因子分组回测统计值
资料来源：朝阳永续，万得资讯，中金公司研究部（样本期：2010-01-05至2022-02-07）
注：超额收益的比较基准为偏股混合型基金指数
一致性修正因子策略构建：基于CAFR因子
一致性修正因子策略在剔除ST股、停牌股、上市未满一年股票和换仓日停牌股票的基础池内，选取CAFR因子排名前列的股票作为最终持仓，回测框架如下：
图表：一致性修正因子策略回测框架
因子排名前十的股票组合近三年表现优异。 控制其他变量构建CAFR因子多头组合，对选股数目进行敏感度分析。在全市场净值表现中，选股数目为10的组合长期领跑，净值走势表现优异。因此，一致性修正因子多头组合将选取CAFR因子排名前十的股票作为最终持仓。
图表：一致性修正因子多头组合持仓数量的敏感度分析
一致性修正因子策略表现：多头组合表现优异
CAFR因子多头组合2010年1月以来表现优异，获取29.34%的年化收益率。 从收益角度来看，该多头组合在全市场中表现良好，在回测历史区间实现29.34%的年化收益率。组合在多数年份贡献正收益，仅2011年、2016年和2018年受系统性风险影响表现欠佳，但该组合在2016年和2018年的亏损相对较低，风险相对可控。
近三年该组合收益表现优异。 整体而言，CAFR因子多头组合表现良好，近年来表现更为出色。2019年以来该组合虽伴随较高的年化波动率和回撤，但其年化收益表现处于历史高位，且跑赢基准偏股混合型基金指数（885001.WI）。
图表：CAFR因子排名前十的股票组合净值表现
图表：CAFR因子排名前十的股票组合分年度收益和风险统计
资料来源：朝阳永续，万得资讯，中金公司研究部（样本期：2010-01-05至2022-02-07）
注：超额收益的比较基准为偏股混合型基金指数
CAFR因子排名后十的组合收益表现持续疲软，收益长期低于基准指数。 每月选择CAFR因子排名后十的股票组合除2014年和2015年较基准指数获得正向超额收益率，其余年份收益均低于基准指数，2010年以来年化超额收益率低至-12.38%。
图表：CAFR因子排名后十的股票组合净值表现
图表：CAFR因子排名后十的股票组合分年度收益和风险统计
资料来源：朝阳永续，万得资讯，中金公司研究部（样本期：2010-01-05至2022-02-07）
注：超额收益的比较基准为偏股混合型基金指数
改进一致性修正因子：反映分析师数据的时效性和权威性
本章节针对前文CAFR因子提出其潜在提升空间，并从时效性和权威性两个方面对CAFR因子进行优化，得到改进一致性修正因子C_CAFR（Correction of Consistent Analyst Forecast Revisions）。改进一致性修正因子2010年以来的IC_IR和IC均值均有所提升，且C_CAFR因子多头组合的收益表现具有一定程度的稳健性。
构建改进一致性修正因子C_CAFR，高效利用分析师预期数据
CAFR因子没有体现不同分析师修正数据的时效性和权威性。 在构建CAFR因子时，其分子部分为6个月内不同分析师修正数据的等权平均值，该值没有体现不同分析师数据的时间差异与分析师本身的权威性差异，因此该指标反映的市场信息存在一定程度的偏差。
►无法体现时效性。离构建因子日越远的分析师预期修正有效性越低，因为该类信息已有部分被市场反应，因此应给予近期发布的预期修正数值更多的关注。
►无法反映权威性。不同机构出具的分析师修正数值均有所差异，一般投资者对权威性较大的机构具有更高的关注度，此类机构的预期修正更容易引发市场对其反应。
因此我们使用以下三种方式对CAFR因子的构建公式 做出时效性和权威性方面的改进：
图表：一致性修正因子构建公式的优化
利用时间加权和时差惩罚来优化因子时效性表现。 CAFR因子在构建中没有考虑每只股票中不同分析师预期修正的时效性信息，我们将用两种方式对其进行改进。一种是对预期数据进行时间加权， 从而放大近期预测数值的影响力，由此得到一致性修正因子（时间加权）；另一种是对CAFR因子进行时效性惩罚， 即对近期无分析师预期修正数据的股票进行惩罚，降低对该股票的关注度，从而得到改进的一致性修正因子。
图表：因子时间层面的优化
利用机构过去一年发布的研报总数代表其权威性，从机构层面优化因子。 每只股票存在不同机构的预期修正数值，而投资者会重点关注高权威性机构的预期，市场偏向于对此类信息做出更迅速的反应。因此在构建因子时需要反应该层面的信息，重点关注高权威机构的预期。我们使用朝阳永续数据库计算过去一年内机构发布的研报总数，对每个股票的不同预期数据进行研报数加权，得到一致性修正因子（报告加权）。
优化方式提升因子IC_IR值。 通过上文公式构建的三种优化因子，其有效性检验均表现良好，分组收益具有单调性。其中一致性修正因子（时间加权）的IC有效性较好，该因子IC均值提升至0.046，IC_IR值提升至0.67。
图表：优化因子IC值检验统计值
图表：一致性修正因子分组表现
图表：一致性修正因子（时间加权）分组表现
图表：一致性修正因子（时差惩罚）分组表现
图表：一致性修正因子（报告加权）分组表现
基于上述讨论，我们将结合三种优化方式构建改进一致性修正因子C_CAFR，使该因子反映分析师数据中的时效性和权威性，提升一致性修正因子对收益率的预测能力。
图表：改进一致性修正因子计算公式的经济学逻辑
改进一致性修正因子：有效性有所提升
C_CAFR因子的IC值检验表现优异，IC_IR在全市场高达0.69。 对改进一致性修正因子进行IC值检验，结果显示其有效性在三种市场表现均优于CAFR因子。其中C_CAFR因子的IC_IR在全市场高达0.69，反映C_CAFR因子相比CAFR因子有效性得到提升。
图表：改进一致性修正因子IC值检验统计值
改进一致性修正因子整体有效，存在阶段性失效。 同CAFR因子，C_CAFR因子也存在暂歇性失效。然而该因子整体表现良好，过去12年间IC值检测表现较为有效，体现其对收益率具有较强预测能力。
图表：C_CAFR因子IC值序列
C_CAFR因子在机械行业表现较好，其IC_IR为0.47。 机械、医药和基础化工行业更加适合C_CAFR因子，其中C_CAFR因子在机械行业的IC_IR达到0.47；而消费者服务、综合、银行和非银行金融行业的IC值检验表现均偏弱。
图表：C_CAFR因子分行业IC统计值
C_CAFR因子分组回测表现优异，分组收益单调性较为显著。 分组回测中C_CAFR因子多头组合在过去12年间表现良好，其收益和风险表现均相对较强。并且同CAFR因子一致，该因子分组收益单调性较为显著。
图表：C_CAFR因子分组表现
图表：C_CAFR因子分组回测统计值
资料来源：朝阳永续，万得资讯，中金公司研究部（样本期：2010-01-05至2022-02-07）
注：超额收益的比较基准为偏股混合型基金指数
改进一致性修正因子策略表现：多头组合表现较为稳健
C_CAFR因子多头组合收益较为稳健。 不同于CAFR因子多头组合较为激进的净值表现，C_CAFR因子排名前十的组合收益表现相对稳健，不仅在2011年和2018年系统性波动的市场环境下有效控制组合亏损，获得高于基准的年化超额收益率，且在2016年实现正的绝对收益，整体收益表现较为稳健。
图表：C_CAFR因子排名前十的股票组合净值表现
图表：C_CAFR因子排名前十的股票组合分年度收益和风险统计
资料来源：朝阳永续，万得资讯，中金公司研究部（样本期：2010-01-05至2022-02-07）
注：超额收益的比较基准为偏股混合型基金指数
C_CAFR因子能较为有效的筛选出预期收益走弱的股票。 C_CAFR因子排名后十的股票组合在过去12年间的年化收益率低至-7.23%，同期CAFR因子排名后十的股票组合收益为-5.03%。相较于CAFR因子，C_CAFR因子包含时效性和权威性信息后能较为有效的筛选出预期收益走弱的股票。
图表：C_CAFR因子排名后十的股票组合净值表现
图表：C_CAFR因子排名后十的股票组合分年度收益和风险统计
资料来源：朝阳永续，万得资讯，中金公司研究部（样本期：2010-01-05至2022-02-07）
注：超额收益的比较基准为偏股混合型基金指数
总结
本篇报告首先介绍分析师预期修正数据带来增量信息的经济学逻辑，并通过阐述一致预期调整因子的缺陷引出后文一致性修正因子的构建。 学术界和业界研究均有表明分析师预期修正会引发市场反应，而在非完全有效市场下投资者对预期修正存在反应不足的现象，因此可以基于分析师预期修正数据挖掘投资机会。市场普遍应用朝阳永续数据库中的一致预期调整因子，然而该因子存在一些缺陷，因此我们构建了一致性修正因子，从而优化一致预期调整因子的不足。
其次，我们对分析师预期数据进行浅析，并基于该数据构建一致性修正因子CAFR。 在所有种类的分析师预期数据中，净利润数据覆盖度高，且市场关注度强，因此基于不同分析师对净利润的预期修正构建一致性修正因子CAFR。CAFR因子为多家分析师的盈利预期修正数据的均值比标准差，其体现分析师预期修正的一致性，也对分析师观点的分歧度做出惩罚，从而实现对一致预期调整因子不足的改进。
基于上述分析对CAFR因子进行有效性检验，并构建一致性修正因子多头组合，该组合自2010年以来实现29.34%的年化收益。 CAFR因子有效性表现较好，该因子在全市场的IC_IR为0.61，IC均值达到0.044，且该因子在分组检验中因子多头组合年化收益率为21.68%，具有出色的多头选股能力。CAFR因子多头组合自2010年以来的年化收益率达到29.34%，该组合除2011年、2016年和2018年受系统性风险影响以外，每年均能获得正收益，且近三年绝对收益表现优异，具有较强的选股能力。
本篇报告最终章节提出三种改进方式，对CAFR因子进行时效性和权威性的优化，得到C_CAFR因子，其IC_IR值提升至0.69，且C_CAFR因子多头组合收益总体表现较为稳健。 在CAFR因子的基础上，引入时间维度和机构维度的信息，构建C_CAFR因子来反映分析师数据的时效性与权威性。该因子的有效性较CAFR因子得到提升，其IC_IR值上升到0.69，对下期收益具有较强的预测能力。C_CAFR因子多头组合在2011年亏损相较于CAFR因子多头组合有所降低，且2016年实现正的绝对收益，从而实现整体较为稳健的收益表现。
本文摘自：2022年2月27日已经发布的《基本面量化系列（7）：如何提高预期修正信息的利用效率？》
古 翔 SAC 执业证书编号：S0080521010010 SFC CE Ref：BRE496
周萧潇 SAC 执业证书编号：S0080521010006 SFC CE Ref：BRA090
刘均伟 SAC 执业证书编号：S0080520120002 SFC CE Ref：BQR365
王汉锋 SAC 执业证书编号：S0080513080002 SFC CE Ref：AND454
