`

量化视角下一月社融超预期来源何处?

创建于 更新于

摘要

本报告基于自下而上的量化预测框架,深入分析2024年1月社融超预期的结构性来源。1月社融新增约6.50万亿元,创历史同期新高,归因于居民中长期经营贷大幅增长及累计居民信贷的改善,企业贷款信贷节奏平滑及票据融资减少亦为重要特征。居民中长贷预测误差主要源于其与房地产销售数据的脱钩,经营贷超预期显著反映非地产相关信贷需求回暖,表明实体经济融资结构正出现内生性改善迹象 [page::0][page::2][page::3][page::4][page::8][page::9][page::10]。

速读内容


社融预测整体框架及总量表现 [page::2][page::3]


  • 自下而上的拆分预测框架贯穿社融各子项,结合经济指标及高频数据实现结构及总量的准确预测。

- 2024年1月新增社融为6.50万亿元,超自下而上模型预测5.99万亿及市场一致预期5.80万亿,创历史同期最高值。
  • 社融结构性改善显著,包括企业信贷保持历史高位,票据融资减少,居民信贷增量提升,政府债券发行降速。


社融各子项预测精度与误差分析 [page::4][page::5][page::6][page::7]


  • 企业贷款及居民短贷预测误差较小,模型基于PMI及钢厂产能利用率进行有效滚动回归预测。

- 政府债券和企业债券的高频发行到期数据配权调整使预测误差显著减少,预测精准。
  • 企业票据融资预测误差较大,受银行票据配置意愿及信贷节奏影响存在显著波动。

- 居民中长贷预测误差最大,2024年1月实际6272亿元远高于预测506亿元。

居民中长贷预测误差来源及结构性变化分析 [page::8][page::9]



| 时间区间 | 消费贷占居民中长贷新增比例(%) | 经营贷占比(%) |
|---------|----------------------|---------|
| 2016-2021年 | >75% | <25% |
| 2022年 | 42.2 | 57.8 |
| 2023年 | 31.6 | 68.4 |
  • 居民中长贷预测基于其与房地产销售的高度相关性假设。

- 但2022年以来,居民中长贷新增结构发生根本性变化,经营贷占比反超消费贷,导致预测模型失效。
  • 消费贷走弱与房地产市场低迷紧密相关,经营贷走强反映普惠金融政策发力及部分结构性置换现象。

- 由此居民中长贷与房地产销售数据逐步脱钩,传统预测逻辑面临深刻转变。

居民中长期经营贷回暖体现内生融资需求扩张 [page::10]


  • 2024年1月居民中长期经营贷新增3163亿元,接近居民中长贷总增量一半,创历史同期高点。

- 表明非地产相关内生性融资需求显著回升,实体经济融资结构改善迹象明显。

风险提示 [page::11]

  • 量化预测基于历史数据,若市场环境及政策调控出现重大变化,模型可能失效。

- 政策信号可能先于实物经济表现出现,高频数据滞后性可能导致短期预测误差。

深度阅读

金融研究报告详尽分析 — 《量化视角下一月社融超预期来源何处?》



---

一、元数据与报告概览



报告标题: 量化视角下一月社融超预期来源何处?

作者: 叶尔乐(分析师),祝子涵(研究助理)

发布日期: 2024年2月21日

发布机构: 民生证券研究院

报告主题: 本报告立足于量化模型视角,针对2024年1月中国社会融资规模(社融)数据超预期的现象,深入剖析社融各子项的预测误差来源,尤其聚焦于居民中长期贷款的拆解和结构变化,意图揭示社融超预期的具体动力及未来的持续性风险。

核心论点与结论摘要:
  • 2024年1月社融新增6.5万亿元,创历史同期最高,自下而上的预测模型虽精准度较高,但对居民中长期贷款和企业票据融资存在较大预测误差。

- 居民中长期贷款增量增长显著,主要由经营贷推动,与传统的房地产销售高度相关的消费贷关联减弱,表明居民中长期贷款与房地产市场脱钩。
  • 经营贷的超预期增长或体现非房地产相关的内生信贷需求回暖,暗示经济内生动力有所增强。

- 模型预测的准确度整体优良,方向胜率高达81.8%,但未来政策调整和市场环境变化或导致模型失效,存在风险提示。

---

二、逐节深度解读



1. 社融预测误差分析



关键论点总结:


  • 报告基于此前研究《社融指标全解析与预测框架构建》,采用一套自下而上的量化框架,通过拆分社融子项,结合经济逻辑、高频数据、季节性因素,进行月度社融总量及结构预测。

- 2024年1月社融新增6.50万亿元,超出模型预测5.99万亿元及Wind市场一致预期5.80万亿元0.5万亿元,表明一些重要分项存在预测误差。
  • 在细分结构中,人民币贷款新增4.84万亿元,同比略少增,企业贷款和居民短贷合计5.12万亿元,居民中长贷0.63万亿元,政府债券净融资0.29万亿元,同比减少0.12万亿元,企业债券净融资0.48万亿元,同比增加0.32万亿元[page::0,2,3].


推理依据与支撑:


  • 采用PMI与钢厂产能利用率作为重要解释变量,针对不同信贷产品采用滚动回归模型与高频数据匹配,每个子项设定个性化预测模型,诸如企业票据融资通过转贴现利率预测,政府债券与企业债券则结合发行与到期的高频跟踪数据进行口径调整。

- 2024年1月社融总量和结构变化反映信贷节奏平滑的政策意图,实体经济内生融资需求提升迹象明显,但受基数效应、信贷结构调整等综合因素制约,模型在部分细分项表现较好而在居民中长贷与企业票据融资误差较大[page::2,4].

关键数据点:


  • 总量误差0.5万亿元,社融TTM环比为1.44%,结构上居民中长贷预测大幅低估(预测0.5千亿元,实际6.27千亿元),企业票据融资负值远超预期(实际大幅减少9,733亿元,预测约-2,070亿元)。

- 企业贷款+居民短贷预测值与实际值较为贴近,误差仅575亿元。
  • 票据融资误差较大,主要受月度信贷强弱冲击,影响银行对票据配置意愿。

- 政府债券、企业债券等债务融资类预测精度稍高,误差均在百亿元规模以下[page::3,4,5].

---

2. 预测模型性能及误差来源分析


  • 模型自2023年3月以来持续样本外测试,方向胜率高达81.8%,总体预测能力稳定。

- 对于企业贷款、居民短贷、政府债券、企业债券的预测均表现良好,模型捕捉了宏观经济指标与融资需求间的逻辑关系。
  • 居民中长期贷款存在较大预测偏差。其核心预测逻辑基于居民中长贷与商品房销售高度相关,但2023年以来此相关性减弱,导致模型多次出现较大误差。

- 企业票据融资波动大,受银行信贷节奏与资金配置选择影响显著,作为信贷波动的“缓冲带”预测误差较大,且股动信贷整体波动部分解释了其误差[page::4,5,6,7].

---

3. 居民中长贷预测误差深度剖析及结构变化



误差来源洞察:


  • 居民中长贷与房地产销售的正相关性长期以来是预测模型的核心假设。模型基于30大中城市商品房成交面积与价格数据作为代理变量,结合居民中长贷的三阶段特征进行预测,实现建模。

- 过去居民中长贷存量中消费贷占比一直超过80%,且新增居民中长贷以消费贷为主,主要与住房按揭贷款挂钩。
  • 2022年起,新增居民中长贷结构发生明显变化,经营贷新增占比快速上升,2022年及2023年消费贷占比分别降至42.2%和31.6%,经营贷反超成为主要新增构成。贷款领域从传统房贷转向经营贷,掀起“脱钩”浪潮。

- 经营贷的高增量显示居民中长期贷款不再以购房需求为中心,而更多反映非房地产领域的经营融资需求,内生信贷需求增强[page::8,9].

关键数据分析:


  • 图示显示2015年至2023年居民中长贷中,消费贷与经营贷的比例变化,2023年经营贷占比急速提升,反映结构转型。

- 进一步分析指出消费贷下降与房地产行业压力指数呈高度反向关系,房市持续低迷导致按揭贷款不振。
  • 经营贷增长一方面得益于普惠金融政策支持,另一方面存在部分经营贷替代住房贷款的违规行为,代表信贷需求来源转型与市场投机行为交织[page::9].


---

4. 居民中长期经营贷超预期增长的含义


  • 2024年1月居民中长期经营贷新增3163亿元,贡献近半居民中长贷增量,远高于历年同期水平。

- 这反映非房地产相关的内生信贷需求正在显著复苏,实体经济融资环境整体有所好转。
  • 该变化暗示融资需求结构优化,但与过去基于房地产销售进行居民贷款预测的逻辑不再匹配,需要模型持续更新及维持对新融资结构的敏感度[page::10].


---

5. 风险提示


  • 报告指出,量化模型基于历史数据统计,若未来宏观经济环境、政策导向或市场行为发生重大变化,模型有效性存在失效风险。

- 信贷政策的引导效果可能领先于实体信贷行为,高频数据滞后导致预测偏差,加剧短期测算不确定性。
  • 利用本报告对社融形势做决策时,应充分考虑模型局限性及外部环境变化带来的波动风险[page::11].


---

三、图表深度解读



1. 图1(社融预测值与实际值对比)


  • 展示2024年1月各社融子项的预测值、实际值及误差。

- 重点突出居民中长贷大幅超预期(6,272亿元实际远高于506亿元预测),企业票据融资大幅负超预期(-9,733亿元远低于预测-2,070亿元)。
  • 其余子项例如企业贷款+居民短贷、政府债券净融资等预测接近真实值,误差较小。

- 数据呈现了预测模型在不同融资分项上的表现分化及与市场实际的偏离情形[page::3].

2. 图2(1月社融结构与去年同期对比)


  • 横向对比2023年1月与2024年1月社融结构差异,2024年整体新增社融金额显著增加。

- 细分来看企业贷款+居民短贷、居民中长贷、企业债券均显示红色柱大于灰色柱,说明同比明显多增。
  • 企业票据融资负值更显著,进一步佐证票据市场的冲减效应加强。

- 该图直观反映了社融结构的变动,印证了文本论述的结构性改善及多增情况[page::3].

3. 图3(2023年以来各月社融预测结果)


  • 通过柱状图与折线图多维呈现社融每月新增金额及预测值,整体趋势与周期波动可见。

- 图中灰色与红色柱体分别表示实际与预测新增金额,粉色与灰色线条代表实际与预测社融TTM环比。
  • 预测与实际一般紧密贴合,方向一致率高,差异点主要集中在下半年及2024年初居民中长贷突出偏离所致[page::4].


4. 图4与图5(历年1月企业信贷及居民信贷情况)


  • 直观展示企业信贷与居民信贷各子项历史同期表现趋势。

- 图4显示企业信贷及短贷、中长贷、票据融资总体逐年稳步上升,2024年1月企业信贷仍处相对高位。
  • 图5展示居民信贷中长期贷款波动较大,2024年1月显著上升,但结构转变未能被传统模型捕捉。

- 两图辅助解释预测模型基于历史数据建立但面对结构性转折风险[page::4].

5. 图6至图10(各细分信贷项目预测与实际对比)


  • 图6企业贷款和居民短贷合计预测与实际吻合良好,波动趋势清晰,误差较小。

- 图7居民中长贷预测偏离巨大,2023年以来预测误差频发,结构脱钩风险明显。
  • 图8企业票据融资波动大,实际远低于预测,负相关性说明市场风险偏好和流动性动态影响显著。

- 图9政府债券预测准确性最高,反映发行到期数据口径调整精准。
  • 图10企业债券预测误差较小,滚动回归和口径调整方法有效降低误差[page::5,6,7].


6. 图11至图15(居民中长贷特征及结构变化)


  • 图11居民中长贷预测与实际对比,显示2023年以来两者脱节,预测逻辑受挑战。

- 图12存量居民中长贷中消费贷占比逾80%,但灰色经营贷占比逐渐升高。
  • 图13新增居民中长贷中经营贷在2022年反超消费贷,结构转型显著。

- 图14消费贷及房地产压力指数反向变化,佐证房地产低迷带来的消费贷萎缩。
  • 图15居民中长期经营贷新增持续走高,指示非地产信贷需求持续活跃[page::8,9,10].


---

四、估值分析



本报告属于宏观经济与金融量化研究报告,主要聚焦于社融结构及预测模型效率,并未涉及企业估值、股票价格或行业盈利预测,因此无相关估值方法分析。

---

五、风险因素评估


  • 模型失效风险: 历史统计基础的模型在新环境不确定时失误概率提升,严肃提醒投资者勿盲目信赖历史模型。

- 政策调整风险: 信贷政策引导可能超前于实际经济活动,短期内高频数据反应滞后,导致预测误差。
  • 结构脱钩风险: 传统基于房地产销售预测居民中长贷的方法现明显失效,未及时调整模型结构可能加大误判。

- 数据口径差异风险: 尤其是企业票据与债券类,高频数据与社融统计口径差异影响预测,需持续监控。
  • 报告未就纾解策略作详细展开,强调了警示性质与市场监测必需性[page::0,11].


---

六、批判性视角与细微差别


  • 报告以详实数据和透明逻辑呈现社融预测,但对居民中长期贷款模型偏误的原因归结主要为与房地产销售脱钩,未深入分析其他可能因素,如信贷政策调整、信贷审批标准变化、宏观经济结构转变对居民贷款需求的影响。

- 企业票据融资预测误差的分析过于简略,仅指出其与其他信贷波动关系紧密,缺乏更深层次的流动性风险与市场行为变化探讨。
  • 虽强调模型准确率整体良好,但对模型的潜在适用边界及未来更新路径未有具体说明,稍显欠缺对量化预测动态演化过程的探讨。

- 风险提示较为简洁,未涉及信用风险或宏观经济外部冲击对社融可能的影响,如通胀波动、利率调控等。
  • 图表及数据充分支持论点,但对部分指标的经济含义解释可更细致,尤其是经营贷迅速上升背后的多重驱动因素分析。


---

七、结论性综合



本报告深入量化分析了2024年1月社融超预期背后的主要动力,利用自下而上拆分模型,结合多样高频数据和经济指标进行预测,准确捕捉了社融各主要分项的走势及其误差来源。报告核心发现如下:
  • 社融总量创历史同期新高,体现融资需求回暖,企业贷款与居民短贷预测准确,表明企业和短期消费信贷的经济活跃度与宏观预期高度契合。

- 居民中长期贷款的爆发式增长,主要由经营贷驱动,强烈表明居民贷款结构正经历根本性转型,传统以房地产销售为核心的预测假设失效,反映非房地产领域信贷需求大幅提升。
  • 企业票据融资关联信贷周期的波动剧烈,其预测误差体现了市场流动性调整与风险偏好的短期冲击,成为预测模型的弱点之一。

- 通过图表分析,居民中长期贷款消费贷占比的持续下滑与经营贷占比的快速上升,加深了报告对居民贷款需求异质性变化的理解。
  • 报告风险提示中明确点明模型依赖历史数据,未来政策、市场变动可能带来新挑战,对投资决策具有重要参考价值。

- 量化模型整体准确,方向胜率81.8%,为投资及政策判断提供科学参考,但该框架亦需及时调整以反映结构变化,避免预测误差扩大。

综上,报告围绕社融超预期展开,从量化模型视角细致剖析了宏观融资结构变化,揭示了居民贷款需求由房地产依赖向经营融资转变的趋势,体现中国信贷市场结构深刻转型的宏观图景。该视角对金融市场的风险管理、政策制定及投资者行为判断具有重要指导意义。[page::0,2-10,11]

---

注:文中所有引用均基于原报告页码标注,用以确保信息溯源。 2024年1月2023年1月新增社融5985251486500059956社融TTM环比-0.03%1.471%1.44%-0.56%结构预测2024年1月预测值---误差-->2024年1月2023年1月人民币贷款50239-18394840049314>企业贷款+居民短贷51803-5755122850441→居民中长贷506576.662722231>企业票据融资-2070-7663-9733-4127外币贷款-2801269989-131委托贷款17-376-359584信托贷款-18172549732-62未贴现银行承兑汇票4199143656352963企业债券429454148351638政府债券29371029474140非金融企业境内股票融资477-55422964存款类金融机构资产支持证券-525323-202-333贷款核销312162474312

资料来源:wind,民生证券研究院预测


图2:1 月社融结构与去年同期对比(单位:亿元)
资料来源:wind,民生证券研究院

模型自2023 年3 月开始的样本外预测中整体预测精度较高,方向胜率 $81.8\%$ 。在对 2024 年 1 月社融的预测中,企业贷款 $^+$ 居民短贷、政府债券、企业债券的预测结果与实际值较为一致,居民中长贷与企业票据融资的预测则产生了一定误差。


图3:2023 年以来各月社融预测结果

资料来源:wind,民生证券研究院预测

从总量来看,2024 年 1 月社融为历史同期最高值,结构层面也有着明显的改善。企业信贷同比少增 0.82 万亿元,但主要是由于去年同期的超高基数,当前仍处于历史同期相对高位;央行平滑信贷节奏引导下,票据冲量明显减少,信贷结构改善。居民信贷同比多增 0.72 万亿元,短贷和中长贷均同比多增,其中居民中长贷多增在房地产销售疲软背景下,经营贷贡献了近半的增量。政府债券发行放缓,当前不再是社融的主要支撑。1 月社融的结构性变化或表明实体经济的内生性融资需求出现改善迹象,但能否持续走强仍需观察。


图4:历年 1 月企业信贷情况

资料来源:wind,民生证券研究院资料来源:wind,民生证券研究院


图5:历年 1 月居民信贷情况

对于企业贷款与居民短贷的预测,因二者均主要受未来经济预期的影响,我们将其放在一起预测——使用PMI 和唐山钢厂产能利用率作为变量对信贷大月和小月分别进行滚动回归预测。模型最新结果预测 2024 年 1 月新增企业贷款和居民短贷约为 51803 亿元,实际值 51228 亿元,预测误差-575 亿元。长期来看企业贷款和居民短贷的样本内外预测效果相对准确有效。


图6:企业贷款和居民短贷的预测(单位:亿元)

资料来源:wind,民生证券研究院预测

对于居民中长贷的预测,因其与商品房销售数据有很强的相关性,我们利用商品房代理指标(30 大中城市成交面积 $\times$ 百城样本住宅平均价格)与居民中长贷的三阶段特征进行预测。模型最新结果预测 2024 年 1 月新增居民中长贷约为 506亿元,实际值 6272 亿元,预测误差 5766 亿元。2023 年以来,居民中长贷的波动明显增大,模型预测也多次出现较大误差。


图7:居民中长贷的预测(单位:亿元)

资料来源:wind,民生证券研究院预测

对于企业票据融资的预测,较低的票据利率意味着银行在票据配置方面较高的意愿,因此二者存在明显的负相关性,我们以转贴现利率为外生变量,使用 5年窗口的滚动自回归进行预测。模型最新结果预测 2024 年 1 月新增企业票据融资约为-2070 亿元,实际值-9733 亿元,预测误差-7633 亿元。银行对于票据配置意愿的强弱受到当月信贷强弱的影响较大,信贷较强的时候缩减票据融资量,而信贷较弱的时候以票冲贷。因此票据融资预测的误差也很大程度上受到其他信贷分项超预期的影响。


图8:企业票据融资的预测(单位:亿元)

资料来源:wind,民生证券研究院预测

对于政府债券的预测,我们是通过跟踪高频的政府债券发行到期数据,并以将月末新发政府债券计入下个月的方式对口径进行调整处理。模型最新结果估计2024 年 1 月新增政府债券约为 2937 亿元,实际值 2947 亿元,预测误差 10 亿元。长期跟踪下来,政府债券预测准确度较高,说明模型对于高频政府债券数据的口径调整方式与真实统计情况极为接近。


图9:政府债券的预测(单位:亿元)

资料来源:wind,民生证券研究院预测

对于企业债券的预测,我们是通过跟踪高频的企业债券发行到期数据,并使用 5 年窗口的滚动回归对企业债券子项进行重新配权,进行口径调整。模型最新结果估计 2024 年 1 月新增企业债券约 4294 亿元,实际值 4835 亿元,预测误差541 亿元。企业债券预测的误差也相对较小,且通过重新配权进行口径调整的方式也能有效减少企业债券高频数据与社融统计口径差异带来的误差。


图10:企业债券的预测(单位:亿元)

资料来源:wind,民生证券研究院预测

因此目前自下而上的社融预测框架主要是居民中长贷、企业票据融资存在一定预测误差,而对社融其他的主要分项预测相对准确。因企业票据融资起着一定熨平信贷波动的作用,其预测误差更多与其他信贷分项的超预期密切相关,这里暂不做展开讨论。我们接下来重点关注模型为何对于居民中长贷会出现较大预测误差。

2 居民中长贷预测误差来源: 与房地产销售的脱钩



居民中长贷是目前模型预测误差最主要的来源。以最新的 2024 年 1 月为例,居民中长贷实际值为 6272 亿元,去年同期值为 2231 亿元,同比显著多增,然而我们的预测值仅为 506 亿元,出现了明显的低估。连续数月房地产销售低迷背景下,将同比显著多增解释为住房贷款与房地产销售二者间的时滞显然不能成立。为找到预测出现较大误差的来源,我们重新回顾了模型预测的基本假设。


图11:居民中长贷预测值与实际值(单位:亿元)

资料来源:wind,民生证券研究院预测

模型对于居民中长贷预测的核心假设在于:居民中长贷与商品房销售的高度相关。由于居民中长贷存量以居民中长期消费贷为主,而居民中长期消费贷以住房按揭贷款为主,这是过去居民中长贷与商品房销售强相关性的来源。从下图可以看到,居民中长贷存量中消费贷占比始终超过 $80\%$ 。


图12:居民中长贷存量的构成

资料来源:wind,民生证券研究院

然而在 2022 年以后,经营贷却成了居民中长贷的主要新增力量。2016 年至2021 年新增居民中长贷中消费贷的占比始终高于 $75\%$ ,然而 2022 年和 2023 年新增居民中长贷中消费贷的占比分别仅为 $42.2\%$ 和 $31.6\%$ ,经营贷反超消费贷,成为了居民中长贷增量的新主导力量。


图13:居民中长贷增量的构成(单位:亿元)

资料来源:wind,民生证券研究院

消费贷的走弱和经营贷的走强是居民中长贷增量结构变化的两个原因。消费贷的走弱,主要是由于房地产市场的不景气,致使居民中长期消费贷增量迅速下降。经营贷的走强则可能是两个方面因素的共同结果:一方面,普惠金融政策的持续发力助力经营贷的增长;另一方面,违规使用经营贷置换存量房贷的操作也会导致消费贷向经营贷的转移。


图14:消费贷与房地产压力指数 MA3

资料来源:wind,民生证券研究院

居民中长贷增量结构的变化,最终指向了居民中长贷与房地产销售数据的逐步脱钩。一方面,这意味着通过观察居民中长贷投放情况来观测房地产市场景气度与居民购房意愿的手段正在失效;另一方面,这也意味着根据高频商品房销售数据去预测居民中长贷的模型假设也面临底层逻辑转变的问题。

居民中长期经营贷的超预期提升可能意味着非地产相关的内生性信贷开始扩张。1 月居民中长期经营贷新增 3163 亿元,贡献了居民中长贷近一半的增量,显著高于历史同期水平,或反映了非地产相关的内生性融资需求的回暖。


图15:居民中长期经营贷

资料来源:wind,民生证券研究院,注:棕色为历史同期数据

3 风险提示



1)量化结论基于历史统计,如若未来市场环境发生变化不排除失效可能。2)政策对于信贷的引导可能领先于实物工作量表现,高频数据反应不及时可能导致预测出现误差。

插图目录



图 1: 社融预测值与实际值对比 4
图 2: 1 月社融结构与去年同期对比(单位:亿元) 4
图 3: 2023 年以来各月社融预测结果 5
图 4: 历年 1 月企业信贷情况 . 5
图 5: 历年 1 月居民信贷情况. 5
图 6: 企业贷款和居民短贷的预测(单位:亿元) 6
图 7: 居民中长贷的预测(单位:亿元) 6
图 8: 企业票据融资的预测(单位:亿元)
图 9: 政府债券的预测(单位:亿元)
图 10: 企业债券的预测(单位:亿元) .. 8
图 11: 居民中长贷预测值与实际值(单位:亿元) 9
图 12: 居民中长贷存量的构成 .. . 9
图 13: 居民中长贷增量的构成(单位:亿元) .10
图 14: 消费贷与房地产压力指数 MA3 .10
图 15: 居民中长期经营贷 .. .11

表格目录



表 1: 社融自下而上预测框架 3

分析师承诺



本报告署名分析师具有中国证券业协会授予的证券投资咨询执业资格并登记为注册分析师,基于认真审慎的工作态度、专业严谨的研究方法与分析逻辑得出研究结论,独立、客观地出具本报告,并对本报告的内容和观点负责。本报告清晰准确地反映了研究人员的研究观点,结论不受任何第三方的授意、影响,研究人员不曾因、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。

评级说明


投资建议评级标准评级说明
以报告发布日后的12个月内公司股价(或行业指 数)相对同期基准指数的涨跌幅为基准。其中:A 股以沪深300指数为基准;新三板以三板成指或 三板做市指数为基准;港股以恒生指数为基准; 美股以纳斯达克综合指数或标普500指数为基 准。 行业评级公司评级推荐相对基准指数涨幅15%以上
谨慎推荐相对基准指数涨幅5%~15%之间
中性相对基准指数涨幅-5%~5%之间
回避相对基准指数跌幅5%以上
推荐相对基准指数涨幅5%以上
中性 回避相对基准指数涨幅-5%~5%之间 相对基准指数跌幅5%以上


免责声明



民生证券股份有限公司(以下简称“本公司”)具有中国证监会许可的证券投资咨询业务资格。

本报告仅供本公司境内客户使用。本公司不会因接收人收到本报告而视其为客户。本报告仅为参考之用,并不构成对客户的投资建议,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,客户应当充分考虑自身特定状况,不应单纯依靠本报告所载的内容而取代个人的独立判断。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而导致的任何可能的损失负任何责任。

本报告是基于已公开信息撰写,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、意见及预测仅反映本公司于发布本报告当日的判断,且预测方法及结果存在一定程度局限性。在不同时期,本公司可发出与本报告所刊载的意见、预测不一致的报告,但本公司没有义务和责任及时更新本报告所涉及的内容并通知客户。

在法律允许的情况下,本公司及其附属机构可能持有报告中提及的公司所发行证券的头寸并进行交易,也可能为这些公司提供或正在争取提供投资银行、财务顾问、咨询服务等相关服务,本公司的员工可能担任本报告所提及的公司的董事。客户应充分考虑可能存在的利益冲突,勿将本报告作为投资决策的唯一参考依据。

若本公司以外的金融机构发送本报告,则由该金融机构独自为此发送行为负责。该机构的客户应联系该机构以交易本报告提及的证券或要求获悉更详细的信息。本报告不构成本公司向发送本报告金融机构之客户提供的投资建议。本公司不会因任何机构或个人从其他机构获得本报告而将其视为本公司客户。

本报告的版权仅归本公司所有,未经书面许可,任何机构或个人不得以任何形式、任何目的进行翻版、转载、发表、篡改或引用。所有在本报告中使用的商标、服务标识及标记,除非另有说明,均为本公司的商标、服务标识及标记。本公司版权所有并保留一切权利。

民生证券研究院:



上海:上海市浦东新区浦明路 8 号财富金融广场 1 幢 5F; 200120
北京:北京市东城区建国门内大街 28 号民生金融中心 A 座18 层; 100005
深圳:广东省深圳市福田区益田路 6001 号太平金融大厦 32 层 05 单元; 518026
-->

报告