资产配置组合最大回撤定义及理论基础 [page::4][page::5][page::6]

• 最大回撤以投资期间净值峰值与当前净值的百分比损失定义，滚动回撤（RDD）衡量固定窗口内的最大亏损，反映投资者真实风险感知。

- 基于Grossman和Zhou(1993)的几何布朗运动模型，将回撤控制整合入组合优化问题，导出动态调整风险资产权重的最优解。

理论回撤控制模型及沪深300回撤控制示范 [page::6][page::7]

• 以沪深300为风险资产构建回撤控制模型，目标滚动回撤15%。当实际回撤接近目标时，动态降低权益仓位。

- 模型严格但缺乏灵活性，初始权益权重受限于回撤目标，实际应用中需结合策略已有人为设置的仓位中枢。

经济、流动性时钟下的资产配置与回撤控制叠加 [page::8][page::9]

• 资产配置策略结合经济和流动性前瞻指标，以不同风险偏好配置权益仓位。

| 策略 | 年化收益 | 年化波动 | 最大回撤 | 最大滚动1年回撤 | 夏普率 | 卡玛比率 | 年化单边换手（倍） |
| ------- | -------- | -------- | -------- | -------------- | ------ | -------- | ---------------- |
| 稳健-原策略 | 7.03% | 4.84% | 6.72% | 6.72% | 1.45 | 1.05 | 0.43 |
| 稳健-控制后 | 6.78% | 3.86% | 6.84% | 6.84% | 1.76 | 0.99 | 0.61 |
| 激进-原策略 | 7.80% | 12.50% | 24.61% | 23.94% | 0.62 | 0.32 | 0.79 |
| 激进-控制后 | 8.54% | 8.50% | 10.48% | 10.48% | 1.00 | 0.81 | 1.42 |

• 回撤控制项有效限制了极端回撤并平滑了组合表现，尤其是高权益仓位激进策略减少了2015年极端回撤。

VaR调整回撤控制：提升组合反弹弹性 [page::10][page::11]

| 策略 | 年化收益 | 年化波动 | 最大回撤 | 最大滚动1年回撤 | 夏普率 | 卡玛比率 | 年化单边换手（倍） |
| ----------- | -------- | -------- | -------- | -------------- | ------ | -------- | ---------------- |
| 原策略-2013以来 | 7.80% | 12.50% | 24.61% | 23.94% | 0.62 | 0.32 | 0.79 |
| 回撤控制-2013以来 | 8.54% | 8.50% | 10.48% | 10.48% | 1.00 | 0.81 | 1.42 |
| VaR回撤控制-2013以来 | 9.39% | 8.90% | 11.02% | 11.02% | 1.06 | 0.85 | 1.51 |

• 利用EGarch及ARMA模型对未来收益波动做VaR估计，只有在可能损失超过剩余回撤空间时才进一步减仓，增强反弹期弹性。

回撤控制频率的选择研究及美国目标回撤ETF案例分析 [page::12][page::13]

| 代码 | 名称 | 规模（亿美元） | 年化收益 | 年化波动 | 最大回撤 |
| ----- | ---- | -------------- | -------- | -------- | ------- |
| TDSC | Cabana Target Drawdown 10 ETF | 7.95 | -2.12% | 11.16% | 16.35% |
| TDSD | Cabana Target Drawdown 13 ETF | 2.85 | -3.93% | 13.39% | 23.00% |
| TDSB | Cabana Target Drawdown 7 ETF | 2.59 | -5.30% | 9.76% | 15.69% |
| TDSE | Cabana Target Drawdown 16 ETF | 1.89 | -3.07% | 14.48% | 23.36% |
| TDSA | Cabana Target Drawdown 5 ETF | 0.35 | -5.38% | 7.39% | 14.50% |

• 目标回撤ETF因调仓频率低（每月1次），难以在回撤初期及时响应，导致组合超出目标回撤并陷入较被动状态。

提高回撤检查频率对资产配置组合表现的影响 [page::14][page::15]

| 策略 | 年化收益 | 年化波动 | 最大回撤 | 最大滚动1年回撤 | 夏普率 | 卡玛比率 | 年化单边换手（倍） |
| ------------ | -------- | -------- | -------- | -------------- | ------ | -------- | ---------------- |
| 回撤控制-月频 | 8.54% | 8.50% | 10.48% | 10.48% | 1.00 | 0.81 | 1.42 |
| 回撤控制-5天 | 8.23% | 6.73% | 7.38% | 7.38% | 1.22 | 1.12 | 3.29 |
| 回撤控制-10天| 9.42% | 7.22% | 8.01% | 8.01% | 1.30 | 1.18 | 2.48 |
| 回撤控制-15天| 9.95% | 7.44% | 10.29% | 10.29% | 1.34 | 0.97 | 2.36 |

• 频率提升显著降低波动和回撤，提升回撤控制效果，尤其对激进型高权益策略效果显著，频率过高则可能降低收益。

不同起始回撤阈值和调仓顺序对权益类指数及股票组合的影响 [page::16][page::19][page::20][page::21]

| 策略 | 年化收益 | 年化波动 | 最大回撤 | 最大滚动1年回撤 | 夏普率 | 卡玛比率 |
| ------------ | -------- | -------- | -------- | -------------- | ------ | -------- |
| 茅指数-0阈值 | 41.67% | 17.33% | 18.15% | 14.43% | 2.40 | 2.30 |
| 茅指数-5%阈值 | 41.17% | 18.05% | 17.91% | 14.41% | 2.28 | 2.30 |
| 宁指数-0阈值 | 43.38% | 19.81% | 15.31% | 15.31% | 2.19 | 2.83 |
| 宁指数-5%阈值 | 45.02% | 20.43% | 15.95% | 15.95% | 2.20 | 2.82 |
| 股票组合-同步调仓0阈值 | 40.64% | 19.23% | 18.84% | 15.25% | 2.11 | 2.16 |
| 股票组合-同步调仓5%阈值 | 43.94% | 20.55% | 19.65% | 19.40% | 2.14 | 2.24 |
| 股票组合-分步调仓5%阈值 | 45.90% | 20.90% | 19.40% | 19.40% | 2.20 | 2.37 |

• 适当提升起始回撤阈值可有效提升组合进攻弹性和降低换手频次，但过高阈值难以达成回撤目标。

- 分步调仓策略对多标的组合更为便捷灵活，效益优于同步调仓。

结论总结 [page::22]

• 最大回撤作为重要风险指标难以直接融合入初期组合优化，采用后期叠加回撤控制项的方法更适合实际管理。

- 采用VaR调整后的回撤控制机制，有效兼顾回撤限制与收益弹性。

• 回撤控制频率应根据策略波动性和权益仓位做差异化设置，严格回撤目标策略需提高控制频率。

- 调仓起始阈值和调仓顺序的合理设计有助于保持策略动态表现的稳定性与操作便利性。

• 该方法为策略外部附加的风险控制工具，未来可结合低相关资产、对冲策略实现间接回撤控制。

申万宏源报告《如何在组合中合理加入回撤控制机制？》详尽分析报告

---

1. 元数据与报告概览

• 报告标题：《如何在组合中合理加入回撤控制机制？——申万宏源金工组合管理系列之三》

- 作者与机构：证券分析师沈思逸、邓虎，申万宏源证券研究所，2022年5月12日发布。

• 研究主题：探讨资产配置组合中如何科学、合理地加入最大回撤的控制机制，提升绝对收益目标组合的风险控制能力。

- 核心论点和目的：
- 最大回撤作为投资组合风险的关键直观指标之一，对投资者心理影响显著。
- 最大回撤的路径依赖性和与极端事件的强绑定属性，使其难以纳入传统初始阶段的组合优化。
- 本文在对经典理论（Grossman-Zhou模型等）的借鉴下，提出在实际资产配置组合中结合VaR动态调整回撤控制项的策略。
- 探讨不同资产风险偏好、回撤控制频率、起始阈值及仓位调控顺序等因素对回撤控制效果和组合表现的影响。
- 实证测试涵盖多类资产配置组合和典型权益指数（如“茅指数”、“宁指数”），并结合市场上目标回撤ETF产品的案例分析，提出实战指导建议。

• 投资评级：报告聚焦策略工具和方法论，未涉及个股具体评级；结论支持风险收益权衡上的回撤控制运用。

---

2. 逐节深度解读

2.1 资产配置中的回撤度量与控制方法

• 章节总结：

- 最大回撤作为绝对风险指标，定义为净值从历史最高点到当前点的最大亏损百分比，直接反映投资者可能遭受的最大跌幅。
- 相较于波动率，最大回撤更符合投资者对风险“痛感”，尤其适用于固收类绝对收益产品。
- 但最大回撤具备路径依赖特征，即组合回撤受历史路径影响较大，难以用单一资产最大回撤推导组合最大回撤，且对极端事件敏感，故难以纳入初期组合优化框架。
- 文中采用“滚动回撤（Rolling Drawdown）”概念，利用滚动窗口衡量回撤变化，更细致贴合动态风险监控需求。
- 通过沪深300和中证500两大指数的历史最大回撤及滚动回撤数据（2009年至2022年），揭示各大类资产在不同年份回撤波动的差异与风险表现（图1、图2，表1）[page::4,5]。

• 核心理论引入：

- 文章回顾并引用Grossman和Zhou(1993)基于几何布朗运动和期望效用最大化的模型框架，提出回撤约束下的组合优化问题。
- 公式描述了资产价格的随机过程及对应的风险资产权重的最优控制策略（方程式9、10），体现权重如何动态根据信用风险和回撤状态进行调整。
- 提及风险厌恶系数γ和回撤阈值α的影响机制，并提出当α=100%即无回撤约束时，模型退化为经典Merton组合优化解。
- 实例回测沪深300与中债综合财富指数组合，采用4年历史收益与波动估计，测试15%的滚动回撤约束效果，显示仓位随回撤逼近目标自动下降，能有效限制回撤，但初始仓位偏低，限制了收益潜力（图3）[page::5,6,7]。

• 关键数据与结论：

- 最大回撤和最大滚动回撤在沪深300一致，而中证500在部分年份经历持续回撤，体现市场分化。
- 回撤控制模型在理论上能严格限定最大回撤，但对实际组合管理较为死板，且对资产收益波动估计依赖较强。

---

2.2 资产配置组合中的回撤控制应用

• 章节总结：

- 为提升理论模型的实用性，提出在既有策略基础上叠加回撤控制模块，即权重=原策略权重×回撤控制项（公式11）。
- 通过调整回撤控制项，使其在无回撤时为1（不调整），回撤逼近目标时趋近0，兼顾原策略中枢权重设定的灵活性。
- 实操中选取沪深300、中证500、黄金、标普500等主流资产，用基于经济、流动性时钟调仓的资产配置组合作为基线，设计稳健型（权益10%-30%）和激进型（权益40%-80%）两类组合（图4）[page::8]。
- 以5%、10%的不同回撤限制测试回撤控制前后的组合表现，结果显示通过回撤控制可以有效限制绝对回撤且提升夏普率，尤其激进组合最大回撤从24.61%降至10.48%（图5、图6，表2）。
- 换手率虽有提升，但整体水平适中，成本合理。缺点在于回撤控制项较严格，导致回撤后股权仓位回升缓慢，限制反弹弹性。

---

2.3 根据VaR调整回撤控制幅度，保留收益弹性

• 章节总结：

- 原回撤控制通过直接等比例缩减仓位，虽可控风险但牺牲反弹空间。
- 提出结合VaR（Value at Risk）动态调整回撤控制项的机制—利用ARMA(1,1)-EGarch(1,1)模型拟合收益波动，进行蒙特卡洛模拟预测未来组合潜在损失，并依据实际剩余回撤空间与VaR对比决定是否进行仓位调整（图7）[page::10]。
- 实证测试显示，VaR调整后策略具备更高的反弹弹性和收益，且保持了对回撤的有效管控，尤其对权益仓位较高的激进组合表现优异（图8、图9，表3）。
- 该方法改进了过早过度减仓的问题，体现了风险动态响应思想，提高组合实操的合理性与灵活性。

---

2.4 回撤控制频率的选择

• 章节总结：

- 以美国主流目标回撤ETF——Cabana目标回撤产品为例，描述其基于宏观状态判定组合资产配置，再进行回撤基于月频调仓调整（图10，表4）[page::12]。
- 实际运行显示多数Cabana产品回撤超出设计目标，2022年因大幅回撤导致权益仓位大幅下调，反弹机会错失（图11）。
- 分析指出，月度回撤调整对剧烈波动市场响应不足，导致组合在突发事件中处于被动。
- 模拟通过调整回撤控制频率为5、10、15天检查，提高调仓频率对稳健型和激进型组合回撤控制改善明显（图12、图13，表5、表6）。
- VaR调整回撤控制方法在频率提升时亦有效，降低波动和回撤，提升夏普率表现（图14、图15，表7、表8）。
- 结论为低波动、权益仓位低组合月频回撤检查够用，高权益仓位且严格回撤目标组合适合2-3次/月频率，平衡效果与交易成本。

• 权益指数验证：

- 针对“茅指数”、“宁指数”进行实盘回撤控制测算，比较月频及3、5、10天频率，发现10天一次的回撤检查在降低波动、控制回撤的同时，仍较好保留进攻性（图16、图17，表9、表10）。
- 严格目标（10%回撤）下，月频不足控制回撤，需提高回撤调仓频率，否则组合可能陷入被动大幅减仓，延缓反弹（图18、图19）。

---

2.5 调仓起始阈值和标的顺序选择

• 起始阈值设定：

- 回撤控制起始阈值指在组合回撤达到一定水平之前不进行调仓，目的是避免因过早反应导致频繁调仓和弹性不足。
- 以“茅指数”、“宁指数”为例测试设0%、5%、8%起始阈值效果，5%阈值在兼顾收益和风险控制效果上更优，减缓了组合波动和换手率，提高进攻性（表11，图20、图21）[page::19,20]。
- 阈值设置过高则回撤控制会失效，无法达到控制目标。

• 调仓顺序：

- 对大类资产组合，同步调仓自然且操作简单。
- 对标的较多的股票组合，通过分步调仓（按个股VaR排序依次调整仓位）可简化操作，提升组合进攻性。
- 以2017年起基于公募基金重仓股构建的10只股票组合测试，设定15%滚动回撤和10天回撤检查频率，比较同步调仓、阈值设定和分步调仓效果。
- 分步调仓在收益和夏普率表现上优于同步调仓，交易操作更灵活合理（图22，表13）[page::20,21]。

---

2.6 小结与总体启示

• 最大回撤虽是核心指标，但其路径依赖特性让基于该指标构造的初始组合难以实现，实务中结合理论模型加以调整更实际。

- 叠加回撤控制模块至现有策略，辅以VaR方法动态调整，有效平衡风险控制与收益弹性。

• 控制频率选择需要权衡策略波动水平和权益配置比重，建议月频控制低波动组合，且对高波动组合频率提升至月2-3次控制更优。

- 起始回撤阈值设定适中（约目标的1/3）可提升调仓的弹性，避免过早减仓与频繁调仓。

• 针对多标的组合，按VaR进行分步调仓是提升操作效率和灵活性的有效手段。

- 回撤控制作为投资组合风险管理的“加装配件”，可广泛适用于不同策略，结合实际投资限制灵活调整。

---

3. 图表深度解读

图1-2：沪深300与中证500历史回撤（2009-2022）

• 反映两指数的历史最大回撤及其滚动回撤动态，沪深300最大回撤46.7%（2016年初），中证500最大回撤更大达65.2%（2018年秋），滚动回撤揭示回撤持久性和分布频率差异[page::5]。

- 蓝色区域为即时回撤，红色为滚动回撤，两者均体现出指数的历史波动风险。

表1：沪深300、中证500历史最大回撤

| 指数 | 最大回撤 | 最大滚动回撤 |
| ------ | ------------------ | ---------------------- |
| 沪深300 | 46.7% (2016/1/28) | 46.7% (2016/1/28) |
| 中证500 | 65.2% (2018/10/18) | 54.35% (2016/1/28) |

最大滚动回撤反映最大单年回撤事件，沪深300最大回撤主要发生于一年内，而中证500的回撤跨越较长周期[page::5]。

图3：沪深300 15%滚动回撤控制示意

• 红色为沪深300价格走势，蓝色为回撤控制后的滚动回撤。

- 回撤曲线始终控制在15%目标下方，显示严格限制了投资组合的风险暴露[page::7]。

图4：经济、流动性时钟下的资产配置组合构建流程

• 展示稳健、平衡、激进三档风险偏好组合的权益仓位上下限和目标波动。

- 结合经济和流动性展望调整资产预期收益，最终采用贝叶斯线性（BL）模型解决资产权重[page::8]。

图5-6：稳健型和激进型组合回撤控制前后净值与滚动回撤

• 控制后（红线）净值曲线更平滑，滚动回撤显著下降。

- 激进型组合的10%目标下，回撤从接近25%降至10%，夏普率及卡玛比率显著提升（表2）[page::9]。

表2：资产配置组合回撤控制效果显著

| 策略 | 年化收益 | 年化波动 | 最大回撤 | 最大滚动回撤 | 夏普率 | 卡玛比率 | 换手倍数 |
|------------|----------|----------|----------|--------------|--------|----------|----------|
| 稳健-原策略 | 7.03% | 4.84% | 6.72% | 6.72% | 1.45 | 1.05 | 0.43 |
| 稳健-控制后 | 6.78% | 3.86% | 6.84% | 6.84% | 1.76 | 0.99 | 0.61 |
| 激进-原策略 | 7.80% | 12.50% | 24.61% | 23.94% | 0.62 | 0.32 | 0.79 |
| 激进-控制后 | 8.54% | 8.50% | 10.48% | 10.48% | 1.00 | 0.81 | 1.42 |

---

图7：经VaR调整的回撤控制项示意

• 示意图展示了结合VaR调整后的回撤控制力度，根据未来可能损失大小调整回撤控制强度，避免单纯等比例减仓过度保守[page::10]。

图8-9：资产配置组合VaR回撤控制前后净值与滚动回撤表征

• VaR调整后组合滚动回撤更稳健，净值反弹响应更快速且波动适中。

- 从2013年和2017年起的剖面均展示了更优的风险收益特性（表3）[page::11]。

表3：VaR调节后资产配置组合表现

| 策略 | 年化收益 | 年化波动 | 最大回撤 | 最大滚动回撤 | 夏普率 | 卡玛比率 | 换手倍数 |
|---------------|----------|----------|----------|--------------|--------|----------|----------|
| 原策略-2013年 | 7.80% | 12.50% | 24.61% | 23.94% | 0.62 | 0.32 | 0.79 |
| 回撤控制-2013年| 8.54% | 8.50% | 10.48% | 10.48% | 1.00 | 0.81 | 1.42 |
| VaR回撤-2013年 | 9.39% | 8.90% | 11.02% | 11.02% | 1.06 | 0.85 | 1.51 |

---

图10-11、表4：Cabana目标回撤产品案例分析

• 产品投资流程如图10，结构清晰，基于宏观判断与回撤动态调整资产权重。

- 然而实际表现（表4，图11）显示多个目标回撤非常严格的ETF均超过规定回撤阈值，尤其2022年1月权益满仓回撤打破目标限制。

• 该案例反映固定月度回撤调整的滞后性，突显实际运作中回撤控制频率的重要性[page::12,13]。

---

图12-15、表5-8：回撤控制频率与调仓频率的实证测试

• 提高回撤频率增加调仓机会，降低波动率和回撤幅度，但可能压制收益。

- 对稳健组合而言效益较小，激进组合中15天调仓频率带来较好风险收益权衡。

• VaR调整回撤控制体现类似规律[page::14,15]。

---

图16-19、表9-10：“茅指数”、“宁指数”回撤控制频率测试

• 稳定提升回撤控制检查频率可有效降低波动，较好控制最大滚动回撤。

- 10日为合适平衡点，过频调仓影响组合进攻性。

• 不同指数因内在波动差异对控制效果敏感度不同[page::16,17,18]。

---

表11、图20-21：回撤起始阈值调整结果

• 引入5%阈值后换手率和组合进攻性改进显著，回撤控制仍有效。

- 起始阈值过高（8%）导致回撤控制失效，风险上升。

• 组合持仓满仓时间段延长，调仓频率适中，适合权益仓位高的组合[page::19,20]。

---

图22、表13：股票组合调仓顺序较验

• 分步调仓（依据VaR排序）优于同步调仓方案，收益和夏普率均有所提升。

- 实操更灵活，可优先减仓风险高的个股满足风险控制需求，兼顾投资优化。

• 调仓起始阈值5%保持良好进攻性和风险约束。[page::21]

---

4. 估值分析

该报告并不涉及具体证券的估值，而聚焦于组合风险控制策略的构建和优化方法，故无估值模型讨论。

---

5. 风险因素评估

• 模型适用性风险：报告多基于历史数据及统计模型（ARMA-EGARCH、VaR模拟等），面临市场结构变化、政策调控变化导致模型预测失效的风险。

- 路径依赖及极端事件风险：即使采用VaR和回撤控制机制，极端市场冲击可能超出预测范围，模型回撤控制可能失效。

• 调仓成本增加：提高调仓频率和回撤控制频率增加交易次数和交易成本，长期可能影响组合表现。

- 执行风险：多资产和多标的组合分步调仓策略执行难度较大，投资人主观判断和操作偏差也可能影响实施效果。

• 参数和阈值设定风险：回撤目标、起始阈值和VaR置信水平等设置不当，可能导致风险控制不足或收益潜力受限。

报告明确提示模型历史表现不代表未来，政策及市场环境的变化可能使模型失效，投资有风险需谨慎[page::0,23]。

---

6. 批判性视角与细微差别

• 报告整体框架严谨，对理论模型和实证均有细致展现，但：

- 理论基础模型（几何布朗运动）假设较强，现实市场的非正态分布、跳跃风险等未充分考虑，可能影响模型有效性。
- 回撤控制模型对参数（风险厌恶系数γ、回撤阈值α）高度敏感，实际应用中参数校准存在难度。
- 叠加型回撤控制被设计为乘法因子，可能过度简化了组合资产间复杂相关关系忽略非线性交互风险。
- 虽有调整频率和起始阈值设计，但在应对快速极端行情时及时性仍受限，可能错失极端防御时机。
- 高频回撤检查虽提高风险控制水平，但造成换手升高，需权衡实施成本与收益。
- 调仓顺序的VaR排序虽科学，但实际投资中主观判断和市场流动性等因素可能导致执行偏差。
- 研究多为回测，实盘环境下的冲击、滑点和限制未尽显。

总体，报告提供了实务中可借鉴的回撤控制工具和框架，兼顾理论和实效，但仍需在实战环境下持续完善和适配。

---

7. 结论性综合

申万宏源此次《如何在组合中合理加入回撤控制机制？》报告，通过结合经典的几何布朗运动期望效用模型和现代VaR等风险度量技术，系统地构建了一套兼顾风险控制与收益弹性的多资产组合回撤管理方案。该方案以基础资产配置策略为依托，通过叠加动态回撤控制项，有效限制组合最大回撤至预设目标范围内，同时引入VaR进行预期损失动态调整，在反弹期保持组合权益仓位的灵活性，改进了传统回撤控制过于保守、反弹迟缓的弊端。

报告深入剖析了回撤控制频率的重要性：低风险组合月频回撤检测完善且成本低；而高风险偏好且严格限制回撤组合，则需将频率提高至每月2-3次或更高，方能有效抑制极端下跌风险，并降低风险暴露。进一步采用适中起始阈值（约为回撤目标的1/3）为组合提供合理的回撤容忍度，防止无谓的频繁调仓和过早减仓，保持组合弹性。

在多标的调仓操作层面，报告提出基于个股或子标的预期损失VaR排序进行分步调仓的方案，这不仅提升组合进攻性，也便于实际执行，彰显了理论与应用的结合。

丰富的历史数据回测及典型市场产品案例（Cabana目标回撤ETF）的对比分析，具体验证了单频调仓面临的局限性和频率调整的必要性，为资产管理机构在构建绝对收益及目标回撤产品中提供了具体可行的工具和框架。

此外，报告也清晰表达了风险提示，强调模型局限性和市场潜在不确定性，提醒投资者谨慎使用。

综上，申万宏源报告系统且细致地传递了资产配置中基于回撤指标的风险管理方法论与实操指南，强调结合实际组合特点灵活调整控制频率与阈值，对固收增强和权益资产配置均具显著指导意义，提升了多元资产风险管理的理论深度与实用价值。

---

重要图表（示例 markdown 格式）

• 图1：沪深300历史回撤

• 图2：中证500历史回撤

• 图3：沪深300 15%滚动回撤控制

• 图4：经济、流动性时钟下的资产配置组合构建

• 图5：稳健型组合回撤控制前后净值、滚动回撤

• 图6：激进型组合回撤控制前后净值、滚动回撤

• 图7：经VaR调整的回撤控制项示意

• ……（此处省略其他图表，详见正文中相应页码）

---

（全文完成，依据报告内容详实解构，引用页码均已注明。）

报告