企业信用评价系列研究之一：对企业信用评价方法的回顾及思考.pdf

敬请参阅最后一页特别声明 -1- 证券研究报告 2019 年 6 月 23 日 固定收益 对 企业信用 评价 方法 的回顾及思考 企业 信用评价系列研究之一 固定收益 简报 信用评价是一个不断发展的过程 对 信用评价方法 的 最早探索可追溯到 20 世纪之前，随着分析工具的丰富以及数据处理能力的提高， 信用评价方法也逐渐复杂化 。 信 用评价方法从定性的经验判断向定量的指标衡量发展，从单一的历史财务数据分析到考虑多种信用影响因素。 基于信用形成要素的专家判断 20 世纪以前，信用评价主要采用专家判断的方法 。 专家判断起源于银行信贷业务， 是一种建立在长期经营经验上的主观判断方法 。 其 依赖 于 专家的经验，主观性强 、 成本较高 ， 判断结果 还可能前后不一致。 财务比率综合分析法 沃尔比重法首次将财务比率应用到信用评价中 ， 选取 7 个财务指标，将目标企业与 标准值比较 ， 获得 最终综合得分 。但沃尔 比重法 缺乏理论的支持，指标的选取是否有普适性，有待论证。 同时， 权 重 的准确性也有待考虑。 基于财务指标的多元判别模型 多元线性判别分析模型跳出了专家经验的局限， 并且 通过大量企业历史数据去挖掘权重 。 多元判别模型 受限于样本数据，并且 样本数据受到线性回归模型的假设限制，现实中常常 存在 样本量不足， 且 不符合正态分布假设等问题 。 基于 数理 模型的现代信用度量 KMV模型与 Credit metrics模型 作为现代信用评价模型 更加全面衡量企业信用风险，降低了主观因素对信用评估的影响。 但模型仍然受到数据来源的限制，模型分布的假设难以反映信用风险的真实分布，还有一些道德因素等未能体现 。 总结 ：对信用评价方法的思考 模型无法识别信息质量。 随着信用评价方法的发展，越来越多的信息被纳入评价体系，信息的充分度得到了提高，但该评价体系却无法改善甚至无法识别信息的质量。 对于过往信息的依赖。 信用评价模型更多是聚焦借款人的过往信息。实际信用审查的过程中，要将过去信息、经验与未来前瞻性相结合。 信用评价模型的发展方向。 随着技术的发展，未来或将出现更为高效的模型，不仅可以纳入更丰富的信息体系，还能够 能挖掘样本的深层信息， 及时识别信息的质量，进行综合评价。 风险提示 需要认识到单一评价方法及模型的不足，在信用评价过程中，要结合外部经济环境、行业发展趋势、企业的财务 表现 进行综合评价。 还应 加强对 信息质量的审查 。 分析师 张旭 (执业证书编号： S0930516010001) 010-58452066 zhang_xuebscn 刘琛 (执业证书编号： S0930517100006) 021-52523678 chenliuebscn 邵闯 (执业证书编号： S0930519050004) 021-52523677 shaochuangebscn 联系人 曾章蓉 0755-23894967 zengzhangrongebscn 危玮肖 010-58452070 weiwxebscn 2019-06-23 固定收益 敬请参阅最后一页特别声明 -2- 证券研究报告 1、 对 信用评价 方法的回顾 1.1、 信用评价方法 是一个不断发展的过程 对 信用评价方法 的 最早探索可追溯到 20 世纪之前，随着分析工具的丰富以及数据处理能力的提高， 信用评价方法也逐渐 向 复杂化 发展 。 信 用评价方法从定性的经验判断向定量的指标衡量发展，从单一的历史财务数据分析到考虑多种信用影响因素。 企业信用评级方法 的发展 主要经历了四个阶段， 一是 从银行信贷决策中产生的、基于信用形成要素的专家判断 ；二是 利用财务比率的综合分析法 ；三是利用财务报表信息挖掘企业风险的多元判别模型 ；四是 现代社会多样化的基于数理模型的信用度量。 图表 1： 信用评级 方法发展 历程 资料来源：光大证券研究所 整理 1.2、 阶段 1： 基于信用形成要素的专家判断 1.2.1、 专家判断是最早的信用评价方法 专家判断起源于银行信贷业务，是西方商业银行在长期经营的过程中总结出对借款人信用风险分析的方法 ，是一种建立 在 长期经营经验 上 的主观判断方法 。 20 世纪以前，信用评价主要采用专家判断的方法。 1.2.2、 专家判断能够全面考虑债务人信用情况 基于信用形成要素的专家判断评价方法较为全面地涵盖了影响债务人信用的因素，将债务人的品德、借款的用途与期限、还款来源、担保情况以及经营环境等影响信用的因素都纳入考察范围中，拥有丰富行业经验的专家对贷款方的信用形成要素逐一进行评估，最终得出是否发放贷款的决策。 1.2.3、 专家判断考察的具体信用形成因素 专家打分法有不同的种类，主要是 各银行 基于对经营习惯的总结 ， 将构成企业信用的要素进行归纳分类： 5C 要素、 5P 要素、 5W 要素、 4F 要素。 这几种 信用评价方法虽然指标不尽相同， 但 实质内容上大同小异。 在信用评价过要素分析法财务比率综合分析多元线性判别 现代信用评价20 世纪之前，根据专家经验判断的要素打分法是信用评价的主要方法1928 年亚历山大 沃尔提出信用能力指数的概念，并且根据沃尔比重法来评价企业财务状况1968 年 Alt m an 提出 Z值判别模型，此后多元线性判别模型得到发展以及广泛应用1990 年以来， 国际上提出了多种基于数理模型的新型信用度量模型2019-06-23 固定收益 敬请参阅最后一页特别声明 -3- 证券研究报告 程中，由 专家 结合 从业 经验 ，分析 借款人 在各项要素下资质 ，从而最终做出是否授信的决策 。 图表 2： 基于信用形成要素的专家判断方法 资料来源：光大证券研究所 整理 1.2.4、 专家判断的不足之处 虽然专家判断方法能够较为全面地覆盖债务人的各项信用要素， 但这些 评价依赖 专家的经验判断， 存在一定的主观 性 ，并且 受限于专家的知识面 。 在专家判断法的体系下， 随着信贷业务量的增加，需要的分析人员增加， 金融机构的 审查成本上升。 此外 ，金融机构内部 人员的流动， 过度 依赖 专家分析法或许导致 不同时期 评审标准发生差异， 造成信用 评价 结果前后 不一致。 1.3、 阶段 2： 财务比率综合分析法 1.3.1、 财务比率综合分析法的由来 为了 避免专家经验带来的主观判断误差，定量客观的财务指标逐渐成为信用评价的参考标准。 1928 年亚历山大沃尔提出了信用能力指数的概念 ， 首次将财务比率应用到信用评价中，因此这种方法也称为沃尔比重法。 沃尔选取了 流动比率、负债权益比率、固定资产比例、存货周转率、应收账款周转率、固定资产周转率和自有资金周转率 7 个财务指标 ，将目标企业与行业进行对比，并得出最终综合得分。 1.3.2、 财务比率综合分析法的应用场景 沃尔比重法提出之初主要是应用于企业的信用评价，将财务比率用线性关系联系起来 ，提供了 除了定性的专家判断 之外利用 财务比率定量分析的思路 ，并且操作简单。 目前，沃尔比重法 侧重于分析 企业经营 情况 ，财务指标的选择也随着 评估对象的特质 而改变 ， 不再局限于传统的 7 个指标。 1.3.3、 财务比率综合分析法的实际应用 财务比率综合分析法在实际应用中需要先选择合适的财务指标并给定每个指标在总评分（以 100 分为标准分）中的比重，同时确定行业平均作为标准比率，得到相对比率，最终累计各指标得分，综合衡量企业的经营情况在行要素分析法 要素构成5C借款人品德（C h aracter）、经营能力（C ap acity）、资本（C ap ital）、资产抵押（C o llateral）、经济环境（C o n di tio n ）5P个人因素（P erso n al F acto r）、资金用途因素（P u rp o se F acto r）、还款财源因素 （P aym en t F acto r）、债权保障因素（P ro tectio n F acto r）、企业前景因素（P ersp ectiv e F acto r）5W借款人（W h o ）、借款用途（W h y）、还款期限（W h en ）、担保物（W h at）、及如何还款（H o w ）4F组织要素（O rga n iz atio n F acto r）、经济要素（E co n o m ic F acto r）、财务要素（F in an cial F acto r）、管理要素（M an age m en t F acto r）2019-06-23 固定收益 敬请参阅最后一页特别声明 -4- 证券研究报告 业中的水平，从而判断企业的信用风险程度。下面图表 通过举例，对 沃尔比重法的应用 进行 简要说明 。 图表 3： 沃尔 财务比率综合分析法 的应用（ 示例 ） 资料来源：光大证券研究所 整理 1.3.4、 财务比率综合分析法的不足之处 沃尔提出的这种分析方法，面临的不足体现在三个方面：一 是选取的这七个指标是否 具有普适性 ，有待论证。 二是 权数的准确性也有待考虑；三是 如果有一项指标偏离较大，则会对总体得分产生很大的影响，不能体现企业的总体水平。 为了弥补 偏离度较大问题 ，该方法 可 进行调整， 限制某一指标偏离的对整体得分的影响。 1.4、 阶段 3： 基于财务指标的多元判别模型 1.4.1、 多元判别模型是基于财务指标的线性模型 沃尔比重法通过线性关系将财务指标联系起来，但权重的确定缺乏准确性。多元 线性判别分析模型 改善了沃尔比重法权重的缺陷，通过大量企业历史数据挖掘权重 ，选择能够影响企业破产、违约可能性的财务指标进行预测， 并且拥有较高的预测准确性。 1.4.2、 多元判别模型更加科学地利用财务数据 专家评价方法依赖 个人 经验，沃尔比重引入了较为定量客观的财务指标 ，但专业人员 仍在探寻合乎逻辑的 信用 评价体系 。 随着 计量工具的成熟，专业人员转向 从大量历史数据中探讨规律 。 多元判别模型充分挖掘财务数据 隐藏 的规律 ，并通过大量历史数据研究能够建立信用等级划分临界值，用来判断企业的信用风险程度。 这些线性模型均在实际 企业信用风险预测中 有 一定 的准确性，因此也得到了广泛的应用。 基本指标权数 标准值 实际值(例) 关系比率(例) 实际得分(例)( 1 ) ( 2 ) ( 3 ) ( 4 ) = ( 3 ) /( 2 ) ( 5 ) = ( 4 ) * ( 1 )净资产收益率 25 14% 15% 1.06 26.41总资产收益率 13 13% 11% 0.84 10.92总资产周转率 9 1.5 1.2 0.80 7.20流动资产周转率 9 4.5 1.54 0.34 3.08资产负债率 12 44% 64% 1.48 17.76利息倍数 8 7.2 5.43 0.75 6.03销售增长率 12 27% 21% 0.79 9.49资本积累率 12 23% 31% 1.33 16.01合计 100 100 96.89营运能力 18偿债能力 20发展能力 24评价内容 权数评价步骤指标盈利能力 382019-06-23 固定收益 敬请参阅最后一页特别声明 -5- 证券研究报告 1.4.3、 几种常见的多元判别模型 模型 1： Z 值线性判别分析模型 Altman 建立的 Z 值线性判别分析模型是最为著名的多元判别模型之一。 通过模型给企业打分，如果 Z 值小于临界值 2.675，企业则存在较大的信用风险，划入违约组；反之则划入正常组。 Z=0.012X1+0.014X2+0.033X3 +0.006X4+0.999X5 其中， X1 为营运资本 /总资产， X2 为留存收益 /总资产， X3 为息税前利润 /总资产， X4 为所有者权益市值 /总负债账面值（上市公司）， X4 为所有者权益账面价值 /总负债（非上市公司）， X5 为销售收入 /总资产。 模型 2： Chesser 信用预测模型 Delton Chesser通过判别分析选择了决定企业信用等级的 6个财务比率指标，并建立了相应数学模型： Y=-2.0434-5.24X1+0.0053X2-6.6507X3+4.4009X4-0.0791X5-0.1020X6 其中， X1 为（现金 +有价证券） /资产总额， X2 为销售收入 /（ 现金 +有价证券） ， X3 为息税前收益 /资产总额， X4 为负债总额 /资产总额 ， X5 为固定资产净值 /净资本 ， X6 为净营运资本 /净销售收入 。 在获得 Y 值得基础上，计算 企业履行合同概率 P， 表达式为： P=1/(1+e(-Y) 模型 3： Bathory信用分析模型 Alexander Bathory 建立了计算简单、数据容易获得，而且不仅可以度量企业实力强弱，而且还能够预测企业破产可能性的企业信用评判模型。 Y=X1+X2+X3+X4+X5 其中， X1为 （税后利润 +折旧 +递延税） /流动负债（银行贷款，应付税金 ），X2 为 税前利润 /营运资本 ， X3 为 股东权益 /流动负债 ， X4 为 有形资产净值 /总负债 ， X5为 营运资本 /总资产 。 模型 4： 营运 资产评价模型 营运资产评价模型表述如下： Q=X1+X2-X3-X4 其中， X1 为 流动比率 ， X2 为 速动比率 ， X3 流动负债权益率 =流动负债 /净资产 ， X4 为 总负债权益比率 =负债总额 /净资产 2019-06-23 固定收益 敬请参阅最后一页特别声明 -6- 证券研究报告 图表 4： 多元线性判别模型 主要类型 资料来源：光大证券研究所 整理 1.4.4、 多元判别模型的不足之处 多元判别模型受限于样本数据，并且受到线性回归模型的假设限制，现实中常常 存在 样本量不足，且不符合正态分布假设 等问题 。 模型主要考虑财务因素，没有考虑行业特征、企业规模、管理水平等非财务因素的影响 ， 难以 全面覆盖信用形成因素 。 此外， 由于该模型以历史数据为基础， 随着 行业、地域等因素的 变化 ，模型拟合度可能降低，对企业未来的信用状况预测准确性降低 。 1.5、 阶段 4： 基于数理模型的现代信用度量 1.5.1、 现代信用度量模型是量化模型 1990 年以来金融机构业务朝着多元化的方向发展，对信用管理的要求越来越高。为适应业务管理需求的变化，专家们根据风险管理理论创建了多种以数理模型为基础的 现代企业信用评级模型 ，尽可能多地考虑外部影响因素，并量化信用风险。 1.5.2、 现代信用度量更加精准地衡量企业信用状况 现代信用度量模型基于数理模型进行风险度量，拥有数理模型的精确性的特点，能够更加精准、客观地衡量企业信用状况。这些数理模型也突破财务指标的局限性，不再受限于企业的历史数据以及线性回归模型对样本正态分布的假设，还加入了其他信用影响因素，更加全面衡量企业信用风险。 1.5.3、 典型的现代信用度量模型 在数理模型中， KMV 模型与 Credit metrics 模型是目前国际金融界最流行的两个信用风险管理模型。 KMV 模型 信用监控模型（ credit monitor model）： KMV 模型 基于期权定价理论， 应用 股票市场实时数据， 量化评估上市企业的信用风险 ， 根据 股票价值及波动率推算出企业 资产价值及其波动率 ，从而计多元线性判别模型 判断内容Z 值线性判别分析模型 Z 值临界值2 .6 7 5 ，Z 值越小企业信用风险越大。C h esser信用预测模型企业履行合同概率P 临界值为0 .5 ，如果P 0 .5 ，则难以履行合同约定。B ath o ry信用分析模型 Y 值越低，表明企业的实力越差和信用资质越低。营运资产评价模型Q 值代表了企业的风险类别和信用等级，对应于不同的Q 值，可授予企业的信用额度是不同的。2019-06-23 固定收益 敬请参阅最后一页特别声明 -7- 证券研究报告 算企业 EDF（ 预期违约频率 ）。由于股票市场 交易数据可获得性强 ， KMV模型也能够及时更新企业信用状况。 信用矩阵（ Credit metrics） 模型 J.P.摩根公司 于 1997 年 推出了信用风险量化度量和管理模型 信用矩阵(Credit metrics)，对贷款和私募债券 这些缺乏公开交易价格数据的资产 价值和风险进行计算。 Credit metrics 模型 数据来源主要为企业的历史信用评级 ，进而估计 下一年度评级发生 变化的 概率 、违约贷款的回收率，计算非交易性资产的市值和波动率，从而对 个别贷款 或 贷款组合的 VaR 值 进行计算 。 图表 5 KMV 模型与 Credit metrics 模型的比较 资料来源：光大证券研究所 整理 1.5.4、 现代信用度量模型的缺陷 KMV模型与 Credit metrics模型 作为现代的信用评价模型能够为投资者提供更加科学的信用评价，降低了主观因素对信用评估的影响。 但这两种方法还是受限于模型的假设 ，模型分布的假设难以反映信用风险的真实分布，还有一些道德因素等未能体现。以新技术为基础的信用度量模型优势也仅限数理模型，仍然未能解决信用风险形成的内在因素不断变化的问题，在实践运用中还存在重重障碍。 2、 总结： 对信用评价方法的思考 信用评价方法的出现以及发展 旨在将借款人的信用资质高低进行区分 ，进而降低债权人的风险 ，提高 金融机构 的资金使用效率。 信用风险管理从银行信贷业务开始发展，逐渐衍化为各行业债权人对债务管理的重要管理内容之一 ，而如何科学有效地进行信用评价也一直是从业者不断探索的问题。 K M V 模型 C re d it m e tric s模型数据来源 数据主要来自于该企业股票市场的实时分析数据来自于对该企业信用评级变化及其概率的历史分析动态/静态动态模型：根据该企业股票市场价格的变化，动态更新模型的输入数据，及时反映信用风险水平的变化静态模型：采用企业信用评级指标分析法。企业信用评级，在相当长的一段时间内保持静态分析方向向前看（fo rw ard- lo o k in g）：对股票市场价格实时行情的分析，而股票市场反映了投资者对于该企业未来发展的综合预期向后看（b ack w ard- lo o k in g）：主要依赖信用状况变化的历史数据衡量方法基数衡量：不仅反映不同企业风险水平的高低顺序，还可以体现风险水平差异的程度序数衡量：反映企业间信用风险的高低顺序取值分布 基于企业价值服从正态分布的假设 可以按照贷款价值实际分布度量关注点通过股票市场上的价格变化，着重分析单个企业自身信用状况注重直接分析企业间信用状况变化的相关关系2019-06-23 固定收益 敬请参阅最后一页特别声明 -8- 证券研究报告 2.1、 模型无法识别 信息质量 随着信用评价方法的发展，越来越多的信息被纳入评价体系，信息的充分度得到了提高， 但该评价体系却无法改善甚至无法识别信息的质量 。例如，部分企业存在财务粉饰的情况，财务数据表现良好导致模型出现误判 。 因此信用评价过程 ， 还应包括对信息质量的判断审查。 自亚历山大沃尔提出财务比例综合分析法以来，研究人员尝试通过定量 信息 探讨一套简易可行的评价体系； 但必须认识到，对信息来源的核对以及信息质量的审查是我们信用评价的起点。虽然 多元判断体系下对定量分析方法做进一步的 完善，甚至后期出现的 KMV 模型与 Credit metrics 模 型 纳入了更为丰富的信息，但整体上模型 对信息质量的识别 仍处于较为乏力的状态。 2.2、 对于过往信息的依赖 随着信用评价理念以及工具的发展，信用评价的方法也逐步多样化。信用评价模型更多是聚焦借款人（发行人）自身的业务特点及财务信息 ，这些主要为过往信息，基于历史数据的信息对未来做出判别 。但实际上，信用风险形成的内外部因素处于不断变化的状态。 尤其是信用评价模型对于宏观经济变化带来的影响，或者其他非财务因素的变化，其预测性较弱 。 KMV 模型通过引入 股票市场价格实时行情 来判断 投资者对该企业未来发展的综合预期 ，但大部分发债企业 并非上升公司，同时在新兴市场，股票价格的波动剧烈，并不完全 反映 企业的真实情况。 信用审查的过程中，要将 过去信息、 经验与未来前瞻性相结合。 2.3、 信用评价模型的发展 方向 信用评价方法是一个不断发展的过程 。 针对提高信用风险度量的准确性，信用度量越来越多地应用数学、统计、计算机等学科的技术，出现了应用模糊数学、层次分析法 、 主成分分析法、 人工神经网络等新技术方法 来开展信用评级的方法。 信用评价方法从定性的经验判断向定量的指标衡量发展，从单一的历史财务数据分析到考虑多种信用影响因素 。随着技术的发展，未来或将出现更为高效的模型 ， 不仅可以纳入更丰富的信息体系，还能够 挖掘样本的深层信息 ， 及时识别信息的质量，进行综合评价。 3、 风险提示 需要认识到单一评价方法的不足，在信用评价过程中 ，要结合 外部经济环境、行业发展趋势、企业的财务 表现 进行综合评价。 此外， 结合我国实际情况，部分企业存在财务粉饰状况， 还应 加强对 信息质量的审查。 2019-06-23 固定收益 敬请参阅最后一页特别声明 -9- 证券研究报告 行业及公司评级体系 评级 说明 行业及公司评级 买入 未来 6-12个月的投资收益率领先市场基准指数 15%以上； 增持 未来 6-12个月的投资收益率领先市场基准指数 5%至 15%； 中性 未来 6-12个月的投资收益率与市场基准指数的变动幅度相差 -5%至 5%； 减持 未来 6-12个月的投资收益率落后市场基准指数 5%至 15%； 卖出 未来 6-12个月的投资收益率落后市场基准指数 15%以上； 无评级 因无法获取必要的资料，或者公司面临无法预见结果的重大不确定性事件，或者其他原因，致使无法给出明确的投资评级。 基准指数说明： A 股主板 基准为沪深 300 指数 ；中小盘基准为中小板指；创业板基准为创业板指；新三板基准为新三板指数；港股基准指数为恒生指数 。 分析、估值方法的局限性说明 本报告所包含的分析基于各种假设，不同假设可能导致分析结果出现重大不同。本报告采用的各种估值方法及模型均有其局限性，估值结果不保证所涉及证券能够在该价格交易。 分析师声明 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注册为证券分析师，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，并对本报告的内容和观点负责。 负责准备以及撰写本报告的所有研究人员在此保证，本研究报告中任何关于发行商或证券所发表的观点均如实反映 研究 人员的个人观点。 研究人员 获取报酬的评判因素包括研究的质量和准确性、客户反馈、竞争性因素以及光大证券股份有限公司的整体收益。所有研究人员保证他们报酬的任何一部分不曾与，不与，也将不会与本报告中具体的推荐意见或观点有直接或 间接的联系。 特别声明 光大证券股份有限公司（以下简称 “ 本公司 ” ）创建于 1996 年，系由中国光大（集团）总公司投资控股的全国性综合类股份制证券公司，是中国证监会批准的首批三家创新试点公司之一。 根据中国证监会核发的经营证券期货业务许可，本公司的经营范围包括证券投资咨询业务 。 本公司经营范围：证券经纪；证券投资咨询；与证券交易、证券投资活动有关的财务顾问；证券承销与保荐；证券自营；为期货公司提供中间介绍业务；证券投资基金代销；融资融券业务；中国证监会批准的其他业务。此外，本公司还通过全资或控股子公司开展资产管理、直接投资、期货、基金管理以及香港证券业务。 本报告由光大证券股份有限公司研究所（以下简称 “ 光大证券研究所 ” ）编写，以合法获得的我们相信为可靠、准确、完整的信息为基础，但不保证我们所获得的原始信息以及报告所载信息之准确性和完整性。光大证券研究所可能将不时补充、修订或更新有关信息，但不保证及时发布该等更新。 本报告中的资料、意见、预测均反映报告初次发布时光大证券研究所的判断，可能需随时进行调整 且不予通知 。 在任何情况下，本报告中的信息或所表述的意见并不构成对任何人的投资建议。客户应自主作出投资决策并自行承担投资风险。本报告中的信息或所表述的意见并未考虑到个别投资者的具体投资目的、财务状况以及特定需求。投资者应当充分考虑自身特定状况，并完整理解和使用本报告内容，不应视本报告为做出投资决策的唯一因素。对依据或者使用本报告所造成的一切后果，本公司及作者均不承担任何法律责任。 不同时期， 本公司可能会撰写并发布与本报告所载信息、建议及预测不一致的报告。 本公司的销售人员、交易人员和其他专业人员可能会向客户提供与本报告中观点不同的口头或书面评论或交易策略。本公司的资产管理 子公司、自营部门以及其他 投资业务 板块可能会 独立做出 与本报告的 意见或建议 不相一致的投资决策。本公司提醒投资者注意并理解投资证券及投资产品存在的风险，在 做出投资决策前，建议投资者务必向专业人士咨询并谨慎抉择。 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、财务顾问或金融产品等相关服务。投资者应当充分考虑本公司及本公司附属机构就报告内容可能存在的利益冲突， 勿将 本报告 作为 投资决策的唯一 信赖依据 。 本报告根据中华人民共和国法律在中华人民共和国境内分发， 仅向特定客户传送。本报告的版权仅归本公司所有，未经书面许可，任何机构和个人不得以任何形式、任何目的进行翻版、复制、转载、刊登、发表、篡改或引用。如因侵权行为给本公司造成任何直接或间接的损失，本公司保留追究一切法律责任的权利。所有本报告中使用的商标、服务标记及标记均为本公司的商标、服务标记及标记。 光大证券股 份有限公司 2019版权所有 。 联系我们 上海 北京 深圳 静安区南京西路 1266号恒隆广场 1号写字楼 48层 西城区月坛北街 2号月坛大厦东配楼 2层 复兴门外大街 6号光大大厦 17层 福田区深南大道 6011 号 NEO 绿景纪元大厦 A座 17楼