【华泰金工林晓明团队】国之利器，锋芒初现——科技股投资策略及深圳科技指数投资价值分析

摘要

政策环境助力深圳科技企业发展，研发因子筛选较高潜力投资标的
国家科研效率和产出与政策支持力度正向相关，近年来我国科技创新政策支持力度空前，深圳建立先行示范区后，当地科技企业或将出现较大投资机会。研发、成长、质量和估值因子是科技股筛选时常用的四类因子，海外学界论文及A股市场实证结果显示其选股效果较好。深圳科技指数是国内唯一聚焦深圳的科技行业指数，该指数编制中采用了上述四类因子，重视企业研发投入，权重分布向大市值龙头科技股倾斜，投资价值较高。安信深圳科技（LOF）是全市场唯一跟踪该指数的被动基金，基金经理经验丰富且管理费率低于主动基金，同时具有透明度高、风格清晰稳定等优点。

科技发展是美国股市长牛的重要动力，国内科技创新激励政策力度空前
一国的科技研发效率和成果转化速度与政府科研经费投入和政策支持力度直接挂钩。克林顿和奥巴马政府大力支持科技发展，带动美国科技股大幅上涨，也带动了美国经济上行股市长牛。回顾美国股市两次大幅单边上涨，科技指数涨幅远高于其他指数，纳斯达克100指数表现远优于纳指，说明科技股中存在规模效应和龙头效应；股价增幅较大的头部科技公司盈利能力较强，盈利增速较快，当前估值水平合理，可用来指导国内科技股投资。近三年来我国科技创新相关政策密集发布，支持力度空前，2019年8月更宣布在深圳建立先行示范区，深圳高新科技企业或将出现较优投资机会。

研发和成长因子在科技股筛选中长期有效，质量和估值因子降低业绩风险
研发、成长、质量和估值因子是科技股投资中较为常用的四类因子：研发投入是高科技企业未来利润增长的源头；成长因子体现科技公司的竞争力和未来发展潜力；排除估值过高的股票可以降低业绩波动时股价波动风险；高质量公司经营状况较好；也为公司的持续研发投入提供财务保障。我们对四类因子的海外研究文献以及长期有效的逻辑进行了简单梳理，并使用国内科技股的历史数据对四类因子及其复合策略的有效性进行了实证检验，结果显示各类因子在A股市场能够有效筛选出优质科技股，为投资者带来超越市场的收益。

中证深圳科技创新指数以多个因子优选个股，把握深圳科技企业发展机遇
当前国内市场唯一聚焦深圳的科技行业指数仅有中证深圳科技创新主题指数这一只。除投资深圳创新企业享受政策红利之外，该指数在编制时还采用了研发、成长、估值、质量这四个已证实在国内有效的因子，筛选出投资价值较高、增长潜力较大的优质深圳科技企业。同时，该指数采用自由流通市值加权，权重分布向大市值龙头股倾斜，能够利用科技股的龙头效应和规模效应优化指数投资收益。将深圳科技指数与其他科技主题指数和宽基指数进行对比后发现，该指数历史业绩表现较好，夏普比率和Calmar比率在各指数中排名前列。综合分析，该指数或具有较高的投资价值。

安信中证深圳科技创新指数基金以较低费率享受科技腾飞红利
安信深圳科技创新指数基金（LOF）是全市场唯一跟踪深圳科技的被动基金，该基金拟任基金经理有多年量化投研经验和丰富的投资经验。另外，该被动基金管理费率低于其他主动型基金，还具有风格稳定、透明度高等优点，有助于投资者跟踪监测基金的投资组合和风格偏向，可以提高投资者资产配置的效率。整体来看，该基金或具有较高的投资价值。

风险提示：海外因子有效性分析引用自历史顶级期刊论文及出版书籍，国内因子有效性分析采用较长时间跨度的历史数据进行回测，但历史规律在未来仍有失效风险；政策分析部分为对当下政策支持力度的线性外推，在未来存在科技创新支持政策力度改变的风险，投资需谨慎。另外，报告中涉及到的具体基金产品不代表任何投资意见，请投资者谨慎、理性地看待。

正文

科技股带动美国多年牛市，国内科技创新方兴未艾
科技发展是美国股市多年长牛的重要驱动力之一

政策支持是一国科技行业发展的重要动力

前沿科技的发展会给相关行业带来高速增长，也能够通过行业间的协同和联动，为国家整体经济带来腾飞。但科学研发是一项投入较大，回报不确定性较高且投资回报周期较长的工作，大多数私营企业并没有动力或能力去自发进行真正的研发创新。因此一国的科技研发效率和成果商业化速度直接与政府科研经费投入和税收优惠、知识产权等优惠政策的支持力度挂钩。

以美国为例，美国始终将前沿科技发展作为国家发展的战略重点，其政府在投入巨额科研经费的同时，也出台一系列政策吸引私人部门为研发工作提供资金。前沿科技的高速发展奠定了该国在信息技术、生命科学、纳米技术、航空航天等高新领域的领先地位，也成功带动了该国产业结构调整升级和经济增长。

克林顿政府对于美国信息技术发展的支持力度很大，发布了一揽子科技计划和多项科研激励政策，研发支出总额占GDP的比例从1994年的2.39%提高到了2000年的2.62%，造就了期间美国经济平均4.04%的同比实际增速，也造就了美国科技股的八年牛市。

奥巴马政府则更加重视能源技术、航空航天和基础研究领域的研究和创新，向主要科学机构持续投入大量研发经费，同时通过税收优惠来推动私营部门资金投资于技术创新，研发支出总额占GDP的比例从小布什时期（2001-2008年）的2.6%上下直接跃升到2009年2.82%，其任期8年内也将比例基本稳定在2.7%以上，2017年世界银行统计数据则显示新任政府将该比例提高到了2.80%。政府对前沿科技研发的大力支持，使得美国稳坐产业链顶端，垄断着多项高新技术，也导致了美国科技股价格飞涨，带动了美国股票的十年牛市。

而小布什政府则将重点放在了国防和反恐领域，科技政策相对保守，资金支持力度也逐渐减弱，导致科技创新企业发展速度下降，科技股在2003年-2008年初股市上涨期间的表现也并不突出。整体而言，国家政策的支持是科技行业发展的核心动力，也是美国科技股上涨的重要驱动因素。科技带动经济腾飞，科技股也在历次股市长牛中扮演着重要角色。接下来我们将对美国历次长牛中科技股的表现进行分析。

美国科技股为标普指数贡献大部分涨幅，纳斯达克指数涨幅高于其他指数
如前所述，1994年至今，美国股市经历了两场涨幅超过350%的牛市：第一次牛市发生在克林顿任期内，涨幅约在360%左右；第二次长达十年的牛市始于奥巴马任期内并延续至今，涨幅约在355%左右。两次牛市中，美国科技行业股票的涨幅均远远领先于其他行业。

上图表中绘制了从1990年到2019年间标普500行业指数的历史走势，各个行业指数主要追踪标普500指数成份股中归属于该行业的公司股票走势。在1991-2001年期间和2009-2019年期间，信息技术和医疗保健这两类科技类行业指数的涨幅均明显高于其他行业指数。下图表中则绘制了标普500指数的行业权重，可以看出自2000年以来信息技术指数、保健指数和电信服务指数等科技行业指数在标普500指数中所占比重总和接近40%，超过同时期其他行业的权重占比。可见，在标普500指数中科技行业股票权重占比较高且增长率远高于其他行业，贡献了指数中的大部分涨幅，是标普500两次长牛的主要驱动力。

接下来我们跳出标普500指数的成分股范围，以纳斯达克系列指数来观察美国科技股的整体走势情况。纳斯达克指数是纳斯达克证券交易所股票行情变化的价格平均指数，主要由美国的数百家发展最快的先进技术、电信和生物公司组成。从下图表中可以看出，与标普500、道琼斯工业指数和MSCI美国指数等综合性美股指数相比，主要由科技股组成的纳斯达克指数在过去多年间涨幅远超其他指数。

除此之外，我们还发现科技股的头部效应较为显著。上图中的纳斯达克100指数是由100只在纳斯达克交易所上市的非金融股组成，主要是市值较大的高科技成长股，可以看到从2009年至今的十年中，纳斯达克100指数的涨幅超过6.5倍，远高于纳斯达克指数5倍左右的涨幅。可见美国市场中的科技股具有头部效应，高成长高市值的高科技股票能够获得更高的收益。

头部科技公司盈利能力较强，盈利增速较快，估值水平合理，投资收益较高
美国股价增长较快、体量较大且最有代表性的五家头部科技公司分别为：苹果、亚马逊、谷歌、微软以及FACEBOOK，这五家公司也是美国机构投资者最青睐的投资标的。我们将对五家头部科技公司的基本面情况进行简要回顾，以期从中窥见优质科技股票的共性特征。

从营业收入来看，苹果和亚马逊在2018年的营业收入超过2000亿美元，谷歌和微软的营业收入高于1000亿美元，FACEBOOK的营业收入也超过了500亿美元，可见五家公司均具有较为可观的营业收入，经营规模较大。

从盈利能力和盈利增长情况来看，五家公司在2018年均有着超过100亿美元的净利润，盈利能力较强。苹果公司的净利润除在2013年和2016年的小幅下滑外，整体呈现增加的趋势；同样，亚马逊、谷歌和2012年上市的FACEBOOK的净利润也整体呈现出快速上涨的趋势；微软的净利润则较为稳定。

从估值情况来看，五家公司估值情况在科技股中均属于较为合理的水平，除因为云计算业务而获得较高估值的亚马逊外，其他四家公司的估值情况在科技公司中属于正常偏低的水平。苹果公司、谷歌公司、微软公司和FACEBOOK的市盈率均低于纳斯达克指数成分股的平均市盈率。

在美国十年牛市中，五大科技股的涨幅均远超过标普500的涨幅。其中亚马逊增长25.64倍，苹果公司增长17.85倍，微软、谷歌和FACEBOOK的涨幅均在8倍左右，而同期标普500指数点位仅增长了4.14倍。可见投资此类经营规模较大、盈利能力较强、盈利增速较快，且估值处于合理区间的科技行业龙头，能够获得较高的收益率。

国内科技创新方兴未艾，政策利好近年频出
近三年来政策支持力度空前

如前所述，科技企业研发效率和成果商业化速度与政策支持力度和经费投入直接挂钩。回顾过去十余年，科研经费投入总额持续保持高速增长，根据国家统计局数据，2018年中国研发支出占GDP比重达到2.18%，研发支出总额19657亿元，较上年增长11.6%。自2000年至今，研发支出年均增长速度接近20%。

除科研经费支出稳步增加外，近三年内科技发展相关政策也是力度空前。2016年5月，国务院发布《国家创新驱动发展战略纲要》，提出实施“三步走”战略目标，明确到2050年建成世界科技强国的战略目标。纲要中明确将从改革创新治理体系、增加创新投入、推进开放创新、完善评价制度、实施知识产权标准和品牌战略、培育创新友好的社会环境等6个方面为科技创新研究提供保障。2016年6月，全国科技创新大会、两院院士大会、科协第九次全国代表大会上又提出：“科技是国之利器。中国要强，中国人民生活要好，必须有强大科技。科技创新必须摆在国家发展全局的核心位置。”

同年8月，国务院印发“十三五”国家科技创新规划，规划提出将科技创新摆在国家发展全局的核心位置，在总体部署中强调了科技创新在产业结构转型和经济发展中的重要地位，同时表明将健全支持科技创新创业的金融体系，引导民间资本和境外资本投向创新领域。其中包括以下四个重要内容。

其一，加强基础研究，力争在更多基础前沿领域引领世界科学方向，在更多战略性领域实现率先突破。
其二，建设一批具有重大带动作用的创新型省市和区域创新中心，推动国家自主创新示范区和高新区创新发展，系统推进全面创新改革试验。
其三，破除束缚创新和成果转化的制度障碍，加快中央财政科技计划（专项、基金等）管理改革，强化科技资源的统筹协调；产学研结合，促进科技成果转移转化，完善科技成果转移转化机制。
其四，推进大众创业万众创新，构建良好创新创业生态。大力发展科技服务业，建立统一开放的技术交易市场体系，提升面向创新全链条的服务能力，提供良好创业环境。

在随后的三年内，科技创新研发相关的重要政策开始密集公布，政策内容涵盖提高科研机构和人员自主权，加速科技成果转化，明确知识产权归属，开展创新型城市建设，加强科研诚信建设，实施科研项目评审、人才评价、机构评估改革等方面，为科技研发提供了优越的政策环境。

在这些政策的引导和推动下，国内创新企业成果频现。近年来，我国在5G通信、超级计算机等技术领域已经遥遥领先其他国家，国内企业也逐步进入芯片、人工智能、云计算等领域，可见我国自主科研能力不容小觑。整体而言，近三年来国内支持科学创新的政策力度与美国克林顿政府时期相比有过之而无不及，在科研经费投入增加、支持政策频出、创新制度逐步完善的情况下，中国科技企业有望进入高速发展时期，科技股也有望迎来较大的投资机会。

深圳先行示范区引领高新技术开发，科技行业集聚释放创新动力
在众多支持创新的优惠政策中，建立深圳先行示范区的相关政策在近期最受关注。2019年8月，国务院发布了《关于支持深圳建设中国特色社会主义先行示范区的意见》，文件中表明，国务院将支持深圳进一步发展5G、人工智能、网络技术、生物医药和通信高端器件行业的发展，推动深圳建设体现高质量发展要求的现代经济体系。

在《意见》中表明，先行示范区经济建设主要包含三个方面：一是建设技术创新的环境，建设重大创新载体、全球科技合作组织和平台、战略性新兴创新中心，并实施关键核心技术攻坚行动。第二点是建立保护知识产权的体系，探索知识产权证券化、建立知识产权和科技成果产权交易中心。第三点是建立吸引人才的政策，改革人才引入制度，允许取得永久居留资格的国际人才在深圳创办科技型企业、担任科研机构法人代表。这三点与美国90年代以来的政策有相似之处，深圳先行示范区将从科技投资建设、人才和知识产权保护三方面着手，大力促进前沿科技的研发和高科技企业的发展。

此项政策无疑将为深圳的优质高科技上市公司带来重大利好。当前各家高科技公司的经营规模和净利润正处于高速增长阶段：腾讯控股和远望谷两家代表性企业的营业收入近年来显著上升，腾讯控股2018年的营业收入已经是2008年的40倍；深科技、大族激光、立讯精密、信维通信等公司历年净利润涨幅也非常大，立讯精密2018年净利润达到了27.23亿元，十年内利润增长超过46倍。在深圳示范区利好政策的进一步推动下，这些企业未来或将有更高的成长速度和更大的发展空间。

研发和成长因子在科技股筛选中长期有效，质量和估值因子增强投资安全性
前文中已经说明，当前我国科技创新企业拥有较好的政策环境和日渐增加的经费支持，制度环境也在逐渐完善，随着科技强国战略的逐步推进和深化，我国高科技企业或将迎来高速发展，科技股的投资机会也将逐渐显现。在本部分中，我们将对科技股投资中常用的研发因子、成长因子、质量因子和估值因子这四类因子的投资逻辑进行梳理，并对其在中国科技股投资中的有效性进行实证研究。

研发投入是高科技企业未来利润增长的源头
持续的研发投入是高科技企业未来利润增长的源头，也是股价持续上涨的核心动力。许多国外研究都证实了研发投入与企业业绩和企业未来价值之间呈正相关关系。Scherer（1965）、Grabowski和Mueller（1978）以美国公司为样本，Bosworth和Rogers（2001）以澳大利亚企业为样本，Han和Manry（2004）以韩国企业为样本，对企业研发投入和企业绩效之间的关系进行了实证研究。研究结果表明，在不同国家中，企业的研发投入与企业业绩之间呈现出正相关关系。

Lev和Sougiannis(1996)则以美国2600家制造业企业从1975年至1991年间的全部财务数据为样本，发现研发投入与股票后续收益率之间存在显著正相关关系，研发因子的年化超额收益率达到4.57%，作者对于研发因子超额收益稳定存在的现象提出了两种解释：一是市场中存在错误定价，二则是对投资该因子所承受风险的补偿。

从错误定价的角度来看，Hall（1993）认为投资者缺乏长远眼光，不能意识到研发投入这种长期投资带来的收益。另外，由于研发投入费用化导致公司账面价值低于其真实价值，而投资者习惯于将公司的账面价值当成该公司的真实价值，因此研发投入较高的上市公司股票很可能被错误定价。Chan, Lakonishok和Sougiannis（2001）发现研发投入相对市值的比例较高的公司股票能获得较高的超额收益，他们认为超额收益的原因是企业在过去业绩不好的情况下仍然没有削减研发投入，体现出企业管理层对企业未来的信心，而这种信号经常被市场忽略。Pemman and Zhang（2002）也认为投资者会被研发投入费用化后的企业账面价值误导，当研发投入上升时误认为收益下降而低估企业价值，而研发投入下降时误认为收益上升，因而高估企业价值。

从风险补偿的角度来看，Belen Villalonga（2004）发现研发投入虽然可以给企业带来竞争优势，但同时也会为企业带来更高的风险。Chan，Josef Lakonishok和Sougiannis（2001）的研究也指出，高研发投入的企业业绩波动性更高，因此要求更高的风险补偿。

业绩增速展现科技公司的竞争力和未来发展潜力
公司的业绩增速包括营收、资产和投资的增长速度。公司的成长能力体现出其资产规模、盈利能力、市场占有率持续增长的能力，反映了企业未来的竞争力和发展前景。Chung 和 Charoenwong（1991）研究发现成长性较高的企业在未来会面临更大的经营风险，因此要求更高的风险补偿。

从风险溢价的角度看，业绩增速较快的企业为了维持较高的增长率，往往具有高杠杆率、高投资率等特征，因此未来现金流不确定性较强，需要支付更高的风险溢价；另一方面，业绩增速较高增长意味着未来可能面临更多竞争者，也意味着高增长性的不确定性，从而要求更高的风险补偿。

估值因子降低投资组合风险
估值类因子是价值投资中的常用指标，一般认为当前估值较低的股票未来可能会有更大的增长空间。最早开始对估值因子进行研究的是 Basu（1983）和 Stattman（1980），他们证明了市盈率（PE）、市现率（PC）和市净率（PB）比较低的股票的未来收益率远高于 PE、PC 和 PB 比较高的股票。Fama and French在1992年利用 1963 年 7 月-1990 年 12 月共 27 年的数据进行回测，发现账面市值比能够有效解释股票的超额收益。随后在1997年，两位学者又对全球13个股票市场进行了实证研究，证实在12个市场中估值因子都是长期有效的。

从风险补偿的角度来看，估值因子长期有效的原因是估值较低的公司存在一定的财务风险：他们通常有着较高的杠杆率，也面临着较大的盈利风险。Chen 和 Zhang（1998）通过实证检验发现，投资于高负债率、高盈利波动性以及股息下降25%以上的高账面市值比（低PB）公司，相比单纯使用估值因子的策略能获得更高的回报，间接证明了风险溢价理论的合理性。

从行为金融学角度来看，估值因子超额收益来源于投资者的亏损厌恶（Loss Aversion）。Barberis 和 Huang在2001年的研究中发现，投资者在连续亏损后再次亏损时承受的痛苦，要高于前期盈利后的亏损带来的痛苦，因为在经历了第一次损失的痛苦后，人们会对额外的损失更加敏感。同理，估值较高的股票通常是近期表现良好的公司，因此投资者不太担心未来的损失，要求的风险溢价也比较低；而估值较低的价值股通常近期表现欠佳，连续亏损的痛苦使投资者认为这些股票风险更大，因此会对这类股票要求更高的风险溢价。

在国内市场中，科技股通常有着偏高的估值，如果公司估值过高，则该股票日后上涨空间较小，一旦营收不达预期下跌空间也较大。因此在投资科技股时筛选掉估值过高的股票可以提高投资组合的安全性，也为公司未来收益提供一层保障。

质量因子考察公司营收状态
根据Jason Hsu（2019）的总结，在业界中质量因子通常由盈利能力、盈利稳定性、未来成长性、资本结构、投资水平、会计质量和分红/增发等七大类指标来组合构建，而其中最核心的因子还是盈利能力和盈利稳定性/增长性这两类因子，许多论文里经常把这两类因子或其中一种作为质量因子的度量。

Piotroski（2000）从公司盈利情况、营运效率、资本结构及资金安全性等方面来构建质量因子，并使用1976-1996 年股票数据为样本进行回测，结果显示高分组别年化收益率与低分组别年化收益之间的差距高达 23%；Fama（2006）发现在控制账面市值比和投资后，盈利仍然和股票未来收益率有显著正相关关系；Novy-Marx（2013）以1962-2010期间股票数据为样本，使用丹麦、比利时、芬兰、法国、德国、英国、中国香港和日本等市场数据进行检验，发现总盈利与总资产之间的比率与股票未来收益显著正相关。

关于质量因子长期有效的逻辑，从风险溢价的角度来看，质量较高、盈利能力较强的公司在未来会拥有更多的现金流。由于此类公司通常具有高应收账款、高投资率等特征，且很可能在未来面临更激烈的竞争行为，公司未来现金流的确定性较低，因此投资于质量因子的投资者会要求更高的风险溢价。

从行为金融学的角度来看，是投资者对于高质量公司经营状况的错误认知导致的错误定价。Liu（2015）以1963-2013年数据为样本，发现高盈利性公司的股票收益率在73%的时间中都高于低盈利性公司的股票，且收益率波动性更低，因此认为因子超额收益并非来自风险溢价，而是来自错误定价。Jean-Philippe（2016）发现在处置效应（Disposition Effect）和过度自信（Over Confidence）的影响下，投资者通常会认定上市公司高盈利的经营状态和股价的上行状态无法持续，因此会倾向于低估高盈利性公司未来的盈利能力，高估低盈利性公司未来的盈利能力，从而导致错误定价。

科技公司股票价格的上涨主要来源于高盈利能力和高成长速度。高营收既反映了公司的龙头属性，也为公司的持续研发投入提供了财务保障，更间接反映了企业未来成长和盈利的空间，因此在投资科技股时应当将质量因子纳入考虑。

综合以上因子的多因子策略能够有效筛选出优质科技股，获得超额收益
为了验证研发、成长、估值和质量因子在科技股选股中的有效性，我们使用四类因子构建了选股策略，以2012年5月-2019年9月的历史数据进行回测，通过策略的收益情况来评价四种因子在A股市场科技股中是否有效。

首先我们需要明确四类因子的计算方法，综合多篇国外论文和研报的方法论，我们选取了一些常用且具有代表性的指标来对因子进行构建

因子的具体计算方法如下：
我们选取互联网、通信、软件开发、医疗保健、生命科学、航空航天、汽车制造等科技行业的股票作为股票池，对回测期内各个调仓日上的每一个财务指标进行排序，排序后对序数进行标准化处理，计算出各截面各指标的Z分数。以ROE为例，具体公式如下：

计算出所有指标的Z分数后，将每个股票相应指标的Z分数平均即得到该股票的估值类、质量类、成长类、研发类因子，再将各因子Z分数加权平均，计算出一个体现股票四方面整体情况的因子。

选股时在每个调仓日期分别使用最新数据计算得到的因子对股票进行排序，选出因子Z分数前20%的股票并进行回测，计算策略收益。回测期从2012年5月开始到2019年9月结束，每季度调仓，设定所有股票等权重。

由于2018年以前的财务报表通常不包含研发费用，研发费用计入管理费用科目，因此在回测时，我们用管理费用指标来代替研发投入。将初始净值设为1，则研发因子等权策略净值走势如下图表所示，可以看出，研发费用高的科技公司收益率显著超过创业板指和其他综合性指数，2016年后累计收益一直超过创业板指数。

我们借助利润同比增速、研发投入同比增速和营收同比增速构造成长因子，筛选出各期高成长的股票并等权加权计算策略净值。将初始净值设为1，则成长策略净值走势如下图所示。可以看出高成长科技股收益率显著高于大盘指数和其他综合性指数，累计收益率在2017年后一直超过创业板指数。

我们采用扣非净利润与研发费用之和除以总市值作为估值因子，筛选出低估值的股票并等权加权计算策略净值。将初始净值设为1，则估值因子策略净值走势如下图所示。可以看出低估值科技股收益率显著高于上证综指等其他综合性指数，累计收益率也超过了创业板指数。

我们采用ROE、毛利率和总资本周转率构造质量因子，筛选出高质量的股票并等权加权计算策略净值。将初始净值设为1，则质量因子策略净值走势如下图所示。可以看出高质量科技股收益率显著高于大盘指数和其他综合性指数，且2017年5月之后累计收益率一直超过创业板指数。

接下来，我们使用四类因子合成的复合策略，筛选出对应的科技股，并进行自由流通市值加权合成，计算策略净值。我们将初始净值设为1，则符合因子策略净值走势如下图所示，可以看出，使用复合策略的投资策略净值在2016年9月后显著高于创业板指数，累计收益率超过创业板指数90%。

通过计算投资策略的具体风险指标，我们可以更加定量地比较策略优劣。从年化收益来看，所有单因子策略年化收益率都高于上证综指、沪深300等综合指数以及创业板指数。从夏普比率来看，各因子选股策略也明显优于各个指数，其中复合策略的夏普比率达到0.60，年化收益率在因子策略中最高，年波动率最低。尽管复合策略最大回撤达到40.42%，但是仍是所有策略和指数中最低的，同时从较高的Calmar比率也能看出该策略能够在承担相对较低极端风险的同时，获得相对较高的收益。

中证深圳科技指数采用多个因子优选个股，历史表现优异
如前所述，政策支持和经费投入是科技行业发展的重要动力，近三年来国家密集颁布科技创新相关政策，我国科技行业有望在政策的科学引导和大力支持下获得高速发展。深圳这座城市更是国内科技创新的先行者，孕育了众多盈利能力、成长速度以及国际竞争力均排名前列的高新科技名企。关于支持深圳建设中国特色社会主义先行示范区的意见发布后，当地企业无疑将获得更多的政策支持，深圳上市公司股票也或将乘着政策东风，为投资者带来较为可观的收益。

当前国内市场唯一聚焦深圳的科技行业指数仅有中证深圳科技创新主题指数这一只，除投资深圳创新企业享受政策红利之外，该指数在编制时还采用了研发、成长、估值、质量这四个实证证明在A股市场科技股中有效的因子，来筛选出投资价值较高、增长潜力较大的优质深圳科技企业。在本章中，我们将对该指数进行客观分析，以为投资者提供参考。

指数编制方法较为科学，分享科技龙头企业发展红利
中证深圳科技创新主题指数(931136.CSI)由中证指数有限公司与安信基金合作研发，围绕深圳科技创新主题，从成长、估值、质量以及研发四个维度选取一定数量的深圳科技创新企业股票作为指数样本股，采用自由流通市值加权，实现深圳科技创新企业打包投资。该指数以2014 年11 月14 日为基日，以3000 点为基点，在中证三级行业分类体系中选21个科技创新主题的行业，以反映深圳科技创新主题上市公司的整体表现。

指数编制时使用的smart beta因子更加科学全面，突出研发的重要性
该指数聚焦深圳科创企业，选取多个与科技创新主题相关的行业领域，选出估值与成长相结合，并最终筛选出研发驱动型的优秀深圳科技公司。该基金以Smart beta模式运作，其独特性在于不仅关注质量因子、成长因子和估值因子这些反映企业当前盈利情况和运作状态的因子，还重点关注与企业未来收益和增长潜力直接挂钩的研发支出指标，而这正是科技企业估值中最重要的指标之一。科技企业的研发投入占比通常影响着企业未来的发展空间，研发支出占比高的企业在未来有更高的机率获得建设性创新成果，获得更大的市场空间和更大的收益。下面我们来分析该指数的具体编制过程。

在度量备选股票的成长性时，该指数使用研发费用与扣非净利润之和的同比、研发费用同比和营业收入同比这三个指标综合衡量，将研发费用增长的情况也纳入了考察范围；在度量备选股票的价值时，该指数使用扣非净利润与研发费用之和与总市值的比值来衡量，将研发费用支出还原到企业利润中，以更加科学合理的方法考察科技股的估值水平；在度量备选股票的质量时，该指数使用ROE、毛利率和总资产周转率来综合考察企业营运状况；在度量备选股票的研发能力时，该指数则使用股票研发费用占营业收入的比重来衡量。

可以看到，该指数在构建Smart Beta因子时，多次将研发费用纳入各类指标的计算中，紧密围绕与企业未来收益正相关的研发投入指标进行选股，这种选股逻辑更加符合科技类公司高盈利高成长的实际情况，能够以更加科学合理的方法筛选出优质科技股。

在完成各类指标的计算后，该指数继续对每只股票的大类因子得分进行计算：各因子内指标分别升序排列，并将各因子内指标的百分比排名进行简单算术平均，将所得算术平均值再次升序排列获取各单因子百分比排名得分。最终在分别对研发类、成长类、估值类、质量类因子给予30%、30%、30%、10%的权重，采用加权平均的方式计算每只股票的最终得分。

在下表中，我们整理了国内现有科技主题指数及其编制特点，可以发现大部分科技指数均使用了多个科学有效的因子，但深圳科技指数与之相比还有以下两个突出特点：

深圳科技指数在选股时将部分在香港上市的科技股纳入样本空间内，选股范围内包括多家未在沪深两市挂牌的龙头名企。
使用因子种类更多，范围更广，考察方向更加全面，且构建因子时更加重视研发费用在选股中的重要性。

指数成分股覆盖信息技术等五类行业，权重分布向大市值龙头股倾斜
深圳科创指数选取了深圳科技领域具有代表性的50只股票作为样本股，来反映科技领域龙头股票的市场表现。深圳科创指数以科技创新为主题，因此根据Wind一级行业分类，其成份股主要来自信息技术、工业、医疗保健、可选消费、材料这五大行业。下方两图表中展示了指数成份股市值与个数的行业分布。

可以看出，信息技术和工业行业的市值占据指数成份股的比重相对较大，股票个数也相对较多；材料与可选消费市值占比最小，且个股数量也较少；医疗行业股票纳入个数较多，但市值比重相对较小。整体上看信息技术行业股票是指数的核心组成部分，但其他四类行业也均在指数中占有一定权重，在一定程度上分散了单一行业的特有风险。

另外，从成份股市值分布情况来看，在50只成分股中，共有29只市值小于100亿，6只市值超过500亿，其余15只股票则介于两者之间。总体来看，深圳科技指数的成分股中囊括了大中小市值的各类科技股，市值分布在一定程度上倾向于小市值，但由于该指数采用自由流通市值对成分股进行加权，整体权重分布倾向于大市值科技股，前十大权重股占比59%，因此该指数仍能利用大市值科技股的龙头效应和规模效应优化指数投资收益。

指数成分股中包含多只行业龙头股票，把握科技产业发展东风
指数成分股中覆盖多个行业龙头股票，发展势头强劲。中证深圳科技创新主题指数前十大权重股为立讯精密、比亚迪、中兴通讯、信维通信、迈瑞医疗、汇川技术、中国长城、汇顶科技、深南电路、深天马A，权重分别为8.50%、7.86%、7.78%、6.64%、5.86%、5.76%、5.4%、4.41%、3.65%、3.36%，总和接近60%。接下来我们将从其中挑选各行业龙头科技股并对其业务情况与发展前景进行简要梳理。

立讯精密
立讯精密是国内消费电子行业龙头。官方网站信息显示，该公司主要专注于连接器的研发、生产和销售，产品主要应用于计算机、通讯、消费电子、汽车、医疗等领域。从研发能力看，该公司产品拥有自主核心技术和知识产权，专利超过百项，整体来看研发能力较强，成果商业化效率较高。从发展趋势看，该公司从连接产品厂商起步，逐渐扩展业务范围，成功转型成为多元化的平台企业。当前该公司产品覆盖连接线、天线、无线充电等组件，未来业务增长点主要来自于5G相关业务、新能源汽车业务合作以及新型应用（VR等），发展前景较好。

中兴通讯
中兴通讯是国内通信行业龙头。官方网站信息显示，该公司业务范围覆盖无线基站、核心网、手机及家庭终端等产品的研发生产及服务提供，在3G、4G时代占有了一定的市场份额。从发展趋势看，该公司以5G作为公司的核心发展战略，在 5G 关键技术的商用实践中保持业界领先，在全球获得二十余个5G商用合同，与全球超过60运营商展开 5G 合作。从研发能力看，该公司核心通信芯片已经实现自主研发，5G专利数量位居全球前五，研发能力与成果转化能力较强。

迈瑞医疗
迈瑞医疗是国内医疗器械行业龙头。官方网站信息显示，该公司业务范围覆盖生命信息与支持设备、体外诊断设备和医学影像设备等产品的研发生产以及医疗解决方案的提供，产品偏向于高端医疗设备，科技含量较高。从研发能力看，该公司在过去多年保持较高的研发投入水平，2019年上半年研发投入达到7.78亿元，发明专利数量居全国前列，在医疗器械企业中居于榜首。从发展趋势看，该公司目前持续在高端监护等领域实现技术突破，在彩超等多个领域已处于国内领先地位，产品正在向国外高端医疗市场不断渗透，也在不断覆盖国内高速扩张的医疗器械市场。

深圳科技指数历史表现优异
为客观衡量中证深圳科技创新指数的收益成长以及风险情况，我们选取AMAC科技、新兴科技100、中证科技50和中证科技100等类型相近的科技指数，以及沪深300、中证500、上证综指和Wind全A等宽基指数，将这些指数的历史表现与中证深圳科技创新主题指数进行对比分析。各指数走势对比如下方图表所示。

可以看出，深圳科技与其他科技主题指数的历史走势较为相似，但从数据来看，深圳科技指数的历史表现明显优于AMAC科技和新型科技100等科技主题指数。与宽基指数相对比时我们发现，深圳科技指数在市场上行时的收益情况显著优于宽基指数，2019年6月1日至2019年10月23日近五个月内的指数涨幅达到23%，而宽基指数中涨幅最高的沪深300仅有6.58%的收益。

从具体的风险收益指标中可以看出，相比其他科技主题指数和宽基指数，深圳科技指数在近五年内有着最高的累计收益和年化收益；最大回撤仅次于沪深300，明显小于其他科技指数，年化波动率高于宽基指数，但与其他科技指数相比属于较低水平；夏普比率在各指数中排名前列，Calmar比率在各个指数中最高，意味着深圳科技指数可以在承受较小极端风险的同时获得更高收益。

安信中证深圳科技创新主题指数基金（LOF）投资优势明显
上一章节中我们从指数编制思路、指数选股因子、成分股行业市值分布以及指数历史业绩等方面对中证深圳科技创新主题指数进行了全面分析，发现该指数选股因子科学合理，龙头企业分配权重较高，历史表现相比其他指数较为出色，整体来看投资价值较高。跟踪该指数的被动型基金仅有安信中证深圳科技创新主题指数基金（LOF），根据证监会网站公示，该基金已于2019年9月20日获证监会募集批准。在本章中，我们将对该基金的基本情况进行简要分析，以供参考。

唯一跟踪深圳科技指数的被动基金，基金经理投资经验丰富
安信中证深圳科技创新指数基金是目前唯一已获募集批准的跟踪中证深圳科技指数的被动基金，该基金拟任基金经理徐黄玮现任安信基金管理有限责任公司量化投资部基金经理。根据安信基金官方网站介绍，徐黄玮先生具有丰富的投资经验和投研经历，历任广发证券股份有限公司衍生产品部量化研究员、资产管理部量化研究员、权益及衍生品投资部投资经理。徐黄玮先生投资研究经验丰富，擅长指数增强产品、量化基本面因子模型，融合定性研究和量化模式开发技术。根据Wind数据，徐黄玮先生所管理的量化精选沪深300增强基金近2年在同类产品中排名前20%。

指数基金费用低廉、风格稳定、透明度高，能够以较低的成本获得科技发展红利
安信深圳科技指数（LOF）作为被动型指数基金，管理费率远低于主动型基金，使得投资者能够以较低的投资成本享受科技发展的红利。此外，该基金还具有风格稳定、透明度高等优点，投资者能够及时跟踪基金的投资组合及表现情况，监测基金的投资风格，从而提高资产配置的效率。接下来我们将对这些优点依次进行介绍。

首先，安信中证深圳科技创新主题指数基金的投资成本低于其他主动管理的股票型基金。一般情况下，主动型基金收取的管理费往往较高，因而投资者取得的实际收益相对减少。而安信中证深圳科技创新指数基金跟踪深圳科技指数，采用Smart beta模式，投资于科学的量化因子筛选出的科技股票，投资者能够以更低的成本来分享高新科技发展的红利。

其次，该指数基金具有风格稳定的优点。该基金将研发类支出与估值、成长、质量因子相结合，以既定规则筛选出研发驱动型的优秀深圳科技公司。这种稳定清晰的投资风格一方面使得基金管理人不能根据个人的喜好作出投资决策，从而一定程度上有效规避了主动管理能力波动带来的风险；另一方面则便于投资者更好地根据其投资偏好及时有效地进行资产管理与配置。

再次，指数型基金具有透明度高的特点。此类基金的投资目的是紧密跟踪指数或业绩基准的净值走势，最小化跟踪误差，因此基金管理人会依循指数成分股和权重安排来进行投资，使得投资者能够及时跟踪监测资金的投资情况。

基金公司实力雄厚，为基金平稳运作提供助力
安信中证深圳科技创新指数基金由安信基金管理有限责任公司（以下简称“安信基金”）管理。安信基金践行价值投资理念，以基本面选股为主要优势，并兼顾风格多元化，近年来业绩表现突出，获得了2018年度金牛基金管理公司奖、最受信赖金牛基金公司奖、十大明星基金公司奖、金基金股票投资回报基金管理公司奖等多个权威奖项。在中国证券报的评价排名中，安信基金近三年（2016年10月10日到2019年9月30日）权益业绩排名前十，在基金公司中表现突出。可见，安信基金具有较为雄厚的实力和出色的管理业绩，能够为安信中证深圳科技创新主题指数基金的平稳运作提供助力。

风险提示
海外因子有效性分析引用自历史顶级期刊论文及出版书籍，国内因子有效性分析采用较长时间跨度的历史数据进行回测，但历史规律在未来仍有失效风险；政策分析部分为对当下政策支持力度的线性外推，在未来存在科技创新支持政策力度改变的风险，投资需谨慎。另外，报告中涉及到的具体基金产品不代表任何投资意见，请投资者谨慎、理性地看待。

免责申明
本公众平台不是华泰证券研究所官方订阅平台。相关观点或信息请以华泰证券官方公众平台为准。根据《证券期货投资者适当性管理办法》的相关要求，本公众号内容仅面向华泰证券客户中的专业投资者，请勿对本公众号内容进行任何形式的转发。若您并非华泰证券客户中的专业投资者，请取消关注本公众号，不再订阅、接收或使用本公众号中的内容。因本公众号难以设置访问权限，若给您造成不便，烦请谅解！本公众号旨在沟通研究信息，交流研究经验，华泰证券不因任何订阅本公众号的行为而将订阅者视为华泰证券的客户。

本公众号研究报告有关内容摘编自已经发布的研究报告的，若因对报告的摘编而产生歧义，应以报告发布当日的完整内容为准。如需了解详细内容，请具体参见华泰证券所发布的完整版报告。

本公众号内容基于作者认为可靠的、已公开的信息编制，但作者对该等信息的准确性及完整性不作任何保证，也不对证券价格的涨跌或市场走势作确定性判断。本公众号所载的意见、评估及预测仅反映发布当日的观点和判断。在不同时期，华泰证券可能会发出与本公众号所载意见、评估及预测不一致的研究报告。

在任何情况下，本公众号中的信息或所表述的意见均不构成对客户私人投资建议。订阅人不应单独依靠本订阅号中的信息而取代自身独立的判断，应自主做出投资决策并自行承担投资风险。普通投资者若使用本资料，有可能会因缺乏解读服务而对内容产生理解上的歧义，进而造成投资损失。对依据或者使用本公众号内容所造成的一切后果，华泰证券及作者均不承担任何法律责任。

本公众号版权仅为华泰证券股份有限公司所有，未经公司书面许可，任何机构或个人不得以翻版、复制、发表、引用或再次分发他人等任何形式侵犯本公众号发布的所有内容的版权。如因侵权行为给华泰证券造成任何直接或间接的损失，华泰证券保留追究一切法律责任的权利。本公司具有中国证监会核准的“证券投资咨询”业务资格，经营许可证编号为：91320000704041011J。

林晓明
执业证书编号：S0570516010001

华泰金工深度报告一览
金融周期系列研究（资产配置）

【华泰金工林晓明团队】二十载昔日重现，三四年周期轮回——2019年中国与全球市场量化资产配置年度观点（下）
【华泰金工林晓明团队】二十载昔日重现，三四年周期轮回——2019年中国与全球市场量化资产配置年度观点（上）
【华泰金工林晓明团队】周期轮动下的BL资产配置策略
【华泰金工林晓明团队】周期理论与机器学习资产收益预测——华泰金工市场周期与资产配置研究
【华泰金工林晓明团队】市场拐点的判断方法

【华泰金工林晓明团队】2018中国与全球市场的机会、风险 · 年度策略报告（上）
【华泰金工林晓明团队】基钦周期的量化测度与历史规律 · 华泰金工周期系列研究
【华泰金工林晓明团队】周期三因子定价与资产配置模型（四）——华泰金工周期系列研究

【华泰金工林晓明团队】周期三因子定价与资产配置模型（三）——华泰金工周期系列研究

【华泰金工林晓明团队】周期三因子定价与资产配置模型（二）——华泰金工周期系列研究

【华泰金工林晓明团队】周期三因子定价与资产配置模型（一）——华泰金工周期系列研究

【华泰金工林晓明团队】华泰金工周期研究系列 · 基于DDM模型的板块轮动探索

【华泰金工林晓明团队】市场周期的量化分解

【华泰金工林晓明团队】周期研究对大类资产的预测观点

【华泰金工林晓明团队】金融经济系统周期的确定（下）——华泰金工周期系列研究

【华泰金工林晓明团队】金融经济系统周期的确定（上）——华泰金工周期系列研究

【华泰金工林晓明团队】全球多市场择时配置初探——华泰周期择时研究系列

行业指数频谱分析及配置模型：市场的周期分析系列之三

【华泰金工林晓明团队】市场的频率——市场轮回，周期重生

【华泰金工林晓明团队】市场的轮回——金融市场周期与经济周期关系初探

FOF与金融创新产品
【华泰金工】生命周期基金Glide Path开发实例——华泰FOF与金融创新产品系列研究报告之一

因子周期（因子择时）

【华泰金工林晓明团队】市值因子收益与经济结构的关系——华泰因子周期研究系列之三
【华泰金工林晓明团队】周期视角下的因子投资时钟--华泰因子周期研究系列之二
【华泰金工林晓明团队】因子收益率的周期性研究初探

择时
【华泰金工林晓明团队】A股市场低开现象研究
【华泰金工林晓明团队】华泰风险收益一致性择时模型
【华泰金工林晓明团队】技术指标与周期量价择时模型的结合
【华泰金工林晓明团队】华泰价量择时模型——市场周期在择时领域的应用

行业轮动
【华泰金工林晓明团队】景气度指标在行业配置中的应用——华泰行业轮动系列报告之九
【华泰金工林晓明团队】再探周期视角下的资产轮动——华泰行业轮动系列报告之八

【华泰金工林晓明团队】“华泰周期轮动”基金组合改进版——华泰行业轮动系列报告之七
【华泰金工林晓明团队】“华泰周期轮动”基金组合构建——华泰行业轮动系列之六
【华泰金工林晓明团队】估值因子在行业配置中的应用——华泰行业轮动系列报告之五
【华泰金工林晓明团队】动量增强因子在行业配置中的应用——华泰行业轮动系列报告之四
【华泰金工林晓明团队】财务质量因子在行业配置中的应用——华泰行业轮动系列报告之三
【华泰金工林晓明团队】周期视角下的行业轮动实证分析——华泰行业轮动系列之二
【华泰金工林晓明团队】基于通用回归模型的行业轮动策略——华泰行业轮动系列之一

Smartbeta
【华泰金工林晓明团队】Smart Beta：乘风破浪趁此时——华泰Smart Beta系列之一
【华泰金工林晓明团队】Smartbeta在资产配置中的优势——华泰金工Smartbeta专题研究之一

多因子选股
【华泰金工林晓明团队】桑土之防：结构化多因子风险模型——华泰多因子系列之十二

【华泰金工林晓明团队】华泰单因子测试之海量技术因子——华泰多因子系列之十一
【华泰金工林晓明团队】因子合成方法实证分析 ——华泰多因子系列之十
【华泰金工林晓明团队】华泰单因子测试之一致预期因子 ——华泰多因子系列之九
【华泰金工林晓明团队】华泰单因子测试之财务质量因子——华泰多因子系列之八

【华泰金工林晓明团队】华泰单因子测试之资金流向因子——华泰多因子系列之七
【华泰金工林晓明团队】华泰单因子测试之波动率类因子——华泰多因子系列之六

【华泰金工林晓明团队】华泰单因子测试之换手率类因子——华泰多因子系列之五
【华泰金工林晓明团队】华泰单因子测试之动量类因子——华泰多因子系列之四
【华泰金工林晓明团队】华泰单因子测试之成长类因子——华泰多因子系列之三
【华泰金工林晓明团队】华泰单因子测试之估值类因子——华泰多因子系列之二

【华泰金工林晓明团队】华泰多因子模型体系初探——华泰多因子系列之一
【华泰金工林晓明团队】五因子模型A股实证研究
【华泰金工林晓明团队】红利因子的有效性研究——华泰红利指数与红利因子系列研究报告之二

人工智能
【华泰金工林晓明团队】投石问路：技术分析可靠否？——华泰人工智能系列之二十四
【华泰金工林晓明团队】再探基于遗传规划的选股因子挖掘——华泰人工智能系列之二十三
【华泰金工林晓明团队】基于CSCV框架的回测过拟合概率——华泰人工智能系列之二十二
【华泰金工林晓明团队】基于遗传规划的选股因子挖掘——华泰人工智能系列之二十一
【华泰金工林晓明团队】必然中的偶然：机器学习中的随机数——华泰人工智能系列之二十
【华泰金工林晓明团队】偶然中的必然：重采样技术检验过拟合——华泰人工智能系列之十九

【华泰金工林晓明团队】机器学习选股模型的调仓频率实证——华泰人工智能系列之十八

【华泰金工林晓明团队】人工智能选股之数据标注方法实证——华泰人工智能系列之十七
【华泰金工林晓明团队】再论时序交叉验证对抗过拟合——华泰人工智能系列之十六
【华泰金工林晓明团队】人工智能选股之卷积神经网络——华泰人工智能系列之十五

【华泰金工林晓明团队】对抗过拟合：从时序交叉验证谈起

【华泰金工林晓明团队】人工智能选股之损失函数的改进——华泰人工智能系列之十三

【华泰金工林晓明团队】人工智能选股之特征选择——华泰人工智能系列之十二
【华泰金工林晓明团队】人工智能选股之Stacking集成学习——华泰人工智能系列之十一

【华泰金工林晓明团队】宏观周期指标应用于随机森林选股——华泰人工智能系列之十
【华泰金工林晓明团队】人工智能选股之循环神经网络——华泰人工智能系列之九

【华泰金工林晓明团队】人工智能选股之全连接神经网络——华泰人工智能系列之八
【华泰金工林晓明团队】人工智能选股之Python实战——华泰人工智能系列之七

【华泰金工林晓明团队】人工智能选股之Boosting模型——华泰人工智能系列之六

【华泰金工林晓明团队】人工智能选股之随机森林模型——华泰人工智能系列之五
【华泰金工林晓明团队】人工智能选股之朴素贝叶斯模型——华泰人工智能系列之四
【华泰金工林晓明团队】人工智能选股之支持向量机模型— —华泰人工智能系列之三

【华泰金工林晓明团队】人工智能选股之广义线性模型——华泰人工智能系列之二

指数增强基金分析
【华泰金工林晓明团队】再探回归法测算基金持股仓位——华泰基金仓位分析专题报告
【华泰金工林晓明团队】酌古御今：指数增强基金收益分析
【华泰金工林晓明团队】基于回归法的基金持股仓位测算
【华泰金工林晓明团队】指数增强方法汇总及实例——量化多因子指数增强策略实证

基本面选股
【华泰金工林晓明团队】华泰价值选股之相对市盈率港股模型——相对市盈率港股通模型实证研究
【华泰金工林晓明团队】华泰价值选股之FFScore模型
【华泰金工林晓明团队】相对市盈率选股模型A股市场实证研究

【华泰金工林晓明团队】华泰价值选股之现金流因子研究——现金流因子选股策略实证研究
【华泰金工林晓明团队】华泰基本面选股之低市收率模型——小费雪选股法 A 股实证研究
【华泰金工林晓明团队】华泰基本面选股之高股息率模型之奥轩尼斯选股法A股实证研究

基金定投
【华泰金工林晓明团队】大成旗下基金2018定投策略研究
【华泰金工林晓明团队】布林带与股息率择时定投模型——基金定投系列专题研究报告之四
【华泰金工林晓明团队】基金定投3—马科维茨有效性检验

【华泰金工林晓明团队】基金定投2—投资标的与时机的选择方法

【华泰金工林晓明团队】基金定投1—分析方法与理论基础

其它
【华泰金工林晓明团队】A股市场及行业的农历月份效应——月份效应之二
A股市场及行业的月份效应——详解历史数据中的隐藏法则

【华泰金工林晓明团队】国之利器，锋芒初现——科技股投资策略及深圳科技指数投资价值分析

浏览过的版块