1.1 宏观因子配置体系
我们在报告《基金配置系列：基于宏观状态识别的多资产配置 ETF 组合》中具体介绍了针对 A 股、债 券、黄金、美股和港股的中长期配置模型，总体思路是通过宏观层面的经济增长、通胀、流动性、货币政策、 美元指数、汇率、央行购金等指标及因子，采用马尔可夫转移模型识别宏观状态，分别探讨股票、债券和黄金 的投资价值，根据市场环境的变化进行动态调整不同资产的风险预算，并综合考虑宏观状态、风险分配及业绩 动量，构建多目标优化模型进行资产配置分析，构建 ETF 配置组合。 我们借鉴美林时钟的思路，通过构建综合增长因子和综合通胀因子来挖掘股票投资价值较高的时机。与传 统美林时钟不同的是，我们不仅关注因子变化方向，同时也将当前的状态纳入考虑。其中增长因子主要考虑 PMI、工业增加值、社会消费品零售总额、固定资产投资完成额和出口金额这 5 个指标，通胀因子主要考虑 CPI 和 PPI 这 2 个指标。采用流动性因子用于债市的风险监控，流动性因子采用 M1 同比来衡量。除了宏观层 面的因素外，股市本身的特征也对其投资价值具有重要影响。采用 ERP（股权风险溢价指标）、EP（1/PE） 和 BP(1/PB)指标来构建股债性价比因子，监控股市极端情况，并结合货币因子综合评估股票投资机会。 黄金的投资价值和美元指数的关联度较高。过去数十年间，美元与黄金的负相关关系都是支撑金价走势判 断的核心。然而自乌俄冲突爆发以来，美元与黄金的负相关体现就日渐趋弱，避险情绪和“去美元化”或许是 黄金价格变化的重要因素。另外，由于黄金是美元计价，对于国内而言，汇率也是黄金投资的考虑因素之一。 因此我们通过美元指数、央行购金和汇率等因素，构建黄金投资因子，衡量黄金的动态配置价值。
1.2 宏观因子状态识别
马尔可夫转移模型是一种基于马尔可夫链的理论，用于描述系统状态的变化动态并进行分析和预测的模 型。该模型主要包含了状态转移概率矩阵和初始状态概率分布，可以用来描述系统状态之间的转移关系以及每 个状态在初始时刻的出现概率。根据马尔可夫转移模型，我们可以将因子划分为 n 个离散状态，如可以将增长 因子划分为高增长和低增长，将通胀因子划分为高通胀和低通胀状态。对于增长因子，我们将增长因子的状态 和增长因子变化的状态进行综合考量，构建综合增长因子。进一步结合通胀因子的状态，寻找超配股票的时 机。不同因子状态之间的转移概率是 0-100%的连续数据，但为了能更清晰观察不同状态下的资产收益表现， 我们将概率进行四舍五入处理，即当前市场处于某一个状态的概率高于 50%，我们即认为当下市场是处于该状 态的。我们将最终的因子称为经济周期状态因子，当经济周期状态因子为 1 时，则考虑超配股票资产。 我们采用 ERP、EP 和 BP 指标来构建股债性价比因子，动态监控股市的极端情况，同时叠加经济周期状 态因子和货币因子变化，构建最终的股票因子。对于黄金资产择时，我们通过美元指数、央行购金、人民币兑 美元汇率等因素，构建黄金因子，衡量黄金的动态配置价值，并采用马尔可夫转移模型划分因子的状态。债券 的分析思路与股票、黄金差异较大，债券相关因子的作用主要为防范风险，因此重点是极值检测，所以流动性 因子的判定方式与股债性价比类似，重点是检测因子偏离均值的幅度。
1.3 多资产配置 ETF 组合
采用多目标优化模型进行业绩增强。传统风险平价及风险预算主要考虑的是资产之间的协方差，即重点关 注风险分配。我们对该模型进行微调，将资产动量也纳入考量，构建多目标优化模型。我们考虑采用 ETF 来 构建基于宏观状态的基金组合。考虑到可投性、相关性和模型适用范围，我们将 A 股、港股、美股的相关 ETF 纳入股票产品类型，风险分配上偏重 A 股，A 股考虑底仓型宽基 ETF，并根据市场环境做风格配置调 整；商品仅考虑黄金 ETF，债券考虑短融和 10 年期国债 ETF。我们采用 ETF 跟踪的指数进行业绩回测，并采 用相对均衡的投资方式来进行风格配置，并且控制除债以外资产的配置上限。债券方面我们根据流动性因子状 态进行微调，当流动性因子状态显示为“高”时缩短配置久期，加大对短融的配置。 构建目标波动率为 5%、10%和 15%的稳健、平衡和积极组合，并限制对于黄金、美股和港股的投资比例 上限为 10%，并根据宏观状态信号动态月度调整风险预算，整体的非债券配置比例大约在 30%、40%和 50%。 对比宏观状态模型和风险平价模型，稳健、平衡和积极组合的年化超额收益分别为 3%、5%和 9%，组合回撤 表现有明显变好，夏普比例表现优秀。风险平价模型和风险预算模型的业绩表现结果差异较小，主要原因是模 型对于目标波动率和不同资产投资比例的约束。
从最新的宏观因子状态信号来看，中长期的投资建议仍较稳定，流动性因子没有提示债券利空风险，故债 券配置仍以长债为主；股票投资建议以红利+宽基+成长的配置思路，其中红利与宽基为底仓；黄金信号仍处于 积极区间。综合宏观信号及风险预算模型，最终得到稳健、平衡和积极组合的指数配置，与之前相比，黄金、 债券和股票的配置比例变化较小，主要是美股和港股之间的仓位微调，体现为对港股的减仓。
2.1 风格因子表现
回顾 2024 年，相比于过去几年较为稳定的市场风格，风格因子整体表现在今年迎来了大幅波动。小市值因 子等过去几年的优势风格切换为大盘价值，随着风格的快速切换，各类量化策略在今年也迎来了显著回撤。 从 Barra 风格因子的具体表现来看，相较于 2023 年，2024 年大部分因子的表现均有所减弱，尤其是市值因 子，市值因子的 IC 绝对值从 0.069 骤降到 0.002。非线性市值，残差波动率因子的表现也有显著衰减。其中表现 有所提升的因子有盈利因子，杠杆因子以及动量因子，但整体提升幅度均不太显著。 从因子 IC 波动率来看，除估值因子外，其余因子波动率均有不同程度的增加，其中 2024 年波动最大的因 子包括市值因子，贝塔因子以及流动性因子。
展望未来，随着市场交易逐渐活跃，被动指数基金蓬勃发展，未来市场将更加有效，Alpha 的获取将更加困 难，需要更加细致且深入的研究。尤其源自于错误定价的短期价量类 alpha 或将迎来周期低谷，建议关注基本面 对于股价长期的影响，尤其随着流动性向好，成长类因子有望得到修复。
2.2 Alpha 因子挖掘
Alpha 策略在 2024 年迎来了大幅回撤，尤其是以传统量价因子为基础的中高频策略。如何在当前市场寻找 更加有效的因子成为市场关注的重点，传统的数据和因子挖掘方法已经很难再获取新的增量信息。随着大模型 的出现，如何将大模型应用于量化领域成为了最新的研究热点。为此，我们开发了结合大模型的基本面因子挖 掘统一框架，通过大模型自动分析因子结果和规律，不断迭代，生成有效性较高且相关性较低的因子。 与量价因子挖掘不同，基本面因子的挖掘分析面临诸多挑战：数据格式的多样性、更新频率的差异、缺失 值的普遍性、数据维度的复杂性、因子间的高相关性，以及数据发布与公告日期的不一致性等。
传统在构建基本面因子时，通常是根据发布日期将因子转换为固定频率，或者在所有公告发布完成后在固 定日期构建因子，这两种方法限制了基本面因子挖掘方法的多样性和有效性。 针对这些问题，我们提出了一种新的统一基本面因子框架。该框架包括了因子生成，因子计算，因子验证， 因子进化，因子筛选等模块，对每个模块都进行了优化，使其能够更加高效合理的挖掘基本面因子。该框架不 仅整合了多种因子生成技术，还能够有效处理不同频率和量纲的数据融合问题。同时结合了遗传规划和大模型， 对因子不断进行迭代改进，提升因子有效性。
在生成基本面因子时，我们采用了随机法，枚举法以及领域知识等三种方法批量构建因子。 在因子计算模块，我们构建了一个双层的因子计算结构，会自动根据其量纲以及频率进行处理，确保运算 的合法性。为了提高因子计算效率，在计算中加入了 cython，流式计算，以及双层算子的优化方法，极大的提 高了因子计算效率，从而为大批量因子的生成检验提供基础。
3.1“预期双击”选股组合
“预期双击”组合选股策略概述
分析师目标价，即分析师对一只股票未来价格的预测，是分析师基于当时信息所给出的其认为股票未来可 以达到的一个合理价格，该价格来自于分析师的主观判断，不同的分析师给出的目标价往往会有所差异，这代 表了分析师看法的不同。 然而，客观来看，分析师的目标价格是有噪音的，同一个分析师对同一只股票给出的目标价可能会因受到 情绪等各种因素的影响而不同；目标价格也是可能存在偏差的，分析师通常会过于乐观，给出的目标价往往远 高于当前股价。大多数研究发现，几乎没有证据表明投资者能够根据分析师的建议目标价格的绝对水平来赚取 超额收益（例如， Barber, Lehavy, McNichols, and Trueman, 2001; Brav and Lehavy, 2003）。综上，最终我们决 定关注目标价在时间维度上的变化（TPM）以及目标价与股价之比（TPP）这两个指标来选股，这两个指标能帮 助我们在一定程度上克服分析师目标价格中的噪音和偏差，也克服了目标价在不同股票之间不能直接比较的问 题。
在计算 TPP 因子时，我们直接使用朝阳永续于建仓日给出的一致目标价，再除以建仓日收盘价。 朝阳永续一致目标价算法为 90 天超过一家机构预测则加权计算一致目标价，若仅为一家机构预测则直接 以该预测值作为一致目标价；90 天内若无评级则记为 Na；其加权方式为机构影响力和发布时间影响力双重加 权计算。 然后，我们建立了一个同时结合 TPP 和 TPM 因子的生命周期模型，该模型利用 TPP 和 TPM 因子将股票 分为四类（也就是生命周期模型的四个阶段），分别是“触底”、“攀升”、“见顶”、“下滑”，处于同一个 阶段的股票构成了一个投资组合。具体可以参考报告《分析师预期收益率生命周期模型及分析师因子再增强》。
“触底”组合+分析师盈利预期调整 Income_Adjust 因子增强精选前 20 只，简称“预期收益率触底增强”组 合。“分析师预期修正增强+预期收益率触底增强”双击组合，简称“预期双击”组合。
“预期双击”组合效果跟踪
经过历史样本内回测和样本外跟踪（自 2022 年年初开始样本外跟踪），从 2010 年 1 月至 2024 年（截至 10 月底）14 年时间，组合年化收益 23.56%，相对中证 500 指数的年化超额收益为 21.05%。
另外，从 2022 年年初开始样本外跟踪，截至 2024 年 10 月底，累计绝对收益-1.00%，累计超额收益 21. 41%， 样本外跟踪 34 个月只有 12 个月超额收益为负，月度胜率 65%，回撤为-7.08%，样本外表现非常优秀。
3.2“预期双击”行业轮动组合
“预期双击”行业轮动组合效果跟踪
经过历史样本内回测和样本外跟踪（自 2022 年年初日开始样本外跟踪），从 2010 年 1 月至 2024 年（截至 10 月底）14 年时间，组合年化收益 11.00%，相对行业等权指数的年化超额收益为 6.49%。
另外，从 2022 年年初开始样本外跟踪（专题报告数据截至 2022 年 6 月底），截至 2024 年 10 月底，累计 绝对收益 10.05%，累计超额收益 21.18%，样本外跟踪 34 个月仅有 12 个月超额收益为负，月度胜率 65%，回撤 为-9.00%，样本外表现非常优秀。 我们基于最新 2024 年 10 月底的分析师预期数据进行行业选择，“预期双击”组合行业轮动所选的五个行 业分别为非银行金融、农林牧渔、电力及公用事业、有色金属、医药，短期这些行业的表现值得我们重点关注。
4.1 主动权益基金
我们在 2024 年 10 月 27 日发布的研究报告《多层次主动权益基金池体系构建》中详细介绍了多层次主动权 益基金池体系的构建方法，以期为基金投资者提供涵盖各个赛道和风格优秀基金的选基工具箱。基金池所采用 基金评价指标数据均来自于中信建投基金标签矩阵，评价时间维度为近 2 年，每个季度末和半年报/年报披露的 月末进行更新；整体以定量评分的体系为主，辅以定性的验证。
其中，风格划分基于基金价值和成长因子的绝对标签和相对得分，将主动权益基金分为深度价值、价值、 价值成长、均衡成长、成长五大类，深度价值和价值风格代表基金具有明显的低估值特征，相对弱化成长性； 价值成长代表 GARP 策略，以较低价格进行成长性较高的投资；均衡成长估值相对偏高，同时具备一定的成长 性；成长风格则代表了相对极致的高估值、高成长风格。同时，根据基金近 2 年在市值因子上的暴露情况，将 其分为超大盘、大盘、中小盘。 行业配置方面，将满足一定行业配置特点的基金划分为六大板块赛道基金、行业均衡基金、中观配置基金。 其中，赛道基金近两年集中投资于某一板块；行业均衡基金在板块和一级行业上均分散配置；中观配置基金则 在板块和行业上都具有较为明显的轮动特征。 在此基础上，我们对常用的基金评价业绩指标进行检验，指标区间包含 6 个月、1 年和 2 年，最终选取相对 有效的因子构建基金评价指标体系，包含收益指标、风险调整收益指标、风险指标、投资能力指标、持有体验 指标和规模指标六大类。经回测，综合得分在基金池中具有较好的选基效果；长期来看，各赛道内综合得分排名靠前基金整体表现均跑赢中证偏股。 根据各风格和赛道池内最新一期（截至 2024/9/30）的加权平均综合得分，优选在全市场和赛道内综合排 名均靠前的主动偏股基金；下表列示了各个分类池中的部分优选基金。 深度价值风格基金中包含红利策略类产品，如宏利市值优选（庄腾飞）、华宝红利精选（唐雪倩）、永赢 股息优选（许拓）等，以及专注于深度价值投资的基金经理如中信保诚深度价值（吴一静）、大成竞争优势 （徐彦）、安信价值启航（袁玮）等。价值风格基金经理投资范围相对更广泛，但对于估值的要求也较高，如 大成睿鑫（刘旭）、景顺长城价值边际（鲍无可）、鹏华优选价值（伍旋）等。价值成长风格基金经理在投资 中通常看重估值和成长的性价比，选择相对低估值、高成长的标的，如中信建投品质优选一年持有（栾江 伟）。
偏成长风格的基金中，有相对均衡的成长基金经理如尚正竞争优势（张志梅）、国泰金泰（李海）、景顺 长城核心竞争力（余广）等；有相对极致的高估值高成长风格基金经理如工银新兴制造（张宇帆）、万家社会 责任定开（莫海波）、景顺长城品质长青（农冰立）等。其中包括具有行业均衡或轮动特征的基金经理，也包 含大盘和中小盘风格的基金经理。
赛道基金中，六大板块分别进行优选，消费板块如嘉实新消费（谭丽）、大成消费主题（齐炜中），医药 板块如易方达大健康主题（许征）、汇添富健康生活一年持有（张韡），TMT 板块如东吴嘉禾优势（刘元 海）、华安智能装备主题（李欣），中游制造赛道如汇添富逆向投资（董超）、易方达核心智造（祁禾），周 期板块如景顺长城支柱产业（邹立虎）、华泰柏瑞多策略（董辰）。
4.2 量化基金
（1）量化产品筛选框架
我们主要通过定量方法优选量化产品，分为 5 个模块。首先需要对量化基金池做个初筛，根据基金类别、 业绩基准等方面初步筛选出符合要求的产品。接着，对量化产品标识宽基标签和风格标签。同时，结合对宽基 指数和风格的走势判断，确定需要优选的产品类别。最后根据 6 大类指标得到的复合得分，筛选出最终的推荐 产品。 在基金池筛选阶段，以两大类量化产品作为筛选对象，分别是指数增强基金和主动量化基金，其中主动量 化会剔除债券型和偏债型基金，另外根据产品的跟踪指数或者业绩基准，剔除掉行业主题类以及涉及境外市场 的产品。出于稳健性考虑，保留产品运作时长超过两年、基金经理任职时长超过半年的量化产品。规模方面， 要求近两年平均规模超过 1 亿元。配置方面，主动量化基金的股票配置比例需要稳定在 80%以上。通过这种层 层筛选，指数增强类基金由初始的 281 只筛选出 109 只候选基金，主动量化类基金由初始的 293 只筛选出 84 只 候选基金。
在市场风格研判阶段，建立了三维指标体系，分别从宏观环境、市场情绪和风格表现综合评判大小盘及成 长价值的风格走向。宏观环境方面，M1 与 M2 的剪刀差用来判断消费投资的活跃度，如果 M1 增速高于 M 2， 表明景气度上升、利好小盘与成长。期限利差用来判断经济预期和流动性环境，如果期限利差收窄表明经济预 期悲观或流动性收紧，利好大盘和价值。信用利差用来判断中小企业融资的难易度，如果信用利差收窄表明资 金面充裕，融资难度小、成本低，利好小盘。信贷规模用来判断经济景气度，信贷增速上升、信用扩张，表明经 济景气度向好，利好成长。市场情绪方面，我们用换手率的历史分位表征市场交易热度，换手率高表明市场交 易情绪高涨，利好小盘、成长；同时计算市场风险溢价，如果 ERP 处于历史高位表明市场风险偏好较高，利好 小盘、成长。风格表现方面，我们计算大小盘与成长价值的相对净值走势，对于短期内表现强势的风格，未来 走势会有一定延续性；同时计算风格拥挤度，当相对换手水平处于历史极值，未来风格表现有概率出现反转。 针对宽基指数，我们选择四项指标，分别从盈利增速、估值变动、动量反转和资金流向综合评判指数未来走势。
在标签识别阶段，定义了两类标签，分别是类宽基增强标签和风格标签。对于类宽基标签，主要是计算主 动量化产品的滚动跟踪误差，如果低于一定阈值则将它纳入到宽基增强类别中，宽基指数涉及沪深 300、中证 500、中证 800 和中证 1000。对于风格标签，主要是定义主动量化和其它增强产品的风格标签。具体是计算近 4 期持仓的市值、成长和价值的风格暴露度。根据风格得分的绝对数值大小和相对排名高低，确定大盘、中盘、 小盘，还有成长、均衡、价值的风格。
在选基因子阶段，生成了 6 大类因子，包括收益类、Alpha 类、风险收益比类、风险类、投资能力类和规模 类，共 25 个因子。收益类因子中，计算了基金的原始收益和极端收益。Alpha 类因子中，一类是以跟踪指数或 比较基准为参考对象，计算基金的超额收益以及胜率，另一类则是风格指数或行业指数为参考对象，计算基金 的调整后阿尔法收益。风险收益比类因子中，构造五项比率指标，统一以基金的超额收益作为分子，同时以各 类风险指标作为分母。风险类因子中，涉及收益的敏感性指标、波动率指标和回撤率指标。投资能力类因子中， 分别根据 T-M 模型和 H-M 模型，估计选股能力系数和择时能力系数。规模类因子中，主要使用最新期的产品 规模。
1.2、量化产品推荐
截止 2024 年 11 月 8 日，根据风格研判结果：宏观指标整体倾向于大盘价值，市场指标明显倾向于小盘成 长，风格指标略微倾向于小盘成长，综合而言略看好小盘成长，但置信度偏低；根据指数研判结果：沪深 300 指 数在动量反转和资金流向上明显占优，中证 1000 指数在盈利和估值略占优，综合而言更看好沪深 300 指数。
根据最新期的宽基指数增强产品得分结果：1）沪深 300 类指增基金中，得分最高的产品是海富通沪深 300 指数增强 A；2）中证 500 类指增基金中，得分最高的产品是长信中证 500 指数增强 A；3）中证 800 类指增基 金中，得分最高的产品是华泰柏瑞量化增强 A；4）中证 1000 类指增基金中，得分最高的产品是太平中证 1000 指数增强 A。结合前文指数研判结果，我们将沪深 300 类指增产品中的海富通沪深 300 指数增强 A 作为推荐产 品。
海富通沪深 300 指数增强成立于 2017 年 5 月 10 日，最新合计规模为 15.07 亿元（截止 2024 年 9 月 30 日）， 现任基金经理为朱斌全与林立禾。朱斌全在 2007 年加入海富通基金，并于 2019 年 10 月接管该产品；林立禾在 2020 年加入海富通基金，并于 2023 年 11 月共同管理该产品。统计 2020 年以来海富通沪深 300 指数增强的绩 效表现及同类增强产品排名，如下图表所示：截止 2024 年 11 月 8 日，产品每年均保持正向超额收益，近 2 年 收益表现颇为亮眼，尤其今年以来的超额收益在同类产品中排名第二。
根据最新期的风格产品得分结果：1）大盘风格基金中，得分最高的产品是融通巨潮 100AB；2）中盘风格 基金中，得分最高的产品是华宝红利精选 A；3）小盘风格基金中，得分最高的产品是博道成长智航 A。结合前 文风格研判结果，我们将小盘风格中的博道成长智航 A 作为推荐产品。
博道成长智航 A 成立于 2021 年 10 月 26 日，最新合计规模为 19.25 亿元（截止 2024 年 9 月 30 日），现任 基金经理为杨梦，自产品成立以来一直由其单独管理。杨梦在 2017 年加入博道基金，现任量化投资总监兼量化 投资部总经理。统计 2022 年以来博道成长智航的绩效表现及同类风格产品排名，如下图表所示：截止 2024 年 11 月 8 日，该产品收益表现较优，近两年年化收益均高于 10%，同时夏普比率每年均处于同类产品前 1/3。
4.3 固收类基金
（1）固收+基金
固收+基金一般包含了一级债基、二级债基、灵活配置型和偏债混合型基金，但基于合同的事前分类无法准 确刻画产品的实际风险收益属性，所以我们往往需要根据实际投资的权益仓位进一步细分产品类型。权益仓位 的衡量涉及到股票和可转债，我们可以利用期权 Greeks 中的 Delta 估计可转债价格对正股价格的弹性，进而可 以计算基金持有的可转债组合相当于持有多少正股。基于测算出的权益仓位中枢，我们可以将产品分为保守、 稳健、均衡、积极和进取型 5 类，对应的权益仓位中枢分别为 5%-10%、10%-15%、15%-20%、20%-25%和 25% - 30%。综合考虑回测结果和因子相关性等因素，搭建固收+基金的评价体系，评价体系包含 5 类指标，分别是收 益指标、风险收益调整指标、风险指标、投资能力指标和持有体验指标，并根据这 5 大类指标计算出产品的最 终得分。 在获得各类型“固收+”基金池和各基金综合得分后，从高到低选取前 10%作为精选池。保守型精选池如蜂 巢恒利（李海涛，李铮男）、长信利保（冯彬，何增华）和华泰保兴尊合（张挺）等，稳健型精选池如易方达瑞 智（杨康）、宝盈增强收益（邓栋，杨思亮）等，均衡型精选池如招商安阳（蔡振，尹晓红）、易方达增强回报 （王晓晨）和易方达瑞锦（杨康）等，积极型精选池如华夏磐泰（毛颖，张城源）和天弘增益回报（张馨元，张 寓，刘洋）等，进取型精选池如华安安康（石雨欣，陆奔）、国投瑞银融华债券（杨枫）和华安新优选（周益 鸣，陆奔）等。
（2）纯债基金
纯债基金仅投资于不含权的债券资产，久期中枢能够较好地刻画纯债基金的风险收益特征。较长的久期意 味着基金面临更多的利率风险暴露，策略上进攻性更强，而考虑流动性则会在券种上更加倾向于利率债和二永 债；而较短的久期则意味着基金在利率上持防守姿态。依据久期标签可以将纯债基金分为 4 类，分别为短久期 型、中短久期型、中长久期型和长久期型。短久期型的久期中枢在 0-1 年之间，中短久期型在 1-2 年之间，中长 久期型在 2-3 年之间，长久期型在 3 年以上。纯债基金评价体系包含 4 类指标，分别是收益指标、风险收益调 整指标、风险指标和持有体验指标，其中风险指标相对具有较高权重。 在获得各类型纯债基金池和各基金综合得分后，同样从高到低选取前 10%作为精选池。短久期型精选池如 天弘弘择短债（王昌俊）、嘉合磐泰短债（叶平，于启明）和东方臻享纯债（程旺，车日楠），中短久期型精选 池如创金合信尊泰纯债（郑振源，孙霄宇）、长盛盛裕纯债（王贵君）和东方臻宝纯债（吴萍萍，刘妍，郑雪 莹），中长久期型精选池如蜂巢添汇纯债（李磊，王宏，廖新昌）、汇安嘉汇（王作舟，金鸿峰）和博时利发纯 债（王帅），长久期型精选池如国寿安保泰恒纯债（陶尹斌）、国金惠盈纯债（于涛）和广发景利（赵子良）。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
