計算機行業：彭博推出BloombergGPT中國金融科技公司的機遇與挑戰-230404（19頁）.pdf

《計算機行業：彭博推出BloombergGPT中國金融科技公司的機遇與挑戰-230404（19頁）.pdf》由會員分享，可在線閱讀，更多相關《計算機行業：彭博推出BloombergGPT中國金融科技公司的機遇與挑戰-230404（19頁）.pdf（19頁珍藏版）》請在三個皮匠報告上搜索。

1、 識別風險，發現價值 請務必閱讀末頁的免責聲明 1 1/1919 Table_Page 跟蹤分析|計算機 證券研究報告 Table_Title 計算機行業計算機行業 彭博推出彭博推出 BloombergGPT，中國金融科技，中國金融科技公司的機遇公司的機遇與挑戰與挑戰 Table_Summary 核心觀點核心觀點：彭博彭博推出推出 BloombergGPT，持續持續引領金融引領金融科技創新浪潮科技創新浪潮。根據彭博社報道，3 月 30 日，彭博社今天發布了一篇研究論文，詳細介紹了 BloombergGPT 的開發，這是一種新的大規模生成人工智能模型。這種大型語言模型(LLM)專門針對各種金融數

2、據進行了訓練，以支持金融行業內的各種自然語言處理(NLP)任務。金融領域的復雜性和獨特的術語使其需要特定領域的模型。BloombergGPT 代表著這項新技術在金融行業的開發和應用邁出了第一步。BloombergGPT 將協助彭博改進現有的金融NLP任務。彭博基于BLOOM訓練了一個500億參數的純解碼器（decoder-only）因果語言模型，其在金融任務上的表現明顯優于現有的類似規模的開放模型，同時在一般NLP基準測試中的表現仍持平或更好。中國金融科技公司的中國金融科技公司的機遇與挑戰機遇與挑戰。國內類 ChatGPT 技術在金融領域將首先在客服和輔助研究等場景落地，隨著國內大模型逐漸優化

3、，投研端才有可能逐漸接入。國內相關公司主要采用 Bert，長期來看，隨著數據數量和質量的提升，國內外差距將逐漸縮小。（1）同花順近兩年加大了對機器學習、自然語言處理、智能語音、圖形圖像識別與處理、數字人等關鍵技術的攻關，特別是在 AI 大模型、AI 內容生成（AIGC）等領域的應用研究，并將相關成果運用到金融信息產品和服務中，進一步提升用戶體驗和產品競爭力。同花順的 i 問財擁有中國財經領域最全的專業數據，是應用于金融領域的對話機器人，目前能完成多輪對話及數據輸出。隨著大模型技術不斷迭代助力 i 問財持續優化，疊加同花順巨大的財經用戶流量，i 問財有望成為新一代財經類流量入口。此外，同花順針對

4、 B 端和 C 端客戶推出了對話機器人。（2）恒生電子在 2 月 24 日宣布旗下恒生聚源成為百度文心一言首批生態合作伙伴，公司將充分挖掘對話式語言模型技術在金融業務場景中的應用潛力，通過集成“文心一言”的技術能力，在投研、投顧、營銷、客服、運營、風控等金融各類業務場景開展人工智能大模型技術應用，為金融機構提供全場景人工智能解決方案及服務，持續提升國內金融機構數智化發展水平。標的方面，建議關注持續深耕AI領域并且已擁有多項核心技術、AI產品和 AI 解決方案的同花順（計算機&非銀聯合覆蓋）、資本市場 IT 龍頭公司恒生電子。風險提示風險提示：市場過度波動；競爭加??；AIGC 技術發展不及預期等

5、。Table_Grade 行業評級行業評級 買入買入 前次評級 買入 報告日期 2023-04-04 Table_PicQuote 相對市場表現相對市場表現 Table_Author 分析師：分析師：劉雪峰 SAC 執證號：S0260514030002 SFC CE No.BNX004 021-38003675 分析師：分析師：李婉云 SAC 執證號：S0260522120002 021-38003800 請注意，李婉云并非香港證券及期貨事務監察委員會的注冊持牌人，不可在香港從事受監管活動。Table_DocReport 相關研究：相關研究：計算機行業:行業龍頭將愈發成為主題趨勢和基本面驅動的

6、主角 2023-04-01 計算機行業:國內 AI 大模型的訓練和推理階段算力需求測算 2023-03-31 計算機行業:以金山辦公為例看國內行業應用軟件公司的機會變化 2023-03-30 Table_Contacts -23%-13%-3%8%18%28%04/2206/2208/2210/2212/2202/23計算機滬深300 識別風險，發現價值 請務必閱讀末頁的免責聲明 2 2/1919 Table_PageText 跟蹤分析|計算機 Table_impcom 重點公司估值和財務分析表重點公司估值和財務分析表 股票簡稱股票簡稱 股票代碼股票代碼 貨幣貨幣 最新最新 最近最近 評級評級

7、 合理價值合理價值 EPS(元元)PE(x)EV/EBITDA(x)ROE(%)收盤價收盤價 報告日期報告日期（元（元/股）股）2023E 2024E 2023E 2024E 2023E 2024E 2023E 2024E 恒生電子 600570.SH CNY 57.21 2023/04/03 買入 58.54 0.98 1.21 58.38 47.28 67.47 54.11 21.40 21.00 同花順 300033.SZ CNY 226.97 2023/03/09 買入 150.85 4.31 5.16 52.66 43.99 49.72 42.49 24.20 22.50 數據來源：

8、Wind、廣發證券發展研究中心 備注：同花順由計算機&非銀聯合覆蓋，表中估值指標按照最新收盤價計算 QVkYiXUZiWlYmPnOoMaQaO9PsQoOmOoNlOrRtPeRnNqNaQpNpNxNnRzQxNpNoN 識別風險，發現價值 請務必閱讀末頁的免責聲明 3 3/1919 Table_PageText 跟蹤分析|計算機 目錄索引目錄索引 一、彭博推出 BLOOMBERGGPT，持續引領金融科技創新浪潮.5 二、中國金融科技公司的機遇與挑戰.7（一）同花順：持續深耕 AI，擁有明顯 C 端優勢.7（二）恒生電子：我國金融科技龍頭，擁有金融業最優質的核心數據.14 三、風險提示.1

9、7（一）市場過度波動的風險.17（二）AIGC 技術發展不及預期風險.17（三）行業競爭加劇風險.17 識別風險，發現價值 請務必閱讀末頁的免責聲明 4 4/1919 Table_PageText 跟蹤分析|計算機 圖表索引圖表索引 圖 1：BloombergGPT 是為金融行業打造的 500 億參數大語言模型.5 圖 2：BloombergGPT.5 圖 3：BloombergGPT 在金融特定任務和通用任務的表現優于其他的.6 圖 4：同花順 AI 產品i 問財.8 圖 5：同花順 App 里的 AI功能AI 分時頂底.8 圖 6：正在股東大會上發言的虛擬人董秘朱志峰.9 圖 7：同花順外

10、呼機器人應用行業.9 圖 8：i 問財能夠根據問句執行相關數據處理.9 圖 9：i 問財能夠根據問句執行相關數據處理.9 圖 10：同花順業務場景中的大模型：問答.10 圖 11：同花順業務場景中的大模型：對話.11 圖 12：同花順業務場景中的大模型：信息抽取.11 圖 13：同花順業務場景中的大模型：信息抽取.12 圖 14：同花順業務場景中的大模型：輿情監控.12 圖 15：同花順業務中大模型的優化：模型輕量化.13 圖 16：恒生聚源擁有豐富的金融行業數據.14 圖 17：恒生聚源擁有數據內容解決方案和智能化的金融行業解決方案.15 表 1：同花順 AI 核心技術相關情況.8 表 2：

11、同花順向外輸出的解決方案.13 表 3：同花順各類 AI 產品.14 表 4：恒生電子歷次人工智能產品發布大會發布的 AI 產品.15 識別風險，發現價值 請務必閱讀末頁的免責聲明 5 5/1919 Table_PageText 跟蹤分析|計算機 一、一、彭博推出彭博推出 BloombergGPT，持續引領金融科技，持續引領金融科技創創新浪潮新浪潮 根據彭博社報道，3月30日，彭博社今天發布了一篇研究論文，詳細介紹了 BloombergGPT的開發，這是一種新的大規模生成人工智能模型。這種大型語言模型(LLM)專門針對各種金融數據進行了訓練，以支持金融行業內的各種自然語言處理(NLP)任務。該

12、模型是基于BLOOM、專為金融行業從頭打造的500億參數大語言模型。圖圖 1：BloombergGPT是為金融行業打造的是為金融行業打造的500億參數大語言模型億參數大語言模型 數據來源：BloombergGPT:A Large Language Model for Finance（Shijie Wu,Ozan Irsoy,Steven Lu,Vadim Dabravolski1,Mark Dredze,Sebastian Gehrmann,Prabhanjan Kambadur,David Rosenberg,Gideon Mann），廣發證券發展研究中心 基于LLM的人工智能最近已經在許多

13、領域展示了令人興奮的新應用。然而，金融領域的復雜性和獨特的術語使其需要一個特定的系統。BloombergGPT將協助彭博改進現有的金融NLP任務，例如情感分析、命名實體識別、新聞分類和問答等。此外，BloombergGPT將帶來新的機會來整理彭博終端上可用的大量數據，以更好地幫助公司的客戶，同時將AI的全部潛力帶入金融領域。圖圖 2：BloombergGPT 數據來源：BloombergGPT:A Large Language Model for Finance（Shijie Wu,Ozan Irsoy,Steven Lu,Vadim Dabravolski1,Mark Dredze,Seba

14、stian Gehrmann,Prabhanjan Kambadur,David Rosenberg,Gideon Mann），廣發證券發展研究中心 彭博是一家創立于1981年的金融數據公司，在PC和互聯網還未普及的年代，彭博終端讓金融市場變得更加透明，其數據分析師在公司成立的四十年的時間里收集了大量的金融文件，擁有廣泛的金融數據檔案，涵蓋了一系列的主題。識別風險，發現價值 請務必閱讀末頁的免責聲明 6 6/1919 Table_PageText 跟蹤分析|計算機 彭博利用公司現有的數據創建、收集和管理資源，構建了迄今為止最大的特定領域數據集之一。彭博的數據分析師從這個廣泛的財務數據檔案中提取

15、數據，創建了一個由英文財務文件組成的3630億token的綜合數據集。這批數據又與另一個包含3450億token的公共數據集疊加，成為了包含超7000億token的大型訓練語料庫。使用該訓練語料庫的一部分，彭博基于BLOOM訓練了一個500億參數的純解碼器（decoder-only）因果語言模型。生成的模型在現有的金融特定NLP基準、一套彭博內部基準、來自流行基準的廣泛通用NLP任務類別（例如，BIG-bench Hard、知識評估、閱讀理解和語言任務）上得到驗證。值得注意的是，BloombergGPT模型在金融任務上的表現遠超類似規模的開放模型，而在一般NLP基準上的表現也達到甚至超過了平均

16、水平。圖圖 3：BloombergGPT在金融特定任務和通用任務在金融特定任務和通用任務的表現的表現優于其他的優于其他的 數據來源：bloomberg 官網，廣發證券發展研究中心 識別風險，發現價值 請務必閱讀末頁的免責聲明 7 7/1919 Table_PageText 跟蹤分析|計算機 二、二、中國金融科技公司的中國金融科技公司的機遇與挑戰機遇與挑戰 在在模型模型選擇方面，選擇方面，BloombergGPT采用采用的是的是BLOOM，而同花順，而同花順、恒生電子采用、恒生電子采用的的是是Bert。Bert是基于Transformer走Encoder的技術路線，考慮上下文來組織文字內容的生成

17、，更加適合完形填空、閱讀理解類的任務。而GPT是走的Decoder的技術路線，只考慮上文，對于下文的內容生成自由度比較高，更加適合自由問答類的任務。從目前相關應用落地速度來看，GPT的表現略勝一籌。恒生電子首席科學家白碩近期在一場公開演講中表示，根據基于金融行業特有的行業屬性，大規模商用的技術對于準確性、可控性、時效性有很高的要求，并且需要具備很強的專業性、邏輯性和創造性。同時基于自主可控和數據安全的考慮，直接應用公有云上的大語言模型可能并不適用于資管機構。我們判斷，國內而言，類我們判斷，國內而言，類ChatGPT技術在金融領域將首先在客服和輔助研究等場景落地，隨著國內大模型技術在金融領域將首

18、先在客服和輔助研究等場景落地，隨著國內大模型逐漸優化，投研端才有可能逐漸接入。逐漸優化，投研端才有可能逐漸接入。（一）（一）同花順：持續深耕同花順：持續深耕 AI，擁有明顯，擁有明顯 C 端優勢端優勢 2022年同花順研發費用為10.7億元，同比增長28.8%，占營業收入比重達30%，同比提升6.4pct。相較于同為金融信息服務商的東方財富、大智慧等公司，同花順持續保持高研發投入，構筑了較深的技術護城河。根據同花順董事長介紹，同花順自上市以來致力于在AI領域的技術研發，尤其近兩年加大了對機器學習、自然語言處理、智能語音、圖形圖像識別與處理、數字人等關鍵技術的攻關，特別是在AI大模型、AI內容生

19、成（AIGC）等領域的應用研究，并將相關成果運用到金融信息產品和服務中，進一步提升用戶體驗和產品競爭力。公司現有業務平臺覆蓋了證券市場中不同類型的客戶群體。（1）機構客戶方面機構客戶方面，公司的產品和服務已覆蓋了國內 90%以上的證券公司，此外還覆蓋了大量的公募基金公司、私募基金公司、銀行、保險公司、政府、科研院所、上市公司等機構客戶；（2）個人用戶方面個人用戶方面，截至 2022 年 12 月 31 日，同花順金融服務網 累計注冊用戶約 61437 萬人；每日使用同花順網上行情免費客戶端的人數平均約為 1463 萬人，每周活 躍用戶數約為 1942 萬人。種類繁多的機構投資者及龐大而活躍的個

20、人投資者，有利于公司打造互聯網金融信息服務生態圈，促進公司產品及服務的推出、升級、更新換代，能被市場快速接受，客戶資源優勢明顯。識別風險，發現價值 請務必閱讀末頁的免責聲明 8 8/1919 Table_PageText 跟蹤分析|計算機 表表 1：同花順同花順AI核心技術相關情況核心技術相關情況 數據來源：同花順 AI 開放平臺、廣發證券發展研究中心 同花順做AI可以追溯至09年開始做i問財時，那時公司就成立了語音研發團隊，2012年i問財開始向人工智能領域發展，并上線財經機器人，2016年上線投資機器人，2018年上線智能語音機器人。圖圖 4：同花順：同花順AI產品產品i問財問財 圖圖 5

21、：同花順：同花順App里的里的AI功能功能AI分時頂底分時頂底 數據來源：i 問財官網，廣發證券發展研究中心 數據來源：同花順 APP，廣發證券發展研究中心 目前，公司可面向客戶提供數字虛擬人、智能金融問答、智能語音、智能客服機器人、智能質檢機器人、會議轉寫系統、智慧政務平臺、智能醫療輔助系統等40余項人工智能產品及服務，應用于證券、基金、銀行、保險、運營商、高校、企業、科研院所、政府部門等多個行業。識別風險，發現價值 請務必閱讀末頁的免責聲明 9 9/1919 Table_PageText 跟蹤分析|計算機 圖圖 6：正在股東大會上發言的虛擬人董秘朱志峰正在股東大會上發言的虛擬人董秘朱志峰

22、圖圖 7：同花順同花順外呼機器人應用行業外呼機器人應用行業 數據來源：中國證券報，廣發證券發展研究中心 數據來源：同花順數據 AI 官網，廣發證券發展研究中心 同花順的i問財擁有中國財經領域最全的專業數據，是應用于金融領域的對話機器人，目前能完成多輪對話及數據輸出。隨著大模型技術不斷迭代助力i問財持續優化，疊加同花順巨大的財經用戶流量，i問財有望成為新一代財經類流量入口。圖圖 8：i問財能夠根據問句執行相關數據處理問財能夠根據問句執行相關數據處理 圖圖 9：i問財能夠根據問句執行相關數據處理問財能夠根據問句執行相關數據處理 數據來源：i 問財官網，廣發證券發展研究中心 數據來源：i 問財官網，

23、廣發證券發展研究中心 目前問財的用戶每日問句數量大概在1000萬左右，累計不同問句數量約5億。用戶量大約300+萬。識別風險，發現價值 請務必閱讀末頁的免責聲明 1010/1919 Table_PageText 跟蹤分析|計算機 圖圖 10：同同花順業務場景中的大模型：問答花順業務場景中的大模型：問答 數據來源：稀土掘金技術社區，廣發證券發展研究中心 目前同花順業務中的對話機器人分為云端版和企業版，分別滿足C端和B端的客戶需求。C端主要是智能投顧的業務中的“問財助手”，B端主要是來電助理、數字人客服、智能外呼機器人等產品。（1）C端的智能投顧業務端的智能投顧業務通過對話技術，根據用戶畫像（投資

24、目標及風險承受能力）提供投資建議。目前公司用了四層中文BERT模型，槽位可用度大概是87%左右。（2）B端智能營銷機器人端智能營銷機器人是通過主動外呼的方式，向潛在客戶進行產品營銷，產品涉及房地產、運營商、銀行理財產品的營銷，需要識別用戶回復的意圖、并利用領域知識進行合理回復。使用3層RoBERTa模型ACC準確率為91%，使用24層 RoBERTa可以提升兩個點左右。（3）B 端智能客服機器人業務，端智能客服機器人業務，同花順對接了中國移動的西安電信、陜西移動等運營商的客服機器人，從成本角度看，2層RoBERTa更實用。識別風險，發現價值 請務必閱讀末頁的免責聲明 11 11/1919 Ta

25、ble_PageText 跟蹤分析|計算機 圖圖 11：同花順業務場景中的大模型：對話同花順業務場景中的大模型：對話 數據來源：稀土掘金技術社區，廣發證券發展研究中心 信息抽取應用場景主要是知識圖譜構建和金融數據庫構建兩個方面。我們業務中幾乎所有數據組織形式都是以圖譜為基礎，金融知識圖譜在風控、投研、投顧、銀行理賠等等場景都非常重要，業務往往需要通過圖譜梳理一些關系。圖圖 12：同花順業務同花順業務場景場景中中的的大模型大模型：信息抽取信息抽取 數據來源：稀土掘金技術社區，廣發證券發展研究中心 在知識圖譜之上，需要進一步優化的方向是金融數據庫的構建。同花順 iFind 金融數據庫是業內最大的金

26、融數據庫之一，很多金融機構基于 iFind 數據庫做投研、投顧。識別風險，發現價值 請務必閱讀末頁的免責聲明 1212/1919 Table_PageText 跟蹤分析|計算機 圖圖 13：同花順業務同花順業務場景場景中中的的大模型大模型：信息抽取信息抽取 數據來源：稀土掘金技術社區，廣發證券發展研究中心 同花順有一個輿情系統叫“同花順企洞察”，ToC 版本叫“快查”，用戶范圍比較廣，公司、個人、監管機構等都會用來做參考，如政府會用于招商引資和精準營銷。輿情監控業務中還有新聞資訊風險識別場景，新聞資訊正面還是負面可能會影響股價，如何第一時間告訴投資人新聞的正面/負面是比較大的課題。圖圖 14：

27、同花順業務同花順業務場景場景中中的的大模型大模型：輿情監控：輿情監控 數據來源：稀土掘金技術社區，廣發證券發展研究中心 此外，同花順通過應用AI技術實現降本增效。同花順大部分服務的本質是一個免費的流量型服務，為其他的業務導流，所以對資源的使用要求做到輕量化。大模型的參數增加會帶來效果的提升，但從經濟性考慮，公司通過“模型輕量化”盡量減少對資源的占用。識別風險，發現價值 請務必閱讀末頁的免責聲明 1313/1919 Table_PageText 跟蹤分析|計算機 圖圖 15：同花順業務中大模型的優化：模型輕量化同花順業務中大模型的優化：模型輕量化 數據來源：稀土掘金技術社區，廣發證券發展研究中心

28、 經過多年投入，同花順已經積累了語音識別、圖像識別引擎、基礎文本分析、語義解析技術、知識理解、金融垂類知識庫等多項核心AI技術，在為同花順自身產品提供技術支持的同時，也逐漸向外輸出。表表 2：同花順向外輸出的解決方案同花順向外輸出的解決方案 數據來源：同花順AI開放平臺，廣發證券發展研究中心 識別風險，發現價值 請務必閱讀末頁的免責聲明 1414/1919 Table_PageText 跟蹤分析|計算機 表表 3：同花順各類同花順各類AI產品產品 數據來源：同花順AI開放平臺，廣發證券發展研究中心 （二二）恒生電子：我國金融科技龍頭，擁有恒生電子：我國金融科技龍頭，擁有金融業金融業最優質的核心

29、數據最優質的核心數據 2023年2月24日，恒生電子及旗下子公司恒生聚源宣布成為百度文心一言首批生態合作伙伴。恒生電子表示，此次接入百度文心一言是公司在數智化戰略上的新一輪布局。公司將積極探索生成式AI技術與金融核心業務場景的應用融合，將百度領先的智能對話技術成果接入恒生電子旗下金融科技產品中，賦能金融機構數智化升級。圖圖 16：恒生聚源恒生聚源擁有擁有豐富的金融行業數據豐富的金融行業數據 數據來源：恒生聚源官網，廣發證券發展研究中心 作為國內領先的金融科技公司，恒生電子圍繞“數智化”戰略，通過“大數據+人工智能”技術能力，助力金融機構打造數智化平臺以及智能工具產品，助力金融業務流程更簡單、決

30、策更智能。2016年，恒生電子成立恒生研究院，設置五大研究方向，分別是AI、大數據、區塊鏈、高性能計算、金融工程。此外，公司還成立了專門的“人工智能平臺架構組”，兩大研究組織加持人工智能。到2018年公司第四次召開人工智能產品發布會時，恒生已經發布了16款人工智能產品，落地案例達到117個。識別風險，發現價值 請務必閱讀末頁的免責聲明 1515/1919 Table_PageText 跟蹤分析|計算機 表表 4：恒生電子歷次人工智能產品發布大會發布的恒生電子歷次人工智能產品發布大會發布的AI產品產品 數據來源：人民網、騰訊網、界面新聞、廣發證券發展研究中心 公司旗下金融數據服務子公司恒生聚源，

31、依托“基礎數據庫+智能化產品”一體化平臺能力，圍繞投研投資、風險預警、內容服務等場景推出智能產品，在數據智能領域擁有技術領先優勢。圖圖 17：恒生聚源恒生聚源擁有數據內容解決方案和智能化的金融行業解決方案擁有數據內容解決方案和智能化的金融行業解決方案 數據來源：恒生聚源官網，廣發證券發展研究中心 識別風險，發現價值 請務必閱讀末頁的免責聲明 1616/1919 Table_PageText 跟蹤分析|計算機 恒生電子表示，接下來，公司將充分挖掘對話式語言模型技術在金融業務場景中的應用潛力，通過集成“文心一言”的技術能力，在投研、投顧、營銷、客服、運營、風控等金融各類業務場景開展人工智能大模型技

32、術應用，為金融機構提供全場景人工智能解決方案及服務，持續提升國內金融機構數智化發展水平。識別風險，發現價值 請務必閱讀末頁的免責聲明 1717/1919 Table_PageText 跟蹤分析|計算機 三、風險提示三、風險提示（一）市場過度波動的風險（一）市場過度波動的風險 權益市場波動影響各項業務盈利能力及擴張速度，若經濟持續下行、市場波動加劇或風險事件突發，會影響金融信息服務商的規模擴張和盈利能力。（二）（二）AIGC 技術發展不及預期風險技術發展不及預期風險 新興產品創設、衍生工具的風險對沖需求、創新性業務的核準及擴張與行業監管的力度與進程緊密相關。（三）行業競爭加劇風險（三）行業競爭加

33、劇風險 頭部機構的規模、盈利集中度不斷提升，傳統業務的競爭日益激烈恐影響盈利能力，進一步加劇市場競爭。識別風險，發現價值 請務必閱讀末頁的免責聲明 1818/1919 Table_PageText 跟蹤分析|計算機 。Table_ResearchTeam 廣發計算機行業研究小組廣發計算機行業研究小組 劉 雪 峰：首席分析師，東南大學工學士，中國人民大學經濟學碩士，1997 年起先后在數家 IT 行業跨國公司從事技術、運營與全球項目管理工作。2010年就職于招商證券研究發展中心負責計算機組行業研究工作，2014年加入廣發證券發展研究中心。李 傲 遠：資深分析師，重慶大學金融學碩士，曾任職于國泰君

34、安、安信基金，2020 年加入廣發證券發展研究中心。吳 祖 鵬：資深分析師，中南大學材料工程學士，復旦大學經濟學碩士，曾先后任職于華泰證券、華西證券，2021 年加入廣發證券發展研究中心。李 婉 云：資深分析師，西南財經大學金融學碩士，2022 年加入廣發證券發展研究中心。雷 棠 棣：高級分析師，哈爾濱工業大學軟件工程碩士，悉尼大學商科碩士（金融學與商業分析方向），注冊會計師非執業會員。2020 年加入廣發證券發展研究中心。周 源：高級研究員，慕尼黑工業大學碩士，2021 年加入廣發證券，曾任職于 TUMCREATE 自動駕駛科技公司，負責大數據相關工作。Table_RatingIndustr

35、y 廣發證券廣發證券行業投資評級說明行業投資評級說明 買入：預期未來 12個月內，股價表現強于大盤 10%以上。持有：預期未來 12個月內，股價相對大盤的變動幅度介于-10%+10%。賣出：預期未來 12個月內，股價表現弱于大盤 10%以上。Table_RatingCompany 廣發證券廣發證券公司投資評級說明公司投資評級說明 買入：預期未來 12個月內，股價表現強于大盤 15%以上。增持：預期未來 12個月內，股價表現強于大盤 5%-15%。持有：預期未來 12個月內，股價相對大盤的變動幅度介于-5%+5%。賣出：預期未來 12個月內，股價表現弱于大盤 5%以上。Table_Address

36、 聯系我們聯系我們 廣州市 深圳市 北京市 上海市 香港 地址 廣州市天河區馬場路26 號廣發證券大廈47 樓 深圳市福田區益田路6001 號太平金融大廈 31 層 北京市西城區月壇北街 2 號月壇大廈 18層 上海市浦東新區南泉北路 429 號泰康保險大廈 37 樓 香港德輔道中 189 號李寶椿大廈 29 及 30樓 郵政編碼 510627 518026 100045 200120-客服郵箱 Table_LegalDisclaimer 法律主體法律主體聲明聲明 本報告由廣發證券股份有限公司或其關聯機構制作，廣發證券股份有限公司及其關聯機構以下統稱為“廣發證券”。本報告的分銷依據不同國家、地

37、區的法律、法規和監管要求由廣發證券于該國家或地區的具有相關合法合規經營資質的子公司/經營機構完成。廣發證券股份有限公司具備中國證監會批復的證券投資咨詢業務資格，接受中國證監會監管，負責本報告于中國（港澳臺地區除外）的分銷。廣發證券（香港）經紀有限公司具備香港證監會批復的就證券提供意見（4 號牌照）的牌照，接受香港證監會監管，負責本報告于中國香港地區的分銷。本報告署名研究人員所持中國證券業協會注冊分析師資質信息和香港證監會批復的牌照信息已于署名研究人員姓名處披露。Table_ImportantNotices 重要重要聲明聲明 廣發證券股份有限公司及其關聯機構可能與本報告中提及的公司尋求或正在建立

38、業務關系，因此，投資者應當考慮廣發證券股份有限公司及其關聯機構因可能存在的潛在利益沖突而對本報告的獨立性產生影響。投資者不應僅依據本報告內容作出任何投資決策。投資者應自主作出投資決策并自行承擔投資風險，任何形式的分享證券投資收益或者分擔證券投資損失的書面或者口頭承諾均為無效。本報告署名研究人員、聯系人（以下均簡稱“研究人員”）針對本報告中相關公司或證券的研究分析內容，在此聲明：（1）本報告的全部分析結論、研究觀點均精確反映研究人員于本報告發出當日的關于相關公司或證券的所有個人觀點，并不代表廣發證券的立場；（2）研究人員的部分或全部的報酬無論在過去、現在還是將來均不會與本報告所述特定分析結論、研

39、究觀點具有直接或間接的聯系。研究人員制作本報告的報酬標準依據研究質量、客戶評價、工作量等多種因素確定，其影響因素亦包括廣發證券的整體經營收入，該等經營收入部分來源于廣發證券的投資銀行類業務。本報告僅面向經廣發證券授權使用的客戶/特定合作機構發送，不對外公開發布，只有接收人才可以使用，且對于接收人而言具有保密義務。廣發證券并不因相關人員通過其他途徑收到或閱讀本報告而視其為廣發證券的客戶。在特定國家或地區傳播或者發布本報告可能違反當地法律，廣發證券并未采取任何行動以允許于該等國家或地區傳播或者分銷本報告。系因此投資者應當考慮存潛利益沖突而對獨性產生影響不僅依據內容 識別風險，發現價值 請務必閱讀末

40、頁的免責聲明 1919/1919 Table_PageText 跟蹤分析|計算機 本報告所提及證券可能不被允許在某些國家或地區內出售。請注意，投資涉及風險，證券價格可能會波動，因此投資回報可能會有所變化，過去的業績并不保證未來的表現。本報告的內容、觀點或建議并未考慮任何個別客戶的具體投資目標、財務狀況和特殊需求，不應被視為對特定客戶關于特定證券或金融工具的投資建議。本報告發送給某客戶是基于該客戶被認為有能力獨立評估投資風險、獨立行使投資決策并獨立承擔相應風險。本報告所載資料的來源及觀點的出處皆被廣發證券認為可靠，但廣發證券不對其準確性、完整性做出任何保證。報告內容僅供參考，報告中的信息或所表達

41、觀點不構成所涉證券買賣的出價或詢價。廣發證券不對因使用本報告的內容而引致的損失承擔任何責任，除非法律法規有明確規定?？蛻舨粦员緢蟾嫒〈洫毩⑴袛嗷騼H根據本報告做出決策，如有需要，應先咨詢專業意見。廣發證券可發出其它與本報告所載信息不一致及有不同結論的報告。本報告反映研究人員的不同觀點、見解及分析方法，并不代表廣發證券的立場。廣發證券的銷售人員、交易員或其他專業人士可能以書面或口頭形式，向其客戶或自營交易部門提供與本報告觀點相反的市場評論或交易策略，廣發證券的自營交易部門亦可能會有與本報告觀點不一致，甚至相反的投資策略。報告所載資料、意見及推測僅反映研究人員于發出本報告當日的判斷，可隨時更改且

42、無需另行通告。廣發證券或其證券研究報告業務的相關董事、高級職員、分析師和員工可能擁有本報告所提及證券的權益。在閱讀本報告時，收件人應了解相關的權益披露（若有）。本研究報告可能包括和/或描述/呈列期貨合約價格的事實歷史信息（“信息”）。請注意此信息僅供用作組成我們的研究方法/分析中的部分論點/依據/證據，以支持我們對所述相關行業/公司的觀點的結論。在任何情況下，它并不（明示或暗示）與香港證監會第 5類受規管活動（就期貨合約提供意見）有關聯或構成此活動。Table_InterestDisclosure 權益披露權益披露(1)廣發證券（香港）跟本研究報告所述公司在過去 12 個月內并沒有任何投資銀行業務的關系。Table_Copyright 版權聲明版權聲明 未經廣發證券事先書面許可，任何機構或個人不得以任何形式翻版、復制、刊登、轉載和引用，否則由此造成的一切不良后果及法律責任由私自翻版、復制、刊登、轉載和引用者承擔。