货币政策敞口因子MPE

来源：量化先行者

    摘要

文献来源：Ali Ozdagli, Mihail Velikov, Show me the money: The monetary policy risk premium, Journal of Financial Economics, Volume 135, Issue 2, 2020, Pages 320-339, ISSN 0304-405X, https:// doi.org/ 10.1016/ j.jfineco. 2019. 06. 012.

推荐原因：本文设计了一个较为“另类”的选股因子——货币政策敞口因子（MPE），研究发现高敞口股票长期稳定跑输低敞口股票，且这种选股能力不能被β因子等常见因子所解释；理论上讲，该因子的α能力源于一种风险溢价：高MPE敞口的公司往往更容易获得央行流动性的支持，故在经济、业绩较差时能获得更强力的对冲，而MPE因子的超额收益源自于这种对冲能力所需的溢价。

1. 引言

大量文献研究了货币政策对资产价格影响显著。在最近的开创性文献中，伯南克和库特纳（2005）表明，联邦基金目标利率意外下调25个基点与股指上涨约1％有关。总体而言，学术研究和从业人员都认为货币政策对股票价格有重大影响，并且具有不同特征的公司的股票价格对货币政策的反应也不同。然而，人们对货币政策如何影响股票截面收益的机制还不太清楚。尽管几类理论模型暗示货币政策是股票市场中重要的风险来源，但它们在对货币政策敞口和风险溢价之间的关系预测上却存在很大差异。

在本文中，我们基于可观测的公司特征创建了货币政策敞口（MPE）因子，以前的研究将其与股票价格的货币政策敏感性相关联。使用该因子，我们发现，价格对扩张性货币政策反应更为积极的股票（高MPE股票）的平均收益要低于低MPE股票。利用这种效应的多空（低负高MPE）交易策略在1975年至2015年期间实现了9.12％的年化收益。由于美联储以扩张性的货币政策来应对恶劣的经济冲击，因此高MPE的股票可以一定程度上对冲这些冲击。建立MPE因子的一项重要挑战在于确定股票对美联储政策的反应。

正如伯南克和库特纳（2005）所指出的那样，资产价格也可能在没有FOMC会议的日期对未来政策的预期做出回应，而这又可能是受经济状况变化的消息推动的。我们遵循他们在FOMC会议日期使用意料之外的政策变更的方法，因为用他们的话来说，这使我们能够“更清楚地辨别股市对货币政策的反应。”

我们的回归使用了政策预期与货币政策的相互作用。该方法根据每个特征对货币政策风险的贡献得出一个因子。MPE因子的特征体现了各种货币政策传导机制的影响，包括信贷渠道，资产负债表的流动性，贴现率效应和名义刚性。因此，公司特征包括财务约束，现金和短期投资，现金流持续时间和波动性以及经营利润率的度量。我们表明，该因子成功地捕捉了股票在不同的政策体制下（包括1994年前，1994-2008年和2008年后时期）对货币政策的反应。

我们发现，我们的MPE因子是股票横截面回报的强有力的负预测指标，这表明稳定因素渠道对股票风险溢价的影响要大于驱动因素渠道。特别是，MPE因子值较低的股票（即在出现扩张性货币政策意外时往往表现不佳的股票）的平均收益要明显高于MPE因子值较高的股票（即那些在扩张性货币政策出乎意料的情况下往往表现良好的股票）。从1975年到2015年，旨在利用这种效应的多空交易策略实现了9.12％的年化价值加权回报（t统计量为4.91），夏普比率为0.77的年化收益。在使用Fama and French（2015）五因素模型进行控制后，该策略的年化异常收益为4.68％（t统计量为4.00）。总体而言，该策略的绩效要比股票回报横截面中的其他流行效应要强得多，例如，类似构造的动量策略可以实现0.48的夏普年化比率。

本文与资产定价文献中的重要贡献有关，这些文献使用基于公司特征的因子来研究股票收益的横截面。Pastor和Stambaugh（2003）使用股票特征来预测公司面临的总流动性风险，Whited和Wu（2006）创建了财务约束因子，Campbell等（2008年）创建财务困境因子，Gu等人（2018）创建了一个投资不可逆性因子，每篇论文都研究了其各自因子的资产定价含义。我们采用与本文中类似的方法来研究股票收益横截面中的货币政策风险溢价。与替代方法相比，这种估算货币政策风险的方法具有多个优势。例如，仅基于货币政策意外因素分别对每只股票的收益进行回归的方法就没有效果，因为大多数股票的收益波动率很高或没有足够长的收益历史，这会加大估计难度。我们的MPE因子依靠现有文献研究货币政策对股票价格的各种传导渠道，从而捕捉了政策敏感性横截面变化的多维性质。

我们方法的另一个优点是我们不受策略意外数据可用性的约束。尽管只有在1994年之后才能可靠地计算出政策意外，因为那年之前的政策决定时间含糊不清（Gürkaynak等，2007），但我们的MPE因子使我们能够计算出1970年代的风险敞口。最后，我们的MPE因子在理论上有良好的基础，易于构建，在不同的政策制度下均能很好地运行，并且是横截面回报率的可靠预测指标。我们的论文在Fama和French（1993）等将企业特征与其预期收益联系起来的文献与研究宏观经济总量作为资产收益的预测因素的文献之间架起了桥梁，如Lettau and Ludvigson（2001），Parker等Julliard（2005），Yogo（2006）和Bali（2017）。尽管有大量的理论文献研究货币政策对风险溢价的影响，但经验证据却很少。创建货币政策敞口因子可以使我们解决理论模型预测中的歧义，并表明货币政策敞口是股票横截面回报的有力预测指标。

2. 理论

本文主要的实证挑战是确定单个公司的货币政策风险的横截面差异。估算暴露的最佳方法是什么？一种直接的方法就是简单地将每种股票的收益归因给货币政策意外因素。但是，大多数股票的收益波动率很高或缺乏足够长的收益历史记录，这导致了较高的风险暴露估计（Cochrane，2005）。取而代之的是，我们遵循资产定价文献早期的重要贡献的脚步，这些文献使用基于公司特征的因子来研究股票收益的横截面（例如，Campbell等人，2008; Gu等人，2018）。公司财务也普遍采用创建因子的传统（Altman，1968；Kaplan和Zingales，1997；D’Acunto等，2017）。

为了创建我们的因子，我们讲特定的企业特征与先前文献中的货币政策传导机制和股票价格的政策敏感性相关联。该方法根据每个特征对货币政策敞口的贡献得出MPE因子。在本节中，我们将讨论这些货币政策的传导机制，以及它们与MPE因子基础特征之间的关系，并在附录A.1中提供这些特征的详细定义。

财务约束（信贷渠道）：公司财务约束对货币政策传导的影响一直是政策和学术讨论的核心（Gertler和Gilchrist，1994；Fisher，1933）。尽管有大量文献关注此信贷渠道对实际变量的影响，但研究其对股票价格影响的文献相对较少。Perez-Quiros和Timmermann（20 0 0）使用较小的公司规模作为财务约束指标，并发现较小公司的股票价格对货币政策变化（以货币供应量衡量）更敏感。Lamont等（2001）认识到货币政策是通过政策利率的选择而不是货币供应来实施的，但是当他们使用政策利率的变化时，并没有发现金融约束与股票价格的政策敏感性之间有任何重要的联系。像伯南克和库特纳（2005）一样，奥兹达格利（Ozdagli,2018）使用了政策利率变化的意外组成部分，因为股票不应对预期的货币政策变化做出反应。通过使用财务约束因子和自然实验，他发现更多受约束的公司可能对货币政策的反应较弱，因为这些公司对外部金融的依赖较少，因此受外部金融成本变化的影响较小。根据Ozdagli（2018），我们使用Whited和Wu（2006）创建的财务约束因子作为我们的财务约束指标。

现金和短期投资（流动性影响）：这些是公司中最具流动性的资产，与广义上的货币基础直接相关。一方面，拥有大量现金的公司可能会对政策利率的上涨做出更负面的反应，因为最利率是持有现金的机会成本（Baumol，1952年）；另一方面，公司现金储备可以通过降低投资对政策的敏感性来削弱货币政策的效果（Gao，2018）。同样，如果公司将其现金存入短期储蓄或其他计息账户中，那么利率的提高实际上可以帮助他们获得额外的流动资金，这也将削弱货币政策的效果。

现金流持续时间（折现率效应）：Macaulay（1938）的持续时间由于固定利率分析与债券价格对利率敏感性的明确关系而被固定收益分析师广泛采用。最近，Dechow（2004）和Weber（2018）研究了持续时间的概念。在股票市场的背景下以及投资者对股票持续时间与股票利率敏感性之间的联系的认识得到了投资者的认可（例如，德意志银行，2010年）。奥兹达格利（Ozdagli，2018）发现，期望未来现金流更远，因此股票存续期更长的公司股票受货币政策的影响更大，这与后来现金流量的现值受到贴现率的变化因素影响的观点一致。

现金流量波动性：如Ozdagli（2018）所述，现金流量波动性可能以多种方式反映了公司股价对货币政策的敏感性。例如，波动率可能与现金流量持续时间有关，并且可以反映出标准现金流量持续时间度量未能完全反映的方面。一方面，波动性较小的公司可能具有较低的违约可能性，因此寿命更长，现金流的持续时间更长。另一方面，较低的波动性也可能意味着较低的延迟投资期权价值，因此，较低波动性的公司可能会通过今天增加投资来交换未来的现金流，从而增加现金流持续时间。另一个说明波动性重要性的例子是，较高的现金流量波动性可能意味着公司需要更频繁地依赖外部融资，这增加了外部融资成本的重要性，而后者又直接受到货币政策的影响。

营业利润率（名义刚性）：粘性价格和工资形式的名义刚性是新凯恩斯主义宏观经济模型中的重要组成部分。尽管无法获得有关股票整体的公司名义刚性的数据，但营业利润率仍可为名义刚性的影响提供一个窗口。特别是，如果投入价格（例如工资）保持粘性，那么扩张性货币政策将对企业的收入产生重大影响，而又不会改变投入的总成本，从而推高股价。对于收入更接近其投入成本的公司，即利润率较低的公司，由于相对固定的投入成本所产生的经营杠杆效应，其股票价格的涨幅将会更大。最近，Gomes（2016）提供了一种机制，其中扩张性货币政策由于其对贷方的名义义务而降低了公司的实际债务负担。这种“粘性杠杆”机制的工作方式与上述粘性工资渠道类似，因为粘性工资减少了扩张性政策对企业员工名义义务的实际负担。因此，我们预计粘性杠杆会增加利润较低的公司的股票价格的政策敏感性，Ozdagli和Weber（2017）也讨论了这种影响。

按照直觉，如果企业的产出价格比其投入价格更具粘性，那么扩张性的货币政策将导致投入成本的增加幅度大于企业的收入，从而吞噬其利润，从而降低其股价。但是，对于利润率较高的公司，这种减少的百分比将较小。

其他：我们在MPE估计回归中控制行业影响，但不将其包含在MPE因子中，以保持因子简约并专注于股票收益的横截面差异，这些差异超出了行业收益的差异。我们还在MPE估算回归中包括了公司评级，该回归使用的是1994年至2008年的样本期，我们对此有政策上的意外，但我们并未在因子中使用它们，因为评级信息无法追溯到1975年，我们的资产定价测试样本开始时间。

3. 货币政策敞口估计

本节介绍了使用1994-2008年期间的数据估算我们的货币政策敞口因子，而联邦基金的目标利率是主要的政策工具。我们还证明，该因子有效反映了公司股价在1994年前的时期和2008年之后的非常规货币政策时期对政策意外的反应。

3.1. 数据

对于捕获财务约束和现金流量持续时间的变量，我们根据先前的文献方式来构建。遵循先前的文献，例如Whited和Wu（2006）和Ippolito（2018年），我们从估计货币政策构建所用风险因子和资产定价检验中排除了金融公司（标准行业分类（SIC）代码6000-6999）和公用事业（SIC代码4900-4999）。

继Kuttner（2001），Bernanke和Kuttner（2005）以及Gürkaynak（2005a，2007）等人之后，我们使用联邦基金期货来衡量FOMC会议当天宣布的联邦基金目标利率变动的意外部分。我们将重点放在1994年2月至2008年6月之间的116场联邦公开市场委员会会议上。从1994年2月开始，联邦公开市场委员会宣布在预定日期宣布目标利率变化的政策实际上消除了与该日期之前利率变化相关的时间安排。我们在2008年中期结束了样本，当时零下限开始成为联邦基金目标利率的约束性约束。我们使用Gürkaynak（2005a）的Bernanke-Kuttner惊喜的盘中紧缩版。因为他们显示当天早些时候的宏观经济新闻偶尔会改变投资者对FOMC当天晚些时候宣布的预期，从而在政策意外措施中制造噪音。对于在月m的第d天举行的FOMC会议，并在下午2:15公开宣布，联邦基金利率的意外变化由下式给出：

关于使用FOMC会议进行识别的一个警告是，在预定的FOMC会议日期上货币政策的意外程度往往很小。例如，Neuhierl和Weber（2018b）认为，有关货币政策的大多数消息来自FOMC会议之间的FOMC，可能是FOMC成员发表的讲话和证词。就我们的目的而言，包括演讲和证词可能会使身份识别更加困难，因为它们也可能包含货币政策以外的信息，例如对经济状况的评估。用贝南克和库特纳（2005）的话说，我们的方法“使我们能够规避内生性的难题，并更加清楚地认识到股市对货币政策的反应。”

3.2. 估算方法和结果

计算单个股票的货币政策敞口的一个重要挑战来自以下事实：许多股票的回报率波动很大或缺乏足够长的回报历史。用政策意外来回归股票期间收益会导致对风险敞口的估计不准确。相反，我们注意到文献已经确定了影响股票对货币政策意外反应的各种公司特征，如第2节所述。我们将这些特征与政策意外的相互作用作为我们的解释变量。我们的MPE因子建立在Bernanke和Kuttner（2005）的基础上，回归模型如下：

表1给出了有关不同特征如何捕获股票价格对货币政策的影响的结果。第一栏提供了扩张性货币政策（降低联邦基金目标利率）与股票价格之间的正相关关系，这与伯南克和库特纳（2005）以及古尔凯纳克（2005a）等人的早期结果一致。特别是，平均一个百分点的扩张性意外导致股价上涨2.4％。

第2列显示了财务约束的影响：与Ozdagli（2018）一致，受更多约束的公司（即怀特·吴因子较高的公司）的股票价格对货币政策意外事件的反应较弱。第3栏显示，持有较高的现金会导致股票价格对货币政策的敏感性降低，这与以下观点一致：企业现金储备会削弱货币政策的影响，而计息账户中的短期存款则可以对冲利息费率变化。第4列表明，与折现率效应一致，现金流持续时间较长的公司对联邦基金目标利率的意外变化更敏感。第5列表明，现金流量波动性较大的公司对货币政策意外事件反应更快，这与以下观点有关：波动性较高的公司可能会更频繁地依赖外部融资。此外，第6列表明，具有较高经营利润率的公司对货币政策的反应较弱，这与Gomes（2016年）的粘性输入价格（例如工资）或粘性杠杆的理论一致。可能会导致利润更高的公司的股票价格对货币政策变化的敏感性降低。最后，表1的最后一列将所有这些变量放在一起，并报告了系数保留了它们的大部分大小和重要性。使用第7列中的估算，我们的货币政策敞口（MPE）因子将变为

请注意，虽然我们使用评级和与货币政策意外（MPS）相互作用的行业固定效应作为附加控制，但我们并未将其包括在MPE因子中。从1975年开始的资产定价测试样本期的上半年，很少有公司获得评级。忽略行业影响，使我们能够专注于股票收益的横截面差异，这些差异不仅超出了行业回报的差异，而且使我们的因子保持不变。

3.3. 外部有效性：样本外效果

设计得到MPE因子后，我们现在转向评估其在解释股票对货币政策声明的反应方面的能力。我们可以预期，MPE较高的股票在用于估计的样本和样本外的样本中，对扩张性货币政策意外事件的反应将更为强烈。我们在第3.2节中使用1994-2008年期间，因为我们可以可靠地确定FOMC会议日的货币政策意外情况。在1994年之前，市场参与者通常可以在会议召开后的第二天，即开放市场服务台实施该决定时就推荐FOMC决定（Bernanke和Kuttner，2005年）。2008年之后，由于短期利率达到零下限（ZLB），货币政策的性质发生了变化。我们显示，尽管政策执行存在差异，但在这些不同的制度下，高MPE的股票对货币政策的反应更强。表2报告了根据等式的回归结果。

在1994年之前，没有股票的日内数据，因此我们在第一个公式的左侧使用每日收益。对于货币政策的意外，我们使用Gürkaynak（2005a）开发的日间紧缩窗口MPS，如表1所示。该示例使用了1988年至1993年之间的40次FOMC会议。继Bernanke和Kuttner（2005）使用日收益之后，我们将会议日期定为1991年8月21日和1992年7月2日，因为发布当天的事件令人困惑。

第1列显示，尽管难以衡量货币政策的意外情况，而且由于使用日收益率而增加了噪音，但MPE因子成功地捕捉了股票对公告的反应。MPE与货币政策意外因素之间的相互作用的系数是正的，在统计上具有重要意义。

同样，第二列报告的是1994-2008年期间的结果，该，拍下哦美国的左侧包括在30分钟的事件窗口中的日内股票收益率。通过回顾，MPE因子与货币政策收益的交互作用系数正好为1，并且在统计上与零显著不同。

最后，包括左侧的日内收益以及右侧旨在捕捉2008年后时期货币政策意外的指标。继Rigobon和Sack（2004）和Gürkaynak（2005a）之后，我们使用具有四分之一提前期的欧洲美元（ED）期货来衡量对FOMC利率决定的短期预期变化。

其中ED1是3个月的欧洲美元期货利率，将提前四分之一。“紧缩”措施等于下午2:35之后的第一笔交易的价格所隐含的提前四个月的3个月欧洲石油期货价格与之前的最后一笔交易的价格所隐含的相同价格之间的差额。对于排定的发布时间不是下午2点15分的情况，事件窗口会相应地移动。我们同时使用“严格”和“广泛”两种说法，因为在此期间，FOMC声明偶尔会发布新闻稿，在开始时，主席将提供FOMC决定背后的更多细节。由于政策意外，我们对盘中股票收益使用相同的事件窗口。

我们可以观察到，无论2008年后时期使用的货币政策超预期程度如何，MPE因子都成功捕获了股票对公告的反应，两个系数均为正，且在统计上显着不同于零。由于MPE因子是使用1994-2008年数据估算的，因此结果也减轻了我们对MPE因子使用前瞻性信息的担忧。总体而言，这些结果证实了我们的MPE因子在估计期间内和之外的可靠性，从而为其外部有效性提供了支持。

4. 货币政策敞口对资产定价的影响

在本节中，我们将分析通过根据MPE因子对股票进行分类而创建的不同投资组合的股票收益。我们首先表明，即使在控制了其他众所周知的资产定价因素之后，MPE较高的公司的投资组合的平均收益也要低于MPE较低的公司的投资组合的收益。

4.1. MPE分组下的投资组合收益

在本节中，我们将使用MPE因子探讨货币政策的资产定价含义。表3报告了MPE单变量排序的结果。每个月根据其货币政策敞口，将股票分为五个投资组合。该表记录了五个投资组合以及MPE五分位数投资组合中最低的多头股票和短期投资组合中的空头股票的Fama和French（2015）五个因素的平均价值加权超额收益，alpha和因子暴露。

面板A记录了投资组合的超额收益和alpha。我们可以观察到五个投资组合的平均超额收益呈单调下降趋势。多头/空头投资组合的年平均回报率约为9％（0.76 * 12），相关的t统计量为4.91。年化夏普比率为0.77。即使在控制标准因子模型之后，该策略仍可继续产生可观的回报。

尽管五因子模型无法解释面板A中多头/空头策略的大部分回报，但其绩效下降的原因可能是SMB和HML因子的大量暴露。我们可以看到，多头/空头投资组合在SMB和HML因子上分别具有0.90和0.44的显著因子暴露。考虑到货币政策因子采用了Whited-Wu因子和现金流（CF）持续时间因子，因此这些因子暴露不足为奇。MPE较低的股票往往受到更大的财务约束，现金流持续时间也较短。Dechow（2004年）和韦伯（2018年）表明，现金流持续时间与账面市价负相关，这解释了该策略的价值倾斜，而总资产的对数对Whited–Wu因子复贡献，这解释了策略的规模倾斜。

表3中的结果与以下观点一致：货币政策主要是经济的稳定器，而不是驱动器。在负面经济冲击之后，货币政策可能是扩张性的，这会增加消费和财富的边际价值。在这种观点下，MPE因子应该是股票横截面回报的强烈负面预测指标，这正是我们在数据中观察到的。MPE因子值较低的股票（即在出现扩张性货币政策意外时往往表现不佳的股票）的平均收益要明显高于MPE因子值较高的股票（即那些在出现扩张性货币政策意外时往往表现良好）。

4.2. 关于稳定器渠道的证据：对通胀和就业新闻的反应

《美联储法案》确立了价格稳定和最大可持续就业机会双政策目标。这为我们的低-高MPE组合带来了两个重要的可测试含义。首先，多头/空头（低-最高MPE）投资组合应该对就业和消费价格的消息产生更正向的反应，从而导致人们预期货币政策将收紧。根据稳定器渠道，随着美联储试图稳定经济，高CPI和就业意外会导致人们采取更紧缩的货币政策（Gürkaynak等，2005b）。因此，低-高MPE投资组合应会因积极的CPI和就业意外而受益。其次，如果MPE因子仅反映了货币政策风险，一旦我们控制了未来政策的预期变化，低-高MPE组合对就业和CPI消息的反应会基本消失。

为了检验这两个假设，我们遵循Gürkaynak（2005b）的方法，每天创建一系列就业和CPI惊喜。对于就业，我们使用每月公布的非农就业数据。对于价格因子，我们使用劳工统计局（BLS）在每个月中宣布的核心CPI数字。CPI和非农就业数据的意外序列是用公布值减去市场期望值来计算的，其中，市场期望值是使用Money Market Services（现在称为Informa Global Markets）发布的中值市场预测值来衡量的。每个发行版之前的星期五。继Gürkaynak（2005b），我们用零代替缺失的观测值。

表4报告了根据政策预期变化以及就业和CPI意外变化对多头/空头（低-高MPE）投资组合的每日投资组合收益进行回归得出的估计。

实证结论表明：货币政策敞口较低（较高）的公司应对CPI消息做出更正向（负向）的反应；多头/空头（低-高）MPE投资组合对高于预期CPI的数字有正向的反应；尤其是，CPI意外增加一个标准差会导致我们的投资组合收益增加1.3个基点。同样的，对货币政策敞口较低（较高）的公司应对就业方面的好消息作出更正向（负向）的反应；多头/空头（低-高）MPE投资组合对就业的好消息有更积极的反应。此外，非农就业人数增加了一个标准差，投资组合收益增加了2.8个基点。

实证结论验证了货币政策的稳定器渠道猜想。

5. 稳健性检验

现在，我们将注意力转向其他稳健性测试。特别是，我们记录了MPE在控制了其他流行的预测因素后仍保持了其在横截面上的可预测性，并且我们的结果并非受FOMC之前的公告偏差或β的影响。最后，我们总结了在线附录中执行并记录的其他稳健性测试。

5.1. Fama–MacBeth回归

5.2. 剔除β效应的稳健性

观察股市对预定的FOMC会议的反应的另一个担忧是，股票对意外事件的反应可能会被他们在总体市场中的敞口所捕捉。如果高MPE股票是高Beta股票，那么我们有可能正在捕捉类似于Black（1972）或Frazzini and Pedersen（2014）的针对beta的博弈效应。

作为稳健性，表6报告了对市场beta和MPE进行的有条件双重排序的结果。在每个月中，首先根据市场beta（从一年的每日收益估算）将股票分类为五分位数。然后，在每个五分位数内，根据股票的MPE将股票进一步分类为五分位数。报告了25个结果组合的平均超额收益，以及每个beta五分位数内具有MPE低的多头股票和MPE高的空头股票的投资组合。我们可以观察到，即使控制了市场贝塔值，MPE策略仍然可以产生可观的平均回报。在五个市场Beta投资组合中，多头/空头MPE投资组合的最低平均收益等于79个基点。因此，我们得出的结论是，我们记录的效果与针对β的博彩效果截然不同。

6. 结论

本文设计了一个较为“另类”的选股因子——货币政策敞口因子（MPE），研究发现高敞口股票长期稳定跑输低敞口股票，且这种选股能力不能被β因子等常见因子所解释；理论上讲，该因子的α能力源于一种风险溢价：高MPE敞口的公司往往更容易获得央行流动性的支持，故在经济、业绩较差时能获得更强力的对冲，而MPE因子的超额收益源自于这种对冲能力所需的溢价。

海外文献推荐：因子选股类

免责声明：自媒体综合提供的内容均源自自媒体，版权归原作者所有，转载请联系原作者并获许可。文章观点仅代表作者本人，不代表新浪立场。若内容涉及投资建议，仅供参考勿作为投资依据。投资有风险，入市需谨慎。