本文约8500字
阅读大概需要15分钟
【摘要】近年来，基金中基金(FOF)在我国发展如火如荼，但对其如何投资的方法论研究却相对滞后。加强FOF投资策略的理论研究，对提升投资端资产管理能力与资金端的收益回报具有十分重要的意义。笔者梳理了国内外学者近年来关于FOF的投资理论、实证分析等方面的文献，分析当前研究存在的问题并提出 “三重Alpha”理论作为国泰君安资产管理的FOF投资策略框架。新框架以获取Alpha收益为核心，从“资产配置-行业风格-基金筛选”三个维度覆盖FOF投资的所有环节，致力于为投资者提供以业绩稳定为基础的更高收益回报。
【关键词】 FOF投资 Alpha收益 因子投资 资产配置 基金评价
一、引言
基金中基金，又称母基金（英文为Fund of Funds，简称FOF）源于20世纪90年代的美国。中国的FOF基金起步相对较晚，证券类私募FOF基金始于2005年。2016年，中国证监会发布了《公开募集证券投资基金运作指引第2号——基金中基金指引》，标志着国内公募FOF时代正式开启。截至2020年6月底，国内公募FOF整体规模超过630亿元，产品数量达166只。
FOF作为基金市场的创新亮点，被投资者寄予厚望。但是，关于FOF的投资理论研究与实践相比存在较大滞后。本文将对FOF如何进行投资的研究成果进行系统梳理，总结现有理论研究的不足，并尝试提供更具体系化的投资框架。
二、文献综述
2.1 现有理论总结
对于FOF基金投资方法论的现有研究主要集中在大类资产配置和基金业绩评价两个方面。
资产配置方法的研究源于20世纪30年代的美国，这一时期的常用配置方法为恒定比例策略。1952年Markowitz (1952)[1] 建立了着名的均值-方差模型，运用期望和方差来刻画投资的收益和风险，从效用角度研究投资者的最优选择和资本市场的均衡。Greetham (1985)[2] 提出美林时钟模型，将资产配置与行业轮动及经济周期联系起来。在此之后，大量学者基于市场择时对资产配置策略进行了研究，Breen et al (1990)[3] 采用短期利率作为市场择时标准，研究了风险资产和无风险资产之间的轮动。Black和Litterman (1992)[4] 在高盛任职期间提出了Black-Litterman (B-L) 模型，该模型以资产均衡收益为出发点，允许投资者根据自己的判断将主观观点与均衡收益结合。
以上经典的资产配置方法为FOF投资提供了理论基础，而近年来，资产配置领域兴起的因子投资热潮，则进一步为FOF投资提供了定量分析的可能性。此前，大类资产配置的传统对象都是“资产”。2007-08年全球金融危机爆发后，很多从资产视角来看风险较为分散的投资组合同样受到了较大冲击。实务界开始重视“穿透”资产，探寻资产背后“因子”的逻辑。Bender（2013）[5] 将因子定义为能够解释并且影响资产风险和收益的那些“特征”。因子类型也较为多样，包括规模、质量、量价、流动性、成长、宏观等多种维度。
除了资产配置的理论基础之外，FOF投资的实务关键是要找到优质基金，因此基金的业绩评价体系也格外重要，目前这一领域主要包括对基金历史业绩、业绩持续性、业绩分解、时机把握等方面的评价。
围绕基金历史业绩的评价是较早出现的方式。早期投资者通过净值增长率、内部收益率法来考察基金的收益情况。随着Markowitz的风险-收益理论的提出，以方差作为度量风险的标准使评价工具岀现了跨时代的飞跃。在随后演变出的各种评价模型中，风险多被作为一项重要因素纳入了考查体系之中。随后，Sharpe (1964)[6] 和Mossin (1966)[7] 在该理论基础上进一步提出了资本资产定价模型 (CAPM)，为了让处于不同程度风险下的投资收益实现可比性，Sharpe、Treynor、Jensen构造了风险调整后的收益率。随着研究的发展，后人在风险调整收益评价方面做了更广泛深入的研究，Sortino比率、信息比率、M2测度等一系列新方法相继提出。
然而，上述指标的潜在假设是历史业绩表现足以代表未来业绩走势，但基金业绩跟踪显示，大量基金的业绩并不具有可持续性，只依赖历史业绩的评价并不准确。为了增加对于基金业绩的理解，Fama ( 1972)[8] 最先提出了绩效归因分析模型，将基金的超额收益率分解为选择回报和风险回报。其后, Brinson et al (1986)[9] 提出了BHB的绩效归因分析模型，用持股比率来考察投资政策和投资策略对基金业绩的贡献。Ibbotson与Kaplan (2000)[10] 则将基金的投资组合的总收益分解为政策受益和积极操作收益，分别对应个股选择贡献与资产配置贡献。
FOF管理者自身的投资能力也日益成为基金绩效研究的一项重要领域。研究发现，FOF管理者的择时能力侧重于波动择时而非收益择时。于丽敏 (2012)[11] 选取了8只运营已满两年的FOF进行择时能力研究，发现国内FOF的母基金管理者的择时能力主要体现为波动择时能力，运用T-M模型和H-M模型均未能证实FOF具有收益择时能力。
关于FOF基金投资策略现有研究的不足主要有两点。一是理论较为分散，处于割裂状态。现有研究从大类资产配置或基金评价模块进行切入，对某一模块进行细化深入，但缺乏对整体框架的思考，并未形成统一完整的FOF基金投资方法论。
二是理论适用性。现有研究的适用对象较为普适，如大类资产配置，在非FOF产品的组合构建中仍然适用。现有的研究主要是将传统的股票或者期货投资策略应用于基金配置上，如等权重模型、风险平价模型、等权重模型和趋势跟踪等策略模型，并未提供针对FOF基金的投资策略。考虑到FOF基金的风险收益特征与产品定位，普适性策略存在不适用的可能。
2.2 本文相关理论解释
1）业绩持续性与Alpha收益
很多在短期表现优异的基金业绩不具有持续性。我们统计了2009年净值增长率排名前20的普通股票型基金及偏股混合型基金（即所谓大牛基金），跟踪了这些基金在后续十年的业绩排名。数据显示，2009年的大牛基金在2010年保持同类领先地位的仅剩3只基金，其中的6只基金甚至落到了同类排名的后25%。如果将时间进一步拉长，延至2019年，这些大牛基金的后续整体表现平平，平均排名51%，且业绩排名波动较大，每一只基金都曾排名后25%。
图1：2009业绩排名前20的基金在后续10年的业绩表现
数据来源：Wind，国君资管
定位基金业绩中的可持续元素，是获取长期稳定业绩回报的前提，而这需要对基金的收益进行充分分解。根据资产定价模型相关理论，基金收益可分为市场风险收益Beta和超额收益Alpha。
研究表明，收益来源于Alpha的基金存在业绩持续性。Christopherson (1998)[12] 以Jensen alpha为绩效指标，使用横截面回归的方法对1979-1990年间的273名基金管理人进行考察，发现基金管理人存在显着的业绩持续性。Chen et al（2000）[13] 检验了持股和主动交易对业绩的贡献，发现成长风格的基金在选股方面有很好的表现。Teo和Woo (2001)[14] 发现风格调整后的基金业绩可持续性能够存在六年之久。Baks (2001)[15] 利用四因子模型，对1992-1999年间的2086只基金进行横截面回归，得到各期的超额收益Alpha，再利用当期Alpha和同一基金经理的前一期Alpha做横截面回归，得出基金业绩存在持续性的结论。Timmermann (2005)[16] 发现有相当一部分基金经理具备选股能力，而且优秀基金经理的alpha存在持续性。
市场对于Alpha策略的实践始于20世纪90年代。Alpha策略通过买入一揽子股票现货组合同时卖空股指期货的方法，将股票组合的Alpha收益与Beta收益相分离，并锁定Alpha收益。20世纪初期，美国股市连续3年震荡下行，以获取Beta为主要投资理念的传统投资策略难以满足养老基金等风险偏好低的投资者的要求，而Alpha策略以其市场中性、波动率小的特点进入公众的视野，并得到了快速发展。
Alpha收益可以有多个维度的来源，如通过组合配置获取资产配置Alpha，通过基金筛选获取单个基金的Alpha等。
2）因子投资
海外的资产配置正逐步融入了因子投资理念。2008年金融危机期间，不同资产之间的相关性显着上升，机构投资者逐渐认识到投资组合的收益风险本质并不是来源于资产类别，而是资产类别背后的因子。因此海外头部机构纷纷设计了一系列因子指导投资管理。其中加拿大养老基金机构CPPIB开创了参考组合模式，背后正是因子投资理念和全组合管理法；丹麦养老金ATP则采用了升级的风险平价模式，均衡配置风险因子而非资产类别。
相较于传统的资产配置，将因子投资理念融入资产配置全流程中具有许多的优势。
首先，因子投资可以化繁为简，实现底层穿透。通过将一系列纷繁复杂、特征丰富的资产（股票、债券、房地产、大宗商品、对冲基金、PE、VC）抽象为数量有限的因子，投资者可以根据风险收益目标进行资产配置。其次，因子投资有利于灵活投资。因子配置赋予了资产管理人更大的决策空间，不必完全拘泥于资产权重的硬约束。相同的因子敞口既可以选择低成本的指数基金，也可以选择相对昂贵但能赚取更多alpha的另类投资来实现。最后，因子投资有利于业绩归因。因子分析可以将管理人的业绩清晰地归结为背后的各种因子，便于定位风险收益来源，优化管理。
因子投资中涉及的因子有多种类型，本文涉及的因子有两类：
行业因子：指反映行业景气度与发展潜力的因子，具体因子对应至各个行业；
风格因子：指反映市场风格的因子，如规模、质量、量价、流动性、杠杆、成长等。
这里的因子投资指大类资产配置中的因子投资框架，而非量化投资中的多因子模型。我们认为两者的不同点有三：
第一，目的不同。大类资产配置的因子框架采用因子视角解析资产配置，着眼于改善投资者的资负管理、优化投资组合的风险收益，更清晰地拆解管理人的投资业绩。量化投资的多因子模型则侧重寻找风险收益更优的投资组合，只是因子投资框架的内容之一。
第二，环节不同。两者目的不同，因而涉及的环节也有较大差异。大类资产配置的因子框架，对应负债管理、资产配置、择时择券、风险管理、业绩评价等一系列内容。量化投资的多因子模型更多集中于资产配置和择券。
第三，视角不同。量化投资的多因子模型聚焦于股票、债券等传统资产；资产配置的因子框架，拓展至对PE投资等另类资产的因子解析。量化投资的多因子模型主要涉及价值、动量等市场因子；资产配置的因子框架，还涉及增长、通胀等宏观因子。量化投资的多因子模型主要应用于本地市场或一类资产；资产配置的因子框架，能够横跨国内海外，涉及多市场、多资产的投资与配置。
3）隐马尔科夫模型
隐马尔可夫模型（又称HMM模型）的主要用途在于宏观量化择时。
HMM最早于1966年由Baum和Petrie[17]提出，作为比较经典的机器学习模型，在语言识别、语言处理、模式识别等领域得到了广泛的应用。其方法原理是从表象的已知推测隐藏的未知。每一个可观测值的产生对应着市场状态序列，每个状态通过不同的分布函数来产生观测值，通过观测序列的简单输入即可得知对目前市场状态的判断，从而帮助进行择时判断。因为市场状态是隐性的不可观测的，属于隐藏状态，故可以通过可观测变量的处理来进行推测。
在应用中，隐马尔可夫模型主要有如下优势：第一，HMM模型参数较少，便于建模，可以提高模型稳定性。第二，HMM模型对状态预测效果较好，可用于状态分类较明显的转态预测中。第三，HMM模型对短期的预测较为准确，在中国股市复杂多变的环境中具有很好的适应性。
三、国君资管FOF投资的“三重Alpha”理论
基于对FOF投资的体系化探索，国君资管创设了独特的FOF投资框架，即“三重Alpha”理论。这个体系完整覆盖了FOF投资的全流程，包括大类资产配置、行业配置与具体基金挑选，为FOF投资提供了较为系统的指导。
从框架名称即可看出， Alpha收益贯彻了该投资框架的所有环节，这是由于Alpha收益相比于Beta收益更为稳定，能为投资者提供更加长期可持续的业绩回报。
“三重Alpha”融合了自上而下与自下而上投资的思想。资产配置环节从战略维度把握了资产与风格的轮动，自上而下为基金筛选提供了较为明确的方向，而基金筛选环节专注于筛选优质基金产品，为行业选择与资产配置提供了自下而上的参考。
框架整体通过因子投资进行组合配置。因子相比资产类型提供了进一步穿透，定位风险与收益的来源，对宏观配置提供了更加清晰的配比指导。由于研究发现投资端的择时能力主要体现为波动择时而非收益择时，组合配置将侧重风险因子而非收益因子，并从因子的风险暴露入手。
接下来，我们根据FOF投资流程，从宏观到微观对“三重Alpha”的每一重Alpha进行论述。
图2：国君资管“三重Alpha”FOF投资理论
数据来源：国君资管
3.1 第一重：资产配置Alpha
资产配置Alpha是指对宏观经济与市场状态进行研判，在择时中挖掘Alpha收益。
我们结合定性与定量的方法进行择时。过去市场中普遍采用定性的方式，如经典的美林时钟模型，从长期维度对投资周期进行了指导。但定性的方式对于市场具体状态的判断提供的帮助有限。为了增加市场状态预测的精确性，近年来市场中也在逐渐采用定量的方法。我们选取了多个量化模型进行定量择时，如隐马尔科夫模型，该模型通过利用股价相关显性指标作为观测序列训练模型，去推测市场历史状态以及市场状态的切换矩阵，进而推测出市场当前状态以及下一期最可能的状态。此外，我们也会捕捉短期变动带来的投资机会。如通过民意调查、国际关系变动、重要政治会议捕捉政策波动，通过灾害、战争、产业信息、核心企业经营状态变化带来的事件性冲击、通过估值定价、市场参与者特征、情绪带来的市场定价行为偏差等。
定性与定量的方式采用的推理逻辑呈互补关系。定量方式接近归纳逻辑，而在定性的推导中会从偏演绎的视角进行判断，为不符合历史规律的新市场情况提供及时洞察。
3.2 第二重：行业/风格Alpha
在资产配置确定后，接下来需要明确风格与行业配置，通过长期布局有收益潜力的行业、短期把握风格轮动获取Alpha收益。
布局长期具有收益潜力的行业有其必要性。这是源于行业由于其自身发展属性及外在条件的不同，长期业绩增长率也并不相同。我们通过分析行业的五个要素：技术创新、商业模式变化、竞争格局变化、景气度变化及估值性价比，挖掘具有长期配置价值的优质行业。
布局长期的优势行业赛道是否已是全部？我们认为，优质行业赛道当然应该作为“称重机”的基石，但当我们有能力识别和判断的时候，“投票机”的力量不容忽视。
发挥短期“投票机”的力量离不开风格因子的挖掘，我们通过跟踪风格因子把握重点风格的轮动。
在实际操作过程中，我们将行业与风格与因子投资结合，通过行业因子与风格因子进行量化配置，配置流程分为四步：
首先是结合行业因子与风格因子，结合宏观/中观/微观数据，如行情数据、财报数据和另类数据等，对各行业指数的收益和风险进行分解；
接下来基于增长模型、Shiller P/E、多因子模型对行业指数的未来3年收益率进行预测；
第三步是确定各因子的配比，配置权重可以通过最大化信息比率、跟踪误差限制和最大化分散度等目标函数进行确定；
最后是映射到具体的行业与风格标的，确定高beta行业基金与风格基金的配比。
3.3 第三重：基金选择Alpha
基金选择Alpha即通过基金挑选，选出具有Alpha收益的基金。
挑选优质基金有赖于成熟的基金评价体系。海外的基金评价发展较早，已经形成了较为完善的评价体系。目前针对基金产品的专业化国际评级机构共有10个，包括晨星（Morningstar Rating）、标普（Standard & Poor's Rating Services）、理柏（Lipper Rating）、惠誉（Fitch Rating）等。
表1：海外10大基金评价机构的评价体系
数据来源：公开信息，国泰君安资产管理
由于晨星和标普的基金评价体系覆盖面较广，体系较为完备，我们将这两家公司的评价体系展开介绍。
3.3.1 晨星
晨星基金定性评级从五个关键因素对基金作出评估，不仅包括基金的过往业绩和风险水平，晨星也有对投资流程与人的评估。这五个关键因素具体是：投研团队(People)、投资流程(Process)、 基金公司(Parent)、业绩(Performance)、费用(Price)。
下面是这五个关键因素的详细说明：
要素一 投研团队(People)：
团队质量：基金投资管理团队的质量；
团队经验：基金经理的投资管理经验、能力和任职稳定性；
团队交流：对于采用团队管理模式的基金，基金经理之间的合作和决策方式；
团队持续发展力：基金经理是否能获得充足的研究支持。
要素二 投资流程(Process)：
主要关注该流程是否切合实际市场环境、明确清晰且具有较强的复制性；对该流程是否得以有效执行进行评估，实际组合的持仓情况是否和投资流程保持一致；
评价会综合衡量基金经理的投资理念以及投资流程的核心优势，包括该流程和目前投研团队资源以及基金规模的匹配程度、在执行流程和实际投资中潜在的风险点、在当前市场环境中的有效性、以及适合于何种风险偏好的投资者。
要素三 基金公司(Parent)：
基金公司的运营管理能力：基金公司是否设计了合理的规模管控制度和风控制度以保护现有投资者利益，是否具有完善有效的招聘和人才培养制度、业绩考核及激励制度确保投资团队资源充足及人员的稳定性；
基金公司在运营管理过程中对信托责任的履行：考察基金公司是否将投资者利益放在首位而非一味地追求规模的增长、投研人员和投资者利益是否进行很好的绑定、旗下基金的整体费率水平等。
要素四 业绩(Performance)：
基金在长期所体现出的风险收益特征是否与基金投资风格和方法相互印证；
从业绩归因角度评估基金长期业绩表现是否符合于基金经理投资能力及投资流程形成的预期；
考察基金在不同市场环境中的业绩持续能力、对下行风险的控制能力以及规模变化状况下业绩延续性。
要素五 费用(Price)：
晨星研究显示，基金的费率水平对基金未来是否能实现长期超额收益具有不可忽视的影响。为真实反映各地投资者所面临的实际投资成本，晨星主要考察基金年度运营费用在该市场同类基金中所处的水平。对于收取业绩提成的基金，还将考察业绩提成费率结构的合理性。
图3：晨星五要素基金评价体系的关键词
数据来源：晨星《Morningstar晨星基金定性定级评级方法论》
3.3.2 标普
标普公司的基金评价体系分类方式与晨星略有不同，但具体的考察领域基本类似。比如标普对于基金经理的评价其中一条为“投资方法的一致性与有效性”，考察了基金经理在实际操作中对理论方法的遵循程度，这与晨星评价体系中的“流程是否得以有效执行进行评估”环节类似。
图4：标普基金评价体系
数据来源：公开信息
综合来看，海外评价体系综合了定性与定量维度，可以对基金进行较为全面的考察。但海外的评价体系也存在一定的“水土不服”。首先是海外评价体系立足全球，对全球基金而非仅是中国的基金展开评估，侧重评价体系的共性而忽略了不同市场的发展程度不同。其次，由于海外基金评价体系以基金评级作为目的，评级设置较宽，对具体投资的指导意义也因此受限。最后，海外基金评价体系的评级维度也以历史数据为基准，不能完全代表对未来的预测。
出于基金投资而非基金评价的目的，我们对海外的评价体系进行了进一步完善，结合中国实际情形，在定性评级上设计了更为详尽的评级划分与描述，便于基金在资产池中的按需抽取。比如我们对于基金经理设置了“不推荐”、“可考虑”、“较优秀”三个等级，并对每个等级提供了详细描述。
我们也在定量维度上进行了补充，如增加换手率、最大回撤与管理规模指标，并对时间跨度进行了更为细致的划分，如在评价基金的业绩稳定度中，我们不从基金发布以来的整体时间内进行评估，而是将发布以来的时间段进行切分，要求该基金每一阶段的回撤都控制在一定限度内，确保基金在运营期间的任意时间都可以获取较为稳定的业绩。
我们的体系设计也更加侧重于基金未来业绩的预测。业绩预测涉及到业绩的持续性，为选取收益来源为 Alpha的基金，我们不仅对历史业绩进行分析，也对基金进行较为深入的持仓穿透，分析基金经理的选股与行业配置能力，明确基金的实际收益来源。
图5：定量基金评价体系
数据来源：国泰君安资产管理
四、结语及展望
本文围绕FOF基金的投资方法论展开研究，发现现有研究存在两点不足：一是研究零散化，缺乏对整体框架的思考，尚未形成体系化投资策略；二是现有策略以普适性研究为主，并非针对FOF投资，在FOF实际应用中有不适用的可能。
从FOF投资的体系性与针对性出发，国君资管创设了“三重Alpha”FOF投资方法论，完整覆盖了FOF投资全流程，包括大类资产配置、行业配置与具体基金挑选，为FOF投资提供了较为系统的指导。框架定位于对Alpha收益的获取，致力于在业绩稳定的基础上挖掘更高收益回报。
其中，第一重Alpha为资产配置Alpha，可以从宏观经济与市场状态的择时中获取；第二重为行业/风格Alpha，来源于长期布局优质行业赛道、短期把握市场风格轮动；第三重为基金选择Alpha，通过拆解基金收益来源、优化基金评价体系筛选出具有Alpha收益的基金。
考虑到投资框架应为投资分析提供较为全面的视角，国君资管FOF投资框架设计可以总结为“四个结合”：自上而下与自下而上结合、定性与定量结合、归纳与演绎结合、海外经验与本土情况结合，从多个分析维度弥补了单一视角的不足。
FOF基金发展前景广阔，但巨大的发展潜力需以良好业绩回报作为支撑，这也对FOF管理者提出了更高要求。本文以抛砖引玉的心态，希望激发更多关于FOF投资方法论的热情与研讨，让FOF基金这一具有多重优势的投资品种在优质投资策略的辅助下进一步大放异彩。
参考文献
[1] Markowitz, H.M. (1952) Portfolio selection. Journal of Finance, 7, 77-91.
[2] Greetham T. Time to Check the Investment Clock: PROFESSIONAL INVESTOR[J]. La Pediatria Medica E Chirurgica Medical&Surgical Pediatrics, 1985, 7(3): 351-5.
[3] Breen W, Glosten L R, Jagannathan R. Economic Significance of Predictable Varimions in Stock Index Returns[J]. Journal of Finance, 2012, 44(5): 1177-1189.
[4] Black F, Litterman R B. Asset Allocation：Combining Investments’ Views With Market Equilibrium[J]. Journal of Fixed Income, 1991, l(2): 7-18.
[5] Bender J, R Briand, D. Melas, R A Subramanian. Foundations of Factor Investing[R]. 2013
[6] Sharpe (1964) capital asset prices: a theory of market equilibrium under conditions of risk. journal of finance, 19, 425-442.
[7] Mossin, J. (1966) Equilibrium in a Capital Asset Market. Econometrica, 34, 768-783.
[8] Fama E F. Components of Investment Performance[J]. Journal of Finance, 1972 (27): 551-567.
[9] Brinson G P, Beebower G L. Determinants of Portfolio Performance[J]. Financial Analysts Journal, 1986, 42 (4): 39-44.
[10] Ibbotson R G, Kaplan P D. Does Asset Allocation Policy Explain 40, 90, or100Percent of Performance?[J]. Financial Analysts Journal, 2000, 56 (1): 26-33.
[11] 于丽敏. FOF择时能力评价研究[J]. 商业经济研究, 2012 (1): 66-67.
[12] Christopherson J A, Ferson W E, & Glassman D, (1998). Review of Financial Studies, Vol. 11(1), pp.111-142.
[13] Chen, H.L., Jegadeesh, N. and Wermers, R. (2000) The Value of Active Mutual Fund Management: An Examination of the Stockholdings and Trades of Fund Managers. Journal of Financial and quantitative Analysis, 35, 343-368.
[14] TeoMelvynandSung-JunWoo. (2001)PersistenceinStyle-AdjustedMutualFund Returns, WorkingPaper.
[15] Baks K P, Metrick A. and Wachter J. (2001) Should Investors Avoid All Actively Managed Mutual Funds? A Study in Bayesian Performance Evaluation. The Journal of Finance, 56: 45-85.
[16] Timmermann, Allan G, 2005. "Forecast Combinations," CEPR Discussion Papers 5361, C.E.P.R. Discussion Papers.
[17] Baum, L.E. and Petrie, T. (1966) Statistical Inference for Probabilistic Functions of Finite State Markov Chains. The Annals of Mathematical Statistics, 37, 1554-1563.
风险提示：本文件所涉及的资料来源及观点皆被我司认为可靠，我公司对这些信息的准确性及完整性不作任何保证。本文件中的观点和预测仅代表我们的判断，不构成任何投资建议或实际的投资结果。我们也不保证当中的观点和预测不会发生任何调整或变更。投资有风险，入市须谨慎。
- 国君君得益三个月(FOF)A(952013)
本文作者可以追加内容哦 !
