|
導(dǎo)讀：很長一段時(shí)間以來，主觀投資和人工智能的量化投資都在彼此領(lǐng)域獲得Alpha。量化投資的強(qiáng)項(xiàng)在于高頻交易，有大量的數(shù)據(jù)來源，能夠從中甄別“人性”。在量化投資的眼中，股票價(jià)格短期的“隨機(jī)漫步”，可能背后能夠找到確定性的規(guī)律。而主動(dòng)管理投資的強(qiáng)項(xiàng)在于長期定價(jià)，能夠通過深度的基本面研究，挖掘長期價(jià)值具有成長性的公司。 而塞帕思的創(chuàng)始合伙人梁黃炫告訴我們，量化和主觀投資“井水不犯河水”的時(shí)代即將結(jié)束，他們研發(fā)的AI量化模型已經(jīng)進(jìn)入了低頻領(lǐng)域，能夠在過去幾年獲得非常穩(wěn)定的超額收益。AI量化基本面投資的優(yōu)勢(shì)在于數(shù)據(jù)分析，能夠比人更有效率地分析大量的財(cái)報(bào)數(shù)據(jù)，找到財(cái)報(bào)中的“蛛絲馬跡”。特別是上市公司數(shù)量不斷增加后，量化的覆蓋面優(yōu)勢(shì)變得越來越明顯，能挖掘到一大批出現(xiàn)業(yè)績反轉(zhuǎn)的冷門股。那么這是不是會(huì)進(jìn)入一個(gè)新時(shí)代呢？量化投資如同先進(jìn)的機(jī)關(guān)槍，而主觀投資更像大刀長矛。相信每個(gè)人都會(huì)有自己不同的看法。 以下我們先分享一些來自梁黃炫的投資“金句”： 1.過去幾年的模型研究成果發(fā)現(xiàn)，將高頻AI和基本面財(cái)報(bào)結(jié)合以后，能夠在公募的換手率級(jí)別上獲得相對(duì)主動(dòng)管理投資非常顯著的超額收益 2.同樣研究報(bào)表，人很難打敗機(jī)器，而且機(jī)器還沒有能力圈的限制 3.高頻AI已經(jīng)進(jìn)入低頻主觀領(lǐng)域。過去是“井水不犯河水”，未來可能會(huì)看到一片巨大的藍(lán)海市場(chǎng) 4.量化的第一個(gè)好處是能挖掘到一些很少見的邏輯，比如說AI挖掘到應(yīng)付職工報(bào)酬與凈利潤這個(gè)數(shù)據(jù)呈現(xiàn)背離時(shí)，系統(tǒng)就會(huì)給出一個(gè)高分 5.量化的第二個(gè)好處是，這套模型經(jīng)常能找到一些反轉(zhuǎn)股，這些公司都是主觀市場(chǎng)關(guān)注度比較低的股票，但是從報(bào)表分析顯示基本面即將出現(xiàn)反轉(zhuǎn) 6.當(dāng)高頻和低頻信息結(jié)合在一起之后，不但能從基本面挖掘信息量，還能從量價(jià)層面挖掘市場(chǎng)情緒，產(chǎn)生很不錯(cuò)的化學(xué)反應(yīng)，起到1+1>2的作用 AI量化已經(jīng)進(jìn)入低頻選股領(lǐng)域 朱昂：先說說你們目前開發(fā)的量化模型吧？ 梁黃炫 了解我們團(tuán)隊(duì)的都知道，我們?cè)?015年團(tuán)隊(duì)初建時(shí)就已經(jīng)作為市場(chǎng)最早一批使用AI高頻技術(shù)挖掘股票價(jià)值的團(tuán)隊(duì)獲得了超過年化30%超額收益的市場(chǎng)優(yōu)勢(shì)。而隨著市場(chǎng)的演變，我們開始思考更深入的變革。過去基于AI的量化投資基本上集中在高頻量價(jià)方面，但是從我們過去幾年的模型研究成果發(fā)現(xiàn)，將高頻AI和基本面財(cái)報(bào)AI結(jié)合以后，能夠在低頻選股上獲得相對(duì)主動(dòng)管理投資非常顯著的超額收益。AI量化投資已經(jīng)進(jìn)入到了低頻領(lǐng)域。 過去大家對(duì)于私募量化低頻的理解，最大到一個(gè)月?lián)Q一次倉的頻率，今天我們的低頻已經(jīng)到了最低八個(gè)月這樣的換手頻率，接近公募基金的換手頻率。這得益于我們的模型比第一代量化模型有了質(zhì)的進(jìn)化。第一代量化基本面模型主要通過線性累加幾百個(gè)基本面因子。到了第二代的AI系統(tǒng)，會(huì)使用更強(qiáng)的神經(jīng)網(wǎng)絡(luò)提取這些因子，并成千倍擴(kuò)充因子，并加入大量技術(shù)面因子。這些技術(shù)過去只用在AI高頻交易上面。而第一代AI高頻模型則沒有基本面信息，難以降低交易頻率。我們的第二代AI低頻模型綜合兩者的優(yōu)勢(shì)，彌補(bǔ)兩者的不足，完成了質(zhì)變的進(jìn)化。 我們?cè)谌ツ昃驼J(rèn)為，高頻交易變得越來越擁擠，市場(chǎng)玩家之間呈現(xiàn)零和博弈的趨勢(shì)。高頻收益的超額分布從過去的高勝率低波動(dòng)逐漸演變?yōu)榈蛣俾矢卟▌?dòng)，潛在風(fēng)險(xiǎn)加大。而且由于交易成本的存在，一旦模型失效，將會(huì)永遠(yuǎn)虧下去。而低頻策略只要足夠分散，最差結(jié)果也只是指數(shù)程度。這促使我們思考有沒有更新的玩法。一開始我們以為量化基本面研究是一片紅海，后來卻發(fā)現(xiàn)把AI用到低頻的基本面上，效果非常好。過去在高頻領(lǐng)域，AI要訓(xùn)練很久才會(huì)出現(xiàn)一個(gè)好的結(jié)果，今天在低頻領(lǐng)域AI很快能得到一個(gè)非常好的結(jié)果。在那一個(gè)時(shí)刻，我們就知道低頻AI量化投資未來已至，市場(chǎng)必將發(fā)生劇變。 從原理上講，通過將AI高頻技術(shù)引入到財(cái)報(bào)分析中，意味著我們可以繼承AI高頻時(shí)間序列的研究方法，在橫向和縱向都能研究，突破主觀以及傳統(tǒng)基本面量化的人工因子主要研究橫截面信息的局限性，自然結(jié)果就會(huì)比兩者要更好。邏輯上也是相通的，同樣研究報(bào)表，人很難打敗機(jī)器，而且機(jī)器還沒有能力圈的限制。 主觀投資會(huì)聚焦在自己能力圈的少數(shù)股票及領(lǐng)域上，但是對(duì)于AI來說沒有這些限制，AI每天可以同時(shí)研究3000只股票。這意味著，這個(gè)模型可以把全市場(chǎng)的公開信息全部捕捉到，等于在和幾十個(gè)深入不同領(lǐng)域的主觀基金經(jīng)理干同樣的事情，并綜合他們的成果，模型面對(duì)的是一個(gè)很廣闊的市場(chǎng)。 對(duì)于主觀經(jīng)理來說，能力圈可能只允許基金經(jīng)理對(duì)10個(gè)股票有深度研究，持倉10個(gè)股票。但是我們的AI模型能夠每天對(duì)所有股票建立深度研究，每天精選不同的10個(gè)最好的股票，再通過大量不同的交易日買入每天不同的精選個(gè)股，使持倉數(shù)量極多且覆蓋領(lǐng)域豐富，完成行業(yè)和風(fēng)格中性，因此結(jié)合了主觀精選個(gè)股和量化廣泛覆蓋個(gè)股兩方面各自的優(yōu)勢(shì)。 相比而言，主觀基金經(jīng)理對(duì)我們的優(yōu)勢(shì)來自調(diào)研信息，這是我們比較難處理的。但是只要是同時(shí)面對(duì)財(cái)報(bào)和數(shù)據(jù)研究，AI原則上是不可能比人弱的。數(shù)據(jù)分析是AI絕對(duì)的強(qiáng)項(xiàng)。而主觀的調(diào)研信息優(yōu)勢(shì)，并沒有強(qiáng)大到覆蓋其他領(lǐng)域的劣勢(shì)。況且，AI具有更加分散化的特點(diǎn)，能夠確保超額收益的穩(wěn)定性，因此還能使用各種對(duì)沖工具，這是主觀經(jīng)理一般做不到的事情。 那么實(shí)現(xiàn)這個(gè)策略的難度是什么呢？我認(rèn)為第一個(gè)是避免出現(xiàn)“選茅臺(tái)”事件。比如說，AI算法去找到在市場(chǎng)上有效的若干基本面指標(biāo)，這些因子能夠幫我刻畫出茅臺(tái)這樣的過去非常好的股票，于是我的策略就變成了一個(gè)用幾個(gè)因子尋找“茅臺(tái)”這種過去優(yōu)異但是未來不確定的股票本身。這不是我們需要的策略目標(biāo)，但這也不是過擬合這種模型過復(fù)雜問題，因此是其他行業(yè)的AI算法所不會(huì)面對(duì)的問題，不能簡單套用各種常見AI網(wǎng)絡(luò)設(shè)計(jì)，因此這是實(shí)現(xiàn)這類策略的難題之一。第二個(gè)是由于基本面數(shù)據(jù)少，因子卻更多，導(dǎo)致了模型設(shè)計(jì)難度的激增。一個(gè)強(qiáng)大的計(jì)算機(jī)團(tuán)隊(duì)才能有效解決這類問題，這需要更深度地結(jié)合金融與計(jì)算機(jī)技術(shù)。我們團(tuán)隊(duì)主要由堅(jiān)實(shí)的計(jì)算機(jī)背景出身的人組成，并佐以金融背景人才，因此有足夠的能力解決這類問題。 總而言之，這是一條很少人玩的賽道，把原本高頻領(lǐng)域的量價(jià)分析AI用在低頻基本面財(cái)務(wù)選股上，數(shù)據(jù)科目就比以前多了100倍，因子數(shù)量也擴(kuò)充到10^5級(jí)別。但是由于財(cái)報(bào)是低頻數(shù)據(jù)，數(shù)據(jù)數(shù)量變少了，兩相疊加導(dǎo)致問題的復(fù)雜程度可能擴(kuò)大了許多倍。這里面還有許多需要解決的問題，因此需要設(shè)計(jì)出精妙的神經(jīng)網(wǎng)絡(luò)。不過我們的模型已經(jīng)較為有效地解決這些問題，因此高頻AI已經(jīng)進(jìn)入低頻主觀領(lǐng)域。過去是“井水不犯河水”，未來則AI低頻模型可能面對(duì)著的是一片巨大的藍(lán)海市場(chǎng)。低頻領(lǐng)域賺的是企業(yè)成長的錢，同行之間不是競(jìng)爭關(guān)系而是共贏關(guān)系，不再是零和博弈，互相之間可以一起獲利，類似主觀經(jīng)理之間的關(guān)系，因此策略有效性就比高頻策略穩(wěn)健得多。基于基本面的AI對(duì)沖也可以實(shí)現(xiàn)成分對(duì)沖，利用IH和IF降低基差成本，完成對(duì)沖產(chǎn)品類別的擴(kuò)充。 朱昂：我們也聊過許多主動(dòng)管理的基金經(jīng)理，大家都認(rèn)為和量化相比，主觀的能力在于定價(jià)。比如茅臺(tái)到底值3萬億還是4萬億，是通過基本面分析做出定價(jià)，你覺得量化能在哪里戰(zhàn)勝主動(dòng)的專業(yè)投資者？ 梁黃炫 量化也有自己的分析方法。量化的第一個(gè)好處是能挖掘到一些很少見的邏輯，比如說AI挖掘到應(yīng)付職工報(bào)酬與凈利潤這個(gè)數(shù)據(jù)呈現(xiàn)背離時(shí)，系統(tǒng)就會(huì)給出一個(gè)高分。去反推這個(gè)數(shù)據(jù)背后的邏輯是，當(dāng)管理層愿意為員工支付更高的工資，意味著高管是看好這個(gè)公司的，即使凈利潤下跌，市場(chǎng)不認(rèn)可，股價(jià)下跌也無所謂。這類數(shù)據(jù)又是主觀投資不太容易挖掘到的邏輯。反而是一些大家常見的因子，我們的模型不會(huì)那么關(guān)注。比如說市盈率指標(biāo)，我們的AI模型就不怎么關(guān)注。我們發(fā)現(xiàn)AI模型挖掘出來的因子，都是超出人們的想象，并且能迅速發(fā)現(xiàn)這個(gè)因子的價(jià)值與使用場(chǎng)景。這就是量化基本面模型的能力之一：通過更高維的思考去突破傳統(tǒng)主觀經(jīng)理的投資極限，找到不一樣的定價(jià)角度。 量化的第二個(gè)好處是，這套模型經(jīng)常能找到一些反轉(zhuǎn)股，這些公司都是市場(chǎng)關(guān)注度比較低的股票，但是從報(bào)表推算出基本面即將出現(xiàn)反轉(zhuǎn)。當(dāng)我們?nèi)リP(guān)注的時(shí)候，這些股票的交易量很低，這類低關(guān)注度公司，公募基金也沒有去正確定價(jià)。AI模型就有能力去挖掘出一批這樣的低關(guān)注度反轉(zhuǎn)股，能獲得很大的Alpha。全市場(chǎng)定價(jià)是AI模型的最基本功底。 模型賺錢原因無非兩個(gè)，一個(gè)是找到業(yè)績低估，一個(gè)是發(fā)掘估值錯(cuò)估。一個(gè)代表當(dāng)下的價(jià)值，另一個(gè)代表未來的成長性。模型通過其超越人類的分析能力，從基本面信息中捕捉到人類難以察覺的信息，并通過技術(shù)面信息的輔佐，選出適合當(dāng)下的基本面市場(chǎng)風(fēng)格。相比主觀經(jīng)理，AI量化低頻能更全面地捕捉技術(shù)面信息也是一大優(yōu)勢(shì)。 那么相比主觀，我們到底是靠什么在賺錢？我認(rèn)為是通過苛刻的數(shù)據(jù)分析以及數(shù)據(jù)回測(cè)的能力校驗(yàn)去賺錢，這個(gè)問題就是仁者見仁智者見智了。 低頻量化的周勝率更高 朱昂：你們實(shí)盤跑下來，低頻量化和高頻量化的凈值曲線有什么差異嗎？ 梁黃炫 高頻量化的曲線，大部分時(shí)候并不平穩(wěn)，會(huì)有一段時(shí)間很賺錢，大部分時(shí)間很平穩(wěn)。我們這一套低頻量化選股模型不同，不是依靠任何風(fēng)格賺錢，基本上每一天都有超額，收益率曲線比高頻量化要穩(wěn)定很多。我們運(yùn)作下來，26周的周勝率在92%左右，超額收益非常穩(wěn)定，這個(gè)數(shù)據(jù)還是不包含打新和T0的。畢竟這種策略是各種風(fēng)格都買，不會(huì)出現(xiàn)高頻交易那種風(fēng)格切換的問題，也不強(qiáng)依賴于市場(chǎng)交易行為。 朱昂：但是A股市場(chǎng)風(fēng)格切換很厲害，一段時(shí)間的收益率基本上來自風(fēng)格和市場(chǎng)匹配，你怎么做到周勝率那么高？ 梁黃炫 一方面，我們買了所有的基本面風(fēng)格，因?yàn)榇罅坎煌慕灰兹者x出的風(fēng)格是不一樣的，持倉組合的因子是多樣性的。另一方面，相對(duì)于公募基金的主觀投資來說，這個(gè)模型還有大量量價(jià)分析的維度，因?yàn)槲覀儽緛砭褪亲鯝I高頻出身的，結(jié)合AI技術(shù)面高頻是很自然的事情。當(dāng)高頻和低頻結(jié)合在一起之后，不但能從基本面挖掘信息量，還能從量價(jià)挖掘，產(chǎn)生很不錯(cuò)的化學(xué)反應(yīng)，因此不受到能力圈的限制的含義也包括這一層面，即不會(huì)固守在一個(gè)固定的基本面風(fēng)格內(nèi)。 朱昂：這個(gè)策略回測(cè)的結(jié)果如何，會(huì)在哪些時(shí)間段更有效？ 梁黃炫 我們看到2018、2019和2020三年回測(cè)下來，每年都有最具競(jìng)爭力的穩(wěn)定超額收益，收益水平上與我們過去的高頻收益近似，這三年其實(shí)市場(chǎng)風(fēng)格切換了很多次。2017年會(huì)相對(duì)差一些，因?yàn)檫@一年出現(xiàn)了一個(gè)巨大的風(fēng)格切換，模型需要時(shí)間適應(yīng)。 更重要的是，高頻賺的是很擁擠的錢。這個(gè)錢我賺了，你就不能賺，交易優(yōu)勢(shì)只有最先的人具有，趨于零和博弈。我們?cè)谄谪浭袌?chǎng)上已經(jīng)看到了這個(gè)現(xiàn)象，基本上外資高頻把整個(gè)高頻期貨市場(chǎng)都占領(lǐng)了。低頻是賺企業(yè)成長的錢，我賺了這個(gè)錢，你也能賺。這意味著低頻策略的穩(wěn)定性會(huì)比高頻要高，容量上限更大，我們也有理由相信未來能維持穩(wěn)定。AI低頻量化，是賺業(yè)績預(yù)測(cè)的錢，不是賺交易情緒的錢，這個(gè)錢無論什么時(shí)候都是可以賺的。交易風(fēng)格就說不準(zhǔn)了，可能過一段時(shí)間大家又不喜歡當(dāng)下流行的趨勢(shì)了。模式的創(chuàng)新永遠(yuǎn)是最大的創(chuàng)新。 我覺得這個(gè)模型的總體思路有點(diǎn)像彼得林奇，去找冷門業(yè)績反轉(zhuǎn)的公司，不那么喜歡往人多的地方鉆。但是也不絕對(duì)，取決于挖掘出的當(dāng)下市場(chǎng)風(fēng)格。 朱昂：會(huì)不會(huì)有流動(dòng)性問題，很多股票的流動(dòng)性很差，像美國和香港有許多幾乎沒有流動(dòng)性的公司，就算被低估也難以價(jià)值回歸？ 梁黃炫 這個(gè)不會(huì)的，我們看美股的羅素2000，里面?zhèn)€股的流動(dòng)性還是很不錯(cuò)的。除非像國內(nèi)新三板市場(chǎng)那種另一個(gè)市場(chǎng)的流動(dòng)性，低到不可思議的地步，才會(huì)導(dǎo)致因?yàn)榱鲃?dòng)性缺失，長期的估值低估。流動(dòng)性和關(guān)注度是不一樣的，關(guān)注度高的市場(chǎng)只有短暫的流動(dòng)性缺失，不存在長期的流動(dòng)性缺失。 況且，一旦我們的模型找到業(yè)績反轉(zhuǎn)的公司，這類公司的關(guān)注度提升之后，流動(dòng)性也會(huì)出現(xiàn)好轉(zhuǎn)。像我們此前挖掘過的一個(gè)公司，交易量最低的時(shí)候只有百萬級(jí)別，但是報(bào)表出來后，交易量一下子到了幾個(gè)億的級(jí)別，這也說明公司流動(dòng)性缺失都是短暫的，只要業(yè)績反轉(zhuǎn)，流動(dòng)性就能改善。只要都在A股市場(chǎng)內(nèi)，就不缺乏關(guān)注度，也就不缺乏流動(dòng)性。 這個(gè)問題的另一面是，當(dāng)流動(dòng)性越來越集中的時(shí)候，收益可能會(huì)越來越集中到少數(shù)個(gè)股，這對(duì)高頻模型來說是有劣勢(shì)的。高頻模型每天要買大量的股票，導(dǎo)致難以捕捉少數(shù)個(gè)股的收益，而低頻模型每天買的個(gè)股少，當(dāng)市場(chǎng)收益集中在少數(shù)個(gè)股時(shí)，每天低頻模型選股就會(huì)自動(dòng)聚合，捕捉少數(shù)優(yōu)勢(shì)個(gè)股。 量化進(jìn)入主動(dòng)選股領(lǐng)域必然是未來方向 朱昂：這個(gè)策略，是只在A股有效，還是在海外也會(huì)有效？ 梁黃炫 如果這個(gè)策略海外沒有人在做，那么一定是未來的方向。我們并沒有做過海外市場(chǎng)，所以也不知道有沒有人在做。這個(gè)模式一定是代表了未來的方向，兼具了量化和主觀的很多優(yōu)勢(shì)。 朱昂：能不能理解，相比于普通的基金經(jīng)理選股，你就像機(jī)關(guān)槍和大刀長矛的區(qū)別？ 梁黃炫 可以這么理解，我原本以為基本面量化是一片紅海，但通過我們的研究發(fā)現(xiàn)，機(jī)器可以開放出來的空間很大，數(shù)據(jù)意義上，人是比不過機(jī)器的，這是一個(gè)確定的事情。主觀有許多不確定性，導(dǎo)致了結(jié)果的差異。但我知道，只要面對(duì)單純的數(shù)據(jù)，一定是機(jī)器比人強(qiáng)太多了。 所以過去高頻量化和低頻主觀，井水不犯河水。你賺高頻的錢，我賺低頻的錢?，F(xiàn)在AI已經(jīng)進(jìn)入到低頻領(lǐng)域，那么長期看大概率改變這個(gè)行業(yè)的生態(tài)。如果研究上沒有特殊之處，人是不可能打贏機(jī)器的。就像過去高頻交易中，還有各種散戶能賺錢，現(xiàn)在基本上不可能了，都是量化在賺錢。但是反過來說，由于低頻的容量很大，可能這一套模型要達(dá)到很大規(guī)模以后，才會(huì)真正影響主觀投資。 朱昂：你覺得還有其他量化也在進(jìn)入這一塊嗎？ 梁黃炫 據(jù)我所知還沒有，因?yàn)槠渌炕赡苓€在月級(jí)別的低頻，我們已經(jīng)到了季度級(jí)別、半年級(jí)別的低頻。 朱昂：你們會(huì)不會(huì)有容量的問題？ 梁黃炫 理論上，這種低頻策略的容量可以做得比較大。這里面就有取舍的問題了。做到一個(gè)什么樣的規(guī)模下，單家機(jī)構(gòu)能夠維持30%的超額收益率？我覺得差不多在100到200億之間，規(guī)模再大一些，有可能會(huì)稀釋收益率。 朱昂：你們的平均換手率是多少？ 梁黃炫 我們從低頻到高頻都有，最高250倍，最低2.5倍。這個(gè)低頻策略對(duì)應(yīng)的是20倍以下的換手率。高頻策略主要是為了作為對(duì)比參考，我們發(fā)現(xiàn)現(xiàn)在的市場(chǎng)越低頻越容易賺錢。 我們團(tuán)隊(duì)是一個(gè)很注重創(chuàng)新的團(tuán)隊(duì)，從2015年市場(chǎng)第一批創(chuàng)造AI高頻模式到今天同樣第一批創(chuàng)造AI低頻模式，團(tuán)隊(duì)一直在創(chuàng)新的道路上不斷地開拓。  安 昀 | 鮑無可 | 曹 晉 | 曹文俊 | 陳璇淼 | 陳 媛 陳立秋 | 陳 軍 | 陳覺平 | 程 洲 | 崔 瑩 | 蔡嵩松 蔡 濱 | 董偉煒 | 杜曉海 | 付 斌 | 費(fèi) 逸 | 方鈺涵 方 緯 | 高蘭君 | 剛登峰 | 葛 晨 | 顧耀強(qiáng) | 光 磊 郭 敏 | 郭 銳 | 郭 堃 | 韓 冬 | 郝旭東 | 郝 淼 何 帥 | 何曉春 | 洪 流 | 胡昕煒 | 胡魯濱 | 胡宜斌 胡 濤 | 黃 峰 | 姜 誠 | 紀(jì)文靜 | 焦 巍 | 賈 鵬 匡 偉 | 勞杰男 | 雷 鳴 | 李德輝 | 李 琛 | 李曉西 李曉星 | 李元博 | 李耀柱 | 李玉剛 | 李健偉 | 李佳存 李 巍 | 李曉星 | 李 競(jìng) | 梁 浩 | 梁 輝 | 梁 力 廖瀚博 | 劉 斌 | 劉 輝 | 劉格菘 | 劉曉龍 | 劉 蘇 劉 銳 | 陸 彬 | 陸政哲 | 陸 欣 | 羅春蕾 | 呂越超 樓慧源 | 馬 翔 | 馬 龍 | 潘 明 | 蒲世林 | 齊 皓 祁 禾 | 秦 毅 | 秦緒文 | 丘棟榮 | 邱 杰 | 饒 剛 石 波 | 沈 楠 | 沈雪峰 | 史 偉 | 是星濤 | 孫 偉 湯 慧 | 唐頤恒 | 王 俊 | 王 培 | 王 栩 | 王延飛 王宗合 | 王克玉 | 王 景 | 王曉明 | 翁啟森 | 吳 星 吳豐樹 | 吳 印 | 伍 旋 | 謝振東 | 徐志敏 | 徐 成 許 炎 | 楊 棟 | 楊 浩 | 楊 瑨 | 楊銳文 | 楊 帆 姚 躍 | 葉 展 | 易智泉 | 于 洋 | 于善輝 | 袁 宜 袁 航 | 袁 曦 | 張東一 | 張 峰富國 | 張 峰農(nóng)銀匯理 張 鋒 | 張 暉 | 張 慧 | 張延鵬 | 張迎軍 | 張益馳 趙曉東 | 鄭慧蓮 | 鄭 磊 | 鄭巍山 | 鄭 偉 | 周應(yīng)波 朱 平 | 朱曉亮 | 左金保 | 趙 蓓 | 鄒 曦 | 周 良   |
|
|
