报告公司投资评级 报告未给出公司的投资评级。 报告的核心观点 关注点一：DDR5市场渗透率已进入高速增长期 [4] - 2024年全球DDR5市场渗透率约为40%-50%，2025年预计增长至65% - DDR5内存接口芯片将在今年进行子代迭代，产品迭代期新产品的入市将带动公司接口芯片ASP上行 - DDR5 LRDIMM应用中需要SPD、TS、PMIC三种配套芯片，上述配套芯片公司均已实现自研，受益于DDR5模组市场渗透率上行，SPD、PMIC及TS芯片出货量将同步增长 关注点二：PCIe Retimer芯片的需求正呈现"刚性化"趋势 [5] - 一台典型配置8块GPU的主流AI服务器需要8颗或16颗PCIe 5.0 Retimer芯片 - 澜起是全球第二家量产PCIe 5.0 Retimer芯片的厂商 - 预计2024年全球PCIe Retimer市场规模将达到约5亿美元，市场规模增速约为39%；2025年增速约为36%；2026年增速约为40% 关注点三：DDR5 6400MT/s及以上的内存通常搭配高性能CPU，AI PC的推出将带动DDR5内存接口及CKD芯片需求增长 [6] - 公司的CKD芯片研发处于业界前列，预计从2025年起，CKD芯片将受益于换机潮，未来2-3年市场需求可能达到2亿颗 - 到2027年，CKD芯片的市场规模有望增长至5亿美元 关注点四：公司前瞻性布局MRDIMM和MXC芯片研发 [7] - MRDIMM适配于AI产业中对数据进行存储和预处理的多数边缘计算场景中，边缘计算市场规模进入高速增长期 - MXC芯片主要用于内存扩展及内存池化领域，为内存AIC扩展卡、背板及EDSFF内存模组设计，可大幅扩展内存容量和带宽 根据相关目录分别进行总结 战略布局清晰，深耕内存接口芯片领域 [12][13][14] - 澜起科技成立于2004年，致力于为云计算和人工智能领域提供高性能、低功耗的芯片解决方案 - 是JEDEC固态技术协会的董事会成员之一，DDR5 RCD芯片国际标准的牵头制定者 - DRAM龙头企业三星电子、海力士及美光科技均为公司的客户 互联芯片设计龙头，产品线丰富，前瞻性布局高速传输领域 [15][16][17][18][19][20][21][22][23][24][26][27] - 公司产品覆盖DDR2至DDR5解决方案，稳居行业领头羊地位 - 是DDR5世代内存接口芯片行业领跑者及DDR5 RCD芯片国际标准的牵头制定者 - DDR5 LRDIMM应用中需要SPD、TS、PMIC三种配套芯片，公司均已实现自研 - DDR5市场渗透率预计2024年达40%-50%，2025年达65% - DDR5内存接口芯片将在今年进行子代迭代，新产品入市将带动公司接口芯片ASP上行 新品带动+周期触底上行，2024YQ2公司业绩上行 [84][85][86][87][88][89][90][91][92][93][94][95][96][97][98][99][100][101][102][103][104][105][106][107] - 2024H1公司营收预计为16.65亿元，同比增长约79.49% - 2024Q2单季营收预计为9.28亿元，同比增长82.59%，环比增长25.92% - 2024Q2单季归母净利润预计为3.8亿元，同比增长约512.9%，环比增长70% - DDR5内存接口芯片的市场渗透率进入快速增长期，带动公司出货ASP及毛利率上行 - 内存接口芯片业务营收及毛利率率先实现增长 - 公司研发费用率、销售费用率及管理费用率有所下降 - 存货周转率提升，资产减值计提缩窄

量化模型与构建方式 1. 模型名称：300ETF基金智能定投策略 - **模型构建思路**：以300ETF指数基金为投资标的，在普通基金定投的基础上，根据沪深300指数的市盈率估值高低，动态调整投资额度。估值越低，定投倍数越高；估值越高，定投倍数越低，甚至暂停定投[18] - **模型具体构建过程**： 1. 根据沪深300指数历史市盈率(PE)的均值和标准差，将市盈率估值划分为多个区间 2. 在估值较低的区间，增加定投倍数；在估值较高的区间，减少定投倍数或暂停定投 3. 当市盈率被严重高估时，尝试对300ETF持仓进行减仓或清仓操作，以规避估值回归带来的价格下跌风险[18] - **模型评价**：策略通过动态调整投资额度，在风险控制和收益提升方面表现较好[20] 2. 模型名称：300ETF基金智能定投及备兑策略 - **模型构建思路**：在基金智能定投策略的基础上，结合300ETF期权备兑策略，通过赚取权利金来增强收益[19] - **模型具体构建过程**： 1. 在基金定投策略持有300ETF现货的基础上，判断市场是否处于长期震荡状态 2. 若市场处于长期震荡状态，则选择300ETF期权备兑开仓，赚取权利金 3. 若市场不处于震荡状态，则不进行备兑操作[19] - **模型评价**：策略在震荡市场中能够有效增强收益，同时保持较好的风险控制能力[25] 3. 模型名称：支持向量机算法的沪深300指数择时策略 - **模型构建思路**：利用支持向量机（SVM）模型对沪深300指数进行择时，通过分析市场特征向量，预测未来市场趋势[29] - **模型具体构建过程**： 1. 选取12个指标作为特征向量，包括换手率、ADTM、ATR、CCI、MACD、MTM、ROC、SOBV、STD26、STD5、两融交易额占A股成交额（%）、上一交易周收益率[30] 2. 使用训练集数据训练支持向量机模型，建立输入与输出的映射关系 3. 根据模型预测结果，采取以下操作： - 若结果为“买入”，则单向做多策略和双向多空策略均买入指数 - 若结果为“卖出”，单向做多策略空仓，双向多空策略卖出指数[30] - **模型评价**：支持向量机模型在股票择时中具有一定的有效性，能够在不同市场环境下提供较好的收益和风险控制[29][30] --- 模型的回测效果 1. 300ETF基金智能定投策略 - **期末净值**：0.96[20] - **年化收益率**：-1.00%[20] - **年化波动率**：16.78%[24] - **最大回撤**：22.39%[24] - **夏普比率**：-0.24[24] 2. 300ETF基金智能定投及备兑策略 - **期末净值**：0.96[24] - **年化收益率**：-1.12%[24] - **年化波动率**：17.22%[27] - **最大回撤**：19.61%[27] - **夏普比率**：-0.25[27] 3. 支持向量机算法的沪深300指数择时策略 - **单向做多策略**： - **期末净值**：1.12[31] - **年化收益率**：2.6%[34] - **年化波动率**：27.36%[34] - **最大回撤**：30.06%[34] - **夏普比率**：-0.02[34] - **双向多空策略**： - **期末净值**：1.50[32] - **年化收益率**：9.2%[34] - **年化波动率**：38.96%[34] - **最大回撤**：27.92%[34] - **夏普比率**：0.16[34] 4. 支持向量机策略2024年表现 - **单向做多策略**： - **期末净值**：1.02[34] - **年化收益率**：3.0%[37] - **年化波动率**：25.07%[37] - **最大回撤**：5%[37] - **夏普比率**：0.00[37] - **双向多空策略**： - **期末净值**：1.05[36] - **年化收益率**：8.6%[37] - **年化波动率**：33.18%[37] - **最大回撤**：10%[37] - **夏普比率**：0.17[37]

量化模型与构建方式 模型名称：支持向量机（SVM） - **模型构建思路**：采用支持向量机模型对沪深300指数进行择时，通过训练集数据训练模型，并对未来市场趋势进行预判[1][9] - **模型具体构建过程**： 1. 选取价量、资金等22个指标作为备选特征向量，根据相关系数矩阵，逐一剔除相关系数较强的指标，最终剩余12个指标：换手率、ADTM、ATR、CCI、MACD、MTM、ROC、SOBV、STD26、STD5、两融交易额占A股成交额（%）、上一交易周收益率[1][9] 2. 初始策略将2013-01-01至2017-12-31作为训练集，样本数据频率为周，共计256周。在训练样本中，将下周周收益为正的定义为1，下周周收益率为负的定义为0[9] 3. 通过对核函数选择、对参数进行寻优，得到一个训练模型，对2018年1月2日至2018年1月5日进行预测。之后将训练样本长度增加一周，重新修正模型，再预测下一周[9] 4. 对未满五天交易周之后一周的策略延续上一周操作，在此操作下策略表现相对更为优异[9] - **模型评价**：模型在预测下跌时的准确率较高，但在预测上涨时的准确率相对较弱[16] 模型的回测效果 - **单向做多策略** - 期末净值：1.11[2][10] - 累计收益率：10.62%[2][10] - 超额收益率：27.78%[2][10] - 最大回撤：30.06%[2][10] - **双向多空策略** - 期末净值：1.48[2][12] - 累计收益率：47.67%[2][12] - 超额收益率：64.83%[2][12] - 最大回撤：27.92%[2][12] - **策略运行以来表现** - 单向做多策略期末净值：1.55[13] - 双向多空策略期末净值：2.92[13] - 沪深300指数期末净值：0.83[13] - 单向做多策略超额收益率：72.85%[13] - 双向多空策略超额收益率：209.73%[13] - **策略2022年以来模拟实盘交易表现** - 单向做多策略期末净值：0.76[3][18] - 双向多空策略期末净值：0.80[3][18] - 沪深300指数期末净值：0.71[3][18] - 单向做多策略超额收益率：4.94%[3][18] - 双向多空策略超额收益率：8.96%[3][18] 因子的回测效果 - **模型准确率分布情况** - 收益率区间 <-10%：训练集准确率100.00%，测试集准确率100.00%[17] - 收益率区间 [-10%，-8%)：训练集准确率100.00%，测试集准确率100.00%[17] - 收益率区间 [-8%，-6%)：训练集准确率100.00%，测试集准确率75.00%[17] - 收益率区间 [-6%，-4%)：训练集准确率77.78%，测试集准确率58.82%[17] - 收益率区间 [-4%，-2%)：训练集准确率72.00%，测试集准确率66.67%[17] - 收益率区间 [-2%，0%)：训练集准确率63.08%，测试集准确率57.29%[17] - 收益率区间 [0%，2%)：训练集准确率89.01%，测试集准确率50.00%[17] - 收益率区间 [2%，4%)：训练集准确率75.00%，测试集准确率43.86%[17] - 收益率区间 [4%，6%)：训练集准确率83.33%，测试集准确率50.00%[17] - 收益率区间 [6%，8%)：训练集准确率100.00%，测试集准确率75.00%[17] - 收益率区间 [8%，10%)：训练集准确率100.00%，测试集无数据[17] - 收益率区间 ≥10%：训练集准确率100.00%，测试集无数据[17] - 整体：训练集准确率78.91%，测试集准确率54.65%[17]

量化模型与构建方式 1. 模型名称：中证500指数增强策略 - **模型构建思路**：通过在中证500成分股内优选个股，利用多因子模型进行打分，并结合均值-方差优化模型求解最优权重，构建超额收益稳定的组合[8][9] - **模型具体构建过程**： 1. 从技术、估值、财务质量、成长、北向资金五个大类中检验59个单因子，筛选出22个有效因子[8] 2. 对每一大类因子进行合成，依据因子IC值、ICIR值、五组分层、多空收益表现及因子间相关性分析，最终形成五大类合成因子[8] 3. 在样本回测区间（2016年12月30日至2022年2月28日），成长类合成因子表现最佳，IC值为0.07，多空组合的Sharpe比率为1.78，Calmar比率为1.43[8] 4. 将五大类因子合成后作为股票的最终打分，最终打分的因子表现为IC值0.09，多空组合的Sharpe比率为2.92，Calmar比率为3.73[8] 5. 在指数成分股内构建均值-方差优化模型，最大化收益-风险项，同时控制组合在风格、行业、相对基准的暴露，求解最优权重[9] 6. 每月最后一个交易日收盘调仓，持仓期为一个月，每期组合持股数量约为90个[9] - **模型评价**：因子筛选和合成过程严谨，最终打分因子表现较好，回测结果显示策略具有较高的超额收益和风险调整收益[8][9] 2. 模型名称：中证1000指数增强策略 - **模型构建思路**：基于多因子模型，通过等权加权和IC加权方法对因子进行合成，结合均值-方差优化模型构建组合[9] - **模型具体构建过程**： 1. 从估值因子、质量因子、成长因子、分析师因子、北向资金因子、技术因子中筛选有效因子[9] 2. 对因子进行等权加权和IC加权合成，回测时间为2018年至2024年2月29日[9] 3. 等权加权和IC加权策略的超额年化收益均超过12%，等权加权策略的波动率和最大回撤相对更低，两种策略的IR均在2.1左右，Calmar比率在1.3左右[9] 4. 在2024年1月至2024年2月29日期间，IC加权策略的绝对收益为-1.93%，超额中证1000指数收益为7.28%[9] 5. 采用均值-方差优化模型，最大化收益-风险项，同时控制组合在风格、行业、相对基准的暴露，求解最优权重[9] 6. 每月最后一个交易日收盘调仓，持仓期为一个月，每期组合持股数量约为90个[9] - **模型评价**：策略在回测中表现出较高的超额收益和稳定性，尤其是IC加权策略在近期表现更优[9] --- 模型的回测效果 中证500指数增强策略 - **上周**：策略收益为-0.38%，同期指数收益为-1.43%，超额收益为1.05%[2][10] - **本月**：策略收益为-2.22%，同期指数收益为-3.40%，超额收益为1.18%[3][13] - **本年**：策略收益为-1.58%，同期指数收益为-13.06%，超额收益为11.47%[3][15] 中证1000指数增强策略 - **上周**：策略收益为-1.86%，同期指数收益为-2.23%，超额收益为0.37%[2][10] - **本月**：策略收益为-3.93%，同期指数收益为-3.81%，超额收益为-0.11%[3][13] - **本年**：策略收益为-5.23%，同期指数收益为-20.12%，超额收益为14.89%[3][15] --- 量化因子与构建方式 1. 因子名称：波动率_1个月 - **因子的构建思路**：衡量个股在过去一个月内的波动性，作为反映市场情绪和风险的指标[20] - **因子具体构建过程**： 1. 计算个股过去一个月的日均波动率 2. 构建因子分组，计算多空组合的收益率作为因子收益[20] 3. 因子拥挤度通过多空组合的换手率比率和波动率比率的均值计算[21] - **因子评价**：因子收益表现较好，拥挤度较低，适合在组合中增加暴露[23] 2. 因子名称：市值 - **因子的构建思路**：以个股市值为指标，反映规模效应[20] - **因子具体构建过程**： 1. 按市值大小对个股进行分组 2. 计算多空组合的收益率作为因子收益[20] 3. 因子拥挤度通过多空组合的换手率比率和波动率比率的均值计算[21] - **因子评价**：因子收益在本年表现较好，但近期回撤较大，需警惕风险[23][31] 3. 因子名称：一致预期_EPS - **因子的构建思路**：基于分析师对个股未来每股收益的预期，反映市场对公司盈利能力的看法[20] - **因子具体构建过程**： 1. 收集分析师一致预期的EPS数据 2. 构建因子分组，计算多空组合的收益率作为因子收益[20] 3. 因子拥挤度通过多空组合的换手率比率和波动率比率的均值计算[21] - **因子评价**：因子拥挤度较高，需控制组合中该因子的暴露[23][28] --- 因子的回测效果 波动率_1个月因子 - **上周**：因子收益为1.68%，拥挤度为0.45[23] - **本月**：因子收益为2.12%，拥挤度为0.45[23] - **本年**：因子收益为14.07%，拥挤度为0.45[23] 市值因子 - **上周**：因子收益为-1.51%，拥挤度为0.59[23] - **本月**：因子收益为-2.61%，拥挤度为0.59[23] - **本年**：因子收益为11.60%，拥挤度为0.59[23] 一致预期_EPS因子 - **上周**：因子收益为0.01%，拥挤度为1.43[23] - **本月**：因子收益为-1.05%，拥挤度为1.43[23] - **本年**：因子收益为-4.46%，拥挤度为1.43[23]

行业投资评级 - 报告给出了"增持"的行业评级 [4] 报告的核心观点 - 德国化工巨头巴斯夫因工厂火灾停产,导致维生素A和维生素E供应紧张 [5] - 近期其他维生素生产企业也计划停产检修,进一步加剧供给收缩 [5] - 猪养殖利润修复,有望带动维生素需求向好 [5] - 维生素A和维生素E价格近期大幅上涨 [5] 行业分析 - 维生素A和维生素E市场供给高度集中,巴斯夫产能占比较高 [5] - 维生素在饲料成本中占比低,下游对价格敏感程度较低 [5]

量化模型与构建方式 1. 模型名称：Alpha 动量组合 - **模型构建思路**：基于动量效应，选择近期表现较好的股票构建组合，期望其未来继续保持上涨趋势[8] - **模型具体构建过程**： 1. 选取一组股票，计算其历史收益率 2. 根据收益率排序，选择表现最好的股票构建动量组合 3. 持有期为一个月，按月滚动调整组合[25] - **模型评价**：动量组合在短期内可能表现较弱，但在长期历史数据中表现出较好的超额收益[26] 2. 模型名称：Alpha 反转组合 - **模型构建思路**：基于反转效应，选择近期表现较差的股票构建组合，期望其未来出现反弹[12] - **模型具体构建过程**： 1. 选取一组股票，计算其历史收益率 2. 根据收益率排序，选择表现最差的股票构建反转组合 3. 持有期为一个月，按月滚动调整组合[25] - **模型评价**：反转组合在短期内表现较强，尤其在市场波动较大的情况下，能够提供显著的超额收益[26] 3. 模型名称：行业 Alpha 动量组合 - **模型构建思路**：基于行业动量效应，选择历史 Alpha 值较高的行业构建组合，期望其未来延续涨势[25] - **模型具体构建过程**： 1. 对各行业的 Alpha 值进行计算和排序 2. 选择 Alpha 值排名前 5 的行业构建动量组合 3. 从每个行业中选取与行业指数相关性最大的 30 只个股构建持股组合 4. 持有期为一个月，按月滚动调整组合[25][28] - **模型评价**：行业动量组合在短期内表现尤为突出，尤其是一个月的持有期内，累计收益显著高于基准指数[26] 4. 模型名称：行业 Alpha 反转组合 - **模型构建思路**：基于行业反转效应，选择历史 Alpha 值较低的行业构建组合，期望其未来出现反弹[25] - **模型具体构建过程**： 1. 对各行业的 Alpha 值进行计算和排序 2. 选择 Alpha 值排名最后 5 的行业构建反转组合 3. 从每个行业中选取与行业指数相关性最大的 30 只个股构建持股组合 4. 持有期为一个月，按月滚动调整组合[25][28] - **模型评价**：行业反转组合在短期内表现不如动量组合，但在特定市场环境下可能提供一定的超额收益[26] --- 模型的回测效果 1. Alpha 动量组合 - **累计收益**：本周累计下跌 1.93%[8] - **超额收益**：相对于 HS300 的超额收益为 -0.37%[8] 2. Alpha 反转组合 - **累计收益**：本周累计下跌 0.82%[12] - **超额收益**：相对于 HS300 的超额收益为 0.73%[12] 3. 30 只个股 Alpha 动量组合 - **累计收益**：本周累计下跌 2.90%[17] - **超额收益**：相对于 HS300 的超额收益为 -1.34%[17] 4. 30 只个股 Alpha 反转组合 - **累计收益**：本周累计下跌 0.45%[17] - **超额收益**：相对于 HS300 的超额收益为 1.11%[17] 5. 行业 Alpha 动量组合 - **累计收益**：历史实证期间累计涨幅为 150.7%[26] - **超额收益**：相对于上证综指的累计超额收益为 163.89%[26] 6. 行业 Alpha 反转组合 - **累计收益**：历史实证期间累计收益为 328.07%[29] - **超额收益**：相对于沪深 300 的累计超额收益为 307.16%[29] 7. 行业 Alpha 组合（近期表现） - **累计收益**：2024 年 8 月 1 日至 2024 年 8 月 9 日累计下跌 2.77%[30] - **超额收益**：相对于 HS300 的超额收益为 0.44%[30] --- 量化因子与构建方式 1. 因子名称：Alpha 因子 - **因子构建思路**：通过计算股票或行业的超额收益，衡量其相对于基准的表现[25] - **因子具体构建过程**： 1. 计算股票或行业的历史收益率 2. 减去基准指数的收益率，得到超额收益 3. 将超额收益作为 Alpha 因子值，用于排序和选股[25] --- 因子的回测效果 1. Alpha 因子 - **累计收益**：历史实证期间累计收益为 328.07%[29] - **超额收益**：相对于沪深 300 的累计超额收益为 307.16%[29]

报告公司投资评级 公司评级：增持（首次覆盖） [3] 报告的核心观点 1. 涤纶是一种重要的化学纤维，上游涉及原油炼化，下游主要为纺服 [4] 2. 涤纶长丝行业供需格局有望向好，盈利能力有望提升 [35] 3. 公司是涤纶长丝龙头企业，强化一体化布局 [72][79][109] 报告内容总结 涤纶行业概况 1. 涤纶是化学纤维中的第一大品种，其中涤纶长丝占涤纶产量的比重高 [15] 2. 涤纶长丝可按用途、生产工艺和性能等三方面进行分类 [18][19][20][21][22][23][24] 3. 涤纶的上游原料为原油炼化制得的相关产品 [27][28] 行业供需分析 1. 2024、2025年我国涤纶长丝新增产能增速预计下降，供给格局有望改善 [39] 2. 国内涤纶长丝需求较为强劲，出口方面受到一定压力 [42][43][44][48][55] 3. 终端纺织服装需求有望带动涤纶长丝需求增长 [55][56][57][58] 公司业务情况 1. 公司是国内领先的涤纶长丝、短纤生产企业 [79] 2. 公司努力完善上游产业链，积极推进PTA等项目建设 [79][82] 3. 公司产品向差别化方向发展 [108] 4. 公司进军印尼炼化项目，强化一体化布局 [109][110][111][114][115] 财务分析 1. 公司营收规模持续增长，盈利能力自2022年触底后有所回升 [88][89][91][93] 2. 涤纶长丝是公司营收的主要来源，FDY、DTY产品盈利能力较强 [93][94][96][98][99] 估值分析 1. 公司2024-2026年PE均低于可比公司PE均值 [126]

行业投资评级 - 行业评级为"增持" [3] 报告的核心观点 ❑ 深圳启动收购商品房用作保障性住房的房源征集工作 [8] - 征集范围包括深圳市域内商品房性质的住宅、公寓、宿舍等，优先选取整栋或整单元未售、可实现封闭管理的楼栋项目 [17] - 房源条件包括位置合适、户型面积合适、生活便利、手续齐全等 [17] ❑ 5.17 新政以来已有多个城市落实收购商品房用作保障房工作 [9] - 根据中指研究院统计，5.17 至今已有 10 余城发布了征集商品房用作保障性住房的公告 [9] - 收购价格以同地段保障性住房重置价格为参考上限，即划拨土地成本和建安成本、加不超过 5%的利润 [9][12] - 收购房源要求位置合适、户型面积合适、生活便利、手续齐全等 [12] 投资建议 - 7.30 政治局会议再次强调去库存及收购存量房用作保障房，相关政策将加快落地，进一步支持市场需求复苏 [10][18] - 建议关注融资能力强、拿地能力强、土储布局合理的头部优质房企 [10][18]

报告行业投资评级 行业评级：增持 [5] 报告的核心观点 1. "五篇大文章"为优化金融结构指明方向 [14] - 二十届三中全会《决定》要求积极发展金融"五篇大文章"，明确了金融服务实体经济的重要部署 [14] - "五篇大文章"既是金融服务经济高质量发展的任务目标,也是金融结构性改革的重要方向 [14] 2. 银行机构践行"五篇大文章" [16][17][18][19][20] - 科技金融是银行业的主力军,近年来银行不断开发创新科技信贷产品 [17] - 绿色金融近年取得显著发展成效,绿色贷款余额快速增长 [17][18] - 普惠金融覆盖面广,银行普惠小微贷款余额持续高增长 [18][19] - 养老金融有加快发展趋势,个人养老金制度正式实施 [19][20] - 数字金融覆盖现代经济各方面,银行需要完成自身数字化转型 [20] 3. 投资建议 [21] - 关注国有大型银行股和资产质量较优的区域银行股 [21] - 维持行业"增持"评级 [21] 风险提示 未提及

报告公司投资评级 - 公司评级为"增持"（首次覆盖） [2] 报告的核心观点 业绩增长超预期，非息收入贡献加大 - 2024H1公司营业收入增速和净利润增速均超预期，分别达到7.9%和8.5% [6] - 非息收入增长显著加快，同比增长25.5%，主要是债券投资公允价值变动对收入的贡献提升 [6] - 受益于息差降幅收窄，净利息收入增速环比提升3% [6] 区域经济有韧性，对公业务稳健扩张 - 公司主要在江苏省内经营，江苏地区经济较为发达，公司经营区域经济具有韧性 [6] - 近年来公司在江苏省内业务规模增长较快，2024H1总资产/贷款/存款同比增速分别为11.7%/13.5%/4.2% [6] - 企业贷款增长较快，主要投向基建领域，零售信贷方面信用卡应收款项增长较快 [6] 息差降幅收窄，负债成本节约效应显现 - 资产平均收益率较年初下降16BP，维持下行态势 [6] - 存款成本下降8BP，债券发行成本趋于下行，综合负债成本下降7BP [6] - 随着存款利率延续下行，未来负债成本仍有进一步下降空间 [6] 不良处置力度加强，资产质量保持稳健 - 2024H1不良贷款率为0.83%，较上年末下降0.07%，关注率为1.07%，较上年末下降0.1% [6] - 公司贷款不良率为0.58%，较上年末下降0.12个百分点，个人贷款不良率为1.64%，较上年末上升0.14个百分点 [6] - 公司拨备覆盖率为345.02%，核心一级资本充足率为8.97% [6] 外资大股东法国巴黎银行增持公司股份 - 2024年上半年法国巴黎银行以自有资金增持公司股份1.46亿股，占公司报告期末总股本的1.41% [6][7] - 法国巴黎银行合计持有公司股份占比17.68%，为公司第一大股东 [7] 投资建议 - 预计2024~2026年归母净利润同比增速为8.1%/7.6%/6.9%，对应EPS为1.95/2.09/2.24元 [7] - 现价对应PB为0.54/0.50/0.46倍 [7] - 首次覆盖，给予公司"增持"评级 [7] 风险提示 - 区域经济增长不及预期，信贷需求放缓 [7] - 资产质量波动加剧 [7]