503 Service Temporarily Unavailable
503 Service Temporarily Unavailable
nginx/0.8.54量化：Alpha套利及ETF组...
1.&&&& Alpha股票投组表现
1.1.& 3月现货投组表现（ – ）
现货投组收益
图1： 2013年以来的累计及月度超额收益（相对于股指当月连续，30%保证金）
来源：Wind，海通期货研究所
1.2.& 3月Alpha现货投组
图2： 3月Alpha投组的行业权重分布
来源：Wind，海通期货研究所
2.&&&& Alpha策略-多因子量化选股简介
市场上的每只股票都具有各种各样的特性，数量化选股的一个重要思想便是，从纷繁复杂的个股特性中提取一定的共性，通过严格的历史检验，统计分析股票的各种特征对市场表现的影响，从而构建组合，以期获得相对市场的超额收益。市场驱动因子分析的目的便是从各种角度归纳上市公司的共性，并跟踪这些共性对上市公司表现的影响，从而综合遴选出能够稳定跑赢市场基准的股票组合。下面我们从市场驱动因子分析、Alpha投组构建以及历史模拟收益三个方面对多因子选股策略进行介绍。
2.1. 市场驱动因子分析框架
2.1.1. 市场驱动因子分析样本空间——中证800指数成分股
由于中证800指数成分股由HS300成分股和中证500成分股构成，指数综合反映沪深证券市场内大中小市值公司的整体状况，因此我们将中证800成分股选为我们的样本股票池。这里需要指出的是，中证800指数的历史成分股中是含有ST类股票的，我们在做历史回溯分析时将ST类股票提出。原因在于，ST上市公司的财务数据很容易干扰到我们对市场驱动因子的分析。如果我们不排除ST上市公司，当我们构建高ROE组合时，我们发现按ROE从高到低排名前20位的上市公司有一半以上为ST上市公司。这些ST上市公司的一个共同特点是，净资产很低，净利润多为一次性收益构成，虽然其ROE很高，但实际上这些ST上市公司的盈利能力并不好。因此，如果我们将ST上市公司纳入样本空间，高盈利指标与真正的高盈利上市公司之间便存在较大的差异。出于这点考虑，我们将ST上市公司排除在市场驱动因子分析的样本空间之外。
2.1.2. 市场驱动因子选取——四大类16个因子
我们将影响股票市场表现的各种股票共性称之为市场驱动因子。目前，我们归纳总结的市场驱动因子包括：估值、盈利、成长、运营共四大类16个因子。选择四大类因子及其具体因子，主要出于以下考虑：第一，估值、盈利、成长一直是各种各样的投资策略最为关心的三个大类因子，因此我们考虑这三大类因子的绝对值。第二，我们通过历史回溯发现，每股自由现金流、资产负债率、总资产周转率对数量化选股有较好的作用，因此将其作为运营因子进行考察。第三，换手率因子也对数量化选股有较好的作用，同样纳入因子体系之中。
2.1.3. 市场驱动因子分析方法——等权重多空相对收益
因子数据更新：在所有因子中，与财务数据相关的因子，我们按照上市公司年报、一季报、半年报、三季报的披露时间，及时进行更新；与股价数据相关的因子，我们一般考察上周期末的收盘价。
驱动因子表现的计算：我们利用各类因子对股票进行排序，将排名前10%的组合成为多方组合，将排名后10%的组合称为空方组合。在一定周期内，我们通过等权重的方式计算多方组合与空方组合的相对收益，IR值以及因子胜率。
2.1.4. 股票组合构建——金融行业单独处理
通过上述因子表现的计算，挑选出当期有效贡献Alpha收益的因子，我们称之为有效因子。分别运用这些有效因子，我们对样本空间内的股票进行打分排序，将综合排名前10%的股票纳入本期股票组合。由于金融行业特殊的资本结构，许多因子指标对金融行业并不适用，因此我们通过HS300指数抽样复制的方式将金融行业股票选入当期股票组合。同时，需要指出的是前期的驱动因子分析也是在剔除金融类股票的基础上进行的。
2.2. &Alpha投组构建
2.2.1. 现货投组构建
通过上述市场驱动因子分析以及HS300指数抽样复制方法，我们便可构建出现货股票投组。对现货投组内个股的权重配置，我们采用如下方法进行配置，
1）对前述以驱动因子分析选出的非金融股票部分，我们控制必要的行业及风格头寸，使单只股票的权重不超过5%；
2）对以HS300指数抽样复制的金融权重股票部分，我们控制其个股头寸，使之不超过5%。
2.2.2. 期货对冲头寸的构建
按照在现货投组上投入的资金量，我们等比例构建股指期货对冲头寸。按照当前股指期货12%的保证金计算，如果股指期货仓位维持在50%，那么在期货对冲头寸上投入的资金大约为现货投组资金的24%. 进一步以2011年以来股指期货主力合约日收益率数据进行压力测试后发现，在期货部位维持30%的保证金可避免期货部位爆仓的风险，同时也可以确保较好的资金使用效率。因此，我们在期货部位上配置的保证金为现货组合资金量的30%。
2.2.3. 现货投组的更替
每个月最后一个交易日结束后，我们以当是最新的市场数据按照前述因子选股方法构建新一期的现货股票投组。按资金量大小在新一月的前2个交易日内完成股票投组的替换与调整。
其中对于长期停牌的股票，我们按股票综合因子排序情况进行择优替代，尽量保持股票的同质性；对于短期停牌的股票，我们在综合考察其停牌原因及当时市场状况后确定在复牌后进行买入和调整操作，或是按照上述对待长期停牌股票的操作方式进行处理。
2.2.4. 期货头寸的调整与展期
考虑到现在股指期货主力合约良好的流动性，我们通常选用主力合约进行对冲。由于股指期货主力合约会不断轮换以及我们对现货股票投组进行每月调整，因此期货对冲部位的头寸需要进行不断调整和展期处理。
期货头寸的调整与现货投组替换调整同期进行，尽量保证期现之间为1：1对冲，控制风险敞口。
展期处理中可加入类跨期套利操作，即如果在头寸持有过程中出现异常的正向跨期价差，则按当时可得的最大成交量将期货头寸展期之次月合约；未完成部分或未出现异常价差时，则在当月合约到期前5个交易日内完成展期操作。
2.3. 历史模拟收益
2.3.1. 2010年以来的模拟收益
按照上述的市场驱动因子分析方法以及量化Alpha策略资产配置方案，我们模拟跟踪了自2010年1月初至2012年12月的策略运行结果，3年累计收益29.37%，最大资金回撤3 %，发生于日至日间。其中2010年的对冲标的为HS300指数，2011年及2012年的对从标的均为股指期货，收益率计算考虑30%的期货保证金资金，对股指期货展期收益暂时未予考虑。
具体的分年收益状况见下表，
图1： 2010年以来的累计收益及月度收益
来源：Wind，海通期货研究所
2.3.2. 跟踪风险说明
第一，我们在上述跟踪模拟中忽略了交易手续费的影响。但我们认为，由于交易频率不高以及量化Alpha策略的关键在于市场驱动因子选股，在对换手率进行必要的控制后，交易手续费的影响是可以忽略的。
第二，在上述跟踪模拟中，期货对冲头寸也是完美的等比例匹配。但在实际交易中，上述完美比例是不可能做到的。但鉴于股票买入后可以非整数手卖出，在实际操作中可以尽量期现风险敞口，使对冲比例接近上述完美比例。
第三，如果资金量过大，在实际实施过程中还需考虑市场冲击成本。这一点我们是没有顾及的。
3.&&&& ETF组合套利
3.1. ETF组合的应用
构建ETF组合的最直接应用只有一个：跟踪市场指数。在此基础上，可以引申出间接的应用：
3.1.1. 期现套利
当出现期现套利机会时，可以作为现货组合，配合股指期货，来进行期现套利，获取基差收益。
3.1.2. 定投基金
作为一个定投基金，长期投资，获取资本市场的平均收益。
3.2. ETF组合的优缺点
3.2.1. 组合中品种数量少，容易构建
ETF组合只有四支ETF，如果使用股票来进行构建跟踪沪深300指数交易类似的现货组合，至少需要100支以上。
3.2.2. 组合稳定可靠
ETF不会像股票那样，可能出现长期停牌、出现极端行情（例如2011年年末重庆啤酒、近期酒鬼酒等极端行情）等不利状况。
3.2.3.& ETF组合带有一定的超额收益
超额收益一部分来源于各个ETF本身所带有趋势收益，一部分来源于合理的权重。当应用于期现套利时，不仅能获取基差收益，还能获取一定的超额收益；当用于定投时，不仅能获取资本市场的平均收益以外，还能获取一定的超额收益。
3.2.3.& ETF组合的资金容量较小
当然ETF组合也有劣势，受限于现在的ETF市场规模，ETF组合的资金容量一般限制在500万以内，否则，会给市场带来冲击。
3.3. ETF组合的构建方法
3.3.1.& ETF品种的选择
加入到本组合的ETF需要符合一些条件：（1）流动性强 （2）上市时间达一年以上 （3）具有代表性。选取流动性强的品种，是为了方便构建组合，减少冲击成本。上市时间达一年以上，是为了能从历史表现上来分析出该品种的特点。具有代表性，意思是能反映出沪深市场的变化，因此，例如中小板ETF等不能被选入组合中。根据这3个条件，选出个四支ETF，分别为：易方达深证100ETF（159901）、南方深成ETF（159903）、华夏上证50ETF（510050）和华安上证180ETF（510180）。
3.3.2.& ETF品种的权重设置
设置权重的约束条件有：（1）历史跟踪偏离度控制在一定的范围以内;（2）各个ETF所跟踪的各个指数的主要行业比重的加权平均值（权重为各个ETF在现货组合中的比重）要与沪深300指数的主要行业比重的偏离控制在一定的范围之内。简单地说，就是构建的现货组合的行业分布与沪深300指数的行业分布应该大致相同。（3）各个ETF根据流动性大小有上限和下限。
自日开始，使用易方达深证100ETF（159901）、南方深成ETF（159903）、华夏上证50ETF（510050）和华安上证180ETF（510180）构建ETF组合，跟踪沪深300指数，并每日发布跟踪效果的报告。现对将近两年的跟踪效果进行一下分析。
提供了两套ETF组合方案，这两套组合方案都是由相同的四支ETF组合而成，不同只是四支ETF的权重。一种方案以沪市权重占70%左右的，我们在下文中称为方案Ａ，另一种方案沪深两市权重均衡的，我们在下文中称为方案Ｂ。
3.4. ETF组合的模拟跟踪分析
如果将每个交易日沪深300指数的涨跌幅作为横坐标，将对应的ETF组合的涨跌幅作为纵坐标，可以得到一系列散点，如图1，图2所示：
图1：ETF组合A与沪深300指数的相关性
来源：Wind，海通期货研究所
图2：ETF组合B与沪深300指数的相关性
来源：Wind，海通期货研究所
图1和图2中，一个黑色圆圈对应着一个交易日的情况，它的横坐标表示某一个交易日的沪深300指数涨跌幅，它的纵坐标表示同一交易日ETF组合的涨跌幅。红线为基准线，表示纵坐标正好等于横坐标。
理想情况下，ETF组合完全正好跟踪沪深300指数，因此，黑色圆圈应该完全在红线上。但实际情况下，受各种不确定因素的影响，这种理想情况是不现实的，是不可能存在的。
比较现实的评判标准为：如果黑色圆圈都在红线附近，没有一个是明显偏离的，我们就可以认为该ETF组合能够很好的跟踪沪深300指数。两个ETF组合实证结果表明，它们都能够很好的跟踪沪深300指数。
ETF组合A与沪深300指数的相关系数为0.994，ETF组合B与沪深300指数的相关系数为0.993，表明两个ETF组合与沪深300指数是高度相关的。
我们分别画出沪深300指数日涨跌幅、ETF组合日涨跌幅和跟踪偏离度（ETF组合日涨跌幅减沪深300指数日涨跌幅）的箱形图（能够反映出它们的分布情况），如图3，图4，图5，图6所示：
图3：ETF组合A涨跌幅与HS300指数涨跌幅波动范围对比
来源：Wind，海通期货研究所
箱形图介绍：箱形图（Box-plot）又称为盒须图、盒式图或箱线图，是一种用作显示一组数据分散情况资料的统计图。箱体的上边缘为75%分位值，箱体的下边缘为25%分位值，中间“腰部”为中位值，上须和下须长度为箱体高度的两倍，高于上须或低于下须的黑圈，为离群点，我们可以认为是异常值。
从图3可以看到，ETF组合A的箱形图与HS300的箱形图十分相似，我们可以认为ETF组合A的涨跌幅分布与HS300指数的涨跌幅分布类似。
图4：跟踪偏离度A的箱形图
来源：Wind，海通期货研究所
从图4以看到，跟踪偏离度A的波动范围比HS300与ETF组合A的波动范围窄得多，并且离群点相对于后者少得多。说明ETF组合A跟踪HS300表现比较好。
图5：ETF组合B涨跌幅与HS300指数涨跌幅波动范围对比
来源：Wind，海通期货研究所
从图5以看到，ETF组合B的箱形图与HS300的箱形图十分相似，我们可以认为ETF组合B的涨跌幅分布与HS300指数的涨跌幅分布类似。
图6：跟踪偏离度B的箱形图
来源：Wind，海通期货研究所
从图6可以看到，跟踪偏离度B的波动范围比HS300与ETF组合B的波动范围窄得多，并且离群点相对于后者少得多。说明ETF组合B跟踪HS300表现比较好。
表现沪深300指数、ETF组合和跟踪偏离度波动性的具体数值见表1，
表1：沪深300指数、ETF组合A和跟踪偏离度A波动性统计指标
统计指标 %
沪深300指数
跟踪偏离度A
来源：Wind，海通期货研究所
表2：沪深300指数、ETF组合B和跟踪偏离度B波动性统计指标
统计指标 %
沪深300指数
跟踪偏离度B
来源：Wind，海通期货研究所
IQR（Inter-Quartile Range）即内距，又称为四分位差，是两个四分位数之差，即内距IQR=75%分位数－25%分位数。
现查看阿尔法情况，阿尔法即为跟踪偏离度的累计值。自开始样本外跟踪以来，阿尔法走势，如图7，图8所示：
图7：ETF组合A的阿尔法走势图
来源：Wind，海通期货研究所
图8：ETF组合B的阿尔法走势图
来源：Wind，海通期货研究所
ETF组合A与ETF组合B的阿尔法都为正值，但都不高，这在预期之中，因为该ETF组合方案主要目的不是为了获得阿尔法收益，主要目的是跟踪沪深300指数，在下文中，会分析阿尔法的来源。
ETF组合A与ETF组合B相比，前者表现略好，在下文中，我们可以找到原因：最近两年，沪市强于深市。
具体的各项统计指标见表3：
表3：阿尔法收益的统计指标
最大单日盈利 %
最大单日亏损 %
累计收益 %
最大连续回撤 %
累计收益/最大连续回撤
年化收益 %
年化标准差 %
来源：Wind，海通期货研究所
跟踪效果概览从相关性、波动性与盈利性三个角度来观测ETF组合的跟踪沪深300指数的效果，总体说来，跟踪效果比较好。
接下来，本文将分析一下阿尔法的来源，使读者能够正确的看待ETF组合带来的阿尔法，以提高盈利能力与风险意识。
3.5. &Alpha来源分析
图9为从日至今，各ETF与沪深300指数走势图，其中黑线为沪深300指数，红线为易方达深证100ETF（159901），绿线为南方深成ETF（159903），深蓝线为华夏上证50ETF（510050），浅蓝线为华安上证180ETF（510180）。
图9：各支ETF与沪深300指数走势图
来源：Wind，海通期货研究所
从图9很明显看出，在观察期内，华夏上证50ETF表现最好，其次是华安上证180ETF，再次是南方深成ETF，最差为易方达深证100ETF。需要注意的是，该表现只是相对于沪深300指数，并不代表ETF的运营能力的高低，因为各ETF跟踪的指数各不相同。
各ETF相对于沪深300指数的收益分别为：易方达深证100ETF -9.22%，南方深成ETF -6.74%，华夏上证50ETF 17.17%，华安上证180ETF 6.54%。很明显，在观察期内，沪市强于深市。
按最新的权重（ETF组合会根据市场行情，进行权重微调）计算，各支ETF对ETF组合的贡献见表4，表5：
表4：各支ETF对ETF组合A的贡献率
相对收益 %
易方达深证100ETF
南方深成ETF
华夏上证50ETF
华安上证180ETF
来源：Wind, 海通期货研究所
表5：各支ETF对ETF组合B的贡献率
相对收益 %
易方达深证100ETF
南方深成ETF
华夏上证50ETF
华安上证180ETF
来源：Wind, 海通期货研究所
从表4和表5中可以看出，华夏上证50ETF和华安上证180ETF都有正的贡献，而易方达深证100ETF和南方深成ETF都为负的贡献，这主要是因为在观察期内，沪市强于深市。沪市与深市之所以会有如此大的分化，这是因为两市的行业结构有强大的区别。例如，深市中制造业比重大概为60%，金融行业比重不到10%，而沪市中制造业比重大概为20%，金融行业比重为40%以上。
ETF组合能在市场分化严重的情况下，依然有良好的跟踪指数能力，这与ETF组合的构建方法是分不开的：ETF组合的权重设置参考了行业配置。如果只是参考历史的行情，进行设置ETF权重，跟踪效果会大打折扣。
读者若是想获得稳定的阿尔法，必须要有很好的行业配置能力。行业配置可以参考宏观研究员与行业研究员的观点。
需要注意的是，这在观察期间，因为沪市强于深市，所以沪市权重占70%的ETF组合A才能够稳定获取阿尔法，如果未来深市强于沪市，ETF组合A的阿尔法收益不容乐观。这需要读者对后市要有一个正确的判断，宏观基本面发生大的变化，需要灵活调整ETF组合。
本部分介绍了跟踪沪深300指数的ETF组合构建方法，并对定期发布将近两年以来的跟踪效果进行了分析，发现跟踪效果良好，还对阿尔法的来源进行了分析，阿尔法来源于正确的行业配置。
海通期货总部地址：中国（上海）自由贸易试验区世纪大道1589号17楼，6楼01、03、04单元，25楼，2楼05、03单元
海通期货股份有限公司量化模型：什么钱看得见却赚不到--百度百家
量化模型：什么钱看得见却赚不到
分享到微信朋友圈
一个简单量化模型带来的启发
自股灾以来，我观察到一个现象，就是A股的日波动率升高了，意思就是A股单日暴涨暴跌的几率提高了，出现了很多大阳线和大阴线。因此很自然的我想到了一个经典的短线量化模型：当一天内股价上涨超过一定幅度的时候，就认为当天可能收出一根大阳线，于是买入做多，然后第二天开盘无脑卖出。
简单吧？由于创业板涨跌幅最大，我就拿创业板指数（399006）的数据做了测试。当一天内创业板涨幅超过1.2%的时候，就买入，第二天开盘按照开盘价卖。因为交易频率高，所以必须考虑交易成本，手续费按照万分之五算。
从2011年12月开始直到今天，创业板指数和按这种方式操作的收益率如图：
在这期间，创业板指涨了182%，而根据模型操作收益是427%。从2012年到2015年，模型历年的收益率分别是33.28%、50.07%、9.40%和119.61%。除了在股灾期间模型经历了比较大的回撤外（33%），其余时间表现也还算稳定。效果这么好，心动了有没有？
但是我们实际操作的时候并不能购买创业板指数（399006），只能买创业板基金（159915），因此我又用创业板基金做了测试，结果却出人意料：
用模型买创业板基金竟然大幅跑输指数，收益率只有163%，比简单的买入指数持有还低了20%！介是为什么捏？
从长期来看，创业板基金159915对创业板指399006的跟踪是较好的，见下图。因此基金的跟踪偏离应该不是太大的问题。
我大致分析了下，第一个原因是创业板基金交易的折溢价造成的。
159915在每天的交易中，交易价格是围绕净值变化的。打开券商软件看159915的分时图，白线就是交易价格，玫红色的线就是净值，可以看到它们有时近有时远。
由于模型是在创业板当天上涨1.2%的时候开仓，这种时候市场做多的氛围通常都很浓厚，买盘很踊跃，159915常常处于溢价状态，就是交易价格比净值高，这就导致每次交易159915的时候，买入价格都偏高了。
这个因素让模型的盈利概率大幅下降，交易指数的时候，模型的盈利概率是63%，而交易159915的时候，盈率概率下降到53%。如果你平时交易基金比较多，就一定要注意这个问题，特别是喜欢做短线交易的小伙伴，可以通过这个例子看到折溢价积累起来的长期影响有多么巨大。
第二个原因就是复利。由于第一个原因，模型交易创业板基金每次都赚的少那么一点，或者亏得多一点，日积月累本金的积攒就增长的慢。到了2015年行情好收益快速上涨的时候，交易159915的本金已经比交易指数的少很多了，因此在这轮大涨中取得的收益就差远了。这说明投资中积少成多的复利效应也是巨大的，追求稳定的回报能够给你在长期带来丰厚的财富。
今讲的虽然不能用交易赚钱，但我觉得还有蛮有启发的，你们觉得呢？
科学做投资，趣话谈市场。快搜索关注微信公众号：韭菜投资学。
分享到微信朋友圈
在手机阅读、分享本文
还可以输入250个字
推荐文章RECOMMEND
热门文章HOT NEWS
著名笑星陈佩斯阔别荧屏这20年，他都经历了什么
百度新闻客户端
百度新闻客户端
百度新闻客户端
扫描二维码下载
订阅 "百家" 频道
观看更多百家精彩新闻苹果/安卓/wp
积分 703, 距离下一级还需 97 积分
权限: 自定义头衔, 签名中使用图片
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡, 匿名卡, 抢沙发下一级可获得
权限: 隐身
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
哼哼签到天数: 3 天连续签到: 1 天[LV.2]偶尔看看I
觉得目前程序化交易不错，但是自己不善与写策略与编程，也没那么多时间，所以想考虑市场上一些成熟的模型，但有个疑问，好的策略模型策略师为什么会拿出来？大家是否有类似这种模式的平台推荐？
支持楼主：、
购买后，论坛将把您花费的资金全部奖励给楼主，以表示您对TA发好贴的支持
载入中......
本帖被以下文库推荐
& |主题: 1150, 订阅: 172
每个程序化策略都有容载量，单个资金不一定能全部用完。优秀策略作为一种珍贵资源，把多余的容载量通过平台匹配给有需求的资金，可以充分实现策略价值
总评分:&学术水平 + 15&
热心指数 + 15&
信用等级 + 15&
这是看一个网站这么说的
总评分:&学术水平 + 5&
热心指数 + 5&
信用等级 + 5&
顶级信息分享者
程序化交易代码的编写工作需要专门的技术储备，如果你对于代码编写不是很了解，建议去专门的程序化策略网站，租用成熟、有实盘验证的策略进行程序化交易。建议你了解一下量化易，这个平台和开拓者有业务合作，策略稳定可靠，值得信赖。
09:39:09 上传
总评分:&学术水平 + 5&
热心指数 + 5&
信用等级 + 5&
充实每一天 发表于
虽然我也不是很清楚，但是顶起来哦
suyouwoko 发表于
虽然我也不是很清楚，但是顶起来哦
推荐交易开拓者。
至于策略师为什么会把平台开放出来。个人认为，一是借助用户帮助其测试交易策略是否符合盈利需求，二是可以借组用户数据更好的训练模型和改进模型，以符合交易模型的盈利需求，三是为打开用户市场，推广平台，前期免费，后期收取少许平台费，增加公司盈利渠道。
总评分:&学术水平 + 5&
热心指数 + 5&
信用等级 + 5&
louiss007 发表于
推荐交易开拓者。
至于策略师为什么会把平台开放出来。个人认为，一是借助用户帮助其测试交易策略是否符合 ...楼上所说的与开拓者合作的量化易平台您是否了解？
一级伯乐勋章
一级伯乐勋章
初级学术勋章
初级学术勋章
中级学术勋章
中级学术勋章
初级热心勋章
初级热心勋章
中级热心勋章
中级热心勋章
初级信用勋章
初级信用勋章
中级信用勋章
中级信用勋章
无限扩大经管职场人脉圈！每天抽选10位免费名额，现在就扫& 论坛VIP& 贵宾会员& 可免费加入
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
京ICP证090565号
论坛法律顾问：王进律师}