量化模型与构建方式 本报告为ETF市场周度数据统计报告，未涉及具体的量化选股模型或多因子模型。报告内容主要为对各类ETF的业绩、规模、估值、资金流向等市场表现指标进行统计和描述，未构建用于预测或选股的量化模型或因子。 量化因子与构建方式 本报告未涉及用于选股或预测的量化因子构建。 模型的回测效果 本报告未涉及量化模型，因此无模型回测效果。 因子的回测效果 本报告未涉及量化因子，因此无因子测试结果。 报告中的数据处理与统计方法 报告在统计ETF相关数据时，采用了一些具体的计算和处理方法，可视为数据预处理或指标计算规则。 1. ETF业绩计算方法 * 构建思路：统一使用ETF的单位复权净值计算其上市后的业绩表现，以消除分红、拆分等因素对净值的影响，保证业绩的可比性[14]。 * 具体构建过程： * 将ETF成立日至上市日之间视为建仓期，不纳入业绩统计[14]。 * 统计时点（上周）为2025年12月22日至2025年12月26日[2][14]。 * 对于部分无法及时获取上周五单位复权净值的跨境ETF，使用其上周一至周四的收益进行统计[16][18]。 2. ETF净申赎规模计算方法 * 构建思路：通过ETF份额的日度变动和收盘价来近似计算每日的资金净流入流出情况，并规避特殊事件对计算的干扰[31]。 * 具体构建过程： * 使用上市后ETF当日的份额变动乘以当日收盘价来近似计算每日净申赎规模[31]。 * 为了规避份额折算或拆分的影响，在份额折算/拆分当日，将份额变动设为0[31]。 * 为了排除分红对基金规模的影响，在计算规模变动时剔除了分红导致的基金规模变动[31]。 * 由于部分ETF上周五份额数据无法及时获取，其上周五数据未参与相关统计[33]。 3. ETF估值分位数计算方法 * 构建思路：使用各类别ETF基准指数估值的中位数代表该类ETF的整体估值水平，并通过计算该中位数在历史区间内的位置来评估其相对高低[38]。 * 具体构建过程： * 计算每日各类别内所有ETF基准指数（如市盈率PE、市净率PB）的估值中位数[38]。 * 计算该中位数在过去5年（对于科创板ETF，自2019年12月31日起计算）历史数据中的分位数[38][39]。 * 分位数水平用于判断当前估值处于历史区间的相对位置（例如，97.86%的分位数表示当前估值比过去5年中97.86%的时间都要高）[38]。 4. 基金管理人非货币ETF规模统计方法 * 构建思路：统计各基金公司已上市的非货币ETF总管理规模，并进行排名[54]。 * 具体构建过程： * ETF在上市之后才参与规模和规模变动统计，ETF成立时的募集规模不计入规模变动中[58]。 * 由于不能及时获取部分跨境ETF上周五的单位净值，因而使用其上周四的单位净值进行填充计算[58]。 * 对于华夏中小板ETF（159902）等季度汇报份额的ETF，在计算时使用其份额前值进行填充[58]。 * 对ETF进行了二级分类（如规模指数、行业指数、主题指数等），特别地将华安创业板50ETF由策略指数ETF调整为规模指数ETF进行统计[58]。