量化模型与构建方式 1. 模型名称：长期行业主题基金标签模型[38] 模型构建思路：为主动偏股基金构建完整的行业主题和细分赛道标签，以支持资产配置、主题投资和产品选择的需求，并构建行业主题基金指数作为衡量工具[38] 模型具体构建过程： 1. 数据来源：使用基金近四期（即最近两年）的中报和年报持仓信息[38] 2. 标签定义：根据基金长期持仓的行业特征，将其标签区分为三类： * 行业主题基金：长期稳定集中于某个特定行业主题[38] * 行业轮动基金：在不同时期切换不同的行业主题[38] * 行业均衡基金：行业配置较为分散均衡[38] 3. 指数构建：基于上述标签分类，构建相应的行业主题基金指数，以反映各类主题基金的整体风险收益表现[38] 2. 模型名称：公募REITs系列指数模型[48] 模型构建思路：构建完整的REITs系列指数，为投资者提供基于指数化投资思想的资产配置新视角，综合反映REITs市场表现，并提供不同底层资产和项目类型的细分指数[48] 模型具体构建过程： 1. 指数类型：构建综合指数、底层资产指数（如产权类、特许经营权类）和细分项目指数（如仓储物流、生态环保等），并考虑高分红特性，同时提供价格指数和全收益指数[48] 2. 计算方法： * 采用分级靠档的方法确保计算指数的份额保持相对稳定[48] * 当样本成分名单或样本成分的调整市值出现非交易因素变动时（如新发、扩募），采用除数修正法保证指数的连续性[48] * 除数修正法公式：$新除数 = \frac{修正后的总市值}{修正前的收盘指数}$ 其中，修正后的总市值指调整样本或市值后的新总市值，修正前的收盘指数为变动前最后一个交易日的指数收盘值，新除数用于后续的指数计算以保证连续性[48] 量化因子与构建方式 1. 因子名称：多因子ETF分类因子[61] 因子构建思路：在ETF市场跟踪中，根据其投资策略或暴露的风险收益特征，将股票型ETF进一步细分为多因子类别，以分析不同风格因子的资金流向和市场表现[61] 因子具体构建过程： 1. 因子类别定义：报告中将ETF细分为多个因子类别，包括红利、现金流、动量、成长、价值、基本面、质量、ESG等[61] 2. 归类方法：根据ETF跟踪的指数名称、基金招募说明书披露的投资策略或市场公认的分类标准，将国内股票ETF划分到上述因子类别中[61] 3. 效果跟踪：统计每个因子类别下ETF的整体资金净流入、本周回报、近期回报等指标，用以观察不同因子的市场表现和资金偏好[61] 模型的回测效果 1. 长期行业主题基金标签模型 生成的指数表现（截至2026年3月27日当周）[38]： * 医药主题基金周收益率：4.32% * 新能源主题基金周收益率：1.17% * 周期主题基金周收益率：1.13% * 行业轮动主题基金周收益率：-0.37% * 行业均衡主题基金周收益率：-0.50% * 国防军工主题基金周收益率：-1.07% * TMT主题基金周收益率：-1.48% * 消费主题基金周收益率：-1.50% * 金融地产主题基金周收益率：-1.98% 2. 公募REITs系列指数模型 生成的指数表现（基日以来至2026年3月27日）[52]： * REITs综合指数：累计收益-5.81%，年化收益-1.25%，最大回撤-42.67%，夏普比率-0.27，年化波动10.34% * 产权类REITs指数：累计收益11.50%，年化收益2.31%，最大回撤-45.00%，夏普比率0.06，年化波动12.56% * 特许经营权类REITs指数：累计收益-24.85%，年化收益-5.82%，最大回撤-41.17%，夏普比率-0.81，年化波动9.03% * 消费基础设施REITs指数：累计收益48.92%，年化收益8.71%，最大回撤-9.89%，夏普比率0.69，年化波动10.53% * 新型基础设施REITs指数：累计收益17.33%，年化收益3.41%，最大回撤-5.08%，夏普比率0.15，年化波动12.48% 因子的回测效果 1. 多因子ETF分类因子 各类别市场表现（截至2026年3月27日当周）[61]： * 红利因子ETF：本周净流入26.41亿元，本周回报-0.95% * 现金流因子ETF：本周净流入18.32亿元，本周回报-1.31% * 动量因子ETF：本周净流入2.39亿元，本周回报-2.02% * 成长因子ETF：本周净流入0.53亿元，本周回报-0.25% * 价值因子ETF：本周净流入0.18亿元，本周回报-1.05% * 基本面因子ETF：本周净流入-0.02亿元，本周回报-0.36% * 质量因子ETF：本周净流入-0.03亿元，本周回报-1.42% * ESG因子ETF：本周净流入0.27亿元，本周回报-1.33%