量化模型与构建方式 1. 模型/因子名称：穿透修正后的机构投资者持有比例模型[8][17] * 构建思路：为了更准确地反映ETF中机构投资者的实际持仓占比，避免因联接基金中个人投资者的存在而导致机构持有比例被高估，需要对ETF年报公布的原始机构投资者持有比例进行算法修正[8][17]。 * 具体构建过程：该模型通过穿透联接基金的底层数据，从ETF公布的机构投资者持有份额中，剔除掉联接基金所持份额中属于个人投资者的部分。具体修正公式如下： $修正后的机构投资者持有份额占比 = ETF公布的机构投资者持有份额占比 - 联接基金持有份额占比 × (1 - 联接基金中机构投资者持有比例)$ 其中，“ETF公布的机构投资者持有份额占比”为原始数据，“联接基金持有份额占比”为联接基金持有该ETF的份额比例，“联接基金中机构投资者持有比例”为联接基金自身的机构投资者持有比例[8][17]。 2. 模型/因子名称：ETF机构投资者精细化分类体系[25][27] * 构建思路：为了更精准地把握不同类型机构的投资偏好与市场行为，基于ETF基金半年报披露的前十大持有人信息，构建一个多层次的机构投资者分类体系，以创建精细化的投资者画像[25]。 * 具体构建过程：该分类体系通过对前十大持有人信息进行梳理分析，将机构投资者划分为多个层级[25]。 1. 一级分类：首先，在联接基金之外，将机构持有人分为国资机构、保险机构、公募机构、外资机构、证券机构等共14个一级类别[25]。 2. 二级与三级分类：在此基础上，根据账户类型、归属地和资金属性等维度进一步下沉，设置了19个二级分类和39个三级分类，以实现更精细的刻画[25][27]。例如，保险机构一级分类下，二级分类包括保险和保险资管；保险二级分类下，三级分类可细分为保险公司、保险集团、财产险、寿险等[27]。 模型的回测效果 本报告为描述性统计分析报告，未提供模型或因子在历史数据上的量化回测绩效指标（如年化收益率、夏普比率、信息比率IR、最大回撤等）。报告主要通过统计图表展示了各类机构投资者的持仓占比及其历史变化趋势[7][8][17][28][30][32][34]。 量化因子与构建方式 本报告未涉及用于预测资产价格或收益的传统量化因子（如价值、动量、质量等因子）的构建。报告核心内容是投资者结构分析，而非因子模型。 因子的回测效果 本报告未涉及量化因子的回测效果。