- 本次报告聚焦电子板块，提出了两种画像刻画方法：第一种是沿“消费—制造—科技”三条投资主线定位电子企业；第二种是融合资本密集度和产业生命周期，将电子企业分为创新驱动型（轻资产）、成长扩张型（重资产）以及成熟回报型（重资产）三类[3] - 综合验证显示，第二种方法更适合电子行业制造业属性突出、业务模式多样的特点，为后续量化选股提供了框架基础[3]

量化模型与构建方式 1. 稳健复合因子 - **模型名称**：稳健复合因子 - **模型构建思路**：基于低波动、低估值、低换手、高股息四类因子，合成稳健复合因子，用于筛选稳健股票池[3][65][67] - **模型具体构建过程**： - **样本空间**：选择中证800与中证1000成分股的并集，剔除ST股及上市不满1年的新股[67] - **因子定义**： - **低波动**：日度收益滚动240天标准差 - **低估值**：EPQ（单季度净利润/总市值）、EBIT2EV（单季度EBIT/总市值+带息债务）、SPQ（单季度营业收入/总市值） - **低换手**：日度换手率滚动240天均值 - **高股息**：最近年度报告期现金股利总和（税前）/总市值[62][68] - **因子合成**：将上述四类因子等权合成稳健复合因子[67][68] - **股票选择**：每月末在样本空间中选择稳健复合因子排名前300的股票构建稳健股票池[67] - **模型评价**：稳健复合因子能够有效捕捉低波动、高收益的股票特征，选股能力较强[65][67] 2. 增强复合因子 - **模型名称**：增强复合因子 - **模型构建思路**：在稳健股票池基础上，采用动量、成长、分析师预期、股息率、高频等因子进行复合打分，进一步精选股票[77][78] - **模型具体构建过程**： - **因子定义**： - **动量因子**：新高动量（当日收盘价/过去一年最高价-1） - **分析师预期因子**：过去3个月分析师一致预期净利润上调幅度均值 - **成长因子**：标准化预期外盈利（SUE）、单季度ROE同比增速（DeltaROE） - **股息率因子**：最近年报汇总股息率 - **高频因子**：大单及漫长订单精选复合因子[78] - **因子处理**：对选股因子进行缺失值填充、去极值、标准化处理[77] - **因子合成**：将单因子等权合成增强复合因子[79] - **股票选择**：根据增强复合因子值排序，选择排名靠前的股票[82] - **模型评价**：增强复合因子在稳健股票池中表现优异，能够进一步提升选股能力[77][79] 3. 稳健精选组合 - **模型名称**：稳健精选组合 - **模型构建思路**：基于增强复合因子对稳健股票池进行精选，同时限制行业与个股权重，构建分散化的稳健精选组合[82][84] - **模型具体构建过程**： - **样本空间**：稳健股票池（中证1800样本空间中采用稳健复合因子选取前300只股票）[82] - **选股方式**：基于增强复合因子值排序，选择排名靠前的50只股票[82] - **赋权方法**： - 对增强复合因子进行Z-Score标准化，并映射到正态分布的累积分布函数上，最终归一化得到权重[84][87][89] - 限制行业权重上限为15%，个股权重上限为3%[90][93] - **调仓频率**：月末调仓[82] - **交易设置**：调仓日涨停股票不买入、跌停股票不卖出，交易费用为双边千三[82] - **模型评价**：稳健精选组合通过分散化权重限制，进一步提升了策略的稳健性和可落地性[82][84] --- 模型的回测效果 稳健复合因子 - **年化收益**：13.81% - **相对中证800全收益指数年化超额**：7.31% - **最大回撤**：45.71% - **净值波动**：22.60% - **累计创新高天数**：191天[73][75][76] 增强复合因子 - **月度RankIC均值**：7.83% - **年化RankICIR**：1.64 - **多头月均超额收益**：0.84% - **空头月均超额收益**：-0.81%[79][80] 稳健精选组合 - **年化收益**：26.53% - **相对中证红利全收益指数年化超额**：15.14% - **相对红利低波100全收益指数年化超额**：13.17% - **相对中诚信防御100全收益指数年化超额**：9.04% - **最大回撤**：37.73% - **累计创新高天数**：338天 - **创新高率**：10.85%[97][99][107][110] --- 量化因子与构建方式 1. 低波动因子（Vol240） - **因子构建思路**：衡量股票价格的波动性 - **因子具体构建过程**：日度收益滚动240天标准差[62] - **因子评价**：RankIC均值为5.89%，年化ICIR为1.05，表现较好[63] 2. 低估值因子（EPQ、EBIT2EV、SPQ） - **因子构建思路**：衡量股票的估值水平 - **因子具体构建过程**： - EPQ：单季度净利润/总市值 - EBIT2EV：单季度EBIT/(总市值+带息债务) - SPQ：单季度营业收入/总市值[62] - **因子评价**：EPQ表现最佳，RankIC均值为5.14%，年化ICIR为1.41[63] 3. 低换手因子（Turn240） - **因子构建思路**：衡量股票的交易活跃度 - **因子具体构建过程**：日度换手率滚动240天均值[62] - **因子评价**：RankIC均值为3.63%，年化ICIR为0.70，表现一般[63] 4. 高股息因子（DivLYR） - **因子构建思路**：衡量股票的分红能力 - **因子具体构建过程**：最近年度报告期现金股利总和（税前）/总市值[62] - **因子评价**：RankIC均值为2.76%，年化ICIR为0.83，表现一般[63] --- 因子的回测效果 低波动因子（Vol240） - **RankIC均值**：5.89% - **年化ICIR**：1.05 - **RankIC胜率**：62.36% - **多头月均超额收益**：0.04% - **空头月均超额收益**：-0.56%[63] 低估值因子（EPQ） - **RankIC均值**：5.14% - **年化ICIR**：1.41 - **RankIC胜率**：64.04% - **多头月均超额收益**：0.49% - **空头月均超额收益**：-0.45%[63] 低换手因子（Turn240） - **RankIC均值**：3.63% - **年化ICIR**：0.70 - **RankIC胜率**：61.24% - **多头月均超额收益**：0.08% - **空头月均超额收益**：-0.27%[63] 高股息因子（DivLYR） - **RankIC均值**：2.76% - **年化ICIR**：0.83 - **RankIC胜率**：58.99% - **多头月均超额收益**：0.14% - **空头月均超额收益**：0.01%[63]

- 本报告未涉及量化模型或量化因子的构建、测试及相关内容[3][4][8]

量化模型与构建方式 低价增强策略 1. **模型名称**：低价增强策略 2. **模型构建思路**：利用低价因子在转债市场中的长期有效性，通过放松行业限制来增厚策略收益[2] 3. **模型具体构建过程**： - **正股基本面维度**：净利润率、净利润同比 > 0，经营活动现金流 > 0，现金到期债务比 > 0[3] - **转债特征维度**：强赎条款未公告/未满足条件，上市日期 > 30 天，剩余期限 > 360 天，信用评级 > AA-，债券余额 > 1 亿[3] - **转债交易维度**：正股成交活跃度前 75%，正股市值 ≥ 30 亿元，转股溢价率 < 80%，转债价格 ≥ 80 元[3] - **策略执行**：根据调仓日转债标的池中个券的收盘价从低到高的次序，选取最多前 20 支符合条件的转债，与上一期持仓进行对比，调出不符合条件的标的，调入符合条件的转债个券[3] 4. **模型评价**：低价增强策略在政策支持和交易逻辑变化下，放松了对行业的限制，以增厚低价策略收益[2] 低价大市值增强策略 1. **模型名称**：低价大市值增强策略 2. **模型构建思路**：结合低价和大市值因子，以机构主要增量资金的转债偏好进行策略增强[15] 3. **模型具体构建过程**： - **正股基本面维度**：净利润率、净利润同比 > 0，经营活动现金流 > 0，现金到期债务比 > 0[17] - **转债特征维度**：强赎条款未公告/未满足条件，上市日期 > 30 天，剩余期限 > 360 天，信用评级 > AA-，债券余额 > 1 亿[17] - **转债交易维度**：正股成交活跃度前 75%，正股市值 ≥ 80 亿元，转股溢价率 < 80%，转债价格 ≥ 80 元[17] - **策略执行**：根据调仓日转债标的池中个券的收盘价从低到高的次序，选取最多前 20 支符合条件的转债，与上一期持仓进行对比，调出不符合条件的标的，调入符合条件的转债个券[17] 4. **模型评价**：低价大市值增强策略在政策支持和交易逻辑变化下，放松了对行业的限制，以增厚低价策略收益[15] 改良双低策略 1. **模型名称**：改良双低策略 2. **模型构建思路**：选取转债价格和转股溢价率综合较低的标的进行组合持有，兼顾价格与价值进行动态调整与轮动[28] 3. **模型具体构建过程**： - **正股基本面维度**：净利润、净利率 > 0，经营活动现金流 > 0，现金到期债务比 > 0[30] - **转债特征维度**：强赎条款未公告/未满足条件，上市日期 > 30 天，剩余期限 > 360 天，信用评级 > A+，债券余额 > 1 亿[30] - **转债交易维度**：正股成交活跃度前 75%，转债价格 ≥ 80 元[30] - **策略执行**：根据调仓日转债标的池中个券前双低值从低到高的次序，选取最多前 10 支符合条件的转债，与上一期持仓进行对比，调出不符合条件的标的，调入符合条件的转债个券[31] 4. **模型评价**：改良双低策略在一定安全垫的基础上寻找具有较大上涨空间和潜在回报的投资标的[28] 模型的回测效果 低价增强策略 - 区间回报：6.74%[9] - Sharpe：0.48[9] - Alpha：2.67%[9] - 最大回撤：-10.81%[9] - 日胜率：54.11%[9] - 周胜率：52.17%[9] - 月胜率：44.44%[9] - 盈亏比：1.22[9] 低价大市值增强策略 - 区间回报：6.08%[22] - Sharpe：0.44[22] - Alpha：2.04%[22] - 最大回撤：-11.51%[22] - 日胜率：58.44%[22] - 周胜率：50.00%[22] - 月胜率：55.56%[22] - 盈亏比：1.04[22] 改良双低策略 - 区间回报：11.61%[34] - Sharpe：0.80[34] - Alpha：7.83%[34] - 最大回撤：-11.19%[34] - 日胜率：53.25%[34] - 周胜率：52.17%[34] - 月胜率：66.67%[34] - 盈亏比：0.97[34]

量化模型与构建方式 1. 模型名称：常青低波基金组合 - **模型构建思路**：通过量化方法优选具有低波动特征的主动权益基金，满足在高风险市场环境下的防御需求，同时适合追求稳定收益的投资者[10][12] - **模型具体构建过程**： - 以基金的历史净值回撤和波动水平为核心指标，评估基金经理的投资风格和风险控制能力[12] - 结合因子测试结果，验证最大回撤和波动率的延续性[12] - 增加基金估值水平限制，从净值表现和持仓特征两个维度优选低波基金[12] - **模型评价**：该模型在减小净值波动的同时，保持了较好的收益水平，适合风险偏好较低的投资者[22] 2. 模型名称：股基增强基金组合 - **模型构建思路**：挖掘具有更强Alpha收益能力的基金经理，构建风险波动较高且进攻性更强的基金组合[10][13] - **模型具体构建过程**： - 对基金收益率指标进行研究，拆分收益来源[13] - 剔除配置行业的Beta收益，提取剩余的Alpha收益[13] - 基于Alpha收益的显著延续性，筛选强选股能力的基金经理，构建组合[13] - **模型评价**：该模型在持有期内表现出较高胜率，适合风险偏好较高的投资者[13][24] 3. 模型名称：现金增利基金组合 - **模型构建思路**：基于货币基金的多维特征因子，优选收益表现更佳的货币基金，优化现金管理收益[11][15] - **模型具体构建过程**： - 综合管理费率、托管费率、销售服务费率、久期水平、杠杆水平等指标[15] - 考虑机构持仓占比和偏离度等风险指标，减少收益波动风险[15] - 构建货币基金优选体系，筛选出收益率更高的货币基金[15] - **模型评价**：该模型能够有效帮助投资者在现金管理中获取更高收益，同时降低收益波动风险[25] 4. 模型名称：海外权益配置基金组合 - **模型构建思路**：基于海外市场指数的长期动量和短期反转因子，优选上涨趋势较好的指数，构建全球化投资组合[11][16] - **模型具体构建过程**： - 剔除涨势过高、出现超买的指数[16] - 选择处于上涨趋势且动能较好的指数作为配置标的[16] - 构建海外权益配置基金组合，满足全球化投资需求[16] - **模型评价**：该模型在全球化配置中表现出较强的分散化价值，适合拓展权益投资收益的投资者[28] --- 模型的回测效果 1. 常青低波基金组合 - 本周收益：-1.340%[17] - 超额收益：0.711%[17] - 策略运行以来收益：4.667%[20] 2. 股基增强基金组合 - 本周收益：-1.696%[17] - 超额收益：0.355%[17] - 策略运行以来收益：5.475%[20] 3. 现金增利基金组合 - 本周收益：0.033%[18] - 超额收益：0.004%[18] - 策略运行以来收益：2.680%[20] 4. 海外权益配置基金组合 - 本周收益：-0.701%[18] - 超额收益：1.388%[18] - 策略运行以来收益：22.409%[20]

- 微盘股茅指数轮动信号方面，微盘股茅指数相对净值在10月14日触发上穿年线的信号[5] - 微盘股与茅指数的20日收盘价斜率均为正值，整体来看目前轮动策略后续更看好微盘指数的相对表现[5] - 在微盘择时模型中，10月15日，偏体现市场交易情绪的波动率拥挤度指标已经回落到阈值以下，触波动率拥挤度风险预警信号已经解除[5] - 偏基本面的利率同比指标数值为-20.45%未触发利率风控阈值0.3[5] - 目前微盘择时模型未触发风控，对于希望长期持有微盘股风格的投资者，建议继续持有[5] - 过去一周市场震荡回落，市场资金回流低估值的板块，使得价值因子表现良好[5] - 由于市场的回落，资金风险偏好回落，量价类因子，包括技术和低波因子表现如期回升[5] - 未来一周，由于没有太多潜在事件催化，预期本周的市场风格会继续延续，建议投资者关注价值以及量价类因子[5] - 选股因子方面，八个大类选股因子在不同的股票池中的表现进行跟踪（全部A股、沪深300、中证500和中证1000）[41] - 从IC结果可以得出，上周技术、波动率因子在全部4个股票池中表现较好，而其他因子表现比较一般[41] - 过去一周市场震荡回落，市场资金回流低估值的板块，使得价值因子表现良好[41] - 由于市场的回落，资金风险偏好回落，量价类因子，包括技术和低波因子表现如期回升[41] - 未来一周，由于没有太多潜在事件催化，预期本周的市场风格会继续延续，建议投资者关注价值以及量价类因子[41] - 可转债因子方面，针对可转债构建了量化择券因子，并定期对五个择券因子的表现进行跟踪[48] - 正股因子主要从正股与可转债的相关关系出发，从预测正股的因子来构建可转债因子[48] - 转债估值因子选取了平价底价溢价率[48] - 从IC结果可以看出正股价值、转债估值因子上周表现较为不错[48] - 从择券因子多空组合净值来看，上周正股成长、正股价值、转债估值因子取得了正的多空收益[48] 模型的回测效果 - 微盘股茅指数轮动信号方面，微盘股茅指数相对净值在10月14日触发上穿年线的信号[5] - 微盘股与茅指数的20日收盘价斜率均为正值，整体来看目前轮动策略后续更看好微盘指数的相对表现[5] - 在微盘择时模型中，10月15日，偏体现市场交易情绪的波动率拥挤度指标已经回落到阈值以下，触波动率拥挤度风险预警信号已经解除[5] - 偏基本面的利率同比指标数值为-20.45%未触发利率风控阈值0.3[5] - 目前微盘择时模型未触发风控，对于希望长期持有微盘股风格的投资者，建议继续持有[5] 因子的回测效果 - 选股因子方面，八个大类选股因子在不同的股票池中的表现进行跟踪（全部A股、沪深300、中证500和中证1000）[41] - 从IC结果可以得出，上周技术、波动率因子在全部4个股票池中表现较好，而其他因子表现比较一般[41] - 过去一周市场震荡回落，市场资金回流低估值的板块，使得价值因子表现良好[41] - 由于市场的回落，资金风险偏好回落，量价类因子，包括技术和低波因子表现如期回升[41] - 未来一周，由于没有太多潜在事件催化，预期本周的市场风格会继续延续，建议投资者关注价值以及量价类因子[41] - 可转债因子方面，针对可转债构建了量化择券因子，并定期对五个择券因子的表现进行跟踪[48] - 正股因子主要从正股与可转债的相关关系出发，从预测正股的因子来构建可转债因子[48] - 转债估值因子选取了平价底价溢价率[48] - 从IC结果可以看出正股价值、转债估值因子上周表现较为不错[48] - 从择券因子多空组合净值来看，上周正股成长、正股价值、转债估值因子取得了正的多空收益[48]

量化因子与构建方式 SIM因子 - **因子构建思路** 基于股票之间的相似性信息，利用欧几里得距离衡量股票特征间的相关性，构建相似股票的收益加权均值（SIM）和收益的相对差值（RSIM）作为因子[34][19][33] - **因子具体构建过程** 1. 筛选价格、市值、估值、盈利和投资等五个角度的指标刻画股票之间的相关性[33][20][19] 2. 计算股票特征的欧几里得距离，筛选相似股票[34] 3. 计算相似股票的收益加权均值（SIM）和收益的相对差值（RSIM）[34] - **因子评价** SIM因子在月频和周频回测中表现一般，收益特征不够突出[36][39][49] SIM_corr因子 - **因子构建思路** 在SIM因子的基础上，进一步改进代理变量，采用“相关性程度”构建因子[53][54] - **因子具体构建过程** 1. 以“相关性程度”作为代理变量，结合股票特征的欧几里得距离计算相似股票的相关性[53][34] 2. 构建相似股票的收益加权均值（SIM_corr）[54][34] - **因子评价** SIM_corr因子在月频和周频回测中表现优异，收益特征显著，且行业市值中性化后进一步增强[54][58][113] 因子拆解改进 - **因子构建思路** 基于不同数值方向的收益序列构建相关系数，拆解股票与相似股票的收益序列[107][116] - **因子具体构建过程** 1. 根据收益序列的符号将股票与相似股票的收益拆分为正向和负向序列[107][110] 2. 分别计算拆解后的相关性因子并进行回测[110][111] - **因子评价** 拆解后的收益特征与拆解前基本一致，未显著提升因子效果[107][110] 分域检验 - **因子构建思路** 分析因子在不同股票池（沪深300、中证500、中证1000）中的表现[113][115] - **因子具体构建过程** 1. 在不同股票池中进行因子回测，观察IC值、胜率及收益特征[113][115] 2. 比较因子在不同股票池中的敏感性[113][115] - **因子评价** 因子在中证1000股票池中的回测IC值更高，多头组区分度更加突出[113][115] --- 因子的回测效果 SIM因子 - **月度回测** - RANK_IC：-2.9% - ICIR：-0.20 - IC胜率：54.6% - 多空年化收益：8.1% - 夏普比：0.45 - 多头年化收益：4.4%[36][39][51] - **周度回测** - RANK_IC：-1.8% - ICIR：-0.12 - IC胜率：54.4% - 多空年化收益：3.3% - 夏普比：0.16 - 多头年化收益：-2.5%[36][39][51] SIM_corr因子 - **月度回测** - RANK_IC：7.6% - ICIR：1.96 - IC胜率：74.8% - 多空年化收益：25.0% - 夏普比：2.36 - 多头年化收益：14.0%[54][58][110] - **周度回测** - RANK_IC：6.8% - ICIR：3.24 - IC胜率：76.8% - 多空年化收益：47.3% - 夏普比：4.14 - 多头年化收益：17.9%[54][58][111] 因子拆解后回测 - **月度回测** - RANK_IC：7.6% - ICIR：0.65 - IC胜率：74.8% - 多空年化收益：25.0% - 多头年化收益：14.0%[110][111][116] - **周度回测** - RANK_IC：6.8% - ICIR：0.60 - IC胜率：76.8% - 多空年化收益：47.3% - 多头年化收益：17.9%[110][111][116] 分域检验回测 - **中证1000股票池（月度）** - RANK_IC：6.9% - ICIR：0.62 - IC胜率：77.3% - 多空年化收益：19.8% - 多头年化收益：9.5%[113][115][116] - **中证1000股票池（周度）** - RANK_IC：6.0% - ICIR：0.53 - IC胜率：71.3% - 多空年化收益：40.6% - 多头年化收益：9.4%[113][115][116]

- 本报告未涉及量化模型或量化因子的具体内容[5][7][11]

根据提供的研报内容，以下是量化模型与因子的总结： 量化模型与构建方式 1. **模型名称：择时体系模型** - **模型构建思路**：通过比较wind全A指数的长期均线（120日）和短期均线（20日）的距离来判断市场整体环境[2][9] - **模型具体构建过程**： 1. 计算wind全A指数的20日均线和120日均线 2. 计算两线距离：$$距离 = \frac{20日线 - 120日线}{120日线} \times 100\%$$ 3. 结合趋势线位置（5171点）和赚钱效应（-1.2%）综合判断市场格局[2][9] - **模型评价**：该模型能有效捕捉市场趋势变化，但对成交金额变化的敏感性较高 2. **模型名称：仓位管理模型** - **模型构建思路**：基于wind全A指数的估值水平（PE/PB分位数）和短期趋势判断来调整仓位[3][10] - **模型具体构建过程**： 1. 计算PE分位数（当前50分位）和PB分位数（当前10分位） 2. 结合趋势信号（均线距离17%）生成仓位建议 3. 当前建议仓位70%[3][10] 3. **模型名称：TWOBETA模型** - **模型构建思路**：用于行业配置推荐，重点关注科技板块[2][7][9] - **模型具体构建过程**：未详细披露构建细节，11月推荐消费电子和新能源车板块[2][7][9] 4. **模型名称：行业配置模型** - **模型构建思路**：推荐困境反转型板块[2][7][9] - **模型具体构建过程**：未详细披露构建细节，当前推荐地产/家电等大宗消费相关行业[2][7][9] 模型的回测效果 1. **择时体系模型** - 均线距离：17%[2][9] - 赚钱效应：-1.2%[2][9] - 趋势线位置：5171点[2][9] 2. **仓位管理模型** - 建议仓位：70%[3][10] - PE分位数：50分位[3][10] - PB分位数：10分位[3][10] 量化因子与构建方式 1. **因子名称：均线距离因子** - **因子构建思路**：通过长短均线距离反映市场趋势强度[2][9] - **因子具体构建过程**： $$均线距离 = \frac{20日线 - 120日线}{120日线} \times 100\%$$ 当前值：17%[2][9] 2. **因子名称：估值分位数因子** - **因子构建思路**：通过历史分位数判断市场估值水平[3][10] - **因子具体构建过程**： - PE分位数：50分位 - PB分位数：10分位[3][10] 3. **因子名称：赚钱效应因子** - **因子构建思路**：反映市场整体赚钱效应[2][9] - **因子具体构建过程**：未披露具体计算公式，当前值-1.2%[2][9] 因子的回测效果 1. **均线距离因子** - 当前值：17%[2][9] 2. **估值分位数因子** - PE分位数：50分位[3][10] - PB分位数：10分位[3][10] 3. **赚钱效应因子** - 当前值：-1.2%[2][9]

- 本周市场复盘显示，主力资金净流出仍处于高位，市场避险情绪较浓厚，宽基指数持续回调，结构上小盘+红利跌幅较少[7][8][10] - 公募基金方面，主动权益基金仓位较上周略微提升，"固收+"基金仓位维持不变，主动偏股型基金的平均仓位约为86.18%，其中普通股票型基金的平均仓位为88.27%，偏股混合型基金为87.02%，配置型基金为83.91%[16][19][20] - 主动权益产品风格动向显示，中盘价值风格仓位上调2.81个百分点至18.38%，小盘价值风格仓位下降1.62个百分点至3.26%，而小盘成长风格近三月增配明显，配置比例提升15.71个百分点[24][26][27] - 主动权益产品行业动向中，电新、传媒等行业持续增配，红利类行业如石油石化、煤炭等持续减配，其中有色金属行业配置比例较上周提升0.31个百分点至4.74%，而石油石化行业下降0.21个百分点至1.58%[28][29] - 基于绩优基金持仓倾向的行业轮动模型显示，本周绩优基金行业轮动策略获得一定超额收益，多头超额收益为0.74%，景气度模型多头超额收益为0.35%，绩优基金超配行业包括有色金属、电力及公用事业等[30][31][33] - ETF市场方面，本周境内股票指数ETF资金净流入约41.69亿元，其中TMT板块ETF净流入23.78亿元，消费板块ETF净流入4.44亿元，周期制造ETF净流入3.66亿元[35][36][62] - 债券ETF资金净流入46.23亿元，商品指数ETF净流入4.78亿元，其中黄金ETF表现突出，华安黄金ETF净流入4.00亿元，国泰黄金ETF净流入2.18亿元[36][63]