公募基金2025年年报持有人结构与申赎情况分析 - 个人投资者整体持有公募基金份额占比超过50%，是主要持有者，但不同基金类型持有人结构与资金申赎差异显著 [1] ETF持有人结构与申赎 - 截至2025年末，ETF机构投资者持有份额占比为57.88%，个人投资者占比42.12%，较年中（机构54.31%，个人45.69%）机构占比提升 [3] - 债券ETF和主流宽基ETF以机构投资者为主，机构持有比例基本在90%以上，例如多只科创债ETF机构持有超99%，多只沪深300ETF机构持有超90% [3][4] - 部分ETF以个人投资者为主，例如华夏上证科创板50ETF个人持有比例66.2%，华夏中证机器人ETF个人持有比例超70% [4] - 2025年ETF整体获得逾4500亿份净申购，扭转了年中265.31亿份净赎回态势，有25只ETF净申购超100亿份 [4] - 富国中证港股通互联网ETF净申购超600亿份为年度最高，其机构持有比例94.25%；华宝中证全指证券公司ETF净申购超450亿份，个人持有占比56.73% [5] 债券基金持有人结构与申赎 - 债券基金以机构投资者为主，截至2025年末机构持有比例为82.87% [6] - 纳入统计的7388只债券基金中，有52.72%（3880只）的基金机构持有比例在50%以上，其中45.76%（3345只）机构持有比例在80%以上，超三分之一（2504只）机构持有比例在98%以上 [6] - 具体产品如多只规模超400亿元的债券基金，机构持有比例在96.69%至100%之间 [7] - 债券基金2025年整体处于净赎回态势，净赎回逾5500亿份，而2024年末为净申购逾3800亿份 [8] - 2025年有7只债基净赎回超100亿份，最高近200亿份；同时有11只债基获得净申购，永赢稳健增强A净申购超250亿份，多只产品净申购在200亿份以上 [8] - 2025年债券基金平均收益率为2.31%，其中有600多只基金录得负收益 [8] FOF持有人结构与申赎 - FOF以个人投资者为绝对主力，截至2025年末个人持有比例达92.20% [9] - 纳入统计的973只FOF中，有740只个人持有占比在80%以上，其中693只个人持有占比在90%以上，占比超七成 [9] - 具体产品如国泰瑞悦3个月持有（规模近100亿元）个人投资者占比99.43%，富国盈和臻选3个月持有C（规模近90亿元）个人占比98.62% [9] - FOF在2025年实现净申购逾80亿份，扭转了年中净流出逾35亿份的态势 [10] - 有19只FOF去年净申购在10亿份以上，其中国泰瑞悦3个月持有净申购逾85亿份，广发智荟多元配置六个月持有C净申购超50亿份 [10] 主动权益基金持有人结构与申赎 - 主动权益基金（偏股混合与普通股票基金）个人投资者持有份额占比接近80% [10] - 易方达蓝筹精选持有人户数高达265.09万户，规模超300亿元，超99%为个人投资者；另有16只基金持有人户数超100万户，个人持有比例均超90% [10] - 这些由知名基金经理管理的基金2025年普遍实现正收益，但普遍录得净赎回，例如易方达蓝筹精选收益率超17%但净赎回逾48亿份，兴全合润A收益率超35%但净赎回超40亿份 [11]

量化模型与构建方式 1. 复合行业轮动因子模型 1.1 基本面景气度复合因子 * **模型名称**：基本面景气度复合行业轮动因子[4][8][14] * **模型构建思路**：从基本面景气度维度，选取资产质量、成长能力、营运能力、盈利水平、议价力等方向的多个有效财务指标，构建复合因子以预测行业未来表现[4][8][14][15]。 * **模型具体构建过程**： 1. **基础数据处理**：以申万一级行业为分类标准，基于行业内个股的财务数据，采用整体法计算行业指标[9][15]。 2. **单因子构建**：构建了12个有效财务指标因子，具体如下[15]： * **TTM应收账款周转率环比增长**：采用近4个季度（TTM）数据计算行业应收账款周转率，再计算环比增长（当季-上季）[17]。 $$行业应收账款周转率 = \frac{\sum 个股营业收入\_TTM}{\sum 个股应收账款\_TTM}$$ * **报告期末流动资产比例同比增长**：采用报告期末数据计算行业流动资产比例，再计算同比增长（当季-上年同季）[18]。 $$行业流动资产比例 = \frac{\sum 个股流动资产\_报告期末}{\sum 个股总资产\_报告期末}$$ * **报告期末速动比率同比增长**：采用报告期末数据计算行业速动比率，再计算同比增长[19]。 $$行业速动比率 = \frac{\sum 个股速动资产\_报告期末}{\sum 个股流动负债\_报告期末}$$ * **TTM存货周转率同比增长**：采用TTM数据计算行业存货周转率，再计算同比增长[20]。 $$行业存货周转率 = \frac{\sum 个股营业成本\_TTM}{\sum 个股库存\_TTM}$$ * **报告期末客户议价力同比增长率**：将应收账款定义为客户议价力，采用报告期末数据计算，再计算同比增长率（当季/上年同季-1）[21]。 * **报告期末供应商议价力环比增长**：将应付账款定义为供应商议价力，采用报告期末数据计算，再计算环比增长[22][23]。 * **TTM营业利润环比增长率**：采用TTM数据计算行业营业利润，再计算环比增长率（当季/上季-1）[24]。 $$行业营业利润 = \sum 个股营业利润\_TTM$$ * **季度营业利润率同比增长**：采用当季数据计算行业营业利润率，再计算同比增长[25]。 * **TTM核心利润环比增长率**：采用TTM数据计算行业核心利润，再计算环比增长率[26]。 * **季度核心利润率同比增长**：采用当季数据计算行业核心利润率，再计算同比增长[27]。 $$行业核心利润率 = \frac{\sum 个股营业收入\_季度 - \sum 个股营业成本\_季度 - \sum 个股其他成本项\_季度}{\sum 个股营业收入\_季度}$$ * **TTM归母扣非净利润环比增长率**：采用TTM数据计算行业归母扣非净利润，再计算环比增长率[28]。 * **TTM净资产收益率（ROE）环比增长**：采用TTM数据计算行业净资产收益率，再计算环比增长[29]。 $$行业净资产收益率 = \frac{\sum 个股扣非归母净利润\_TTM}{\sum 个股净资产\_TTM}$$ * **年内累计销售毛利率同比增长**：采用年内累计数据计算行业销售毛利率，再计算同比增长[30]。 $$行业销售毛利率 = \frac{\sum 个股营业总收入\_年内累计 - \sum 个股营业总成本\_年内累计}{\sum 个股营业总收入\_年内累计}$$ 3. **因子标准化与合成**：对上述有效单因子进行标准化处理，然后以各因子在样本内的IC胜率为权重，加权合成基本面景气度复合因子[13]。 * **模型评价**：该复合因子在全区间内积累了显著的超额收益，但在2024年9月A股反弹后出现短期“低景气反转”特征，随后有效性再次提升[31]。 1.2 超预期水平复合因子 * **模型名称**：超预期水平复合行业轮动因子[4][8][33] * **模型构建思路**：从超预期水平维度，涵盖基于公告的市场预期变化和分析师预期变化两个方面，构建复合因子[4][8][33]。 * **模型具体构建过程**： 1. **基础数据处理**：基于个股公告（正式报告、业绩预告、业绩快报）日期前后的收益变化，以及分析师预期数据，在调仓日按个股流通市值加权得到行业单因子水平[33][35]。 2. **单因子构建**：构建了5个有效因子，具体如下[35]： * **公告前后异常收益**：计算个股盈余公告T日的前n日至后m日的每日超额收益（以中证800为基准）之和。最终选定参数为m=2，n=0，即公告后2日的超额收益之和[36]。 * **净利润预期变动得分**：在个股报告发布日，若未来一年净利润预期较同一分析师上次预期变动超1%计+1分，低于-1%计-1分。在调仓日对个股得分进行60日滚动累计，再以流通市值加权得到行业得分[37]。 * **主营业务收入预期变动得分**：逻辑同净利润预期变动得分，针对主营业务收入预期，滚动累计窗口为20日[38]。 * **报告评级换算**：对行业内所有个股在过去180日内，分析师公开报告的平均评级得分取均值。个股评级得分由研报评级（如买入、卖出）按预设规则换算得出[39]。 * **上调减下调报告评级比例**：计算行业过去180日内，评级上调的研报数量减去评级下调的研报数量，再除以存在前期评级得分的研报总数量[40]。 3. **因子标准化与合成**：对有效单因子标准化后，以各因子IC胜率为权重，加权合成超预期水平复合因子[13]。 * **模型评价**：该复合因子对低景气行业的预判准确性较高。样本外在2022年8月至2023年12月期间有效性降低，但自2024年开始有效性显著提升并持续[41]。 1.3 量价水平复合因子 * **模型名称**：量价水平复合行业轮动因子[4][8][44] * **模型构建思路**：从量价水平维度，基于行业指数的日度数据，构建动量、成交波动和量价背离等因子，侧重行业中长期的动量效应[4][8][44]。 * **模型具体构建过程**： 1. **基础数据**：直接使用申万一级行业指数的日收益、成交量、成交额、换手率等数据[44]。 2. **单因子构建**：构建了7个有效因子，具体如下[44]： * **日内动量**：计算每日收盘价/开盘价作为日内动量指标，对各行业指标值进行10日滚动累计[45]。 * **隔夜动量**：计算每日开盘价/前一日收盘价作为隔夜动量指标，进行40日滚动累计后，对因子值取反（因隔夜涨幅呈反转效应）[46]。 * **移动平均趋势变化**：首先计算行业指数当前收盘价减去过去10日均价，定义为短期动量水平；然后计算该短期动量水平减去其10日前的值[47]。 * **动量期限差**：计算行业指数近10日收益率减去近5日收益率，因子值越高代表长期趋势明确且短期交易不拥挤[48][49]。 * **成交量波动**：计算行业指数过去20日成交量波动率，并取负值。因子值越高代表行业情绪越稳定[50]。 * **成交额波动**：计算行业指数过去20日成交额波动率，并取负值。因子值越高代表行业情绪越稳定[51]。 * **一阶量价背离**：计算成交量一阶变化（今日成交量/昨日成交量-1）与价格一阶变化（日涨跌幅）在40个交易日内Spearman相关系数的负值[52][53]。 $$一阶量价背离因子 = -corr\left(rank\left(\frac{Volume_i}{Volume_{i-1}}-1\right), rank\left(\frac{Close_i}{Open_i}-1\right), 40\right)$$ 3. **因子标准化与合成**：对有效单因子标准化后，以各因子IC胜率为权重，加权合成量价水平复合因子[13]。 * **模型评价**：该复合因子更注重中长期量价延续性。样本外在2024年9月A股反弹后，高景气组上涨弹性不及低景气组，可能与短期动量效应更显著有关[54]。 1.4 资金流强度复合因子 * **模型名称**：资金流强度复合行业轮动因子[4][8][57] * **模型构建思路**：从资金流强度维度，根据行业内个股的资金流入流出数据（按挂单金额分类），汇总得到行业整体资金流强度，以分析不同类型投资者的行为[4][8][57]。 * **模型具体构建过程**： 1. **基础数据**：使用个股资金流向数据，按Wind标准分类（如超大单>100万）[57]。 2. **单因子构建**：构建了3个有效因子，具体如下[57]： * **主动超大单资金流强度**：计算过去10日，行业内所有个股的每日平均主动超大单净流入金额，除以个股平均合计流通市值[58]。 * **主动超大单资金流极端突破**：首先计算行业当日主动超大单净流入金额减去其过去120日均值，再除以其过去120日标准差，得到当日强度；然后计算过去10日该强度的均值[59]。 * **小单资金流稳定性**：首先计算行业当日小单净流入金额减去其过去120日均值，再除以其过去120日标准差，得到当日强度；然后计算过去5日该强度的均值；对所有行业该值进行截面标准化后，取绝对值并取相反数[60][61]。 3. **因子标准化与合成**：对有效单因子标准化后，以各因子IC胜率为权重，加权合成资金流强度复合因子[13]。 * **模型评价**：该因子在2024年9月市场反弹后有效性显著提升，可能与资金流在反弹行情中对行业轮动的主导作用强化有关[62]。 1.5 综合行业轮动因子模型 * **模型名称**：综合行业轮动因子模型[4][13][65] * **模型构建思路**：将上述四个维度的单一视角复合因子（基本面景气度、超预期水平、量价水平、资金流强度）进行等权合成，构建最终的综合行业轮动因子，以提升模型有效性和稳定性[4][13][65]。 * **模型具体构建过程**： 1. **输入因子**：将经过再次标准化处理的四个单一视角复合因子作为输入[13][65]。 2. **合成方法**：对四个输入因子采用等权方式加权，合成最终的综合行业轮动因子[13][65]。 2. ETF行业轮动投资组合模型 * **模型名称**：ETF行业轮动投资组合[4][69] * **模型构建思路**：以前文构建的综合行业轮动模型选出的高景气行业为基础，通过一套ETF产品选定框架，构建可实际交易的ETF投资组合[4][69][70]。 * **模型具体构建过程**： 1. **高景气行业选择**：在每月调仓日，选取综合行业轮动因子排名前6的行业（高景气组）作为下月持仓行业[70][72]。 2. **标的指数筛选**： * 在调仓日，仅纳入存续期满1个月的股票型ETF所跟踪的指数作为备选池[72]。 * 对于每个高景气行业，保留成分股在该行业比例≥50%的指数作为备选指数[70]。 * 计算各备选指数与目标行业过去244个交易日的Spearman相关系数。若存在备选指数，保留相关系数≥80%的指数；若不存在，则保留相关系数排名前5且≥60%的指数[70]。 3. **ETF标的选定**： * 对于每个筛选出的标的指数，保留对应的ETF产品作为备选池[70]。 * 在每个调仓日，计算备选ETF过去1个月的日均成交额和日均流通规模[70]。 * 保留存续≥1个月、日均流通规模≥2亿、且日均成交额最高的ETF产品[70]。 * 若无满足条件的ETF，则用申万一级行业指数替代[71]。 4. **三种选定模式**：针对同一行业可能对应多个ETF的情况，定义了三种产品选定模式[70]： * **相关性优先模式**：选择相关系数最高的标的指数对应的ETF。 * **流动性优先模式**：选择过去1个月日均成交额最高的ETF。 * **收益弹性优先模式**：选择过去1个月收益表现最佳的ETF。 模型的回测效果 1. 单一视角复合因子回测效果（全区间） * **基本面景气度复合因子**：IC均值5.75%， ICIR 24.81%， 高景气组年化收益9.56%， 低景气组年化收益-1.74%[31] * **超预期水平复合因子**：IC均值7.31%， ICIR 28.99%， 高景气组年化收益10.93%， 低景气组年化收益-2.87%[41] * **量价水平复合因子**：IC均值7.16%， ICIR 32.98%， 高景气组年化收益8.65%， 低景气组年化收益-1.22%[54] * **资金流强度复合因子**：IC均值7.18%， ICIR 32.10%， 高景气组年化收益13.79%， 低景气组年化收益1.43%[62] 2. 综合行业轮动因子回测效果（全区间） * **综合行业轮动因子**：IC均值12.54%， ICIR 50.92%， 高景气组年化收益17.84%， 相对中证800指数的多空组合累计年化超额收益14.44%[65] 3. ETF行业轮动投资组合回测效果（2020/01/01 - 2026/02/28） * **ETF轮动组合（相关性优先）**：年化收益率18.78%， 年化波动率22.10%， 最大回撤-39.87%， 夏普比率0.85， 收益回撤比0.47[81] * **ETF轮动组合（流动性优先）**：年化收益率18.57%， 年化波动率23.10%， 最大回撤-40.38%， 夏普比率0.80， 收益回撤比0.46[81] * **ETF轮动组合（收益弹性优先）**：年化收益率21.20%， 年化波动率23.22%， 最大回撤-40.95%， 夏普比率0.91， 收益回撤比0.52[81]

ETF市场资金流向与结构 - 春节假期后（2月24日至2月25日），全市场ETF资金净流入39.37亿元，扭转了春节前五个交易日（2月9日至2月13日）净流出143.69亿元的态势 [1][2] - 资金流入呈现“宽基打底、科技添彩”的特征，宽基ETF成为配置“压舱石”，科技主题ETF因高景气预期获重点布局 [1][2] 宽基ETF资金流入详情 - 2月24日至2月25日，宽基ETF中，南方中证500ETF、南方中证A500ETF、华夏中证500ETF净流入额居前，分别为15.22亿元、3.72亿元、2.15亿元，合计净流入21.09亿元 [2] - 宽基ETF的持续吸金表明部分资金倾向于通过分散配置规避单一板块波动风险，以稳健方式分享市场成长 [2][4] 科技主题ETF资金流入详情 - 2月24日至2月25日，科技类行业ETF中，卫星ETF、华夏中证机器人ETF、天弘中证机器人ETF、易方达中证人工智能主题ETF净流入额居前，分别为4.83亿元、3.32亿元、3.31亿元、3.19亿元，合计净流入14.65亿元 [3] - 科技类ETF的活跃凸显资金对“十五五”规划开局之年科技产业扶持政策与技术突破的期待，半导体、AI算力等领域的长期成长逻辑获得认可 [4] 机构观点与市场逻辑 - 春节后资金快速回流ETF，既源于假期后理财资金的常规配置需求，也反映出投资者对当前市场估值合理性的认可及对后续结构性机会的积极判断 [2] - ETF资金流向反映市场真实的配置需求，春节后资金向宽基与科技主题ETF集中，符合“稳健打底+弹性进攻”的配置思路，并与经济转型中科技产业的核心地位相契合 [4] - 随着科技领域政策细则落地与企业业绩兑现，相关ETF仍有望吸引更多增量资金 [4] 投资者配置建议 - 风险承受能力较低的投资者，可通过宽基ETF构建核心持仓 [5] - 追求高弹性收益的投资者，可适度配置科技类行业ETF，但需注意控制仓位，避免资金过度集中在单一赛道 [5]

资金流向与规模 - 春节后两个交易日（2月24日至25日），13只机器人主题基金合计净流入资金超过6.3亿元 [1] - 华夏中证机器人ETF和天弘中证机器人ETF分别获得资金净流入3.03亿元、1.81亿元，在该类产品中排名居前 [1] - 截至2月25日，上述13只机器人主题基金总规模已突破700亿元，其中有3只产品规模均在100亿元以上，另有6只产品规模在10亿元至100亿元之间 [1] 行业驱动因素 - 2026年马年春晚成为国内人形机器人企业展示实力的舞台，揭示了人工智能产品从“预设动作”向“自主智能”的跨越，技术突破在于硬件刚性与稳定性的飞跃 [2] - 资本逻辑发生逆转，从“广撒网”转向集中投向有明确落地场景、具备量产能力的头部企业 [2] - 机器人核心部件的成本正在快速下降，使得机器人量产迈过成本关卡 [2] - 受益于工业、家庭和医疗等场景的普及，未来对机器人产品的需求量将增加 [2] - 春节假期期间的机器人表演展现出国内机器人产业的技术积淀与落地能力，进一步提振了市场预期 [3] - 机器人表演是国内机器人产业加速迈入产业化阶段的直观体现，行业正迎来政策、技术、商业化的三重共振 [3] 产业链与市场前景 - 中证机器人指数成份股覆盖的产业链企业多集中于工业和信息技术等领域，反映出机器人产业上中下游的发展态势 [3] - 成份股企业多为具备核心技术的优质企业，涵盖核心零部件、本体制造、系统集成等关键环节 [3] - 机器人板块成长前景可期，预计市场对机器人赛道的关注度将持续提升，产业发展将迎来较大空间 [2][3]

A股两会日历效应与风格表现 - 从2010年至今的历史统计来看，A股在两会前两周、前一周表现较好，两会期间表现略差，会后上涨概率提升[2] - 具体来看，中证1000和中证500在两会前两周上涨概率均超过50%，区间平均收益率超过3%，前一周平均收益率则超过1%[9] - 两会结束后一周和后两周，主要宽基指数上涨概率均超过50%，其中中证1000、中证500、创业板指上涨概率达64%[9] 两会期间行业表现特征 - 行业表现层面，两会前后基础化工、有色金属、建材等顺周期行业表现突出[13] - 两会前两周多数行业上涨概率大于50%，纺织服饰、公用事业、有色金属、基础化工等上涨概率超过80%[13] - 两会期间通信、食品饮料、美容护理上涨概率高于50%[14] - 两会结束后一周和后两周，上涨概率较高的行业逐渐切换为房地产、建筑建材、美容护理、家用电器等行业[14] - 随着两会结束稳增长政策逐渐落地，顺周期板块上涨概率更高且平均收益相对较高，化工、有色、建材、房地产等行业上涨概率更高[15] 近期市场流动性状况 - 上周（2/9-2/13）央行公开市场净投放23969亿元，未来一周将有22524亿元逆回购、3000亿元MLF、1500亿元国库现金定存到期[2] - 货币市场利率下行，截至2月13日，R007下行18.4bp至1.34%，DR007下行14.0bp至1.32%[2] - 短、长端国债收益率下行，1年期国债收益率下行0.6bp，10年期国债收益率下行2.0bp[2] - 同业存单发行规模增加1498.5亿元至6564.3亿元，1M/3M/6M同业存单利率均下行[18] 股市资金供需与投资者行为 - 资金供给方面，上周新成立偏股类公募基金340.3亿份，较前期增多239.5亿份[23] - 股票型ETF净流出482.5亿元，整个市场融资净卖出830.2亿元，截至2月13日A股融资余额为25640.1亿元[23] - 资金需求方面，上周无IPO发行，重要股东净减持100.8亿元，公告的计划减持规模为173.9亿元[26] - 限售解禁市值为538.6亿元，未来一周解禁规模上升至862.2亿元[26] - 行业偏好上，上周各类资金仅净流入传媒和建筑材料，净流入金额分别为8.38亿元和4.15亿元[35] - 融资资金净买入规模较高的行业为传媒（+15.1亿元）、环保（+1.7亿元）[35] - 融资净卖出规模较高的行业为电力设备（-97.3亿元）、电子（-66.0亿元）、非银金融（-57.5亿元）[35] 市场情绪与交易结构 - 上周融资买入额为8036.6亿元，占A股成交额比例为8.6%，融资资金交易活跃度减弱[28] - 上周关注度相对提升的风格指数及大类行业仅TMT，其换手率历史分位数为90.6%[31] - 上周纳斯达克指数上涨1.5%，标普500指数上涨1.1%，VIX指数回落1.5点至19.1，市场风险偏好改善[33] 海外货币政策与预期变化 - 美联储1月会议纪要显示，官员对未来政策走向存在巨大分歧，甚至有官员提到未来加息的可能[3] - 市场对美联储降息预期从此前的6月推迟至7月，并维持年内两次降息的预期[3] - 美国1月未季调CPI同比增速从2.7%回落至2.4%，创2025年5月以来新低，核心CPI同比从2.6%回落至2.5%[45] - 美国12月核心PCE同比增长3%，为2025年2月以来新高，市场对6月降息预期下降至45.6%[45]

行业事件 - 2024年马年央视春晚被观众称为“科技春晚”，机器人元素贯穿全场，包括人形机器人表演武术、参与小品互动以及在歌舞节目中担任伴舞 [1] 市场资金流向 - 春节前最后一周（2月9日至2月13日），全市场与机器人主题直接相关的约13只ETF合计实现约25.77亿元人民币的净流入 [1] - 华夏中证机器人ETF在节前一周净流入14.33亿元人民币 [1] - 易方达国证机器人产业ETF在同期净流入约6.62亿元人民币 [1] - 天弘中证机器人ETF与景顺长城国证机器人产业ETF在同期均获得亿元以上净流入 [1]

公司股价与交易表现 - 2月13日，中大力德股价上涨5.26%，报收86.87元/股，成交额5.69亿元，换手率3.43%，总市值170.72亿元 [1] 公司基本情况 - 公司全称为宁波中大力德智能传动股份有限公司，位于浙江省宁波市慈溪市，成立于2006年8月28日，于2017年8月29日上市 [1] - 公司主营业务是机械传动与控制应用领域关键零部件的研发、生产、销售和服务 [1] - 公司主营业务收入构成为：智能执行单元38.49%，减速电机37.00%，精密减速器22.41%，其他(补充)1.30%，配件0.80% [1] 机构股东动态 - 华夏基金旗下华夏中证机器人ETF（562500）位列公司十大流通股东，该基金在第三季度增持了60.6万股 [2] - 截至第三季度末，华夏中证机器人ETF持有公司股份324.17万股，占流通股比例为1.65% [2] - 基于当日股价涨幅测算，华夏中证机器人ETF所持股份单日浮盈约1406.89万元 [2] 相关基金产品信息 - 华夏中证机器人ETF（562500）成立于2021年12月17日，最新规模为264.65亿元 [2] - 该基金今年以来收益率为6.15%，近一年收益率为18.11%，成立以来收益率为8.07% [2] - 该基金的基金经理为华龙，其累计任职时间3年177天，现任基金资产总规模394.51亿元，任职期间最佳基金回报为177.18% [3]

公司股价与交易表现 - 2月13日，东杰智能股价上涨5.16%，报收23.23元/股，成交额达1.06亿元，换手率为0.98%，总市值为110.84亿元 [1] 公司基本信息与业务构成 - 公司全称为东杰智能科技集团股份有限公司，位于山西省太原市，成立于1995年12月14日，于2015年6月30日上市 [1] - 公司主营业务为智能物流输送系统、智能物流仓储系统、智能停车库的研发设计、生产和销售，以及汽车智能涂装生产线 [1] - 主营业务收入构成为：智能物流仓储系统占79.11%，智能生产系统占18.51%，备件及其他占1.67%，智能立体停车系统占0.70% [1] 主要流通股东动态 - 华夏基金旗下华夏中证机器人ETF（562500）位列公司十大流通股东，该基金在第三季度增持146.68万股，截至当时持有786.5万股，占流通股比例为1.65% [2] - 基于2月13日股价上涨测算，华夏中证机器人ETF（562500）当日浮盈约896.61万元 [2] 相关基金产品信息 - 华夏中证机器人ETF（562500）成立于2021年12月17日，最新规模为264.65亿元 [2] - 该基金今年以来收益率为6.15%，同类排名2460/5569；近一年收益率为18.11%，同类排名3206/4295；成立以来收益率为8.07% [2] - 该基金经理为华龙，累计任职时间3年177天，现任基金资产总规模为394.51亿元，任职期间最佳基金回报为177.18%，最差基金回报为-15.08% [3]

公司股价与交易表现 - 2月12日，瑞松科技股价上涨5.43%，报收54.92元/股 [1] - 当日成交额为2.68亿元，换手率为4.07% [1] - 公司总市值为67.21亿元 [1] 公司基本情况 - 广州瑞松智能科技股份有限公司成立于2012年8月8日，于2020年2月17日上市 [1] - 公司位于广东省广州市黄埔区瑞祥路188号 [1] - 主营业务为机器人系统集成与智能制造领域的研发、设计、制造、应用、销售和服务，致力于提供智能化、柔性化制造系统解决方案 [1] - 主营业务收入构成：机器人自动化生产线占76.23%，机器人配件销售及其他占12.12%，机器人工作站占11.44%，其他(补充)占0.21% [1] 主要流通股东动态 - 华夏基金旗下华夏中证机器人ETF（562500）位列公司十大流通股东 [2] - 该基金在第三季度增持瑞松科技36.98万股，截至当时持有203.09万股，占流通股比例为1.66% [2] - 基于2月12日股价涨幅测算，该基金当日浮盈约574.74万元 [2] 相关基金产品信息 - 华夏中证机器人ETF（562500）成立于2021年12月17日，最新规模为264.65亿元 [2] - 该基金今年以来收益率为4.75%，同类排名2855/5569；近一年收益率为17.78%，同类排名3321/4295；成立以来收益率为6.65% [2] - 该基金基金经理为华龙，累计任职时间3年176天，现任基金资产总规模394.51亿元，任职期间最佳基金回报为177.18%，最差基金回报为-15.08% [2]

公司2025年业绩概览 - 2025年全年实现营业收入96.26亿元，净利润23.96亿元，综合收益总额23.68亿元[2] - 截至2025年末，母公司管理资产规模历史性突破3万亿元，达到30144.84亿元[2] - 2025年上半年实现营业收入42.58亿元，净利润11.23亿元，管理资产规模为28512.37亿元[2] 财务表现与增长 - 以2024年全年为基数，2025年营收同比增长约19.86%至96.26亿元，净利润同比增长约11.03%至23.96亿元[3] - 2025年上半年营收和净利润同比分别增长16.05%和5.74%[3] - 2025年末总资产222.46亿元，总负债71.51亿元，整体负债率维持在约30%—32%区间[3] - 2025年下半年管理资产规模增长约1632亿元，全年站上30144.84亿元年度高点[4] - 2025年第二季度，旗下基金合计实现利润300.92亿元，成为当季度最赚钱的基金管理人[4] 业务结构分析 - 被动投资业务，尤其是ETF，成为公司最强劲的增长动力[5] - 截至2025年12月末，公司管理的ETF规模达到9555.63亿元，较2024年末的6491.74亿元增长45%，较2023年末的4000余亿元翻了一倍有余[5] - 2025年上半年ETF管理规模为7514.07亿元，较2024年同期的4707.76亿元增长2806.31亿元[5] - 华夏沪深300ETF、华夏上证50ETF、华夏中证机器人ETF等多只产品年内规模增长均超过百亿元[5] - 2025年末，公司的主动权益基金规模约为1500亿元，相较于2024年的1342亿元增幅有限，部分存续时间较长的主动产品甚至出现规模缩水[6] 行业竞争环境 - 2025年10月以来，包括公司在内的多家机构已将旗下多只ETF产品的管理费年费率从0.5%下调至0.15%，行业进入低费率竞争阶段[7] - 低费率导致单位规模所能贡献的管理费收入下降，直接对净利润增速形成压制，是公司净利润增速显著低于营收及规模增速的核心外部原因[7] - 当前ETF市场的竞争已进入白热化，费率、跟踪误差、流动性、做市商体系、持有人结构等环节均成为竞争关键[7] - 行业面临公募基金费率普遍下行、产品同质化竞争加剧的背景[7] 公司战略与展望 - ETF规模的急速膨胀巩固了公司在该赛道的头部地位，旗下多只宽基和行业ETF已成为机构投资者构建投资组合的“交易底座”[6] - 规模增长是宽基指数、红利策略、科技主题以及跨境指数产品等多条线共同放量的结果，也与银行、券商等渠道在资产配置方案中大幅提高ETF权重的趋势密切相关[5] - 维持行业龙头地位的关键在于保持在多个细分指数领域的先发优势、维持庞大的做市商网络以提供充足流动性，并控制运营成本以抵消费率下降的影响[7] - 持续做大并巩固在ETF领域的绝对优势是维持规模增长的现实选择，而唤醒并重振主动管理业务以平衡收入结构与品牌形象则是更为长期的课题[8] - 稳健的财务结构为公司应对行业变局提供了足够的缓冲空间，未来的发展将由业务结构的健康度、盈利能力的可持续性以及为投资者创造长期回报的能力共同定义[8]