核心观点 - 市场整体（wind全A指数）处于震荡格局，短期调整或仍未结束，建议耐心防御，等待市场成交额萎缩至1.7万亿元以下，届时有望迎来反弹 [2][5][7] - 根据量化择时体系，均线距离为4.33%，绝对值大于3%的阈值，同时市场赚钱效应为-4.35%，确认市场处于震荡格局 [2][5][6] - 核心观测变量是风险偏好，短期受美联储降息预期变化和中东地缘冲突推高油价等因素压制 [2][5][7] - 市场在逐渐缩量，但成交缩小幅度仍低于模型临界值，存在下跌中继的可能 [2][5][7] 市场回顾与表现 - 前周wind全A指数全周大跌4.13% [2][6] - 市值维度上，上周中证1000下跌5.25%，中证500下跌5.82%，沪深300下跌2.19%，上证50下跌2.47% [2][6] - 行业表现上，通信行业上涨1.71%，银行也录得涨幅；而有色金属行业下跌11.91%，钢铁表现较弱 [2][6] - 成交活跃度上，非银金融与房地产行业资金流入明显 [2][6] 量化择时信号 - Wind全A指数的20日均线收于6761点，120日均线收于6481点，短期均线位于长期均线之上，两线距离差为4.33% [2][6] - 市场趋势线位于6766点附近 [2][5][6] - 市场赚钱效应显著为负，为-4.35% [2][5][6] - 均线距离绝对值继续大于3%的模型阈值，市场被判定为震荡格局 [2][5][6] 估值与仓位建议 - Wind全A指数市盈率（PE）位于85分位点附近，属于中等偏高水平 [2][7] - Wind全A指数市净率（PB）位于50分位点，属于中等水平 [2][7] - 根据仓位管理模型，当前以wind全A为配置主体的绝对收益产品建议仓位为50% [2][5][7] 行业配置方向 - 中期行业配置模型显示，业绩趋势模型提示重点关注算力相关的产业链，具体标的包括半导体设备ETF（159516.SZ）和通信ETF（515880.SH） [2][5][12] - 同时关注周期板块，具体标的包括油气ETF汇添富（159309.SZ）和能源化工ETF建信（159981.SH），以及与新能源板块 [2][5][12] - 在防御思路下，短期可关注银行ETF与旅游ETF [2][5][12]

公司近期人才流失情况 - 2025年3月，医药基金经理齐震离任，其管理的华宝大健康混合基金在2025年收益达57.63% [2] - 2025年2月，管理规模上千亿的指数投资总监胡洁离职 [2] - 2024年12月，均衡风格投资总监闫旭离职 [2] - 2024年12月，指数研发投资部总经理张广宇离职 [3] - 2021年曾发生更严重离职潮，包括代云峰、曾豪、光磊等多位核心基金经理离职 [3] - 公司历史上也是管理人才输出方，多位前总经理及高管离职后在其他头部机构担任要职 [3] 公司业务发展瓶颈与深层问题 - 公司面临深层问题是在ETF、主动权益和固收等多个业务方向均有一定基础，但未能形成稳定的行业竞争优势 [4] - 随着ETF竞争加剧、主动权益规模难以突破及集团治理模式变化，公司面临新的发展瓶颈 [4] - 股东方中国宝武集团要求公司巩固指数投资、固收业务领先优势，并着力突破主动管理能力瓶颈 [3] ETF业务发展历程与现状 - 公司以行业主题ETF为特色，2025年底ETF占整体管理规模的一半，非货ETF占非货管理规模的57% [6] - 公司目前共46只ETF产品，其中仅6只左右为宽基ETF，其余均为行业主题和风格ETF [6] - 华宝添益ETF是国内首只货币型ETF，规模一度超过1500亿元，截至2025年3月12日规模为873.89亿元 [7] - 证券公司ETF是公司旗下最有优势的行业ETF，规模达381亿元 [7] - 公司非货ETF规模从2019年的164亿元增长至2025年的1300亿元 [9] - 但公司在ETF领域的行业排名从2023年的第10位下滑至2025年的第13位 [10] - 2025年公司ETF规模增长约460亿元，在行业前15位公司中增量居倒数第一 [11] ETF业务增长乏力的原因分析 - 公司行业ETF布局中传统产业居多，科技属性、新质生产力属性的产品较少，在科技成长行情中增长有限 [13] - 优势产品如证券公司ETF(381亿元)、中证医疗ETF(279亿元)、银行ETF(117亿元)等偏传统产业 [14] - 科技属性较强的产品如港股通互联网ETF(120亿元)在同类中缺乏规模优势，富国基金的同类产品规模达742亿元 [14] - 公司在半导体、通信、机器人等赛道布局较晚或没有产品布局 [14] - 行业ETF发展策略大而全，缺少对细分赛道的布局，例如人工智能ETF覆盖领域平均但不够细分 [14] - 医疗ETF、养老ETF等产品赛道过于分散，难以捕捉细分领域弹性 [15] - 公司投研偏重自上而下，在成长行业的细分赛道研究深度不够 [16] - 部分ETF产品净值低于1，且存在发行时机不佳问题，例如港股通创新药精选ETF目前净值腰斩 [16] - 科创芯片ETF在2025年1月才发行，规模12亿元，而市场上最早的同类产品嘉实科创芯片ETF成立于2022年，规模已达443亿元 [16] 主动权益业务现状与挑战 - 主动权益是公司发展短板，规模约300亿元，位列行业20名以外 [20] - 受限于国企身份，在激励上无法与完全市场化的公募相比，对人才吸引力有限 [21] - 极少从同业招募人才，基金经理多从券商研究所引进培养，但自身培养的优秀人才流失较多 [21] - 投研风格偏重自上而下，对团队研究实力与协作要求高，但公司在这方面能力一般 [21] - 目前表现相对不错的基金经理包括周期基金经理丁靖斐和科技基金经理郑英亮 [22] - 丁靖斐自2019年9月管理代表作至今，年化回报达25% [22] - 郑英亮以自上而下框架为主，2024年后重仓AI产业链，业绩不错 [22] - 多数基金经理表现平庸，包括老将刘自强、蔡目荣等，业绩不够突出 [23] - 权益投资总监蔡目荣管理的华宝价值发现基金自2018年至今，年化回报为5.79% [23] - 在大赛道上，如医药、消费等行业的主题基金经理业绩一般 [24] 集团治理与战略执行情况 - 公司从之前的总经理负责制逐渐过渡到2022年以后的董事长负责制，集团层面派驻的董事长对业务有更多参与 [27] - 2022年后，董事长黄孔威和夏雪松均卸任集团职务，在公司担任执行层面的董事长 [28] - 宝武集团钢铁主业面临行业不景气，2022-2024年宝钢股份营收从3690亿元降至3221亿元，净利润从122亿元降至73亿元 [29] - 相比集团内其他业务，公募基金行业前景更佳，公司在体系内重要性提升 [29] - 两任董事长擅长实业管理与财务管控，但缺少公募行业经验与资源积累 [29] - 前董事长黄孔威曾提出5年内规模突破万亿的目标，并聚焦五大业务领域，但效果一般 [30] - 现任董事长夏雪松提出构建“1+X”业务组合体系，并计划巩固指数与固收优势，突破主动管理瓶颈 [31] - 2024年9月，固收老将夏英加入公司担任常务副总经理，意图补充固收短板 [31] - 2024年9月至今，公司在固收上进展不多，仅发行了少量债基，同时继续发行了多只行业ETF与宽基 [31] - 当前管理团队在权益投研上缺少积累，业务发展依赖于投研能力的提升 [32] - 固收业务发展依赖体系化投研能力与渠道，公司底子相对较薄，挑战不小 [32]

量化模型、因子总结 量化模型与构建方式 1. **模型名称：市场环境择时体系**[2][5][7][12] * **模型构建思路**：通过计算Wind全A指数的短期均线与长期均线的距离差，并结合市场趋势线、赚钱效应等指标，来区分市场的整体环境（如震荡、上涨、下跌），从而进行大势判断[2][7]。 * **模型具体构建过程**： 1. 计算Wind全A指数的20日移动平均线（短期均线，MA20）和120日移动平均线（长期均线，MA120）[7]。 2. 计算两条均线的距离差，公式为： $$均线距离 = (MA20 - MA120) / MA120 * 100\%$$ 其中，MA20代表短期均线值，MA120代表长期均线值[7]。 3. 设定阈值（如±3%）来判断市场状态。报告指出，当均线距离绝对值大于3%时，市场可能处于趋势行情；当绝对值小于3%时，市场可能处于震荡格局[2][7]。 4. 结合市场趋势线（报告中提及位于6796点）和赚钱效应（报告中为-0.02%）等辅助指标进行综合判断[5][7][12]。 2. **模型名称：仓位管理模型**[2][8] * **模型构建思路**：结合市场的估值水平（PE、PB分位数）和短期趋势判断，为绝对收益产品提供股票仓位的配置建议[2][8]。 * **模型具体构建过程**： 1. 评估市场估值水平：计算Wind全A指数的PE（市盈率）和PB（市净率）在其自身历史数据中的分位数[2][8]。 2. 结合择时体系对短期趋势的判断（如上述市场环境判断）[2]。 3. 根据估值分位数和趋势状态的组合，输出建议仓位。例如，报告指出当前Wind全A的PE位于90分位点（较高水平），PB位于50分位点（中等水平），结合市场处于震荡格局的判断，模型建议仓位为60%[2][8]。 3. **模型名称：中期行业配置模型**[2][6][8][12] * **模型构建思路**：通过业绩趋势模型等子模型，筛选出未来一段时期内具备较强业绩增长趋势或配置价值的行业板块[2][6][8]。 * **模型具体构建过程**：报告未详细披露该模型的具体构建公式和步骤，但提及了其核心子模型及输出结果。 1. 核心子模型为“业绩趋势模型”，用于识别业绩向好的行业[2][6][12]。 2. 模型最终输出具体的行业配置建议。例如，本期报告提示重点关注算力相关产业链（半导体设备、通信）、周期板块（油气、能源化工）与农业板块[2][6][8][12]。 模型的回测效果 *本报告未提供上述模型的历史回测指标（如年化收益率、夏普比率、最大回撤、信息比率IR等）的具体数值。报告主要展示了模型在最新时点（2026年3月）的输出信号和判断结果[2][5][7][8][12]。* 量化因子与构建方式 *本报告未涉及对单个股票进行评价或筛选的量化因子（如价值因子、动量因子、质量因子等）的构建与说明。报告内容聚焦于市场择时、仓位管理和行业配置模型。* 因子的回测效果 *本报告未涉及量化因子的测试结果。*

报告行业投资评级 未提及 报告的核心观点 - 金融街证券研究所基于策略报告构建基于行业和主题ETF的策略组合 [2] - 2026年3月2 - 6日期间，策略累计净收益约 -2.24%，相对于沪深300ETF的超额收益约为 -1.01%；2024年10月14日至今，策略样本外累计收益约35.44%，相对于沪深300ETF累计超额约11.95% [3] - 2026年3月9日这一周，模型推荐配置股份制银行、电力、证券等板块，未来一周策略将新增持有银行ETF、绿电ETF等产品，并继续持有煤炭ETF等产品；截至上周末，部分ETF及标的指数的交易择时信号给出日度或周度风险提示 [12] 根据相关目录分别进行总结 策略组合构建 - 基于《行业轮动下的策略组合报告:基于行业风格延续和切换视角下的定量分析》(20241007)和《股票型ETF市场概览与配置方法研究:以基于行业轮动策略的ETF组合为例》(20241013)构建基于行业和主题ETF的策略组合 [2] 策略持仓情况 |基金代码|ETF名称|ETF市值（亿元）|持有情况|重仓申万行业及权重|周度择时信号|日度择时信号| | --- | --- | --- | --- | --- | --- | --- | |159887|银行ETF|14.61|调入|股份制银行(43.36%)|1|0| |562550|绿电ETF|5.13|调入|电力(99.26%)|1|1| |159933|金融地产ETF国投瑞银|1.18|调入|证券(27.4%)|-1|-1| |159326|电网设备ETF|314.55|调入|电网设备(77.17%)|1|1| |510060|央企ETF工银|1.05|调入|国有大型银行II(16%)|1|0| |515220|煤炭ETF|102.90|继续持有|煤炭开采(89.08%)|1|1| |562900|农业ETF易方达|1.23|调入|养殖业(50.1%)|-1|1| |560980|光伏龙头ETF广发|4.58|调入|光伏设备(46.99%)|1|-1| |510010|180治理ETF交银|2.54|调入|保险(10.74%)|0|1| |159790|碳中和ETF|15.96|调入|电池(32.5%)|-1|-1| [3] 策略业绩追踪 - 20260302 - 20260306期间，策略累计净收益约 -2.24%，相对于沪深300ETF的超额收益约为 -1.01%；2024年10月14日至今，策略样本外累计收益约35.44%，相对于沪深300ETF累计超额约11.95% [3] 近1周持仓与表现 |基金代码|ETF名称|ETF市值（亿元）|近1周涨跌幅(%)|持有情况| | --- | --- | --- | --- | --- | |159707|地产ETF|6.69|-3.23|调出| |159745|建材ETF|24.62|-2.35|调出| |159796|电池ETF汇添富|77.49|1.42|调出| |512800|银行ETF|119.60| -6.99|调出| |159869|游戏ETF|107.21| -4.77|调出| |159766|旅游ETF|65.68| -4.77|调出| |515220|煤炭ETF|102.90|2.91|继续持有| |159328|家电ETF易方达|1.24| -1.47|调出| |515650|消费50ETF|36.01| -1.13|调出| |515760|浙江国资ETF华夏|1.43| -1.13|调出| | |ETF组合平均收益| | -2.24| | |510300|沪深300ETF|2081.78| -1.23| | | |ETF组合超额收益| | -1.01| | [11] 未来1周推荐 - 2026年3月9日这一周，模型推荐配置股份制银行、电力、证券等板块，未来一周策略将新增持有银行ETF、绿电ETF、金融地产ETF国投瑞银、电网设备ETF、央企ETF工银等产品，并继续持有煤炭ETF等产品；截至上周末，部分ETF及标的指数的交易择时信号给出日度或周度风险提示 [12]

报告行业投资评级 * 报告未明确给出针对具体行业的“增持”、“中性”或“减持”评级，但通过行业配置模型给出了明确的板块推荐方向 [3][6][7] 报告核心观点 * 市场整体判断为震荡格局，短期调整可能尚未结束，需耐心等待成交额萎缩至2万亿元以下以迎来有效反弹 [3][6][8][11][17] * 市场跌破趋势线，核心观测变量是风险偏好的变化，当前受国内两会尾声及中东地缘冲突持续、油价上涨等因素压制 [3][6][8][11][17] * 基于量化择时体系，Wind全A指数短期均线（20日线）收于6784点，长期均线（120日线）收于6432点，两线距离差为5.47%，绝对值大于3%的阈值，同时赚钱效应转负至-0.1%，确认市场进入震荡格局 [3][6][8][10] * 从估值看，Wind全A指数PE处于90分位点（较高水平），PB处于50分位点（中等水平），结合趋势模型建议绝对收益产品仓位为60% [3][12] 市场回顾与观察 * 上周（报告期）Wind全A指数整体下挫2.3% [3][7][9] * 市值维度：中证1000指数下跌3.64%，中证500指数下跌3.44%，沪深300指数下跌1.07%，上证50指数下跌1.54% [3][7][9] * 行业表现：石油石化行业上涨7.18%，涨幅靠前；传媒行业下跌6.96%，表现较弱 [3][7][9] * 资金流向：石油石化与农业行业资金流入明显 [3][7][9] 行业配置建议 * **科技板块**：TWO BETA模型继续推荐科技板块，并特别关注商业航天（卫星ETF 563230.SH）的超跌反弹机会 [3][7][9][11][17] * **算力产业链**：业绩趋势模型提示重点关注半导体设备（ETF代码 159516.SZ）和通信（ETF代码 515880.SH） [3][7][9][11][17] * **周期与农业板块**：业绩趋势模型同时推荐关注周期（油气ETF 159309.SZ、能源化工ETF 159981.SH）与农业（农业ETF 562900.SH）板块 [3][7][9][11][17] * **防御性板块**：短期防御思路下可关注银行ETF [3][7][9][11][17]

量化模型与构建方式 1. **模型名称：择时体系（均线距离模型）** * **模型构建思路**：通过比较市场指数短期均线与长期均线的相对位置和距离，来判断市场的整体环境（如上涨、下跌或震荡）[3][8][10]。 * **模型具体构建过程**： 1. 选择基准指数：Wind全A指数。 2. 计算均线：计算指数的20日移动平均线（短期均线，MA20）和120日移动平均线（长期均线，MA120）[3][8][10]。 3. 计算均线距离：计算短期均线与长期均线的距离差，通常以百分比表示。公式为： $$均线距离 = \frac{MA20 - MA120}{MA120} \times 100\%$$ 其中，MA20代表20日均线值，MA120代表120日均线值[3][8][10]。 4. 设定阈值进行判断：报告指出，当均线距离的绝对值大于3%时，作为判断市场是否进入趋势行情（上涨或下跌）的阈值之一[3][6][8]。结合“赚钱效应”（推测为一定时间窗口的累计收益）和“市场趋势线”等信号，综合判断市场格局（如震荡或趋势）[3][6][8]。 2. **模型名称：仓位管理模型** * **模型构建思路**：综合市场估值水平（PE、PB分位数）和短期趋势判断，为绝对收益产品提供股票仓位的配置建议[3][12]。 * **模型具体构建过程**： 1. **估值评估**：计算Wind全A指数的PE（市盈率）和PB（市净率）在历史数据（例如2014年10月17日至当前）中所处的分位数[3][12][14][16]。 2. **趋势判断**：结合择时体系等模型对市场短期趋势的判断（如震荡格局）[3][12]。 3. **仓位决策**：根据估值分位数（例如PE位于90分位点属于较高水平，PB位于50分位点属于中等水平）和短期趋势，通过模型规则输出建议仓位。例如，当前建议仓位为60%[3][12]。 3. **模型名称：TWO BETA 模型** * **模型构建思路**：作为中期行业配置模型的一部分，用于识别和推荐具有特定风险暴露（Beta）的板块，报告中提及继续推荐科技板块[3][7][9][11]。 * **模型具体构建过程**：报告未详细描述该模型的具体构建公式和步骤，仅提及其为行业配置模型并给出推荐结论[3][7][9][11]。 4. **模型名称：业绩趋势模型** * **模型构建思路**：作为中期行业配置模型的一部分，通过分析行业的业绩趋势来提示重点关注的产业链或板块[3][7][9][11]。 * **模型具体构建过程**：报告未详细描述该模型的具体构建公式和步骤，仅提及其提示关注算力产业链、周期与农业板块[3][7][9][11]。 模型的回测效果 （注：本篇周报主要为当前市场观点和模型信号展示，未提供各个模型完整的历史回测绩效指标，如年化收益率、夏普比率、最大回撤等。因此，本部分仅列出报告中给出的当前时点模型信号或结果取值。） 1. **择时体系（均线距离模型）**， 均线距离：5.47%[3][6][8][10]， 市场趋势线位置：6790点附近[3][6][8][10]， 赚钱效应：-0.1%[3][6][8][10]， 市场格局判断：震荡格局[3][6][8][10] 2. **仓位管理模型**， 建议仓位：60%[3][6][12] 3. **TWO BETA 模型**， 当期推荐板块：科技板块[3][7][9][11] 4. **业绩趋势模型**， 当期提示关注板块：算力相关产业链（半导体设备、通信）、周期板块（油气、能源化工）、农业板块[3][7][9][11] 量化因子与构建方式 （注：本篇报告未涉及针对个股的量化因子（如价值、动量、质量等因子）的构建与测试，主要描述的是市场择时和行业配置模型。因此，本部分无相关内容。） 因子的回测效果 （注：本篇报告未涉及量化因子的测试，因此本部分无相关内容。）

报告行业投资评级 - 未提及相关内容 报告的核心观点 - 金融街证券研究所基于两篇策略报告构建基于行业和主题ETF的策略组合 [2] - 2026年3月2日一周模型推荐配置房地产开发、水泥、电池等板块，未来一周策略将新增持有建材ETF、电池ETF汇添富等产品，继续持有地产ETF、旅游ETF等产品 [13] - 截至上周末，部分ETF及标的指数的交易择时信号给出日度或周度风险提示 [13] 根据相关目录分别进行总结 策略更新 - 展示了多只ETF的基金代码、名称、市值、持有情况、重仓申万行业及权重、周度和日度择时信号，择时信号为量价指标，1为看多，0为中性， -1为看空 [3] 业绩追踪 - 20260224 - 20260227期间，策略累计净收益约0.44%，相对于沪深300ETF的超额收益约为 -0.71% [5] - 2024年10月14日至今，策略样本外累计收益约38.54%，相对于沪深300ETF累计超额约13.71% [5] 行业轮动ETF策略近1周持仓与表现 - 展示了多只ETF的调出、继续持有情况、市值、近1周涨跌幅，以及ETF组合平均收益和相对于沪深300ETF的超额收益 [13] 行业轮动ETF策略未来1周推荐板块与产品 - 20260302 - 20260306推荐配置房地产开发、水泥、电池等板块，新增持有建材ETF等产品，继续持有地产ETF等产品 [13]

量化模型与构建方式 **本报告为ETF市场周度数据统计与描述性分析报告，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、资金流向等指标的统计和描述，不包含模型或因子的构建、回测及效果评价。** [7][9][10] 量化因子与构建方式 **本报告为ETF市场周度数据统计与描述性分析报告，未涉及具体的量化选股因子。报告内容主要为对各类ETF的业绩、规模、估值、资金流向等指标的统计和描述，不包含因子的构建、回测及效果评价。** [7][9][10] 报告核心统计指标与方法 虽然报告未涉及量化模型或因子，但详细阐述了用于分析ETF市场的核心统计指标及其计算方法。 ETF业绩表现统计 1. **指标名称**：周度收益率 * **构建思路**：计算ETF在统计周期内的价格涨跌幅，以反映其短期市场表现[2]。 * **具体构建过程**：使用ETF的单位复权净值进行计算。统计周期为上周（2026年02月02日至2026年02月06日）。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[13][17]。 * **评价**：该指标是衡量ETF短期价格变动最直接的指标。 2. **指标名称**：涨跌幅中位数 * **构建思路**：为消除极端值影响，更稳健地反映某一类别ETF的整体表现，采用该类ETF周度收益率的中位数[2][13]。 * **具体构建过程**：首先计算某一类别（如宽基、板块、主题）内所有ETF的周度收益率，然后取该组数据的中位数作为代表值。例如，报告指出上周股票型ETF周度收益率中位数为-1.71%[2][13]。 * **评价**：中位数相比平均值对异常值不敏感，能更好地反映ETF群体的普遍表现。 ETF规模与资金流统计 1. **指标名称**：净申赎规模 * **构建思路**：通过ETF份额的变动来估算资金的流入流出情况，反映投资者行为[3]。 * **具体构建过程**：使用上市后ETF当日的份额变动乘以收盘价来近似计算每日净申赎规模。为规避份额折算/拆分的影响，份额折算/拆分当日的份额变动设为0。另外，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[30][60]。 * **评价**：该指标是观察市场资金动向和投资者情绪的重要窗口。 2. **指标名称**：规模变动 * **构建思路**：衡量ETF总资产净值的变化，由价格变动和份额变动共同驱动[3]。 * **具体构建过程**：ETF总规模的计算基于其份额和单位净值。报告指出，在计算规模变动时，ETF在上市之后才参与规模和规模变动统计，ETF上市规模不计入规模变动中。同时，对分红的调整方式与净申赎计算保持一致[30][60]。 * **评价**：规模变动综合反映了资产价格变化和资金流入流出的共同影响。 ETF估值水平统计 1. **指标名称**：估值历史分位数 * **构建思路**：将当前估值水平置于历史序列中，判断其相对位置，用于评估ETF的估值高低[4]。 * **具体构建过程**：使用每日各类别内ETF基准指数的估值（市盈率PE或市净率PB）中位数代表该类ETF的估值。计算该中位数在过去5年历史数据中的分位数水平。例如，截至上周五，上证50ETF的市盈率处于81.77%的历史分位数水平[36][38]。 * **评价**：历史分位数是进行跨时间和跨类别估值比较的有效工具，能直观显示估值处于历史高位还是低位。 ETF融资融券情况统计 1. **指标名称**：日均融资买入额 / 日均融券卖出量 * **构建思路**：统计ETF在融资融券市场上的活跃度，反映杠杆资金和多空力量的动向[5]。 * **具体构建过程**：统计周期为上周一至周四。对股票型ETF的融资买入额和融券卖出量进行日均计算，并列出排名前十的ETF。例如，证券ETF和科创板ETF的日均融资买入额较高[52][53]。 * **评价**：这些指标反映了市场内活跃资金对特定ETF的看多或看空情绪。 ETF管理人统计 1. **指标名称**：基金管理人非货币ETF总规模 * **构建思路**：统计各基金公司管理的已上市、非货币ETF的总规模，以衡量其在ETF市场的管理能力和市场地位[6]。 * **具体构建过程**：截至统计日（上周五），汇总各基金管理人旗下所有已上市的非货币ETF的规模。报告列出了管理规模排名前20的基金公司[58]。 * **评价**：该指标是评估基金公司在被动投资领域竞争格局的核心指标。 统计指标结果摘要 **以下为报告中对上述核心统计指标在特定统计周期（2026年02月02日至02月06日当周）内的具体取值摘要：** ETF业绩表现指标取值 * **股票型ETF周度收益率中位数**：-1.71%[2][13] * **宽基ETF涨跌幅中位数**：上证50ETF为-0.82%（跌幅最小），科创板ETF为-4.40%[13] * **板块ETF涨跌幅中位数**：消费ETF为0.10%（收益最高），科技ETF为-5.02%[19] * **主题ETF涨跌幅中位数**：光伏ETF为3.09%（收益最高），AI ETF为-8.48%[19] ETF规模与资金流指标取值 * **股票型ETF净申赎规模**：净赎回20.56亿元[3][30] * **宽基ETF净申赎规模**：科创板ETF净申购最多，为55.01亿元；中证500ETF净赎回最多，为116.47亿元[3][30] * **板块ETF净申赎规模**：科技ETF净申购最多，为104.05亿元；周期ETF净赎回最多，为95.27亿元[33] * **主题ETF净申赎规模**：AI ETF净申购最多，为44.72亿元；光伏ETF净赎回最多，为8.00亿元[33] ETF估值指标取值（截至上周五历史分位数） * **宽基ETF市盈率分位数**：创业板类较低（64.44%），中证500较高（98.51%）[36][38] * **宽基ETF市净率分位数**：上证50较低（59.16%），中证500较高（98.51%）[38] * **板块ETF市盈率分位数**：大金融较低（23.84%），科技较高（94.88%）[42] * **主题ETF市盈率分位数**：光伏较高（99.34%），酒ETF估值分位数较前周明显提升[45] ETF融资融券指标取值（上周一至周四） * **股票型ETF融资余额**：由523.43亿元下降至520.46亿元[49] * **股票型ETF融券余量**：由22.05亿份上升至23.12亿份[49] * **日均融资买入额较高ETF**：证券ETF（4.39亿元）、科创板ETF（5.93亿元）[53] * **日均融券卖出量较高ETF**：中证1000ETF（27.53万手）、中证500ETF（12.30万手）[57] ETF管理人指标取值（截至上周五） * **非货币ETF管理规模前三**：华夏基金（7396亿元）、易方达基金（6832亿元）、华泰柏瑞基金（4335亿元）[58]

量化模型与构建方式 **注意：** 根据提供的研报内容，报告核心为ETF市场数据周度统计与描述，并未涉及具体的量化选股模型或多因子模型的构建、测试与评价。因此，本部分无相关内容。 量化因子与构建方式 **注意：** 根据提供的研报内容，报告核心为ETF市场数据周度统计与描述，并未涉及具体的量化因子（如价值、动量、质量等）的构建、测试与评价。因此，本部分无相关内容。 模型的回测效果 **注意：** 根据提供的研报内容，报告未涉及任何量化模型的回测效果展示。因此，本部分无相关内容。 因子的回测效果 **注意：** 根据提供的研报内容，报告未涉及任何量化因子的回测效果（如IC、IR、多空收益等）展示。因此，本部分无相关内容。

报告行业投资评级 未提及相关内容 报告的核心观点 - 上周股票型ETF周度收益率中位数为 -1.71%，宽基ETF中上证50ETF跌幅最小，板块ETF中消费ETF收益最高，热点主题中光伏ETF收益最高 [1][12][18][61] - 上周股票型ETF净赎回20.56亿元，宽基ETF中科创板ETF净申购最多，板块ETF中科技ETF净申购最多，主题ETF中AIETF净申购最多 [2][29][32][34][61] - 截至上周五，华夏、易方达、华泰柏瑞三家基金公司的已上市、非货币ETF总规模排名前三 [55][61] 根据相关目录分别进行总结 ETF业绩表现 - 上周股票型ETF周度收益率中位数为 -1.71%，上证50、沪深300、A500、中证1000、中证500、创业板类、科创板ETF的涨跌幅中位数分别为 -0.82%、 -1.29%、 -1.77%、 -2.46%、 -2.67%、 -3.28%、 -4.40%；债券型、货币型、跨境型、商品型ETF的涨跌幅中位数分别为0.02%、0.02%、 -2.19%、 -6.07% [12] - 分板块来看，上周股票型ETF中消费、周期、大金融、科技板块ETF的涨跌幅中位数分别为0.10%、 -0.15%、 -0.30%、 -5.02% [18] - 按热点主题进行分类，股票型ETF中光伏、酒、银行ETF的涨跌幅中位数分别为3.09%、2.59%、2.10%，表现相对强势，AI、芯片、机器人ETF的涨跌幅中位数分别为 -8.48%、 -8.05%、 -1.30%，表现相对弱势 [18] ETF规模变动及净申赎 - 截至上周五，股票型、跨境型、债券型ETF的规模分别为30970亿元、10195亿元、7213亿元，商品型、货币型ETF的规模相对较小，分别为3229亿元、1600亿元 [22] - 宽基ETF方面沪深300、A500ETF的规模较大，分别为5960亿元、2718亿元，科创板、中证500、创业板类、上证50、中证1000ETF的规模相对较小，分别为1913亿元、1390亿元、1303亿元、852亿元、584亿元 [22] - 分板块来看，截至上周五科技板块ETF规模为5344亿元，周期板块ETF规模次之，为3336亿元，消费、大金融ETF的规模相对较小，分别为2062亿元、2023亿元 [27] - 按热门主题来看，截至上周五芯片、证券、医药ETF的规模最高，分别为1912亿元、1411亿元、1166亿元 [27] - 上周股票型ETF净赎回20.56亿元，总体规模减少804.68亿元；货币型ETF净申购63.11亿元，总体规模增加63.25亿元 [29] - 在宽基ETF中，科创板ETF净申购最多，为55.01亿元，其规模减少52.48亿元；中证500ETF净赎回最多，为116.47亿元，其规模减少159.17亿元 [29] - 按板块来看，上周科技ETF净申购最多，为104.05亿元，其规模减少184.79亿元；周期ETF净赎回最多，为95.27亿元，其规模减少210.91亿元 [32] - 按热点主题来看，上周AIETF净申购最多，为44.72亿元，其规模减少32.71亿元；光伏ETF净赎回最多，为8.00亿元，其规模减少1.98亿元 [32] ETF基准指数估值情况 - 截至上周五，上证50、沪深300、中证500、中证1000、创业板类、A500ETF的市盈率分别处于81.77%、84.32%、98.51%、98.43%、64.44%、93.78%的分位数水平，市净率分别处于59.16%、71.45%、98.51%、78.22%、65.18%、93.53%的分位数水平 [35][37] - 自2019年12月31日开始计算，科创板类ETF目前的市盈率和市净率分别处于84.57%、78.38%的分位数水平 [37] - 截至上周五，周期、大金融、消费、科技板块ETF的市盈率分别处于88.20%、23.84%、29.79%、94.88%的分位数水平，其市净率分别处于88.78%、45.79%、35.07%、90.84%的分位数水平 [41] - 截至上周五，光伏、军工、芯片ETF的市盈率分位数较高，分别为99.34%、98.18%、94.97%；AI、机器人、红利ETF的市净率分位数较高，分别为97.36%、96.37%、93.89% [44] - 与前周相比，酒ETF的估值分位数明显提升 [44] - 总的来看，在宽基ETF中，创业板类、上证50ETF的估值分位数相对较低；按板块来看，大金融、消费ETF的估值分位数相对温和；按照细分主题来看，酒、新能车ETF的估值分位数相对较低 [47] ETF融资融券情况 - 总体来看，近一年内股票型ETF的融资余额和融券余量双升 [48] - 截至上周四，股票型ETF融资余额由前周的523.43亿元下降至520.46亿元，融券余量由前周的22.05亿份上升至23.12亿份 [48] - 上周一至周四股票型ETF中日均融资买入额较高的为证券ETF和科创板ETF，日均融券卖出量较高的是中证1000ETF和中证500ETF [51][53][54] ETF管理人 - 截至上周五，华夏基金上市非货币ETF总规模排名第一，并且在规模指数ETF、主题、风格及策略指数ETF和跨境型ETF等多个细分领域都有较高的管理规模 [55] - 易方达基金上市非货币ETF总规模排名第二，并且在规模指数ETF和跨境型ETF方面管理规模较高 [55] - 华泰柏瑞基金上市非货币ETF总规模排名第三，并且在规模指数ETF和主题、风格及策略指数ETF方面管理规模较高 [55]