量化模型与构建方式 1. **模型名称**：基于交易动机因子及股票价差收益因子的选基策略[2][23] * **模型构建思路**：结合基金的交易动机和利润表中的股票价差收益，筛选出股票价差收益较高、拥有主动交易动机且业绩粉饰可能性较低的基金[23]。 * **模型具体构建过程**：首先，将基金的交易动机进行划分并构造基金交易动机因子。该因子由估值/流动性动机因子和业绩粉饰动机因子等权合成[48]。其中，估值/流动性动机因子根据基金报告期间资金流与股票买卖金额、累计买入/卖出股票金额2%以上或前20股票成交额占比数据计算得出[48]。其次，从基金利润表的股票投资收益科目中提取股票价差收益因子[48]。最后，将这两个因子相结合，构建选基策略[23]。 2. **模型名称**：交易独特性选基策略[3][31] * **模型构建思路**：根据基金经理的持股和交易明细构建网络，并计算基金经理的交易独特性指标，以此构建选基策略[3][31]。 * **模型具体构建过程**：先根据基金经理持股、交易数据构建基金经理网络，然后基于该网络计算出每个基金经理与其相关联基金经理在交易方面的差异，以此作为交易独特性因子[49]。基于该因子构建选基策略[31]。 3. **模型名称**：基于申报信息的行业主题ETF轮动策略[4][36] * **模型构建思路**：利用基金发行流程中申请材料公示阶段的前瞻性信息，构造因子筛选与申报ETF相近的行业主题ETF，以把握市场投资热点[4][36]。 * **模型具体构建过程**：先统计上个月申报的股票型ETF跟踪的指数，统计出该指数池与市场上指数的成分相似度，构建行业主题申报相似因子（T+1）[49]。基于该因子构建行业主题ETF轮动策略[36]。 量化因子与构建方式 1. **因子名称**：交易动机类因子[48] * **因子构建思路**：刻画基金经理的交易动机，包括估值/流动性动机和业绩粉饰动机[48]。 * **因子具体构建过程**：该因子由估值/流动性动机因子、业绩粉饰动机因子等权合成[48]。其中，估值/流动性动机因子根据基金报告期间资金流与股票买卖金额、累计买入/卖出股票金额2%以上或前20股票成交额占比数据计算得出[48]。 2. **因子名称**：股票价差收益因子[48] * **因子构建思路**：从基金利润表中提取基金经理通过股票交易实现的价差收益[48]。 * **因子具体构建过程**：该因子由基金利润表中股票价差收入（股票投资收益科目）计算而来[48]。 3. **因子名称**：交易独特性因子[49] * **因子构建思路**：基于基金经理网络，衡量基金经理交易行为与其关联基金经理的差异程度[49]。 * **因子具体构建过程**：先根据基金经理持股、交易数据构建基金经理网络，然后基于该网络计算出每个基金经理与其相关联基金经理在交易方面的差异[49]。 4. **因子名称**：行业主题申报相似因子（T+1）[36][49] * **因子构建思路**：利用新申报ETF的信息，计算其与现有行业主题ETF的相似度，以捕捉市场热点[36][49]。 * **因子具体构建过程**：先统计上个月申报的股票型ETF跟踪的指数，统计出该指数池与市场上指数的成分相似度，构建行业主题申报相似因子[49]。 5. **因子名称**：基金业绩动量类因子[48] * **因子构建思路**：综合多个维度衡量基金过去一段时间的业绩表现动量[48]。 * **因子具体构建过程**：该类因子由四个因子等权重合成，包含4因子模型alpha、夏普比率、区间胜率、HM模型中的择时能力系数，均用过去1年的基金净值数据进行计算[48]。 6. **因子名称**：选股能力因子[48] * **因子构建思路**：评估基金经理的选股能力[48]。 * **因子具体构建过程**：该因子根据多期Brinson模型，使用基金季频重仓股数据进行计算，由选股胜率、选股超额收益率两个因子等权重合成而来[48]。 7. **因子名称**：隐形交易能力因子[48] * **因子构建思路**：从收益和风险两个层面度量基金交易带来的贡献[48]。 * **因子具体构建过程**：该因子由隐形收益能力因子、风险转移能力因子等权重合成而来[48]。 8. **因子名称**：主动轮动收益因子[49] * **因子构建思路**：体现基金风格轮动带来的收益结果[49]。 * **因子具体构建过程**：该因子根据区间风格主动变化及区间风格因子收益计算[49]。 9. **因子名称**：绝对主动轮动指标[49] * **因子构建思路**：衡量基金经理主动进行风格调整的部分[49]。 * **因子具体构建过程**：该因子将基金报告期之间的风格变化，剔除了被动变化的部分，保留基金经理主动调整的部分[49]。 模型的回测效果 1. **基于交易动机因子及股票价差收益因子的选基策略**[23][27] * **1月份收益率**：10.96%[27] * **年化收益率**：11.56%[27] * **年化波动率**：21.60%[27] * **Sharpe比率**：0.54[27] * **最大回撤率**：48.39%[27] * **年化超额收益率**：3.87%[27] * **超额最大回撤率**：19.22%[27] * **信息比率(IR)**：0.64[27] * **1月份超额收益率**：3.60%[27] 2. **交易独特性选基策略**[31][35] * **1月份收益率**：8.03%[35] * **年化收益率**：14.26%[35] * **年化波动率**：19.47%[35] * **Sharpe比率**：0.73[35] * **最大回撤率**：37.26%[35] * **年化超额收益率**：5.70%[35] * **超额最大回撤率**：10.84%[35] * **信息比率(IR)**：1.10[35] * **1月份超额收益率**：0.86%[35] 3. **基于申报信息的行业主题ETF轮动策略**[36][40][43] * **1月份收益率**：22.66%[40] * **年化收益率**：22.45%[40] * **年化波动率**：21.39%[40] * **Sharpe比率**：1.05[40] * **最大回撤率**：34.89%[43] * **年化超额收益率**：13.84%[43] * **超额最大回撤率**：19.07%[43] * **信息比率(IR)**：0.76[43] * **1月份超额收益率**：18.18%[43]

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相关策略报告构建基于行业和主题ETF的策略组合 [2] - 20251229 - 20251231期间策略累计净收益约 - 1.44%，相对于沪深300ETF的超额收益约为 - 0.80%；2024年10月14日至今，策略样本外累计收益约30.30%，相对于沪深300ETF累计超额约7.80% [3] - 20260105一周，模型推荐配置航空装备、航天装备、航空机场等板块，未来一周策略将新增持有航空航天ETF龙头、卫星产业ETF等产品，并继续持有黄金股ETF等产品 [12] 根据相关目录分别进行总结 策略更新 - 调入航空航天ETF（市值1.71亿元，重仓航空装备61.39%）、卫星产业ETF（市值15.51亿元，重仓航天装备34.22%）等多只ETF，电信ETF周度和日度择时信号为 - 1（看空），高端制造ETF周度和日度择时信号为0（中性），其余调入ETF周度和日度择时信号为1（看多）；黄金股ETF继续持有，周度择时信号为1，日度择时信号为0 [3] 业绩追踪 - 20251229 - 20251231期间，策略累计净收益约 - 1.44%，相对于沪深300ETF的超额收益约为 - 0.80%；2024年10月14日至今，策略样本外累计收益约30.30%，相对于沪深300ETF累计超额约7.80% [3] 近1周持仓与表现 - 调出证券ETF龙头、矿业ETF等多只ETF，黄金股ETF继续持有，ETF组合平均收益 - 1.44%，沪深300ETF涨跌幅 - 0.80%，ETF组合超额收益 - 0.65% [12] 未来1周推荐板块与产品 - 20260105一周，模型推荐配置航空装备、航天装备、航空机场等板块，未来一周策略将新增持有航空航天ETF龙头、卫星产业ETF、旅游ETF、稀有金属ETF等产品，并继续持有黄金股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]

行业政策与战略定位 - 中央经济工作会议与二十届四中全会为“十五五”时期加快构建新发展格局、推动高质量发展作出战略部署，为金融强国和资本市场高质量发展赋予新使命 [1][7] - 公募基金作为资本市场重要机构投资者，是连接实体经济与居民财富的关键纽带，其发展成效关系到金融强国建设和中国式现代化的推进质效 [1][7] - 2026年是“十五五”开局之年，也被视为公募基金践行高质量发展的“全面发力”年 [6][12] 金融赋能新质生产力 - 中央经济工作会议指出要“因地制宜发展新质生产力”、“坚持创新驱动”并“创新科技金融服务”，新质生产力的核心是科技创新，需要长期资本精准赋能 [2][8] - 公募基金需当好“耐心资本”，助力“长钱长投”市场生态建设 [2][8] - 华夏基金秉承“研究创造价值”，构建适应新质生产力的投研体系，未来将更多关注技术壁垒、研发投入、产业链地位等长期成长要素 [2][8] - 公司鼓励投研人员深入产业链一线，发掘具备核心技术、代表中国未来竞争力的优质企业，以形成对新质生产力的长期稳定支持 [2][8] - 华夏基金成立了第一家公募基金股权子公司，将持续挖掘生物医药、科技、新能源等新质生产力方向中拥有自主创新及前沿技术的优质企业 [2][8] 产品布局与资本引导 - 华夏基金大力发展科创板、创业板、北交所等主题基金以及半导体、人工智能、高端制造、绿色能源等细分行业ETF，已形成品类较齐、规模较大的特色科技产品组合 [3][9] - 指数产品因“快易廉明”特点，成为科创领域投资机会的“吹号者”和发展新质生产力的“加速器” [3][9] - 公司将持续聚焦科技创新、数字经济等重点领域的ETF申报发行，并通过二级市场股票持仓将资金投向有前景的高新科技企业 [3][9] - 公司通过指数化投资和主动管理双轮驱动，提升资本市场对科技创新的包容性和支持度 [3][9] - 公司还将加快布局契合创新驱动发展战略的产品，发挥价值发现和资产定价功能，提升科创类企业权益融资便利性和实体经济创新效能 [3][9] 投资者服务与普惠金融 - 中央经济工作会议强调“坚持民生为大”，聚焦扩大内需、优化供给、增进民生福祉，并强调“制定实施城乡居民增收计划” [4][10] - 随着居民财富积累和人口老龄化加速，如何让老百姓的“钱袋子”保值增值是公募基金行业亟待解决的时代课题 [4][10] - 华夏基金坚守“以投资者为中心”的经营理念，持续开展普惠金融，降低理财门槛，促进共同富裕 [4][10] - 公司目前已服务超2.4亿个人投资者，超32万户机构投资者，旗下公募基金累计分红超过2300亿元 [4][10] - 公司以提升投资者获得感为目标，落实降费、让利、惠民政策导向，积极改造存量基金产品，创设浮动费率基金新产品 [4][10] - 公司以国内首个聚焦指数投资的全品类一站式线上服务平台“红色火箭”为基础，持续迭代优化功能，将专业资产管理能力产品化、工具化、可视化，助力投资者实现资产配置和财富成长 [4][10] 养老金融业务 - 养老产业已成为关乎国计民生的重要领域 [5][11] - 作为首批获得各项养老金业务资格的机构，华夏基金目前管理的各项养老金总规模已超过4400亿元 [5][11] - 公司将不断丰富产品供给，适配养老金多样化配置，以风险可测可控、适配社会大众多元化多层次养老需求为目标，加大产品设计与开发创新力度 [5][11] - 公司将研发设计个性化、多元化、多层次的养老金融产品 [5][11] - 公司秉持长期投资、价值投资理念，构建科学严谨规范体系化的投研决策流程，建立并坚持长期考核，采用成熟资产配置策略，为养老金资产长期保值增值提供专业保障 [5][11] 公司战略与愿景 - 华夏基金深耕行业超过27年，坚持“为信任奉献回报”的企业宗旨，致力于打造全能型多资产投资平台，做行业的领军者和深耕者 [6][12] - 公司将进一步推动业务发展与时代大局深度融合，在服务实体经济与国家战略、满足居民财富管理需求、促进资本市场改革发展稳定的实践中担负起职责使命 [6][12]

指数表现 - 国证机器人产业指数下跌1.7%，滚动市销率为4.8倍，自发布以来估值分位为99% [1][4] - 中证装备产业指数下跌1.5%，滚动市盈率为35.5倍，自发布以来涨幅为70% [1][3] - 中证军工指数下跌1.2%，滚动市盈率为114.6倍，自发布以来涨幅为83% [1][5] - 中证芯片产业指数下跌1.0% [1] 行业动态 - 国内人形机器人相关现存企业达834家，今年已注册123家，其中上半年注册量105家，同比增长183.78% [1] - 机器人ETF易方达（159530）全天获4200万份净申购 [1] 指数成分 - 国证机器人产业指数中，人形机器人占比53%，服务机器人占比17%，工业机器人占比30% [4] - 中证装备产业指数成分股来自电力设备、机械设备、国防军工行业 [3] - 中证军工指数成分股集中于航空装备、军工电子、航海装备行业，合计占比超70% [5]

量化模型与构建方式 1. **模型名称**：风格轮动型基金优选组合 **模型构建思路**：基于成长价值与大小盘两个维度，通过基金在两个报告期的股票持仓构建绝对主动轮动指标，识别风格轮动型基金，并利用主动轮动收益因子优选基金[3] **模型具体构建过程**： - 计算基金持仓的风格暴露变化，剔除被动调整部分，保留主动调整部分 - 构建绝对主动轮动指标： $$主动轮动指标 = \sum_{i=1}^{n} |w_{i,t} - w_{i,t-1}|$$ 其中$w_{i,t}$为第$i$只股票在$t$期的权重 - 根据主动轮动收益因子（风格轮动带来的超额收益）筛选基金[3] **模型评价**：能够有效捕捉基金经理主动调整风格的能力 2. **模型名称**：基于基金特征和基金能力的综合选基策略 **模型构建思路**：从基金规模、持有人结构、业绩动量、选股能力等维度构建选基因子，等权重合成[4] **模型具体构建过程**： - 基金规模类因子：合并口径的基金规模、份额 - 持有人结构类因子：员工持有份额占比 - 业绩动量类因子：由4因子模型alpha、夏普比率、区间胜率、HM择时能力系数等权合成 - 选股能力因子：基于Brinson模型计算选股胜率和超额收益 - 隐形交易能力因子：结合收益和风险贡献 - 含金量因子：考察重仓股中券商金股占比[4] 3. **模型名称**：基于交易动机因子及股票价差收益因子的选基策略 **模型构建思路**：结合交易动机（估值/流动性动机、业绩粉饰动机）与股票价差收益筛选基金[5] **模型具体构建过程**： - 交易动机因子： - 估值/流动性动机：根据资金流与股票买卖金额、大额成交占比计算 - 业绩粉饰动机：通过特定交易行为识别 - 股票价差收益因子：从基金利润表股票投资收益科目提取[5] 4. **模型名称**：基金经理持股网络交易独特性选基策略 **模型构建思路**：基于基金经理持股交易数据构建网络，计算交易独特性指标[6] **模型具体构建过程**： - 构建基金经理关联网络 - 计算每位基金经理与关联基金经理的交易差异度 - 生成交易独特性因子[6] 模型的回测效果 1. **风格轮动型基金优选组合** - 6月收益率：4.45% - 年化收益率：9.05% - 年化波动率：19.67% - Sharpe比率：0.46 - 最大回撤：37.30% - 年化超额收益：3.43% - IR：0.46[3] 2. **基于基金特征和基金能力的综合选基策略** - 6月收益率：4.26% - 年化收益率：13.09% - 年化波动率：22.51% - Sharpe比率：0.58 - 最大回撤：44.27% - 年化超额收益：4.92% - IR：0.61[4] 3. **基于交易动机因子及股票价差收益因子的选基策略** - 6月收益率：6.47% - 年化收益率：9.03% - 年化波动率：21.66% - Sharpe比率：0.42 - 最大回撤：48.39% - 年化超额收益：3.09% - IR：0.53[5] 4. **基金经理持股网络交易独特性选基策略** - 6月收益率：5.38% - 年化收益率：9.86% - 年化波动率：19.51% - Sharpe比率：0.51 - 最大回撤：37.26% - 年化超额收益：4.30% - IR：0.85[6] 量化因子与构建方式 1. **因子名称**：绝对主动轮动指标 **因子构建思路**：衡量基金风格主动调整程度[3] **因子具体构建过程**： $$指标值 = \sum_{i=1}^{n} |w_{i,t} - w_{i,t-1}|$$ 其中$w_{i,t}$为股票$i$在$t$期持仓权重[3] 2. **因子名称**：主动轮动收益因子 **因子构建思路**：量化风格轮动带来的超额收益[3] **因子具体构建过程**： - 计算基金风格暴露变化 - 结合同期风格因子收益计算贡献[3] 3. **因子名称**：交易独特性因子 **因子构建思路**：衡量基金经理交易行为差异化程度[6] **因子具体构建过程**： - 构建基金经理交易相似度矩阵 - 计算个体与网络平均交易的偏离度[6] 因子的回测效果 （注：报告中未单独披露因子IC、IR等具体数值）