量化模型与构建方式 注： 本报告为指数及ETF产品投资价值分析报告，未涉及量化选股模型或量化因子的构建与测试。报告核心内容为对现有指数（中证机器人指数）的编制方法介绍，以及对跟踪该指数的ETF产品（华夏中证机器人ETF）的业绩表现分析。因此，以下总结将围绕报告中出现的指数编制模型和ETF业绩评估展开。 1. 指数编制模型 * 模型名称：中证机器人指数编制模型[22] * 模型构建思路：选取为机器人生产提供软件和硬件的上市公司证券作为样本，以反映A股市场机器人相关证券的整体表现[22]。 * 模型具体构建过程： 1. 确定样本空间：与中证全指指数的样本空间相同[23]。 2. 流动性筛选：对样本空间内证券，按照过去一年日均成交金额由高到低排名，剔除排名后20%的证券[23]。 3. 主题筛选：对剩余证券，选取为机器人生产提供软件和硬件的上市公司作为待选样本，包括但不限于：系统方案商、数字化车间与生产线系统集成商、自动化设备制造商、底层自动化零部件商以及其他与机器人相关的公司[23]。 4. 选样：从待选样本中选出所有机器人主题公司的证券，并按照过去一年日均总市值由高到低排名，选取排名前100的证券作为指数样本，不足100只时全部纳入[23]。 5. 加权方式：采用调整市值加权，且单个样本权重不超过10%[23]。 6. 定期调整：指数样本每半年调整一次，样本调整实施时间分别为每年6月和12月的第二个星期五的下一交易日[23]。 2. ETF业绩评估模型 * 模型名称：ETF跟踪误差与超额收益评估模型 * 模型构建思路：通过计算ETF净值相对于其标的指数表现的偏离度，评估其跟踪效果和主动管理能力（如有）[50][52]。 * 模型具体构建过程： 1. 计算跟踪偏离度：通常指基金净值增长率与标的指数增长率之间的差异。报告中使用“滚动季度日均跟踪偏离度”作为监控指标[50]。 2. 计算年化跟踪误差：跟踪偏离度序列的标准差年化值，用于衡量基金净值围绕指数波动的稳定性。公式为： $TE = \sqrt{\frac{252}{n} \sum_{t=1}^{n}(TD_t - \overline{TD})^2}$ 其中，(TE) 为年化跟踪误差，(n)为计算周期内的交易日数量，(TD_t)为第(t)日的跟踪偏离度，(\overline{TD})为计算周期内跟踪偏离度的均值[50][52]。 3. 计算超额收益：基金净值增长率与标的指数增长率之差，用于衡量基金是否跑赢基准。报告中使用“年化超额收益”指标[50]。 4. 计算信息比率（IR）：单位跟踪误差所带来的超额收益，用于衡量承担主动风险所带来的回报效率。公式为： $IR = \frac{AR}{TE}$ 其中，(AR)为年化超额收益，(TE)为年化跟踪误差[53]。 5. 计算相对最大回撤：基金净值相对于标的指数净值的最大下跌幅度，用于衡量超额收益的稳定性[53]。 模型的回测效果 1. 中证机器人指数风险收益特征 * 回测区间：2010年12月31日至2025年12月19日（基期以来）[41][42] * 年化收益率：4.76%[41][42] * 年化夏普比率：0.30[41][42] * 年化波动率：30.62%[42] * 最大回撤：67.24%[42] * 最大回撤期间：2015年6月3日至2018年10月18日[42] 2. 华夏中证机器人ETF业绩表现 * 评估区间：2023年6月28日（基金经理华龙接管）至2025年12月19日（全样本期）[50][53] * 年化跟踪误差：0.36%[50][53] * 年化超额收益：0.65%[50][53] * 超额信息比率（IR）：1.60[53] * 相对最大回撤：0.59%[53] * 滚动季度日均跟踪偏离度：控制在0.02%以内[50] 分年度业绩表现[53]： * 2023年（2023/6/28-2023/12/29）： * 基金收益：-14.66% * 基准收益：-15.22% * 超额收益：0.56% * 相对最大回撤：0.07% * 超额IR：4.41 * 跟踪误差：0.29% * 2024年（2024/1/1-2024/12/31）： * 基金收益：5.03% * 基准收益：4.34% * 超额收益：0.69% * 相对最大回撤：0.39% * 超额IR：1.44 * 跟踪误差：0.42% * 2025年（2025/1/1-2025/12/19）： * 基金收益：20.83% * 基准收益：20.60% * 超额收益：0.24% * 相对最大回撤：0.39% * 超额IR：0.55 * 跟踪误差：0.33%