FTLib

财务与基本面

行业分类与板块轮动|申万、中信与概念板块 - FTLib

行业分类决定了横截面研究的分组方式。用最新成分回看历史,是最常见也最隐蔽的偏差之一。

作者:FTLib 数据工程团队 审校:FTLib 数据质量组 更新:2026-11-13 阅读约 8 分钟

行业分类是量化研究中的基础设施。它影响行业中性化、风险模型、业绩归因与轮动策略。分类体系本身没有绝对优劣,关键是理解其层级、成分调整规则与权重口径。

分类体系

常见分类体系
体系特点典型用途
申万行业分类层级清晰,覆盖全市场,历史较长行业中性化、轮动、归因
中信行业分类另一套层级与成分,机构常用研究对照、组合管理
概念板块主题驱动,成分灵活主题研究、事件观察

行业分类通常有一级、二级、三级。层级越细,成分越少,噪声也越大。做行业中性化时,一级或二级更常用;研究细分产业链时才会使用三级。

历史成分

公司业务会变化,分类标准也会修订。用今天的成分回测过去,会系统性高估某些行业的收益,并低估风险。正确做法是按交易日还原当时有效的成分与权重。

历史成分通常用生效区间表示:in_date 与 out_date。查询某日成分时,应筛选 in_date <= date 且 out_date 为空或大于该日期。

幸存者偏差 只使用当前行业成分,会排除已经退市或调出的公司。行业轮动研究尤其容易因此高估收益。

权重口径

行业指数或板块行情的权重可能采用自由流通市值、总市值或等权。不同口径会改变行业收益与暴露。自由流通市值加权更接近可交易市值,等权则降低大市值公司的影响。

  • 确认权重是时点权重还是期初权重。
  • 确认再平衡频率与成分调整处理。
  • 停牌股票的权重如何处理。
  • 多分类股票是否重复计入。

行业中性化

行业中性化的目的是剔除行业配置对因子收益的影响。常见做法是在每个行业内部对因子做标准化,或对行业哑变量做回归取残差。两种方法都需要使用当时有效的行业分类。

text
z_i = (factor_i - mean_industry) / std_industry
或对 factor 回归行业哑变量,取残差作为中性化因子。

中性化不是万能的。行业内部样本很少时,标准差不稳定;行业分类过细时,残差可能主要反映噪声。应在样本量与解释力之间做权衡。

轮动研究

行业轮动通常使用动量、成交额、估值与盈利变化等信号。研究时需要注意三点:历史成分、信号可见时间与交易成本。行业信号往往在月末生成,最早只能在下一个月初执行。

概念板块的稳定性弱于行业分类,成分调整更频繁。把概念板块当作行业分类做中性化,会让组合暴露随供应商调整而漂移。

常见问题

申万和中信分类可以混用吗?
不建议在同一研究中混用。两套体系的层级与成分不同,混用会让行业暴露不可比。
如何避免行业研究中的幸存者偏差?
使用历史成分与生效区间,按交易日还原当时可见的板块成员,而不是使用最新成分。
概念板块适合做行业中性化吗?
不适合。概念板块成分灵活,同一股票可能属于多个概念,更适合主题研究而非行业中性化。
本文用于数据口径与技术说明,不构成投资建议。示例数据仅用于字段解释。

用统一口径的数据开始研究

查看对应数据域的字段说明与请求示例,或提交接入咨询获取授权范围与配额。