2. 板块数据获取与清洗

构建板块相对强弱（RS）指标，第一步不是写公式，而是把“板块”和“行情”这两件事定义清楚。RS 的本质是两条价格序列的比值，只要其中一条序列存在分类口径不一致、复权错误或缺失值，比值就会失真，后续所有强弱判断都会建立在错误的基础上。本节围绕三个问题展开：板块怎么划分、行情从哪里来、数据怎么洗。

一、板块分类标准：先确定“板块”是谁

国内常用的板块分类体系主要有申万、中信、中证等几套。它们的差异不只是名字，而是层级结构、成分股归属规则和调整频率不同。申万行业分类采用三级结构（一级、二级、三级），一级行业约 31 个，覆盖面广、历史长，是量化研究中最常用的口径；中信行业分类同样分三级，一级约 30 个，在卖方研究和部分基金业绩基准中使用较多；中证行业分类则更多用于指数与 ETF 产品。做 RS 指标时，必须全程锁定同一套分类体系，不能今天用申万一级、明天用中信一级，否则板块之间的强弱对比没有可比性。

更关键的是成分股归属会随时间调整。某只股票可能因为主营业务变化从“电子”调入“计算机”，也可能因新股上市被纳入某个板块。因此不能只用“当前成分股”回溯历史，否则会产生前视偏差。规范做法是使用带生效日期的成分股历史表，按每个交易日实际生效的成分构建板块行情。若数据源只提供当前成分，至少要在回测说明中标注这一局限，并避免在成分调整密集期做精细的强弱排序。

二、行情数据来源与板块指数的构造

板块行情有两条获取路径。第一条是直接取板块指数：申万、中信均发布对应行业指数，如申万一级行业指数，可直接获得开高低收与成交额，优点是省事、口径权威，缺点是部分指数历史长度或发布频率受限。第二条是用成分股自行合成：按成分股的自由流通市值加权，逐日计算板块收益，再累乘成指数。这种方式灵活、可自定义权重，但要求成分股行情完整、权重数据准确。

无论哪条路径，都要注意复权处理。个股在分红、送股、配股后价格会出现跳空，若直接用不复权收盘价合成板块指数，除权日会产生虚假下跌。正确做法是使用后复权价格计算收益率：后复权以历史某点为基准向前调整，保证收益率序列连续，适合做比值和回测；前复权则以当前价为基准调整历史，适合看盘但不适合长周期计算。RS 指标涉及两条序列相除，务必保证分子分母复权方式一致，否则比值会出现系统性漂移。

三、缺失值与异常值的具体处理

缺失值主要来自停牌、新股未上市、数据源断档。处理原则取决于用途：若某成分股当日停牌，其价格沿用停牌前收盘价，收益率记为 0，这样板块指数不会因个别股票停牌而跳变；若某板块整体数据缺失（如指数尚未发布），则应整段剔除该日期，而不是用插值填补，因为插值会人为制造平滑，削弱 RS 的真实波动。对于新股，纳入板块的起始日应为其上市后第 N 个交易日（常用 10 日或 20 日），避免上市初期极端波动污染板块收益。

异常值识别要结合业务规则而非纯统计。常见三类：一是涨跌幅越界，如单日涨跌幅超过 ±20%（非注册制板块）或超过该板块历史 99.9 分位，需核查是否除权未复权、代码错配；二是零成交或极低成交，流动性枯竭时价格不具代表性，可对成交额低于阈值的成分降权或剔除；三是价格断层，相邻两日价格比出现数量级跳变，通常是复权因子缺失。处理时优先修复源头（补复权因子、更正代码），无法修复再将该点标记为缺失并按缺失规则处理，切忌直接截断或替换为均值。

四、一个可执行的最小校验清单

在把数据送入 RS 计算前，建议逐项核对：分类体系是否全程一致；成分股是否带生效日期；价格是否为后复权；板块与基准的交易日是否完全对齐；停牌日收益率是否为 0；是否存在单日涨跌幅超过 ±20% 的未解释记录；板块指数与自合成指数的累计收益偏差是否在合理范围（例如 1 年内偏差小于 2 个百分点）。这套校验不追求复杂，但能拦住绝大多数会让 RS 失真的低级错误。

数据清洗做到位，RS 指标才有意义。分类口径决定“和谁比”，复权决定“比得准不准”，缺失与异常处理决定“比得稳不稳”。这三件事做完，下一阶段才是比值构造与强弱判定。