4. 样本空间与选样规则差异

理解行业指数与概念指数的差异，最容易被忽视、却最影响指数行为的一层，是样本空间如何划定、样本如何被选入。很多投资者看到两个指数名字相近，就默认它们成分股高度重合，结果发现走势、波动、行业暴露差别很大——根源往往不在加权方式，而在选样规则。本节把“按行业归属选样”和“按主题相关性选样”这两套逻辑拆开讲清楚，并给出识别样本重叠与分离的实操方法。

一、两种选样逻辑的本质区别

行业指数的选样基础是“归属判定”。编制方通常先有一套行业分类标准（如申万行业分类、中证行业分类、GICS 等），把全市场证券逐一归入某个行业，然后以“该公司的主营业务属于该行业”为条件圈定样本空间。判定依据是可验证的客观信息：营业收入构成、利润来源、主营产品类别。一家公司原则上只归入一个行业（或有一个主行业），因此行业指数的样本空间边界相对清晰、互斥性强。

概念指数的选样基础是“主题相关性”。编制方先定义一个主题（如“人工智能”“低空经济”“固态电池”），再从全市场中筛选业务与该主题相关的公司。相关性判定往往是多维度的：是否拥有相关技术专利、是否有相关产品收入、是否处于产业链关键环节、是否被纳入主题业务披露。一家公司可能同时与多个主题相关，因此概念指数的样本空间天然允许重叠，边界也更模糊。

二、样本重叠与分离的四种典型情形

把两套规则放在一起，可以归纳出四种典型情形，识别它们对判断指数关系至关重要。

• 完全重叠型：某公司主营就是该主题的核心业务，既属于某行业、又是该概念的核心样本。例如一家主营算力芯片的公司，既在半导体行业指数中，也在人工智能概念指数中。这类重叠是“业务实质重叠”，稳定性较高。
• 部分重叠型：概念指数只纳入了某行业中的一部分公司。例如“新能源车”概念可能只纳入汽车行业中做电动化的企业，而传统燃油车企业被排除。此时概念指数是该行业的“子集切片”，行业指数覆盖更全。
• 跨行业分散型：概念指数的样本横跨多个行业。例如“低空经济”可能同时涉及航空制造、通信导航、新材料、运营服务等多个行业。此时概念指数与任何单一行业指数的重叠都很有限，行业暴露高度分散。
• 完全分离型：某行业公司与某主题毫无业务关联，两个指数样本零交集。识别这种分离，可以避免误把两个指数当作替代品。

需要强调的是，重叠程度不是固定不变的。随着公司业务转型、主题定义调整、定期调样，重叠关系会动态变化。因此判断时应以最新一期成分股名单为准，而不是凭印象。

三、实操：如何量化重叠程度

光靠定性判断不够，实际工作中可以用一个简单指标量化两个指数的样本重叠度。设行业指数成分股集合为 A，概念指数成分股集合为 B，则：

重叠度（按数量） = |A ∩ B| / |B|
重叠度（按权重） = Σ w_i（i ∈ A ∩ B） / Σ w_i（i ∈ B）

其中 |·| 表示成分股数量，w_i 为概念指数中第 i 只成分股的权重。

按数量计算反映“有多少只股票重合”，按权重计算反映“重合部分占了多少市值暴露”。两者可能差异很大：如果重合的只是几只小权重股，数量重叠度高但权重重叠度低，说明两个指数的实际驱动因素并不相同。建议同时计算两个口径。

举个教学示例（数据为合理假设，仅用于说明方法）：某半导体行业指数有 80 只成分股，某人工智能概念指数有 50 只成分股，两者交集 18 只。按数量计算，概念指数中 36% 的样本来自半导体行业；但若这 18 只在概念指数中合计权重仅 22%，则说明概念指数的主要暴露并不在半导体，而在其他行业。此时把半导体行业指数当作人工智能概念指数的替代品，就是误判。

四、识别时的三个易错点

第一，把“名称相似”当作“样本相似”。“新能源”“新能源车”“锂电池”三个概念名称接近，但选样口径可能分别对应发电运营、整车制造、上游材料，样本交集可能很小。必须回到成分股名单核对。

第二，忽视调样带来的动态变化。概念指数的主题定义可能随政策与产业演进调整，行业分类标准也会定期修订。上一期高度重叠的两个指数，本期可能因调样而分离。判断应以最新公告期为准，并关注调样生效日期。

第三，混淆“数量重叠”与“权重重叠”。如前所述，数量口径容易高估实际关联。对于市值加权指数，权重口径更接近真实的收益驱动结构；对于等权指数，两个口径才趋于一致。

五、这对实际使用意味着什么

样本空间与选样规则的差异，最终会传导到三个可观察的层面：行业暴露（概念指数可能跨行业分散，行业指数集中单一行业）、波动特征（主题相关性选样容易纳入高弹性、高预期个股，波动通常更大）、换手与调样频率（概念主题迭代快，成分调整可能更频繁）。因此，当你要用某个指数代表对某一产业方向的判断时，先问自己：我需要的是“这个行业整体”，还是“这个主题的相关公司”？前者用行业指数，后者用概念指数，二者不可随意互换。识别重叠与分离，正是做出这个选择的第一步。