📚 课程目录第2章行业板块分类体系与数据获取

2. 行业板块分类体系与数据获取

要识别行业板块的领涨与补涨关系，第一步不是看行情，而是先确定“板块”到底由谁定义。不同分类标准下，同一个行业名称可能对应完全不同的成分股集合，进而导致涨幅排名、轮动节奏和补涨判断出现系统性偏差。因此，本节围绕三条主线展开：主流行业分类标准的差异、板块行情数据的来源与频率、以及把原始数据清洗成可比较面板的具体做法。

一、三套主流分类标准的定位差异

国内投研中最常用的是申万行业分类与中信行业分类，国际比较与外资视角常用 GICS。三者的设计目标不同，使用时应先明确用途再选标准。

申万行业分类由申万宏源研究所维护，采用三级结构（一级、二级、三级），一级行业约 31 个，覆盖全部 A 股，历史上经历过多次修订（如 2014 版、2021 版）。它的特点是行业划分贴近 A 股产业结构，对周期、制造、消费的拆分较细，是国内行业轮动研究的事实标准之一。做 A 股板块轮动、领涨补涨统计时，申万一级通常是首选口径。

中信行业分类由中信证券维护，同样为三级结构，一级行业数量与申万接近但边界不同，例如对部分中游制造和科技子行业的归属处理存在差异。它的行业指数体系与中信风格指数配套较完整，适合与中信风格因子研究结合使用。

GICS（全球行业分类标准）由 MSCI 与标普联合制定，采用四级结构（11 个一级行业、25 个行业组、74 个行业、163 个子行业），是全球机构投资者的通用语言。它的划分逻辑偏向全球可比性，例如把互联网平台归入通信服务而非信息技术，这与国内习惯差异明显。做跨市场对比或阅读外资研报时必须使用 GICS 口径。

选择原则：研究 A 股内部轮动优先用申万一级；需要与中信风格体系联动时用中信；做全球行业比较或对接外资数据时用 GICS。同一份分析中不要混用两套标准，否则成分股重叠会导致涨幅统计重复计算。

二、板块行情数据的来源与频率

板块行情数据可分为两类：指数行情与成分股聚合行情。前者直接取行业指数（如申万一级行业指数、中信行业指数、GICS 对应的行业指数）的日线 OHLCV；后者先取成分股行情，再按市值加权或等权聚合。两者在极端行情下会出现差异，指数行情受编制规则（如自由流通市值加权、调整股本）影响，聚合行情则取决于你选择的权重方案。

常见数据来源包括：交易所与中证指数公司公布的行业指数日行情；Wind、Choice、同花顺等终端提供的行业指数与成分股映射表；以及开源数据接口（如 AkShare、Tushare）提供的申万行业分类与日线行情。频率上，日频数据足以支撑领涨补涨识别，若做盘中轮动可下沉到 5 分钟或 15 分钟，但需注意行业指数的分钟级数据可得性较差，通常只能用成分股聚合近似。

关键字段至少包括：交易日期、行业代码、行业名称、开高低收、成交量、成交额、成分股数量。若做补涨判断，还需要区间累计涨幅与相对强弱（RS）序列，这些应由日频收盘价自行计算，而不是依赖终端现成指标，以便统一口径。

三、数据清洗：把原始表变成可比较面板

原始行业行情表常见四类问题，处理顺序建议如下：

对齐交易日历。不同来源的节假日处理不一致，先以交易所日历为准做外连接，缺失交易日标记为 NaN 而非填 0，避免把停市误判为平盘。
处理成分股变更。行业分类修订或成分调整会造成指数不可比。做法是保留“分类版本”字段，跨版本比较时只用同一版本区间内的数据，或在修订日做断点标记。
复权与异常值。行业指数一般无需复权，但成分股聚合行情必须用后复权价；对单日涨跌幅超过合理阈值（如 ±11%，考虑涨跌停与新股）的记录做核查，区分真实异动与数据错误。
统一涨幅计算基准。明确区间起点：领涨补涨通常以某一轮行情的启动日为基准日，累计涨幅 = 期末收盘 / 基准日收盘 − 1。基准日必须全行业统一，否则排名失真。

下面给出一个可复用的清洗与聚合示例（Python + pandas 伪代码，参数为示例假设）：

import pandas as pd

# 示例：df 含 date, ind_code, ind_name, close, amount, version
df = df.sort_values(['ind_code', 'date'])

# 1) 对齐交易日历（trade_days 为交易所日历）
panel = (df.set_index(['date', 'ind_code'])['close']
           .unstack('ind_code')
           .reindex(trade_days))

# 2) 标记分类版本断点，跨版本不计算区间涨幅
panel = panel.ffill(limit=1)          # 仅容忍单日缺失
panel = panel.dropna(how='all')

# 3) 以启动日 base_date 为基准计算累计涨幅
base = panel.loc['2024-09-24']        # 示例基准日
cum_ret = panel / base - 1

# 4) 计算 20 日相对强弱（示例窗口）
rs20 = panel.pct_change(20)

清洗完成后，应做一次口径自检：同一行业内成分股数量在时间轴上是否突变、行业累计涨幅排名是否与指数官方排名方向一致、缺失率是否集中在某几个行业。若某行业缺失率显著偏高，多半是分类映射表未更新，而不是行情本身的问题。

四、分类标准与数据口径的对应关系

下图把三套分类标准、数据来源与清洗后的可用面板串起来，重点表达“标准选择—数据获取—口径统一”之间的对应关系，而不是操作步骤。

需要强调的是，分类标准一旦选定，整条分析链路都应锁定同一口径：成分股映射、指数行情、累计涨幅基准日、相对强弱窗口。领涨与补涨的判断本质上是“同一集合内不同行业的相对位置比较”，口径漂移会直接改变排名，进而改变结论。实际工作中建议把分类版本号、基准日、权重方案作为三个必填元数据随数据表一起保存，后续复盘时才能解释排名变化究竟来自行情还是来自口径调整。