2. 板块划分与数据准备

要验证“多板块成交额跷跷板效应”，第一步不是算相关性，而是把“板块”这个研究对象定义清楚，并把日度成交额数据整理成可直接对齐、可比较、可复算的面板。板块划分标准决定了后续结论的边界：同一批行情数据，按行业分类和按概念分类，得到的跷跷板关系可能完全不同。因此本节的核心任务是两件事——确定一套稳定、可复现的板块分类口径，以及把多板块日度成交额整理成时间对齐、口径一致、缺失可控的数据表。

一、先定分类口径：行业、概念、地域各管什么

常见的板块分类有三类，各自适合回答不同问题。行业分类（如申万一级、中信一级）依据上市公司主营业务划分，成分股相对稳定、板块数量有限（申万一级约31个），适合观察“资金在产业之间如何轮动”；概念分类（如人工智能、低空经济、机器人）依据主题或事件聚合，成分股动态调整、板块数量多，适合捕捉“题材热点之间的此消彼长”；地域分类（如各省市、自贸区）依据注册地或经营区域划分，适合研究区域政策驱动的资金迁移。

对本课程而言，跷跷板效应关注的是“资金从一个板块流向另一个板块”的替代关系，因此建议以行业分类为主口径、概念分类为辅助口径：行业板块成分稳定，成交额序列不会因成分股频繁调入调出而出现口径断裂，适合做长周期验证；概念板块用于检验热点切换时的短期替代强度。无论选哪套，都必须固定三个要素：分类来源（如某数据商的行业分类标准）、板块层级（一级还是二级）、成分股快照日期。三者一旦确定，整个验证过程不再更换，否则不同板块的成交额不可比。

二、数据结构：把多板块成交额组织成面板

清洗后的目标数据是一张“宽表”或“长表”面板。宽表以交易日为行、板块为列，单元格为当日成交额；长表则以“交易日—板块—成交额”三列组织。做跷跷板验证时，宽表便于直接计算板块间相关系数和成交额占比，长表便于分组聚合和缺失检查。下面给出一个宽表示例（数值为教学示例，非实测数据）：

表中“全市场成交额”一列不可省略。跷跷板效应本质是“此消彼长”，但若全市场总量同步放大，两个板块可能同时增长，只是增速不同；只有把板块成交额放到全市场分母下观察占比变化，才能区分“真替代”与“水涨船高”。因此建议同时保留绝对成交额和成交额占比两套指标。

三、清洗流程：对齐、补缺、去异常

多板块数据拼接时，最常见的问题是交易日历不一致。不同板块可能因停牌、数据源缺失出现个别日期空缺，直接按行拼接会造成错位。正确做法是：先以全市场交易日历为基准建立完整日期索引，再把各板块数据左连接到该索引上，缺失值显式标记为 NaN，而不是让行数自动收缩。

import pandas as pd

# 1. 以全市场交易日历为基准
calendar = pd.date_range("2023-01-01", "2024-12-31", freq="B")

# 2. 各板块成交额按日期对齐（长表转宽表）
panel = (long_df
         .pivot(index="trade_date", columns="sector", values="amount")
         .reindex(calendar))

# 3. 缺失检查：统计每个板块缺失天数与最长连续缺失
missing = panel.isna().sum()
print(missing.sort_values(ascending=False))

# 4. 缺失处理：单日缺失用前后均值填充，连续缺失超过3日标记为无效区间
panel_filled = panel.interpolate(limit=1, limit_direction="both")

缺失处理要克制。单日缺失用前后交易日均值插补通常可接受；连续缺失超过3个交易日，说明该板块可能整体停牌或数据源中断，此时插补会制造虚假的成交额波动，应将该区间标记为无效并在后续计算中剔除，而不是强行填补。

异常值方面，重点检查两类：一是单位不一致，例如某板块数据以“亿元”计、另一板块以“万元”计，拼接后量级相差万倍；二是除权除息或成分股大调整导致的成交额跳变。可用“板块成交额/全市场成交额”占比序列做初步筛查，占比单日突变超过历史均值3倍标准差的点，逐一核对原始数据来源。

四、口径校验：让数据“自证”可用

清洗完成后，至少做三项校验再进入验证环节。第一，加总校验：各行业板块成交额之和应接近全市场成交额（允许因分类覆盖不全存在差额，但差额比例应稳定）；第二，量纲校验：所有板块成交额单位统一为亿元，且数值量级合理；第三，时间连续性校验：面板行数等于交易日历长度，无重复日期、无乱序。

三项校验中，加总校验最能暴露口径问题。若各行业板块成交额之和长期只占全市场成交额的60%左右且比例稳定，说明分类覆盖不全但口径一致，可继续使用；若该比例在不同月份大幅跳动，则很可能是成分股快照混用了不同日期，必须回到分类环节重新固定快照。

五、交付一份可复用的数据准备清单

把上述要求固化成清单，每次新增板块或更换数据源时逐项核对，可避免口径漂移：

• 分类标准：记录分类来源、板块层级、成分股快照日期，写入数据说明文档。
• 板块清单：列出全部板块名称与代码，标注主口径与辅助口径，剔除成分股少于10只的板块（成交额易受单只个股扰动）。
• 日期索引：以全市场交易日历为基准，面板行数等于日历长度，无重复、无乱序。
• 缺失记录：统计各板块缺失天数与最长连续缺失，连续缺失区间单独列表备查。
• 单位与量纲：全部统一为亿元，抽查3个板块与原始数据核对量级。
• 双指标：绝对成交额与占全市场比例两列同时保留，占比列用于后续跷跷板判断。

完成这一步后，得到的是一张时间对齐、口径锁定、缺失可控的多板块成交额面板。它本身不产生结论，但决定了后续相关系数、占比迁移、轮动强度等所有验证结果是否可信。分类口径一旦松动，后面算得再精细也只是在错误的基础上叠加精度。