指数、行业与主题：给股票分组的三种方式

研究里经常要回答”这只股票和哪些股票是一类”。指数、行业、主题（A 股常说的”概念”）都在回答这个问题， 但它们由不同的人、按不同的规则、为不同的目的划分。混用它们，会得到看似合理却经不起推敲的结论：拿今天的 主题名单回测三年前，拿指数成分当行业，或者把一只股票同时算进两个”互斥”的行业。

先看三者的区别：

	指数	行业	主题（概念）
谁来划分	指数公司：中证、国证、标普道琼斯……	分类体系：申万、GICS……	数据商或市场叙事：同花顺……
按什么划分	公开的选样规则：市值、流动性、财务指标	主营业务，通常看收入构成	业务关联、政策、技术或事件
一只股票可以属于	任意多个指数，也可以一个都不属于	同一体系的同一层级里恰好一个	任意多个主题
权重	有，按编制方法计算	没有，只有名单	没有，只有名单
多久变一次	定期调样，如沪深 300 每半年	很少；体系偶尔改版，公司转型时重新归类	随时新设、调入调出
典型用途	业绩基准、股票池、对冲	行业中性、行业轮动、风险模型	热点与事件研究
libfinance 代码	000300.XSHG、SPX.US	480000.SW、45.GICS	300008.THS

三者在 libfinance 里用同一组形状的函数查询——证券属于哪些、某个对象包含哪些、成分权重是多少——并且都按 as_of 回答”那一天的事实”，见 4 行业和概念信息。

指数：一篮子股票加一套计算规则

指数不只是一份名单，它由三部分组成：

• 选样规则：哪些股票进来。沪深 300 选沪深两市规模大、流动性好的 300 只股票；中证 500 选排在沪深 300 之后的 500 只；标普 500 由委员会按市值、流动性、盈利等条件挑选。

• 加权方式：每只股票占多少。最常见的是自由流通市值加权；道琼斯工业平均按股价加权；也有等权、红利加权、 对单只成分设上限的修正市值加权。

• 基日与基点：从哪天、从多少点开始算。点位只在同一个指数内部可比——沪深 300 的 4000 点和上证指数的 3000 点 之间没有高低之分。

按选样规则，指数大致分为宽基（沪深 300、中证 1000、标普 500，代表一个市场或一个市值段）、行业（中证 银行）、风格与策略（红利、价值、低波）和主题（中证新能源）。另外两点值得注意：

• 价格指数与全收益指数。常见的指数点位是价格指数，成分股分红后点位不会补回，长期看会低估真实收益。 拿价格指数做基准，相当于让基准少算了分红。

• 发布日之前的点位是回算的。一个 2014 年发布、基日 2004 年的指数，2004–2014 年的点位是编制者事后按规则推算 的，当时并没有人能投资它。

常见用途：业绩基准（”跑赢沪深 300”）；股票池（”在中证 800 里选股”）；对冲（用股指期货对冲组合的市场 暴露）。

陷阱：成分是变化的。用今天的沪深 300 成分回测 2018 年，选进来的全是”后来变大的公司”——这是典型的幸存者 偏差。历史股票池要用 get_index_constituents(..., as_of=...)。

行业：一棵互斥、全覆盖的分类树

行业分类按公司的主营业务（通常看收入构成）把股票分进一棵树。两条性质让它和指数、主题完全不同：

• 互斥：在同一个分类体系的同一层级，一只股票只属于一个行业。

• 全覆盖：每只股票都有行业。

因此同一层级的行业正好把整个市场切成互不重叠的几块，这是”行业中性”的前提：可以对每个行业单独做事，而不会 重复计算。

体系	市场	说明
申万 SW	A 股	申万宏源研究编制，A 股研究最常用。三级结构；2021 年改版，一级行业从 28 个调整为 31 个
GICS	全球	MSCI 与标普道琼斯联合制定，四级结构，11 个一级行业（Sector），机构投资最常用
ICB	全球	富时罗素的行业分类基准，四级结构
NAICS	北美	北美产业分类体系，政府统计口径，按生产活动划分，2 到 6 位代码
SIC	美国	美国标准产业分类，较老，SEC 登记文件仍在使用

常见用途：

• 行业中性化。一个选股因子如果偏好银行股，它的收益可能大半来自银行板块的涨跌，而不是选股能力。对行业 哑变量回归取残差，或在每个行业内部分别排序，可以去掉这部分。

• 风险模型。Barra CNE5 的 31 个行业因子就是申万一级行业的哑变量，见 7 因子。

• 行业轮动与比较。估值高低要在同一行业里比较才有意义：银行的市盈率和软件公司的市盈率不是一回事。

陷阱：分类会变。公司转型会被重新归类，分类体系本身也会改版——申万 2021 年改版前后的行业节点数是 400 与 608， 改版前的”采掘”在改版后拆成了”煤炭”与”石油石化”。拿今天的行业归属回测过去，相当于用后来才知道的业务结构给 当年的公司分类。用 get_instrument_industry(..., as_of=...) 取当时的归属；跨改版的长区间研究，要先决定用哪一版、 如何映射。

主题（概念）：围绕叙事的股票集合

主题把与某个故事相关的股票放在一起：新能源汽车、大飞机、京津冀一体化、算力……它不追求互斥，也不追求全覆盖：

• 多对多：一只股票可以同时属于几十个主题；一个大主题可以有上千只成分（新能源汽车约 1000 只）。

• 由叙事驱动：政策出台、技术突破、事件发生时，数据商会新设主题、调入调出成分，主观判断的成分很大。

• 没有权重：只有名单。libfinance 给出的是由名单推出的等权（derived_equal_weight），不是供应商权重。

常见用途：追踪市场热点和资金轮动；事件研究（政策发布后相关股票的反应）；解释短期的联动——为什么几只 看起来不相关的股票同一天涨停。

陷阱：主题是三者里未来信息最严重的。很多主题是在行情发生之后才设立的，成分也常在事后补入； 用今天的主题名单回测过去，等于提前知道了哪些股票后来会被市场归为一类。libfinance 中的主题数据只从最近开始 （更早的 as_of 会报 CoverageError），它适合研究当下，不适合做长历史回测。

怎么选

你要做的事	用	注意
衡量策略好坏、选业绩基准	指数	留意价格指数不含分红
限定一个历史股票池	指数成分	传 as_of，否则有幸存者偏差
去掉因子里的行业暴露、控制组合风险	行业	同一体系、同一层级；传 as_of
研究热点、事件、短期联动	主题	历史短，不要拿来做长回测

代码表

• 指数代码表：全部指数，以及哪些指数有成分数据

• 行业分类代码表：申万、GICS、ICB、NAICS、SIC 的全部节点

• 主题（概念）代码表：全部同花顺主题

• 返回字段的含义：字段字典 的”指数、行业与主题”一节