3、行业分类标准：申万行业分类、中信行业分类、GICS分类的对比与选择
做行业轮动策略，第一步不是选指标，也不是写代码。
第一步是——你得搞清楚，你手里的股票到底属于哪个行业。
听起来简单吧？其实坑特别多。我刚开始做量化那会儿，就吃过这个亏。当时拿了一套申万分类的数据，跑出来的轮动信号乱七八糟。后来一查，发现某只新能源车龙头被分到了「汽车零部件」，而另一家做电池材料的公司却被归到了「有色金属」。你说这轮动还怎么玩？
所以今天咱们就好好聊聊，市面上最主流的三种行业分类标准：申万、中信、GICS。我会从实战角度，告诉你它们各自的特点、差异，以及我个人的选择建议。
3.1 三大分类标准概览
先给个全景图。这三套标准，说白了就是三套「给公司贴标签」的规则。但贴法不一样，结果就天差地别。
核心区别一句话总结：
- 申万：最接地气，贴合A股市场结构，更新快
- 中信：机构最爱，数据历史长，适合回测
- GICS：全球通用，适合跨市场对比，但A股适配性一般
我个人的习惯是：做A股策略，首选申万；做跨市场研究，用GICS；做机构级产品，中信是标配。
为什么会这样？咱们一个个拆开看。
3.2 申万行业分类
申万宏源出的这套分类，可以说是A股量化圈的「默认配置」。为什么？因为它更新频率高，而且特别懂A股。
核心特点：
- 层级结构：一级行业（31个）、二级行业（134个）、三级行业（346个）
- 更新机制：每年6月和12月定期调整，遇到重大变化还会临时调整
- 分类逻辑：以公司主营业务收入占比为核心，辅以利润贡献
我记得2021年的时候，申万把「新能源」从原来的电气设备里单独拎出来，成立了一个新的一级行业。当时很多量化团队连夜改代码——因为之前用旧分类跑出来的因子，突然就不灵了。嗯，这就是申万的特点：它敢改，而且改得及时。
实战小技巧：
如果你用申万分类做回测，建议同时保留「旧版」和「新版」两套数据。因为很多历史回测需要用到旧分类，否则会出现「股票穿越」的问题——比如某只股票在2019年被归入「电子」，但2022年调整后变成了「计算机」，你用新分类去回测2019年的数据，结果就失真了。
3.3 中信行业分类
中信证券的行业分类，在公募基金和券商资管圈子里用得最多。它的历史比申万还长，数据一致性做得非常好。
核心特点：
- 层级结构：一级行业（30个）、二级行业（110个）、三级行业（300+个）
- 更新机制：每年调整一次，相对保守
- 分类逻辑：更注重公司的「长期业务属性」，不太受短期业务变化影响
我曾经对比过申万和中信对同一只股票的分类。有一家做光伏逆变器的公司，申万把它归到了「电力设备」，中信却放在了「新能源」。你说谁对？其实都对，只是视角不同。申万看的是它「卖什么产品」，中信看的是它「服务于什么产业」。
避坑指南：
我曾经在做一个多因子模型时，发现中信分类下「医药」行业的股票数量比申万少了将近20%。一查才知道，中信把很多做医疗器械的公司归到了「机械」行业。如果你做的是医药主题策略，用中信分类可能会漏掉不少标的。所以，选分类标准之前，一定要先搞清楚你的策略主题是什么。
3.4 GICS分类
GICS是MSCI和标普联合搞的全球标准。如果你做的是跨市场策略，比如同时配置A股、港股、美股，那GICS几乎是唯一的选择。
核心特点：
- 层级结构：11个行业、24个行业组、69个行业、158个子行业
- 更新机制：每年调整一次，全球统一
- 分类逻辑：以公司的「主要业务活动」为核心，全球统一标准
但说实话，GICS在A股的应用有个硬伤——它太「粗」了。11个一级行业，对于A股这种行业轮动非常频繁的市场来说，粒度不够。你想想看，把「白酒」和「乳制品」都归到「必需消费品」里，那你还怎么捕捉消费内部的轮动机会？
我的建议：
如果你做的是全球资产配置，用GICS没问题。但如果你只做A股，我个人更推荐申万或中信。GICS在A股的覆盖率和更新及时性，说实话，不如本土标准。
3.5 三大标准对比表
直接上表格，一目了然。
| 对比维度 | 申万 | 中信 | GICS |
|---|---|---|---|
| 发布方 | 申万宏源 | 中信证券 | MSCI & 标普 |
| 一级行业数 | 31 | 30 | 11 |
| 更新频率 | 半年一次 | 一年一次 | 一年一次 |
| A股覆盖率 | 极高 | 高 | 中等 |
| 历史数据长度 | 2000年至今 | 1999年至今 | 2002年至今 |
| 跨市场适用性 | 低 | 低 | 高 |
| 机构使用率 | 高（量化圈） | 高（公募圈） | 高（外资圈） |
3.6 实战中怎么选？
这个问题没有标准答案。但我可以给你一个决策框架。
第一步：看你的策略范围
- 只做A股 → 申万或中信
- 跨市场（A+H+美股） → GICS
- 全球配置 → GICS
第二步：看你的策略粒度
- 需要细粒度行业划分（比如细分到「光伏设备」「锂电池」） → 申万三级行业
- 只需要大类行业配置 → 中信一级或GICS
第三步：看你的回测需求
- 需要长历史回测 → 中信（数据最稳定）
- 需要及时反映行业变化 → 申万（更新最频繁）
我的个人经验：
我现在做策略，一般会同时拉三套分类数据。主策略用申万，辅助验证用中信，跨市场对比用GICS。虽然数据维护成本高一点，但能避免很多「分类偏差」带来的误判。说白了，多花点时间在数据清洗上，总比策略上线后才发现问题要好。
3.7 知识体系结构图
下面这张图，帮你理清三大分类标准的核心逻辑和选择路径。
3.8 小结
行业分类这件事，看起来是「体力活」，其实直接影响策略的成败。你想想看，如果连行业归属都搞错了，那后面的景气度打分、轮动信号，全都是空中楼阁。
我个人建议：不要迷信某一种分类标准。申万、中信、GICS各有各的适用场景。关键是你得清楚自己的策略需要什么，然后选择最合适的工具。
嗯，这一章就到这里。下一章咱们聊聊如何用这些分类标准，构建行业景气度的量化打分体系——那才是真正有意思的部分。