4、行业分类体系：申万行业分类、中信行业分类、GICS行业分类、自定义行业聚类
行业分类，说白了就是给股票贴标签。
你想想看，A股市场几千只股票，如果没有一套分类体系，你怎么做轮动？怎么知道哪些板块在涨？我个人习惯把行业分类比作「地图」——没有地图，你连自己在哪都不知道，更别提规划路线了。
4.1 为什么行业分类这么重要？
做行业轮动策略，第一步就是确定「轮什么」。
我记得刚入行那会儿，有个同事直接用Wind的一级行业做轮动，结果回测效果很差。后来发现，Wind一级行业里「信息技术」包含了硬件、软件、半导体，这些细分板块的驱动逻辑完全不同。混在一起做轮动，信号早就被噪声淹没了。
4.2 主流行业分类体系对比
目前国内量化圈常用的分类体系，主要有四种。我列个表，你一看就明白。
| 分类体系 | 发布方 | 层级 | 特点 | 适用场景 |
|---|---|---|---|---|
| 申万行业分类 | 申万宏源 | 一级(31)、二级(134)、三级(346) | 国内最常用，更新及时，贴合A股 | A股行业轮动、因子分析 |
| 中信行业分类 | 中信证券 | 一级(30)、二级(109)、三级(285) | 与申万类似，但部分行业划分不同 | 机构研报、跨市场对比 |
| GICS行业分类 | MSCI/标普 | 一级(11)、二级(24)、三级(69)、四级(158) | 全球统一标准，适合跨市场 | 全球资产配置、港股/美股 |
| 自定义行业聚类 | 你自己 | 任意层级 | 灵活，可针对策略定制 | 特定策略、高频轮动 |
嗯，这里要注意：申万和中信虽然都是国内主流，但它们的行业划分逻辑有细微差别。比如「食品饮料」在申万里是单独的一级行业，但在中信里被归到了「消费」下面。做轮动时，这种差异会影响你的信号计算。
4.3 申万行业分类详解
我个人用得最多的是申万行业分类。为什么？因为它更新快，而且细分行业足够多。
申万一级行业有31个，二级行业有134个。做行业轮动，我建议至少用二级行业。一级行业太粗，很多轮动信号被平均掉了。举个例子，同样是「电子」一级行业，二级行业里的「半导体」和「消费电子」走势经常相反。你用一级行业做轮动，可能两边都抓不住。
4.4 中信行业分类的特点
中信行业分类和申万很像，但有几个关键区别。
- 行业数量：中信一级行业30个，比申万少1个。少了「综合」这个垃圾行业。
- 划分逻辑：中信更偏向「产业链」逻辑，比如把「钢铁」「有色」「煤炭」归到「周期」大类下。
- 更新频率：中信的更新速度略慢于申万，但胜在稳定。
我记得有一次做跨市场对比，A股用申万，港股用GICS，结果发现两个市场的行业对应不上。后来改用中信，因为中信有港股分类，方便多了。
4.5 GICS行业分类：全球通用标准
如果你做全球资产配置，GICS是绕不开的。
GICS只有11个一级行业，但细分到四级有158个。它的优势在于全球统一——你在A股、港股、美股看到的GICS分类是一样的。这对于做跨市场轮动策略非常关键。
但GICS也有个问题：它不太贴合A股。比如A股的「白酒」在GICS里被归到「食品饮料」，但白酒的驱动逻辑和普通食品完全不同。你想想看，茅台和伊利能放在一起做轮动吗？显然不行。
4.6 自定义行业聚类：量化人的终极武器
说实话，主流分类体系都有各自的局限性。真正做量化的人，最后都会走向自定义聚类。
为什么？因为行业分类的本质是「相似性」。两只股票如果走势高度相关，它们就应该属于同一个行业，不管官方怎么分类。
我常用的聚类方法有两种：
- 基于收益率相关性：计算股票之间的历史收益率相关系数，然后用层次聚类或K-Means分组。
- 基于基本面因子：用PE、PB、ROE等因子做聚类，把基本面相似的股票归到一起。
下面是我写的一个简单聚类代码，用收益率相关性做行业聚类：
import pandas as pd
import numpy as np
from sklearn.cluster import KMeans
# 假设 returns 是股票收益率矩阵，行为日期，列为股票
corr_matrix = returns.corr()
dist_matrix = 1 - corr_matrix # 距离矩阵
# K-Means聚类，设定20个行业
kmeans = KMeans(n_clusters=20, random_state=42)
labels = kmeans.fit_predict(dist_matrix)
# 输出聚类结果
cluster_result = pd.DataFrame({
'stock': returns.columns,
'cluster': labels
})
print(cluster_result.head())4.7 四种分类体系的选择建议
说了这么多，到底该用哪个？我给出一个简单的决策逻辑：
- 刚入门：用申万一级行业，简单直接，数据好拿。
- 做中低频轮动：用申万二级行业，平衡了精细度和稳定性。
- 做高频轮动：用自定义聚类，或者申万三级行业。
- 做全球配置：用GICS，统一标准。
- 做机构研报：用中信，因为很多券商研报都用中信分类。
我个人习惯是：先用申万二级行业做初步筛选，然后用自定义聚类做精细化调整。这样既保留了官方分类的稳定性，又加入了量化聚类的灵活性。
4.8 本章知识体系图
下面这张图，帮你理清四种分类体系的关系和选择路径：
公众号:蓝海资料掘金营，微信deep3321