2. 行业分类标准与数据获取：申万、中信、GICS行业分类

做行业轮动，第一步就是搞清楚「行业」到底怎么划分的。

你可能觉得这很简单——不就是把股票分分类吗？但我在实际项目中踩过不少坑。有一次，我按申万一级行业做轮动策略，回测效果特别好，结果实盘时发现某只股票被重新分类了，整个持仓逻辑全乱了。嗯，从那以后，我每次做策略前都会先花时间研究行业分类标准。

2.1 三大主流行业分类标准

目前国内量化圈用得最多的，就是申万、中信和GICS这三套标准。我分别说说它们的特点。

2.4.1 申万行业分类

申万宏源出的这套分类，是国内量化界的「默认配置」。我个人习惯用它做A股行业轮动，原因很简单：更新及时，而且跟国内市场的贴合度最高。

• 层级结构：一级（28个）、二级（104个）、三级（227个）
• 更新频率：每年6月和12月各调整一次
• 适用场景：A股行业轮动策略、因子测试

2.4.2 中信行业分类

中信证券的分类体系，在机构投资者中认可度很高。说白了，它跟申万最大的区别在于：中信更偏向「投资视角」，而申万更偏向「产业视角」。

• 层级结构：一级（29个）、二级（120个）、三级（300+个）
• 更新频率：不定期调整，通常跟随市场变化
• 适用场景：机构组合管理、行业配置研究

2.4.3 GICS行业分类

GICS是MSCI和标普联合推出的全球标准。做跨市场研究时，你绕不开它。比如你要对比A股和港股的消费板块，用GICS就比用申万方便得多。

• 层级结构：11个行业、24个行业组、69个行业、158个子行业
• 更新频率：每年3月调整
• 适用场景：跨市场比较、全球资产配置

2.2 三种分类的对比

我整理了一张对比表，方便你快速了解差异：

维度	申万	中信	GICS
一级行业数	31（新版）	29	11
更新频率	半年一次	不定期	每年一次
适用市场	A股为主	A股为主	全球市场
数据可得性	高（免费）	中（需付费）	高（免费）
机构使用率	高	中高	中

2.3 用Python获取行业指数数据

理论说完了，咱们直接上代码。我个人最常用的数据源是Tushare和AkShare，前者数据质量高，后者免费且覆盖全。

2.3.1 通过Tushare获取申万行业指数

import tushare as ts

# 设置token（你需要先在tushare官网注册）
pro = ts.pro_api('your_token_here')

# 获取申万一级行业列表
industry_list = pro.index_classify(level='L1', src='SW')
print(industry_list.head())

# 获取某个行业的历史行情
# 比如：食品饮料（申万一级代码：801120）
df = pro.index_daily(ts_code='801120.SI', 
                     start_date='20200101', 
                     end_date='20231231')
print(df.head())

2.3.2 通过AkShare获取行业指数

AkShare的好处是免费，而且不用注册。我平时做快速验证时特别喜欢用它。

import akshare as ak

# 获取申万行业指数实时行情
sw_index = ak.stock_sw_index_spot()
print(sw_index.head())

# 获取历史数据
# 以食品饮料为例
sw_history = ak.stock_sw_index_daily(symbol="801120")
print(sw_history.tail())

2.3.3 批量获取多个行业数据

做行业轮动时，你通常需要同时跟踪几十个行业。我一般这样写：

import pandas as pd
import akshare as ak
from datetime import datetime, timedelta

# 定义要跟踪的行业列表
industries = {
    '食品饮料': '801120',
    '医药生物': '801150',
    '电子': '801080',
    '银行': '801780',
    '非银金融': '801790'
}

# 批量获取数据
def get_industry_data(industry_code, start_date, end_date):
    try:
        df = ak.stock_sw_index_daily(symbol=industry_code)
        df = df[(df['date'] >= start_date) & (df['date'] <= end_date)]
        return df
    except:
        return None

# 设置时间范围
end = datetime.now().strftime('%Y-%m-%d')
start = (datetime.now() - timedelta(days=365)).strftime('%Y-%m-%d')

# 循环获取
all_data = {}
for name, code in industries.items():
    data = get_industry_data(code, start, end)
    if data is not None:
        all_data[name] = data
        print(f"{name}: 获取成功，共{len(data)}条数据")
    else:
        print(f"{name}: 获取失败")

2.4 数据清洗与对齐

数据拿到手后，千万别直接拿去用。我吃过这个亏——有一次回测收益特别高，结果发现是因为数据里混入了停牌日的空值，收益率计算全错了。

这里分享几个我常用的清洗步骤：

1. 处理缺失值：用前向填充法，或者直接删除
2. 对齐日期：不同行业可能有不同的交易日，需要统一
3. 计算收益率：用对数收益率，而不是简单收益率
4. 去极值：用MAD方法或百分位法

def clean_industry_data(df):
    # 1. 处理缺失值
    df = df.fillna(method='ffill')
    
    # 2. 计算对数收益率
    df['log_return'] = np.log(df['close'] / df['close'].shift(1))
    
    # 3. 去极值（MAD方法）
    median = df['log_return'].median()
    mad = (df['log_return'] - median).abs().median()
    upper = median + 3 * mad
    lower = median - 3 * mad
    df['log_return'] = df['log_return'].clip(lower, upper)
    
    return df.dropna()

2.5 知识体系总览

下面这张图，帮你理清本章的核心逻辑：