2. 行业分类体系：申万一级行业分类、GICS行业分类、行业分类在策略中的应用

做指数增强，绕不开一个基础问题：行业怎么分？

你可能觉得这有什么难的，不就是把公司归归类嘛。但说实话，分类方式不同，策略结果可能天差地别。我见过不少新手，拿着申万分类跑回测，换到GICS就崩了——原因就是没搞懂分类背后的逻辑。

2.1 申万一级行业分类：本土化的实用工具

申万行业分类，是国内用得最广的体系。我个人习惯用它做A股策略的基准，原因很简单：它更贴合A股的实际生态。

举个例子，A股有很多“泛科技”公司，业务横跨硬件、软件、服务。申万分类会把它归到“电子”或“计算机”，而GICS可能拆得更细。哪种更好？看你的策略目标。

申万一级行业目前有31个（2021年修订后）。我整理了一个常用列表：

行业代码	行业名称	典型成分股
110000	农林牧渔	牧原股份、温氏股份
210000	食品饮料	贵州茅台、五粮液
220000	医药生物	恒瑞医药、迈瑞医疗
270000	电子	立讯精密、海康威视
480000	银行	招商银行、工商银行

嗯，这里要注意：申万分类每年会调整一次。我曾在项目中遇到过，因为没及时更新分类，导致某只股票被归到旧行业，偏离度计算全错了。所以，跑策略前，先确认分类版本。

2.2 GICS行业分类：全球通用的标尺

GICS（全球行业分类标准）是MSCI和标普联合开发的。如果你做跨市场策略，或者对标海外指数，GICS是绕不开的。

GICS分四级：11个行业、24个行业组、69个行业、158个子行业。我们做指数增强，通常用到“行业”这一级就够了。

举个例子，GICS的“信息技术”行业，包含软件、硬件、半导体等。而申万的“计算机”行业，只包含软件和IT服务。你想想看，同一只股票，在两个体系下可能完全不同。

我个人的经验是：做A股策略用申万，做港股或美股策略用GICS。如果策略涉及多个市场，那就统一用GICS——虽然麻烦点，但至少可比。

2.3 行业分类在策略中的应用：偏离度的艺术

好了，分类体系讲完了。但真正关键的是：怎么用？

指数增强策略的核心，就是在控制跟踪误差的前提下，通过行业偏离来获取超额收益。说白了，就是赌对行业。

我一般把行业偏离分为三个层次：

1. 被动偏离：选股时自然产生的偏离。比如你选的都是大市值股票，那行业分布自然偏向金融、消费。
2. 主动偏离：有意识地超配或低配某些行业。比如你看好新能源，就主动超配电力设备。
3. 约束偏离：设定偏离度上限，比如单行业不超过基准的±5%。

实际项目中，我建议先做被动偏离，再叠加主动偏离。为什么？因为被动偏离是“无成本”的，而主动偏离需要你判断对行业方向。

来看一个简单的偏离度计算示例：

# 计算行业偏离度
import pandas as pd

# 基准权重（沪深300）
benchmark_weights = {
    '食品饮料': 0.15,
    '银行': 0.12,
    '医药生物': 0.10,
    '电子': 0.08,
    '其他': 0.55
}

# 组合权重
portfolio_weights = {
    '食品饮料': 0.18,
    '银行': 0.08,
    '医药生物': 0.12,
    '电子': 0.12,
    '其他': 0.50
}

# 计算偏离度
deviation = {}
for industry in benchmark_weights:
    deviation[industry] = portfolio_weights[industry] - benchmark_weights[industry]

print("行业偏离度：")
for industry, dev in deviation.items():
    print(f"{industry}: {dev:+.2%}")

输出结果：

行业偏离度：
食品饮料: +3.00%
银行: -4.00%
医药生物: +2.00%
电子: +4.00%
其他: -5.00%

你看，这个组合超配了电子和食品饮料，低配了银行。如果电子和食品饮料涨了，组合就跑赢基准。反之就跑输。这就是行业偏离的本质。

2.4 两种分类体系的对比与选择

我整理了一个对比表，方便你快速决策：

维度	申万一级行业	GICS行业
适用市场	A股为主	全球市场
行业数量	31个	11个（行业级）
更新频率	每年一次	每年一次
颗粒度	较细	较粗
典型应用	沪深300增强、中证500增强	MSCI指数增强、跨市场策略

我个人建议：做A股策略，优先用申万。原因很简单——它更细，能捕捉到更多行业轮动机会。但如果你做的是全球配置，或者策略要跟海外投资者沟通，那就用GICS。

最后，送你一句话：分类体系是工具，不是目的。别在分类上钻牛角尖，把精力放在如何利用分类来构建有效的行业偏离上，这才是正路。

---

公众号:蓝海资料掘金营，微信deep3321