行业分类标准:申万、中信、GICS,到底该用哪个?
做行业轮动,第一步就是选行业。
但行业怎么分?这问题我当年刚入行时也头疼过。打开数据软件,申万、中信、GICS……一堆分类标准摆在那,每个都说自己好。说实话,选错了分类,后面所有分析都是白搭。
今天我就把这三个主流分类标准掰开揉碎了讲。你听完就知道,自己该用哪个。
一、申万行业分类:国内最接地气的选择
申万宏源出的这套分类,我个人用得最多。为什么?因为它跟A股市场的贴合度最高。
申万分类有几个特点:
- 层级清晰:一级行业、二级行业、三级行业,层层细分
- 更新及时:每年会根据市场变化调整,比如最近新增了「光伏设备」
- 覆盖面广:A股所有股票都能找到归属
举个例子。我去年做新能源赛道轮动时,用的就是申万二级行业分类。它把「光伏设备」和「风电设备」分开了,这对我做细分轮动特别重要。要是用一级行业,它们全挤在「电力设备」里,根本看不出轮动节奏。
核心优势:申万分类是A股量化圈的「默认语言」。你写策略、发报告、跟同行交流,大家都认这个。
我的建议:如果你主要做A股,从申万一级或二级行业开始。别一上来就搞三级,太细了反而容易过拟合。
二、中信行业分类:机构投资者的偏好
中信证券的行业分类,跟申万有点像,但细节上有差异。
我记得有一次,我同时用申万和中信的分类跑同一个轮动策略。结果呢?申万显示「电子」行业在走强,中信却说「半导体」在领涨。其实都对,只是分类粒度不同。
中信分类的几个关键点:
- 偏重金融:对银行、保险、券商的划分更细
- 风格稳健:调整频率比申万低,历史数据更连贯
- 机构认可度高:很多公募基金内部用这个
注意:中信分类的二级行业数量比申万少。如果你做的是细分赛道轮动,可能会觉得不够用。
三、GICS行业分类:全球通用的语言
GICS是MSCI和标普联合搞的。说白了,它是全球投资者的「普通话」。
我刚开始做港股和美股时,发现申万分类用不了。为什么?因为GICS才是国际主流。你想想看,一个在A股和港股同时上市的公司,用GICS才能统一归类。
GICS的特点:
- 全球统一:11个一级行业,24个二级行业,全球通用
- 逻辑严谨:每个公司只能归到一个行业,没有交叉
- 适合跨市场:做A+H、跨境轮动时,GICS是唯一选择
避坑指南:我曾经用GICS做A股轮动,发现效果不如申万。原因很简单——GICS对A股的覆盖不够「本土化」。比如「白酒」在GICS里被归到「食品饮料」,但A股的白酒板块有自己的轮动规律。
四、三个标准的核心对比
光说特点不够,咱们直接上对比表。这样你一眼就能看出区别。
| 对比维度 | 申万行业分类 | 中信行业分类 | GICS行业分类 |
|---|---|---|---|
| 适用市场 | A股为主 | A股为主 | 全球市场 |
| 一级行业数 | 31个 | 30个 | 11个 |
| 二级行业数 | 134个 | 约110个 | 24个 |
| 更新频率 | 每年调整 | 不定期调整 | 每年调整 |
| 机构使用率 | 极高 | 高 | 全球主流 |
| 跨市场能力 | 弱 | 弱 | 强 |
嗯,看完这个表,你应该心里有数了。
五、如何选择适合自己的行业分类?
这个问题没有标准答案。但我可以给你一个决策框架。
- 看你的交易市场:只做A股?用申万。做港股美股?用GICS。两个都做?那就两个都备着。
- 看你的策略粒度:做宏观轮动,用一级行业就够了。做细分赛道,至少用到二级。
- 看你的数据历史:回测需要5年以上数据?申万和中信的历史数据更全。GICS在A股的历史覆盖较短。
- 看你的交流对象:跟国内机构交流,用申万。跟外资交流,用GICS。
我的个人习惯:我一般用申万一级行业做初筛,然后用二级行业做精细化轮动。如果涉及港股,再切换到GICS。说白了,分类标准是工具,不是信仰。哪个好用用哪个。
六、一张图看懂行业分类选择逻辑
下面这张图,是我自己总结的决策流程。你照着走一遍,基本不会选错。
这张图的核心逻辑很简单:先看市场,再看粒度,最后选分类。别搞反了。
七、实战中的几个坑
最后,分享几个我踩过的坑。你遇到了,直接绕过去。
- 别频繁切换分类标准:我见过有人今天用申万,明天用中信,结果回测信号乱成一锅粥。选定一个,坚持用下去。
- 注意行业合并与拆分:申万2021年把「采掘」拆成了「煤炭」和「石油石化」。如果你回测用了老数据,记得做对齐处理。
- 别迷信三级行业:三级行业太细了,很多行业只有三五只股票。轮动信号出来,你都没法交易。
- GICS在A股有滞后:有些A股公司被归到GICS的行业,跟实际业务对不上。做策略前,先手动校验一下。
重要提醒:行业分类只是起点。真正赚钱的轮动策略,靠的是对行业景气度的判断,而不是分类本身。别在分类上花太多时间纠结。
好了,行业分类这块就讲这么多。你回去之后,先确定自己的交易市场,然后选一个分类标准,跑一遍历史数据看看效果。实践出真知。