行业分类：给股票安家的两棵树
我的掌握程度：
先掌握这个答案
两棵主要的树：①申万行业分类（国内主流）：一级31个行业（食品饮料、银行、电子…），向下二三级细分；②GICS（全球行业分类标准）：国际通用，11个板块。分类的用途：行业归因、行业轮动、行业中性化（把「行业顺风/逆风」从收益中剥离）。
先读结论，再核对下方使用边界；数字例题为教学情景，涉及实际行情与规则时请核对原始来源。
从理解到使用
本阶段实战方法 · 把行情数字变成可比较的收益
看股票、基金或策略业绩时，先对齐本金、起止日期、现金流与费用。
- 选一个固定区间，记录期初价值、期末价值、分红、出入金和交易费用。
- 没有中途出入金时，用（期末价值＋已取出分红－期初价值－费用）÷期初价值计算收益；有出入金时先区分时间加权与资金加权。
- 用相同区间的基准作比较，同时记录最大亏损；不要单凭一次盈利评价能力。
使用边界
- 不同期限的收益不可直接排名；年化只是换算，不是未来收益承诺。
- 模拟价格不是实时行情。普通股票交易手数、T+1和费用应按具体市场规则核对。
背景 · 从一个困惑说起
医药股集体大涨的日子，你的组合里唯一一只医药股贡献了全部亏损——不是选股差，是行业暴露在作祟。要看清这件事，得先有一张「行业地图」。
由此产生的问题
行业分类标准有哪些？为什么量化研究的第一步处理几乎总是「行业中性化」（阶段5）？
核心概念
两棵主要的树：①申万行业分类（国内主流）：一级31个行业（食品饮料、银行、电子…），向下二三级细分；②GICS（全球行业分类标准）：国际通用，11个板块。分类的用途：行业归因、行业轮动、行业中性化（把「行业顺风/逆风」从收益中剥离）。
为什么需要它
①解释收益：个股涨跌=市场+行业+个股特质三层（q-006 Beta思想的细化）；②控制暴露：中性策略要求组合行业权重贴近基准，防止Alpha被行业赌注污染；③轮动策略的基础：行业ETF轮动（q-023）直接交易行业观点。
实际应用场景
量化日常：因子检验前先做行业+市值中性化（阶段5三件套）；组合优化器里加「行业偏离≤±2%」约束；券商金工研报的行业景气度框架。
与之前知识的联系
市值（q-033）和行业是横截面最强的两个「风格轴」，阶段5会把它们做成中性化流水线。下一题把行情软件页面上的所有元素串成导览。
⚠ 常见误解
- 行业分类是客观事实：申万和中信分类有差异，个别公司归属争议大（跨行业的公司放哪棵树都有道理）
- 行业中性化总是好事：如果你的Alpha确实来自行业判断，中性化会亲手消灭它——先想清楚Alpha来源
- 一级行业粒度够用：中性化常用一级，轮动研究常用二级——粒度是工具不是教条
🛠 本题实践任务
查你持有或关注的3只股票分别属于哪个申万一级行业。再查该行业指数近一个月涨跌：你的股票涨跌中有多少是行业给的？
💡 提示（先自己想5分钟再看）
个股页F10「行业归属」；行业指数代码可在申万宏源研究/行情软件「行业板块」页查。
✅ 验收标准
三只股票的行业+行业指数表现+一句话归因。体会：不看行业的个股分析=只看树不看林。
在你的浏览器内运行。首次需联网下载 Python；支持标准库和 Pyodide 提供的 NumPy、pandas 等包。行情抓取、系统文件访问和部分第三方库请在本地环境运行。输出自检仅比对结果关键词，不代替逻辑审查。
Python · 独立工作线程 · 执行限时10秒
🤖 AI导师
导师会先检查你的前置知识（指数、选股域），再用案例、公式和代码帮助理解。此功能需要先启用服务。