【华泰金工林晓明团队】中证行业分类修订解读与科学性分析

（以下内容从华泰证券《【华泰金工林晓明团队】中证行业分类修订解读与科学性分析》研报附件原文摘录）
　　林晓明 S0570516010001 SFC No. BPY421 研究员 黄晓彬 S0570516070001 研究员 刘依苇 S0570521090002 研究员 报告发布时间：2021年12月23日 摘要 整体解读：新版中证分类大幅增加各级行业数量，投资参考价值显著提升 中证行业分类广泛应用于指数编制、业绩评价以及投研分析中，市场认可度较高。在产业结构升级、行业市值占比变动、上市公司业务类型不断丰富的背景下，中证指数公司在2021年对其原有行业分类进行了修订。修订后各级行业数量显著增加，四级行业数量由10-26-72-162调整为11-35-98-260。一级行业分类与GICS、ICB等国际分类规则接轨，更好地服务于海外投资者的投研需要；二级行业分类按我国国情进行本土化改进，股票数量及市值集中度降低；下级行业颗粒度显著细化，四级行业数量及市值分布更加平均。此次修订覆盖范围较广，千只股票分类发生调整，行业框架更加精准合理。 修订细节：各级行业合理拆分细化，兼顾实用性和前瞻性 此次行业分类修订中有多个需要关注的重要细节。在一级行业层面，金融地产被拆分为金融和房地产，电信业务更名为通信服务并纳入传媒和互联网行业，前者解决了地产与金融行业股价走势发生明显分化、收益率相关性显著降低的问题，后者则体现了传统电信行业与互联网服务及新媒体行业深度融合的业态。二级行业层面，资本品和原材料行业均被拆分为5个二级行业，更贴近我国第二产业上市公司数量较多的特点。多数三、四级行业发生更名和拆分，也有少数上市公司数较少的细分行业被合并，其中电子半导体等高新行业颗粒度显著细化，体现行业分类的前瞻性。 横向对比：从定性和定量的角度来看，新版中证行业分类更为科学严谨 我们认为行业之间差异越大、行业内部相似度越大的行业分类理论上是更加具备严谨性和科学性、且更加符合经济逻辑的，我们依据这个判定标准，从定性和定量的角度对新版中证行业分类进行分析。在定性比较中，2021版中证一级行业分类与国际分类体系接轨，二级行业分类则同时匹配当前市场情况及未来发展趋势，在未来长期内或将具有相对较强的实用性。从定量角度来看，中证行业分类与其他行业分类相比具有一定优越性：其各级行业内部股票走势同质性较高、行业间差异性较大；也可有效将部分财务特征相近的上市公司归入同一行业，整体来看分类结果科学性强。 关联产品：此次修订推动部分行业指数成份优化调整，提升指数投资效率 中证指数有限公司是我国最具有影响力的金融市场指数提供商之一，市场上跟踪中证指数的基金产品数量众多且规模庞大。此次中证行业分类修订，或使相关行业/主题指数成份股发生变动，从而使关联产品持仓列表发生调整。调整提纯后的指数基金成分股行业更加集中，行业/主题特征更加鲜明，指数关联产品组合的精准程度以及投资效率也随之提升。此外此次行业修订新增了较多三四级细分行业，部分细分行业为颇具成长潜力的热点行业，为指数开发设计工作提供了更多可能性，也有望提升指数基金的丰富程度和市场规模，或为我国被动投资市场的长远发展带来正面影响。 风险提示：本报告不涉及证券投资基金评价，不涉及对具体基金产品的投资建议，亦不涉及对具体个股的投资建议；本报告内容仅供参考，投资者需特别关注指数编制公司、基金公司等官方披露的信息。 正文 整体解读：2021版中证分类更具国际化特征，投资参考价值更高 中证行业分类最早于2007年正式发布，现行行业分类版本为2016年底的修订版，被广泛应用于各核心指数及行业主题定制指数的编制、业绩评价以及投研分析中，市场认可度较高。但随着我国产业结构优化升级的推进、科创板的设立以及金融市场开放程度的提升，各行业总市值占比不断变化，上市公司的业务类型不断丰富，海外投资者的参与度也在逐渐提高。在此背景之下，中证指数公司在2021年对其原有行业分类进行了修订。 整体来看，此次中证行业分类修订维持四级分类架构不变，但各级行业数量显著增加，四级行业数量由10-26-72-162调整为11-35-98-260，新增1个一级行业（金融地产拆分为金融和房地产），9个二级行业，26个三级行业和98个四级行业，也有多个行业进行更名、拆分或合并。在本章节中，我们将先对此次行业分类修订的要点和主要变化进行描述，再在下一章节中对于行业分类修订细节进行详细阐述和分析。 一级行业分类与国际分类规则接轨，更好地服务于境外机构的投研需要 此次中证行业分类修订在一级行业上与国际主流行业分类体系规则对标。当前国际上较为权威的行业分类系统两大分类体系为GICS和ICB，GICS（Global Industry Classification Standard）由S&P和MSCI联合推出，ICB（Industry Classification Benchmark）由FTSE推出，两者均为全球范围内金融从业者广泛使用的行业分类。 2021版中证一级行业分类将旧版“金融地产”拆为“金融”和“房地产”两个一级行业，将“电信业务”更名为“通信服务”。当前中证一级行业与GICS的经济部门和ICB的行业板块完全一致，仅在命名上有些微差别，同时中证一级行业编号也由“00-09”调整为“10-60”，与国际两大主流行业分类编号接轨（GICS为“10-60”，ICB为“10-65”）。这一改动提升了国内外行业分类系统的可比性，在金融市场开放不断推进、海外投资者占比不断提升的背景下，能够有效能降低海外投资者的学习成本，提高研究和对比效率，更好地服务于海外投资者的投研需要。 二级行业分类考虑我国国情进行本土化改进，股票数量及市值集中度降低 而在二级行业分类上，中证新版行业分类在借鉴国际分类的基础上，兼顾A股上市公司行业结构及国内投研需要，进行了本土化改进： 1. 将“资本品”和“原材料”两个二级行业分别拆分为5个二级行业，以匹配我国第二产业上市公司数量较多的特点。 2. 将“耐用消费品与服装”和“食品、饮料与烟草”分别拆分为2个二级行业，以适应我国消费产品日益丰富以及内需占比逐渐提升的趋势。 3. 将A股上市公司数量较少的“零售业”和“食品与主要用品销售”合并为“零售业”，提高投研跟踪效率。 从二级行业的股票数量及市值分布来看，2021版中证行业分类的二级行业分类相比2016版更加平均。2021版中证行业分类共有35个二级行业，平均每个二级行业的股票数量为128只，比2016版的172只减少26%，二级行业平均市值从37280亿元下降至27693亿元。二级行业最大成份股数量从981只（旧版资本品）大幅降低到474只（新版机械制造），最大总市值规模从15.81万亿元（旧版资本品）大幅降低到10.42万亿元（新版银行）。 整体来看，修订后的二级行业股票数量和市值规模分布均更加均匀，集中度有所降低，一方面提升了投研人员分工跟踪研究的效率，另一方面则明确了不同行业之间的差异性、提升了行业内部股票的相似度，指数科学性有所提升。 下级行业细分颗粒度提高，四级行业数量及市值分布更加平均 此次中证行业分类修订同样对细分行业进行了颗粒度细化的调整。以四级行业为例，此次调整后，2021版中证行业分类共有260个四级行业，与2016版162的行业数量相比增加了60%；新版平均每个四级行业的股票数量为17只，比旧版平均27只减少37%；新版四级行业平均市值也从旧版的5900亿元下降至3700亿元。 从四级行业股票数量分布来看，调整后109个四级行业的股票数量落在6-15只的区间，占行业总数的44%，而原先仅有30%的四级行业股票数量落在这个区间，股票数量低于5只或超过55只的四级行业数量也大幅减少。从四级行业总市值来看，调整后132个四级行业的总市值落在1000-5000亿元区间，占行业总数的53%，而原先仅有38.7%的四级行业市值落在这个区间，行业总市值超过1万亿的四级行业数量也大幅减少。整体来看，调整后四级行业的数量和市值分布也更加平均。 除了增加三四级行业数量以及平均化细分行业股票数量和市值分布以外，此次行业修订还在三四级行业中新增了“中成药”、“中药饮片”、“快递”、“互联网零售”、“养殖”等细分类目以体现中国特色，增加了行业分类的实用性和准确性。 行业层面的修订包括拆分、合并或更名，涉及到的个股行业分类更加精准 接下来我们对修订前后各一级、二级行业的股票数量以及发生变动的股票数量进行对比，以直观呈现此次行业修订的覆盖范围。为便于作图展示，在进行分类比较时，我们以新旧两版中证行业分类中统计口径较大的一方为准进行统计。例如： 2016版一级行业“金融地产”对应2021版的“金融”和“房地产”两个一级行业，则我们以2016版“金融地产”为准，统计新版“金融”和“房地产”两个行业的股票总数，相对旧版“金融地产”行业股票数量的增减变化。 再比如，2021版二级行业“零售业”对应2016版“零售业”、“食品与主要用品零售”两个二级行业，则以2021版“零售业”为统计口径，统计新版“零售业”相对旧版“零售业”、“食品与主要用品零售”两个二级行业股票总数的增减变化。 从行业类别来看，此次修订在一级行业层面变化相对较小，2016版“金融地产”被拆分为“金融”和“房地产”两个行业，2016版“电信业务”更名为“通信服务”。从股票数量来看，本次调整变动较大的一级行业为“通信服务”（增加196只股票）、“信息技术”（减少141只股票）与“可选消费”（减少111只股票），变化较小的行业为“主要消费”、“能源”、“公用事业”和原“金融地产”。修订后股票数量前三名的一级行业为“工业”、“原材料”和“可选消费”。 从行业类别来看，此次修订在二级行业层面变化较大，2016版中股票数量最多的二级行业“资本品”和“原材料”，在此次修订中均被拆分为5个二级行业：“资本品”被拆分为“机械制造”、“电力设备”、“建筑装饰”、“环保”和“航空航天与国防”；“原材料”被拆分为“化工”、“有色金属”、“造纸与包装”、“非金属材料”和“钢铁”。2016版中的“耐用消费品与服装”和“食品、饮料与烟草”也被拆分。2016版的“零售业”和“食品与主要用品销售”在新版中被合并为“零售业”。 股票数量变动较大的二级行业为资本品（取2016版口径，增加107只股票）、计算机运用（减少84只股票）、计算机及电子设备（减少60只股票）、传媒（增加56只股票）、医药生物（减少50只股票）与通信设备（增加40只股票）。修订后股票数量最多的三个行业分别为机械制造（474只）、化工（316只）和电子（282只）。 若考虑行业名称变更和行业拆分合并的覆盖范围，此次修订调整了899只股票的一级行业，3420只股票的二级行业，3245只股票的三级行业，3656只股票的四级行业分类。整体来看，此次行业分类对原先中证行业分类结构进行了全面升级，与国际接轨的同时贴近我国国情，整体改动幅度较大；同时此次行业分类修订覆盖全部A股港股及中概股，上市公司行业分类更加精准合理。 修订细节：各级行业合理拆分细化，兼顾实用性和前瞻性 收益相关性逐渐降低，原一级行业金融地产拆分为金融和房地产 金融和房地产的经济体量巨大，随着“房住不炒”和“三条红线”等政策导向的落地推行，中国房地产业杠杆率下降，金融属性减弱，房地产业与金融行业上市公司股价走势差异逐渐扩大，风险收益特征也逐渐分化。由此，2021版中证分类将原“金融地产”调整更名为“金融”，同时新设“房地产”一级行业，将2016版二级分类“房地产”及其下三级分类划分至新设一级行业“房地产”下。调整后的“金融”一级行业则仍保留“银行”、“其他金融”、“资本市场”、“保险”4个二级行业。 房地产行业经济体量庞大，具备独立列为一级行业的规模基础 从经济体量的角度来看，我国金融业与房地产业经济体量庞大且稳步增长，2020年两个行业的GDP总量分别达到84070.1亿元与74552.5亿元，两者体量相近，占全国GDP总量8.27%与7.34%的份额，全国GDP第三产业15.18%与14.56%的份额，因此房地产行业具备独立列为一级行业的规模基础。 从上市公司数量和规模来看，按照中证行业分类，A股房地产行业公司数量为131家，总市值在1.80万亿左右，在所有一级行业中排名较为末尾，这也可能是2016版中证行业分类未将地产单独设立为一级行业的原因。但与上市公司数量130家、总市值接近2.96万亿的一级行业公用事业相比差距较小，或具备独立列为一级行业的市场体量基础。 2016年至今金融与房地产行业走势背离，收益相关性显著减弱，行业拆分具事实基础 考察一级行业拆分是否合理，除了观测其是否具备独立设为一级行业的经济规模和市场体量，最重要的就是观测拆分出的行业之间，在股价走势上是否有足够大的差异。从中证全指二级行业指数与中证内地主题指数走势来看，在2015年以前，房地产和金融行业指数走势基本一致，收益率的相关性也稳定在1附近。而从2016年开始，二者走势发生了明显的分化，2016年至今，金融行业指数整体呈现上升趋势，而地产行业指数波动向下，与金融行业指数的收益率相关性显著减弱。地产和金融行业的资产收益率出现分化，表明两者驱动因素或分析逻辑不再相同，若仍合并归入“金融地产”，则将为投研分析带来不便，因此此次修订对于“金融地产”一级行业的拆分是较为科学合理的。 互联网、新媒体与电信业务深度融合，新一级行业通信服务纳入传媒互联网 此次行业修订也对2016版一级行业“电信服务”进行了较大调整： 1. 将原一级行业“电信业务”更名为“通信服务”； 2. 保留了原二级行业“电信业务-电信服务”，调整二级行业“电信业务-通信设备”为“通信服务-通信设备及技术服务”，增加二级行业“通信服务-传媒”； 3. 整合纳入了原“可选消费-传媒-传媒”和“信息技术-计算机运用-互联网服务”两个与互联网产品与服务相关的三级行业。 以上调整顺应行业发展变动趋势，与当前通信服务业市场格局高度契合。截止2021年三季度，旧版中证行业分类的“电信业务”一级行业仅包含108家上市公司，公司数量仅大于80家公司的能源行业，其股票总市值也仅有1.99亿元，在10个一级行业中垫底。其公司类别包括固定电信网络运营商以及提供无线和固话电信业务的公司、在公共电信网络基础设施提供附加的电信与信息服务业务的公司、通信终端设备制造商、通信传输设备制造商（包括局域网、广域网、路由器和交换机）等，可见原行业分类下的公司类别多局限在传统电信服务行业。 传统电信行业市值占比呈现下降趋势，在中美市场中均为总市值占比最小的一级行业 如下图表所示，在中国市场中，原“电信业务”行业市值总规模均远小于其他一级行业，且总市值增速也显著低于信息技术行业。而在美国市场中，在GICS行业2018年修订之前，原电信服务（Telecommunication Services）行业市值权重从1990年就开始一路下行，2017年底该行业在标普500中的占比仅为2.06%，可见传统电信行业影响力的下降是各国股票市场中的共性。 该现象的本质是由于，人们的交流方式、信息获取渠道和娱乐方式近年来发生了较大幅度的改变。在传统通信设备和电信服务的载体之上，媒体和互联网服务快速兴起，业务范围快速扩张。电信行业的服务范围与媒体和互联网行业逐渐交织融合，三个行业内的公司也在不断的合作、合并和收购中联系越发紧密，难以完全剥离。例如，在电信和互联网的载体之上，微信代替电话和短信成为了国人的主要社交工具，视频平台和电子书报也在一定程度上代替电视和纸质书报充实了国人的休闲时间，线上游戏也在逐渐代替线下娱乐成为很多人休闲方式的首选。而上述以互联网为载体的企业，通常依照产品类型被归类到信息技术行业或传媒行业，作为载体而存在的电信服务行业则增速缓慢，市场关注度逐渐降低。 GICS的2018年修订版重新定义了通讯行业，纳入Twitter和Netflix等互联网新媒体企业 为解决这些问题，MSCI和标普在2018年行业分类修订中对GICS行业分类做了大幅改动，将原电信服务行业（Telecommunication Services）行业更名为通讯业务（Communication Services），并将传媒行业及原信息技术行业中从事通讯服务的、以技术作为媒介而非核心驱动力的公司，归入通讯业务行业。 例如原信息技术行业-软件和服务分类下的Twitter、Facebook和Alphabet等著名互联网公司均被调整进通讯业务行业，这些公司提供的服务与通信社交相关，且仅以互联网作为媒介而非业务发展的关键驱动因素。此外，原可选消费分类下的Netflix、Disney等以互联网为载体的媒体和零售公司也被划入通讯业务行业。因此，新版分类系统中的通讯业务行业包括传统电信服务企业，也包括以之为媒介和载体的传媒公司和通讯相关互联网公司。调整后行业内部公司业务的丰富度和关联度显著提升；通讯业务行业在标普500中的总市值占比从2%左右跃升至10%左右，行业重要性显著提升；模拟出的通讯业务行业指数历史表现优于原电信服务行业指数，该行业指数以及关联指数产品的投资价值显著提升。 中证新行业分类将互联网服务和传媒纳入通信服务，行业历史表现改善，行业均衡性提升 我国情况与美国类似，当前互联网和传媒行业已经深度介入通信产业链，传统电信行业则更多的承担载体的角色。此次中证行业分类修订考虑到行业当前格局以及未来演化趋势，将原电信业务更名为通信服务，并新纳入部分互联网公司和传媒公司，三类行业处在同一产业链中，提供的服务和产品之间相似度逐渐提升，存在竞争关系，因此将其划入同一一级行业是科学合理的。此次修订后，一级行业“通信服务”的三级行业新增5个分类（2016版3个，2021版8个），四级行业新增12个分类（2016版5个，2021版17个）。前十大龙头股中新加入4只新“传媒”个股（分众传媒、芒果超媒、世纪华通、三七互娱）和1只新“数据中心”个股（紫光股份）。 此次对于电信业务行业分类的修订，一方面提高了信息传播和通讯产业链的完整度，另一方面则提升了原电信业务行业的重要性和投资价值： 1. 截止2021年11月30日，旧版“电信业务”口径下行业上市公司总市值接近2万亿元，而新版“通信服务”行业总市值超过3万亿元，行业重要性有了较显著的提升。 2. 投资价值方面，我们采用等权和自由流通市值加权两种方法模拟构建行业指数，分别对新版“通信服务”和旧版“电信业务”两个行业的历史表现进行考察，发现新版“通信服务”历史表现显著优于“电信业务”行业，说明此次修订对该行业投资价值有一定提升效果。 传媒行业增设三级行业数字媒体，新增游戏等7个四级行业，与新媒体时代行业特点匹配 此外，此次修订中传媒行业调整幅度较大。顺应当前新媒体逐渐代替传统媒体的趋势，原可选消费下的二级行业“传媒”被调整到通信服务行业下，同时将“信息技术-计算机运用-互联网服务”下属的游戏和互联网传媒这些新媒体领域上市公司纳入传媒行业。传媒行业下属三级行业被拆分为“营销与广告”和“文化娱乐”，并新增“数字媒体”一项；四级分类也由4个扩充到11个，新增游戏、数字营销、互动媒体、视频媒体等多个新媒体四级行业，兼顾传统媒体行业和新媒体行业上市公司。修订后新版二级行业“传媒”对应154只个股，总市值达1.4万亿，相比旧版增加56只个股，规模增加0.5万亿元。有4只个股市值超过500亿元，分众传媒1100亿、芒果超媒841亿、世纪华通537亿、三七互娱515亿。 此次修订对于一级行业电信业务的更名和扩充顺应行业变革趋势，体现了严谨性和前瞻性，也显著提升了行业分类的均衡性和合理性。传媒行业下属三四级行业覆盖范围的扩展，则明确体现了新媒体时代的行业特点，能够更好匹配上市公司业务重点，提升投研跟踪效率。 二级行业中“资本品”、“原材料”完成拆分细化，更符合我国国情 原二级行业体系的前两大行业存在股票数量和总市值占比过高的问题：“资本品”行业股票数量981只，数量占比21.9%；“原材料”行业股票数量637只，数量占比14.3%。仅这两大二级行业股票数量占比已经接近全市场的36.2%，总市值占比则接近全市场的30%，如此高的集中度说明该项分类科学性不足且不利于投研跟踪，而这一问题在2021版分类中得到了解决。此次行业修订的一大重点就是取消了“资本品”和“原材料”两个二级行业分类，将其原来相应的三级行业更名后升级为二级行业，并进一步细化其下属三四级行业。 原二级行业“资本品”拆分为“航空航天与国防”（ 81只，16223亿元）、“建筑装饰”（191只，24128亿元）、“电力设备”（231只，71726亿元）、“机械制造”（474只，51848亿元）、环保（111只，7472亿元）等五个二级行业，同时调整或新增7个三级行业和26个四级行业。 “原材料”行业拆分为“化工”（316只，49675亿元）、“有色金属”（120只，34022亿元）、“钢铁”（49只，15340亿元）、“非金属材料”（64只，13335亿元）、“造纸与包装”（68只，4843亿元）等五个二级行业，同时调整或新增28个四级行业。 我国产业结构仍处在升级过程中，从经济体量来看，2020年第三产业占GDP比重刚刚过半，第二产业占比则为37.8%，显著高于美国等发达国家的第二产业占比。从上市公司组成来看，A股市场中国原材料和制造业相关的上市公司数量众多、规模巨大、细分种类繁多。若照搬海外发达国家的二级分类，将第二产业相关上市公司笼统划分进两个行业中，则不符合我国国情，且无法精确反映某类上市公司的业务特性和股价走势，无法为投研工作提供太多参考价值。此次修订则在旧版的基础上进行了本土化改造，显著细化旧版中原材料和资本品两个二级行业的颗粒度，使其更好地服务于投资研究和指数开发工作。 三、四级行业的修订更加精细化，电子半导体行业颗粒度细化体现前瞻性 此次修订对于三、四级行业的改动较大，改动方向为细化行业分类颗粒度：新增了26个三级行业和98个四级行业；原始三四级行业分类大多发生更名或其他变更；新版98个三级行业中仅有约33个、新版260个四级行业中仅有约45个行业沿用此前的分类和名称；多个2016版的四级行业被升级为三级行业，下属新增多个粒度更细的四级行业；也有少数上市公司数较少的细分行业被合并。 以二级行业电子行业和半导体行业的三四级分类变动为例： 1. 电子行业新增“电子元件”、“电子化学品”和“其他电子”共3个三级行业以及10个四级行业；仅1个四级行业保留了原来的分类和名称；原先的四级行业“光电子器件”被升级为三级行业“光学光电子”，下属面板、LED和光学元件三个新设立的四级行业。 2. 原先半导体行业在三四级行业上均没有进行进一步细分，二三四级行业命名均为“半导体”。而新版半导体行业则按照产业链的不同位置划分出了“半导体材料及设备”、“集成电路”、“分立器件”共3个三级行业，又按照不同产品类型划分出6个四级行业。 电子半导体等高新科技产业与我国长期战略方向相匹配，当前正处于高速发展阶段，2019年至今新上市股票数量超过100只。此次行业修订显著细化了电子半导体行业的颗粒度，贴合行业内上市公司数量及规模高速增长的现状及未来趋势，提高了行业分类在投资研究中的参考价值，也提高了对热点行业跟踪投资的便利性。 横向对比：定性和定量来看，新中证行业分类更加科学严谨 行业是从经济活动中自然产生的，随着社会生产力逐渐提高，人类的需求逐渐多样化，社会分工也开始出现，相同分工下会诞生多个“具有高度相似性和竞争性”的企业群体，这些分工不同的企业群体就可以被定义为不同行业。 我们认为理想的行业划分结果可能会包括以下特性：行业之间社会分工不同，没有竞争关系，可能有协作关系；行业内部企业高度相似，竞争性极强。简而言之就是行业之间差异越大、行业内部相似度越大，则这个行业分类可能是越细致、越严谨、越符合经济逻辑的。但市场上的行业分类本就是见仁见智且在动态变化的，不同的分类目标和服务对象会造成不同，多主业公司所属行业在各分类体系中也不尽相同，我们无法定义一个完全精准且被所有人接受的行业分类评价标准。因此在后续定性分析与定量检验中，我们也会以行业内外部上市公司的差异性作为参考，但不会作为决定因素来评价分类好坏。 国内外常用的投资型行业分类体系之间存在相似性，可进行横向对比 行业分类体系有两种类型，一种是政府管理型行业分类，另一种是投资型行业分类。前者是以服务国家管理工作和统计工作为目的的行业分类，主要关注某一行业的宏观总量，其分类思路是站在生产者的立场，以产品为导向对所有上市或未上市的企业和单位进行分类，例如我国国家统计局发布的国民经济分类和联合国发布的ISIC（International Standard Industrial Classification of All Economic Activities）分类均属于管理型行业分类。 而投资型行业分类则主要服务于证券市场投资者的投资分析、业绩评价、资产配置或指数跟踪基金服务。其分类思路是站在消费者的立场上，以产品导向为基础，结合消费者的市场需求进行分类。分类对象则仅包括上市公司，从微观角度关注这些上市公司个体的投资价值。公认的分类方法是按照收入因素及盈利来源进行划分，考察其为股东创造利润的能力。国际上GICS（Global Industry Classification Standard）、ICB（Industry Classification Benchmark）以及国内中证、Wind、中信、申万等金融机构发布的行业分类，则属于投资型行业分类，后续在进行定性或定量讨论时，我们会将中证新版行业分类与其他常用投资分类进行对比，并采用“行业分类1”到“行业分类3”对中证以外的其他行业分类进行随机命名。 对国内外常用的投资性行业分类系统进行对比后发现，各系统均采用4级或3级行业分类。其中国内的中证行业分类和Wind行业分类与国外的GICS和ICB较为相近，均采用4级行业分类，且一级行业数量都是10-11个，在二级行业数量方面，中证新版行业分类显著多于其他几个分类体系，三、四级行业数量多于Wind分类、少于申万分类、与中信分类相近。中信行业与申万行业较为相近，均采用3级行业分类，一级行业数量相近，申万（2021）二、三级行业数量多于中信。 从行业类属以及数量级来看，中证、Wind、GICS、ICB在一级行业上是可以横向对比的，中信和申万没有可以与之对标的行业级别。在统计时，我们将使中信和申万的一、二、三级行业分类与中证等四种分类体系的二、三、四级行业分类进行对比。 而从覆盖范围来看，2021版中证行业分类全面覆盖沪港深市场上市公司证券及在海外上市的中概股，还额外包括公募债发债主体。与其他行业分类体系相比，新版中证行业分类覆盖市场相对更广，覆盖海外上市公司数量更多，为投资境外市场的投资者提供了较大便利。 定性对比：中证分类进一步细分工业和高新产业，兼顾行业现状及未来趋势 如前所述，2021版中证一级行业与GICS和ICB分类体系高度相似，实现与国际分类接轨。在二级分类上，中证与中信、申万的一级分类类似，但也有差别之处。相似点在于，我国原材料和制造业较为发达，上市公司数量较多，因此中证二级、中信一级和申万一级行业均在这些行业上进行了进一步细分。差别在于，中证新版二级行业分类还对高速发展的高新行业做了更加细致的分解。中证二级分类将医疗卫生行业拆分为“医疗”和“医药”两个二级行业；将电子行业拆分为“电子”和“半导体”两个二级行业；将通信行业拆分为“电信服务”和“通信设备及技术服务”两个二级行业，体现了较强的前瞻性，也利于投资者对热点行业及其细分行业进行精确跟踪。 整体来看，与国内其他可对标的投资型行业分类相比，2021版中证一级行业分类与国际接轨，满足海外投资者的研究需求，降低其学习成本。中证二级行业分类则具有较强的完备性，同时考虑了我国当前的情况以及未来发展趋势，符合投资者对工业和高新产业细分领域的投资研究需求，在未来一段时间内或将具有较强的实用性。 而从股票的行业划分方法来看，国内外投资型行业常用的方法是按照企业的收入因素（主营业务收入）和盈利来源（利润），来将上市公司划分到不同行业中，以更好地服务于投研分析。中证的上市公司分类以主营业务收入占比为主，利润为辅，与GICS、Wind、中信和申万的分类原则类似，划分标准较为科学合理。 定量对比：中证各级行业间差异性较大，行业内相似度较高 接下来，我们将尝试通过定量指标来对比验证中证行业分类的合理性，由于上市公司简介数据标准化程度较低，且主营业务类别较多，文本分析效率较低，因此我们选择通过交易数据和财务指标等标准化数据对各行业分类进行定量对比。 从股票数量及市值分布来看，中证行业分布平衡性更好，极端值较少 由于一级行业可对比性较差，我们从二级分类开始研究各行业分类内部股票分布的均匀性。由下图可见，新版中证二级行业股票数量分布相比其他分类更加右偏，且尾部相对较小，说明其各行业股票数量更加集中在100支左右，且股票数量大于350只的行业数量明显少于其他分类，说明新版中证行业分类在修订时有意对股票数量较多的行业进行了拆分调整，使得各二级行业在公司数量上更加平衡，为投研人员的分工跟踪提供便利，也提高了二级行业指数编制的精确度。 从行业市值分布来看，新版中证二级行业相比其对标行业分类相比，分布的右侧尾部更短，总市值在5万亿以上的行业数量显著少于其他行业分类，股票市值在行业内的分布也更加均匀。 从交易数据来看，中证行业分类内外部相关性差值较大，分类相对较为科学合理 理想的行业划分体系能够使得同一个行业内相似度足够高，行业间差异性足够大。体现到收益率相关性上就是行业内部股票正相关性尽可能强，行业间股票相关性尽量弱。基于这个目标，我们自主定义了一个从交易数据角度衡量行业分类合理性的指标：首先我们计算每只股票与行业内部其他股票收益率之间的相关性，将均值定义为“内部相关性”，其次再计算其与行业外部股票收益率之间的相关性，将均值定义为“外部相关性”，“内部相关性”超过“外部相关性”的幅度越大，说明行业分类越科学合理。每只股票内外部相关性差异的计算公式如下： 其中x_ij代表行业i的第j只股票收益率序列；x_ic代表我们观测的、属于行业i的某只股票；n_i代表第i个行业的股票数量。2021版中证二级行业分类内外部相关性差异均值为0.135，与对标行业分类3相近，显著高于行业分类1和2的0.118和0.127。因此从交易数据角度定量来看，新版中证二级行业分类行业内股票相似度较高、行业间股票差异性更大。 从细分行业分类情况来看，中证三级行业的内外部相关性平均值与对标行业分类2和3相近，但远超过行业分类1，四级行业的内外部相关性略微高于对标行业分类3，但显著高于另外两个对标行业分类。因此从交易数据角度来看，与其他对标行业分类相比，新版中证分类在各级行业分类上均具备较高的科学性和精准度。 从估值和财务指标来看，中证行业内部上市公司相似度更高、行业间差异性更大 接下来，我们尝试通过财务指标在行业内外部的差异来观测行业分类的科学性，我们借鉴了方差分析的方法和思路，计算上市公司PE、PB、ROE等指标的组间变异和组内变异，行业组间变异越大、组内变异越小，则或可说明该行业分类从财务指标角度分类的更加彻底。由于各行业内部不同股票估值不一定相近，行业龙头与小公司的估值也存在较大差别，因此这个评价指标仅能够用作次要参考，而不能作为判断行业分类合理性的主要因素。 从结果来看，各中证二级行业在财务指标方面的内外变异比率较高，在对标行业分类中的排名总在第一第二：中证二级行业分类PE指标的内外变异比率排名第一；PB指标排名第二；ROE方面排名第一且与另外几种行业分类有较大差距。说明新版中证行业分类能够有效地将财务特征相近的上市公司归入同一行业、将特征相差较大的公司归入不同行业。 从细分行业来看，中证三级行业的PB指标分类情况在各行业分类中较为突出，四级行业分类的PB和ROE指标内外变异比率显著高于其他分类，PE指标与行业分类3相近、显著高于另外两个分类体系。以上结果说明其细分行业分类内部股票的部分财务特征较为相近，行业间财务特征相差较远，从估值和财务指标来看，新版中证行业分类体系也具备较高的科学性和有效性，能够更好地服务投资研究，也可以帮助跟踪中证指数的基金产品提高组合构建的效率和精确度。 关联产品：修订优化行业主题指数，提升相关指数基金投资效率 中证指数有限公司是我国最具有影响力的金融市场指数提供商之一，旗下指数的投资价值受到机构和投资者的广泛认可，因此市场上跟踪中证指数的基金产品数量众多，规模巨大。此次中证行业分类修订，或导致相关行业/主题指数成份股发生变动，从而使跟踪该指数的基金产品持仓发生调整。调整提纯后的指数基金成分股行业更加集中，行业/主题特征更加鲜明，组合构建更加科学精准，或为指数产品的长期发展带来正面影响，提升投资者的投资效率。 修订前后指数实际变动较小，成份股组合更加精准地刻画行业主题表现 我们从中证指数有限公司发布的中证行业指数、中证主题指数、中证海外指数、中证定制指数四个指数系列，共计1298只不同的指数中，筛选编制过程中参考了中证行业分类标准的指数，共计596支指数。其中包括286支中证主题指数、122支中证海外指数和100只中证行业指数，此外也有部分客户定制类指数编制时参考了中证行业分类。 在以上根据编制方案筛选出的指数中，有相当一部分指数在此次行业修订后成份股是不会发生改变的。我们从中筛选出有基金产品跟踪的94支指数，其中跟踪指数基金数量最多的指数是证券公司指数（399975.SZ），共有25支基金跟踪。中证银行指数（399986.SZ）次之，共有22支基金跟踪。中证军工指数（399967.SZ）则有9支基金跟踪。跟踪基金总规模最大的指数也是证券公司、中证银行和中证军工指数。 接下来我们将从选择跟踪基金数量及规模均排名前三的指数：证券公司（399975.SZ）、中证银行（399986.SZ）、中证军工（399967.SZ）作为例子，来详细分析此次行业修订将为指数成分股带来哪些变化，并介绍我们如何定性检验此次行业分类修订前后指数是否发生实质性调整。 证券公司（399975.SZ）成份股行业分类在修订前后变化较小，组合构建更加精准 证券公司（399975.SZ）属于中证全指细分行业指数中的四级行业指数，在旧版行业分类中，其成份股均来自同一中证四级行业“金融地产-资本市场Ⅱ-资本市场Ⅲ-投资银行业与经纪业”。而在新版行业分类中，其成份股归属于两个不同的四级行业：绝大多数成份股被分入“金融-资本市场-证券公司-证券公司”，但瑞达期货（002961.SZ）和南华期货（603093.SH）则被分入“金融-资本市场-其他资本市场-其他资本市场”。 两期货公司自由流通市值均不足30亿元，因此在指数中所占权重较小，权重总和不到0.3%。且两只股票在2020年至今的平均成交量不足330万股，远小于其他成分股平均3400万股的成交量。因此证券公司（399975.SZ）成分股组合虽然会在行业分类修订前后发生改变，但实际变动幅度和影响范围较小。 而从股票历史表现来看，两只股票在2020年7月以前的走势与中证全指金融指数较为一致，但7月至今的走势则与之发生明显背离，收益率相关性也显著降低。在2020年7月底到2021年10月底的区间内，南华期货跌幅接近50%，瑞达期货跌幅超过12%，而全指金融下跌幅度仅为7%，可见两只期货公司股票对指数业绩表现有较大负面影响。此次行业修订剔除掉两只与行业内其他股票相关性较低、且历史表现不太理想的期货公司股票，或将提高行业组合构建的科学性和精准度，对指数及其关联基金产品的业绩表现产生正面影响。 中证银行成份股行业分类均未发生变化，指数或不受修订实质影响 跟踪产品数量和规模均排名第二的中证银行（399986.SZ）属于中证全指细分行业指数中的二级行业指数，在旧版行业分类中，其成份股均来自同一中证二级行业“银行”，虽然在新旧中证行业分类体系下行业分类名称略有变化，但其成份股的新版中证二级行业分类仍均属于“银行”行业，并无本质改变，因而此次行业分类修订预计不会导致该指数成份股发生变动。 中证军工未限定成份股行业，指数或不受修订实质影响 跟踪产品数量和规模均排名第三的中证军工指数（399967.SZ）共有58支成份股，根据中证指数公司发布的《中证军工指数编制方案》，中证军工指数从沪深市场中选取十大军工集团控股的且主营业务与军工行业相关的上市公司证券，以及其他业务范围涵盖航空、航天、船舶、兵器、军事电子和卫星等军工领域的代表性上市公司证券作为指数样本，以反映军工行业公司的整体表现。 由于中证行业分类中并没有将“军工”主题单列为一个行业，该指数实质上对成份股所属中证行业未做严格要求。因此我们需要同时考虑行业分类和个股主营业务来筛选成份股。我们对比其新旧中证一、二、三、四级行业分类发现，58支成份股的二、三、四级行业分类名称发生了变化，8支成份股的一级行业发生变化。 但从这些新旧中证一级行业分类发生变化的成份股信息来看，它们的新旧一级行业分类并未发生本质上的区别，仍在“通信服务”、“工业”、“信息技术”等电信、通信范畴之内；在新旧中证二级行业分类发生变化的57支成份股当中，共有44支的二级行业分类由原“资本品”转为“航空航天与国防”、“半导体”、“机械制造”等与成份股本身国防军工业务更加贴切的行业分类，而这一现象也同样出现在三级分类不一致的54支成份股和四级分类不一致的58支成份股当中。体现出新中证行业分类较旧中证行业分类的进一步细化，提高了投资参考价值。 从二三四级行业分类来看，这些成份股的行业也未脱离军工主题，其主营业务范围及所处行业也仍属于《中证军工指数编制方案》中提及的限制之内。由此，行业修订预计不会使得中证军工指数及跟踪它的基金发生实质性的调整。 约181只指数基金将调整编制方案或优化成份股组成，组合构建精准度提升 根据中证指数公司在2021年11月25日发布的《关于就中证行业分类标准修订相应调整部分指数编制方案的公告》，在中证行业分类修订生效后，281只指数的编制方案将相应调整，调整方式不一而同：部分指数仅调整编制方案表述，部分指数仅调整指数名称，部分指数则将对选样方法或加权方式进行优化调整。在公告中公布的281只指数中，有65只指数当前有公募指数基金跟踪，指数基金总数共181只。实际研究后发现，发生行业变动的成份股均非大权重龙头股，因此此次行业修订对指数关联基金的实际影响并不大，但可以有效提高组合构建的精准度，提升投资跟踪效率。 例如，中证800证保指数（399966.SZ）的编制方案要求成份股属于资本市场（二级）、其他金融(二级)、保险(二级)等中证行业；300金融（000914.SH）、中证金融（000934.SH）均要求其成份股属于金融地产这一中证行业。而这三支指数的共同成份股同花顺（300033.SZ）的新中证分类则被调整为“信息技术-计算机-软件开发-行业应用软件”，不再符合三只指数的原编制方案要求。 与三只指数中的其他成份股相比，同花顺主要提供的是软件产品和金融数据服务等，与其他银行、保险、券商等传统金融机构提供的产品服务类别有较大差异，因此该公司的行业调整是具有较高科学性与合理性的。而从权重来看，该公司在中证800证保（399966.SZ）中所占权重为1.16%，在300金融（000914.SH）中所占权重为0.51%，在中证金融（000934.SH）中所占权重为0.46%，因此该成份股的变动对基金产品的影响有限。 根据中证指数调整公告，其余在行业分类修订后进行成份调整的、当前有产品跟踪的65只指数列表如下。 在即将实行调整的指数中，跟踪基金最多的指数为中证医药卫生指数（000933.SH），共有8支基金跟踪这支指数；关联基金数排名第二的中证全指医疗保健设备与服务指数（H30178.CSI）次之，有7只；中证主要消费指数（000932.SH）有6支。跟踪指数基金规模最大的指数为中证主要消费指数（000932.SH）、中证基建工程指数（399995.SZ）和中证食品饮料指数（930653.CSI），截至2021年三季报，三支指数的跟踪基金总规模均超过了900亿元。 此次修订新增较多细分热点行业，为指数开发设计提供更多可能性 如前所述，此次中证行业分类修订后，各级行业数量显著增加，由10-26-72-162调整为11-35-98-260，新增1个一级行业（金融地产拆分为金融和房地产），9个二级行业，26个三级行业和98个四级行业，也有多个行业进行更名、拆分或合并。此次行业修订新增了较多的三级行业和四级行业，为中证细分行业指数的开发设计带来了更多的可能性。 例如在原先的分类体系中，“半导体”二级行业的三级四级行业同样命名为“半导体”，未进行细分。而在新的分类体系中，“半导体”行业的三级行业拆分为了“集成电路”、“分立器件”和“半导体材料及设备”三个，四级行业则拆分为6个行业。不同细分行业的表现在不同的时间区间内有较大差异：例如在2015年到2017年，新分类中的三级行业“集成电路”的表现优于“分立器件”，也优于旧分类中的“半导体”行业表现。而2019年以来，“分立器件”的表现显著优于旧版“半导体”及新版“集成电路”和“半导体材料与设备”。若中证指数公司在行业分类修订后对细分行业指数系列进行扩容，增设相关三级、四级行业指数，则能够为机构供了更多产品发行的选择，也能够显著提升投资者的投资灵活性，帮助投资者高效捕捉细分行业的阶段行情。 整体来看，此次中证行业修订提高了中证行业主题指数的科学性和合理性，指数关联产品组合的精准度以及投资效率也随之提升。此外此次行业修订新增了较多三四级细分行业，部分细分行业为颇具成长潜力的热点行业，为未来的指数开发设计工作提供了更多可能性，也有望提升指数关联产品的丰富程度和市场规模，为我国被动投资市场的长远发展带来正面影响。 风险提示 1.本报告不涉及证券投资基金评价，不涉及对具体基金产品的投资建议，亦不涉及对具体个股的投资建议； 2.本报告内容仅供参考，投资者需特别关注指数编制公司、基金公司等官方披露的信息。 免责声明与评级说明 公众平台免责申明 本公众号不是华泰证券股份有限公司（以下简称“华泰证券”）研究报告的发布平台，本公众号仅供华泰证券中国内地研究服务客户参考使用。其他任何读者在订阅本公众号前，请自行评估接收相关推送内容的适当性，且若使用本公众号所载内容，务必寻求专业投资顾问的指导及解读。华泰证券不因任何订阅本公众号的行为而将订阅者视为华泰证券的客户。 本公众号转发、摘编华泰证券向其客户已发布研究报告的部分内容及观点，完整的投资意见分析应以报告发布当日的完整研究报告内容为准。订阅者仅使用本公众号内容，可能会因缺乏对完整报告的了解或缺乏相关的解读而产生理解上的歧义。如需了解完整内容，请具体参见华泰证券所发布的完整报告。 本公众号内容基于华泰证券认为可靠的信息编制，但华泰证券对该等信息的准确性、完整性及时效性不作任何保证，也不对证券价格的涨跌或市场走势作确定性判断。本公众号所载的意见、评估及预测仅反映发布当日的观点和判断。在不同时期，华泰证券可能会发出与本公众号所载意见、评估及预测不一致的研究报告。 在任何情况下，本公众号中的信息或所表述的意见均不构成对任何人的投资建议。订阅者不应单独依靠本订阅号中的内容而取代自身独立的判断，应自主做出投资决策并自行承担投资风险。订阅者若使用本资料，有可能会因缺乏解读服务而对内容产生理解上的歧义，进而造成投资损失。对依据或者使用本公众号内容所造成的一切后果，华泰证券及作者均不承担任何法律责任。 本公众号版权仅为华泰证券所有，未经华泰证券书面许可，任何机构或个人不得以翻版、复制、发表、引用或再次分发他人等任何形式侵犯本公众号发布的所有内容的版权。如因侵权行为给华泰证券造成任何直接或间接的损失，华泰证券保留追究一切法律责任的权利。华泰证券具有中国证监会核准的“证券投资咨询”业务资格，经营许可证编号为：91320000704041011J。 林晓明 执业证书编号：S0570516010001 华泰金工深度报告一览 金融周期系列研究（资产配置） 【华泰金工林晓明团队】2020年中国市场量化资产配置年度观点——周期归来、机会重生，顾短也兼长20200121 【华泰金工林晓明团队】量化资产配置2020年度观点——小周期争明日，大周期赢未来20200116 【华泰金工林晓明团队】风险预算模型如何度量风险更有效-改进风险度量方式稳定提升风险模型表现的方法 【华泰金工林晓明团队】周期双底存不确定性宜防守待趋势——短周期底部拐头机会渐增，待趋势明朗把握或更大20191022 【华泰金工林晓明团队】二十年一轮回的黄金投资大周期——黄金的三周期定价逻辑与组合配置、投资机会分析20190826 【华泰金工林晓明团队】如何有效判断真正的周期拐点？——定量测度实际周期长度提升市场拐点判准概率 【华泰金工林晓明团队】基钦周期的长度会缩短吗？——20190506 【华泰金工林晓明团队】二十载昔日重现，三四年周期轮回——2019年中国与全球市场量化资产配置年度观点（下） 【华泰金工林晓明团队】二十载昔日重现，三四年周期轮回——2019年中国与全球市场量化资产配置年度观点（上） 【华泰金工林晓明团队】周期轮动下的BL资产配置策略 【华泰金工林晓明团队】周期理论与机器学习资产收益预测——华泰金工市场周期与资产配置研究 【华泰金工林晓明团队】市场拐点的判断方法 【华泰金工林晓明团队】2018中国与全球市场的机会、风险 · 年度策略报告（上） 【华泰金工林晓明团队】基钦周期的量化测度与历史规律 · 华泰金工周期系列研究 【华泰金工林晓明团队】周期三因子定价与资产配置模型（四）——华泰金工周期系列研究 【华泰金工林晓明团队】周期三因子定价与资产配置模型（三）——华泰金工周期系列研究 【华泰金工林晓明团队】周期三因子定价与资产配置模型（二）——华泰金工周期系列研究 【华泰金工林晓明团队】周期三因子定价与资产配置模型（一）——华泰金工周期系列研究 【华泰金工林晓明团队】华泰金工周期研究系列 · 基于DDM模型的板块轮动探索 【华泰金工林晓明团队】市场周期的量化分解 【华泰金工林晓明团队】周期研究对大类资产的预测观点 【华泰金工林晓明团队】金融经济系统周期的确定（下）——华泰金工周期系列研究 【华泰金工林晓明团队】金融经济系统周期的确定（上）——华泰金工周期系列研究 【华泰金工林晓明团队】全球多市场择时配置初探——华泰周期择时研究系列 行业指数频谱分析及配置模型：市场的周期分析系列之三 【华泰金工林晓明团队】市场的频率——市场轮回，周期重生 【华泰金工林晓明团队】市场的轮回——金融市场周期与经济周期关系初探 周期起源 【华泰金工林晓明团队】金融经济周期的耗散结构观——华泰周期起源系列研究之十 【华泰金工林晓明团队】经济系统中有序市场结构的进化——华泰周期起源系列研究报告之九 【华泰金工林晓明团队】企业间力的产生、传播和作用效果——华泰周期起源系列研究之八 【华泰金工林晓明团队】耦合振子同步的藏本模型——华泰周期起源系列研究之七 【华泰金工林晓明团队】周期在供应链管理模型的实证——华泰周期起源系列研究之六 【华泰金工林晓明团队】不确定性与缓冲机制——华泰周期起源系列研究报告之五 【华泰金工林晓明团队】周期是矛盾双方稳定共存的结果——华泰周期起源系列研究之四 【华泰金工林晓明团队】周期是不确定性条件下的稳态——华泰周期起源系列研究之三 【华泰金工林晓明团队】周期趋同现象的动力学系统模型——华泰周期起源系列研究之二 【华泰金工林晓明团队】从微观同步到宏观周期——华泰周期起源系列研究报告之一 FOF与金融创新产品 【华泰金工林晓明团队】养老目标基金的中国市场开发流程--目标日期基金与目标风险基金产品设计研究 【华泰金工】生命周期基金Glide Path开发实例——华泰FOF与金融创新产品系列研究报告之一 因子周期（因子择时） 【华泰金工林晓明团队】市值因子收益与经济结构的关系——华泰因子周期研究系列之三 【华泰金工林晓明团队】周期视角下的因子投资时钟--华泰因子周期研究系列之二 【华泰金工林晓明团队】因子收益率的周期性研究初探 择时 【华泰金工林晓明团队】波动率与换手率构造牛熊指标——华泰金工量化择时系列 【华泰金工林晓明团队】A股市场低开现象研究 【华泰金工林晓明团队】华泰风险收益一致性择时模型 【华泰金工林晓明团队】技术指标与周期量价择时模型的结合 【华泰金工林晓明团队】华泰价量择时模型——市场周期在择时领域的应用 中观基本面轮动 【华泰金工林晓明团队】行业配置落地：指数增强篇——华泰中观基本面轮动系列之十 【华泰金工林晓明团队】行业配置策略：拥挤度视角——华泰中观基本面轮动系列之九 【华泰金工林晓明团队】行业配置策略：景气度视角——华泰中观基本面轮动系列之八 【华泰金工林晓明团队】行业配置策略：趋势追踪视角——华泰中观基本面轮动系列之七 【华泰金工林晓明团队】行业配置策略：宏观因子视角——华泰中观基本面轮动系列之六 【华泰金工林晓明团队】行业全景画像：投入产出表视角——华泰中观基本面轮动系列之五 【华泰金工林晓明团队】行业全景画像：改进杜邦拆解视角——华泰中观基本面轮动系列之四 【华泰金工林晓明团队】行业全景画像：风格因子视角 ——华泰中观基本面轮动系列之三 【华泰金工林晓明团队】行业全景画像：宏观因子视角 ——华泰中观基本面轮动系列之二 【华泰金工林晓明团队】确立研究对象：行业拆分与聚类——华泰中观基本面轮动系列之一 行业轮动 【华泰金工林晓明团队】不同协方差估计方法对比分析（二）——华泰行业轮动系列报告之十三 【华泰金工林晓明团队】拥挤度指标在行业配置中的应用——华泰行业轮动系列报告之十二 【华泰金工林晓明团队】基于投入产出表的产业链分析 ——华泰行业轮动系列报告之十一 【华泰金工林晓明团队】不同协方差估计方法对比分析——华泰行业轮动系列报告之十 【华泰金工林晓明团队】景气度指标在行业配置中的应用——华泰行业轮动系列报告之九 【华泰金工林晓明团队】再探周期视角下的资产轮动——华泰行业轮动系列报告之八 【华泰金工林晓明团队】“华泰周期轮动”基金组合改进版——华泰行业轮动系列报告之七 【华泰金工林晓明团队】“华泰周期轮动”基金组合构建——华泰行业轮动系列之六 【华泰金工林晓明团队】估值因子在行业配置中的应用——华泰行业轮动系列报告之五 【华泰金工林晓明团队】动量增强因子在行业配置中的应用——华泰行业轮动系列报告之四 【华泰金工林晓明团队】财务质量因子在行业配置中的应用——华泰行业轮动系列报告之三 【华泰金工林晓明团队】周期视角下的行业轮动实证分析——华泰行业轮动系列之二 【华泰金工林晓明团队】基于通用回归模型的行业轮动策略——华泰行业轮动系列之一 Smartbeta 【华泰金工林晓明团队】重剑无锋：低波动 Smart Beta——华泰 Smart Beta 系列之四 【华泰金工林晓明团队】投资优质股票：红利类Smart Beta——华泰Smart Beta系列之三 【华泰金工林晓明团队】博观约取：价值和成长Smart Beta——华泰Smart Beta系列之二 【华泰金工林晓明团队】Smart Beta：乘风破浪趁此时——华泰Smart Beta系列之一 【华泰金工林晓明团队】Smartbeta在资产配置中的优势——华泰金工Smartbeta专题研究之一 多因子选股 【华泰金工林晓明团队】华泰单因子测试之历史分位数因子——华泰多因子系列之十三 【华泰金工林晓明团队】桑土之防：结构化多因子风险模型——华泰多因子系列之十二 【华泰金工林晓明团队】华泰单因子测试之海量技术因子——华泰多因子系列之十一 【华泰金工林晓明团队】因子合成方法实证分析 ——华泰多因子系列之十 【华泰金工林晓明团队】华泰单因子测试之一致预期因子 ——华泰多因子系列之九 【华泰金工林晓明团队】华泰单因子测试之财务质量因子——华泰多因子系列之八 【华泰金工林晓明团队】华泰单因子测试之资金流向因子——华泰多因子系列之七 【华泰金工林晓明团队】华泰单因子测试之波动率类因子——华泰多因子系列之六 【华泰金工林晓明团队】华泰单因子测试之换手率类因子——华泰多因子系列之五 【华泰金工林晓明团队】华泰单因子测试之动量类因子——华泰多因子系列之四 【华泰金工林晓明团队】华泰单因子测试之成长类因子——华泰多因子系列之三 【华泰金工林晓明团队】华泰单因子测试之估值类因子——华泰多因子系列之二 【华泰金工林晓明团队】华泰多因子模型体系初探——华泰多因子系列之一 【华泰金工林晓明团队】五因子模型A股实证研究 【华泰金工林晓明团队】红利因子的有效性研究——华泰红利指数与红利因子系列研究报告之二 人工智能 【华泰金工林晓明团队】深度卷积GAN实证——华泰人工智能系列之四十四 【华泰金工林晓明团队】因子观点融入机器学习——华泰人工智能系列之四十三 【华泰金工林晓明团队】图神经网络选股与Qlib实践——华泰人工智能系列之四十二 【华泰金工林晓明团队】基于BERT的分析师研报情感因子——华泰人工智能系列之四十一 【华泰金工林晓明团队】微软AI量化投资平台Qlib体验——华泰人工智能系列之四十 【华泰金工林晓明团队】周频量价选股模型的组合优化实证——华泰人工智能系列之三十九 【华泰金工林晓明团队】WGAN生成：从单资产到多资产——华泰人工智能系列之三十八 【华泰金工林晓明团队】舆情因子和BERT情感分类模型——华泰人工智能系列之三十七 【华泰金工林晓明团队】相对生成对抗网络RGAN实证——华泰人工智能系列之三十六 【华泰金工林晓明团队】WGAN应用于金融时间序列生成——华泰人工智能系列之三十五 【华泰金工林晓明团队】再探AlphaNet：结构和特征优化——华泰人工智能系列之三十四 【华泰金工林晓明团队】数据模式探索：无监督学习案例——华泰人工智能系列之三十三 【华泰金工林晓明团队】AlphaNet：因子挖掘神经网络——华泰人工智能系列之三十二 【华泰金工林晓明团队】生成对抗网络GAN初探——华泰人工智能系列之三十一 【华泰金工林晓明团队】从关联到逻辑：因果推断初探——华泰人工智能系列之三十 【华泰金工林晓明团队】另类标签和集成学习——华泰人工智能系列之二十九 【华泰金工林晓明团队】基于量价的人工智能选股体系概览——华泰人工智能系列之二十八 【华泰金工林晓明团队】揭开机器学习模型的“黑箱” ——华泰人工智能系列之二十七 【华泰金工林晓明团队】遗传规划在CTA信号挖掘中的应用——华泰人工智能系列之二十六 【华泰金工林晓明团队】市场弱有效性检验与择时战场选择——华泰人工智能系列之二十五 【华泰金工林晓明团队】投石问路：技术分析可靠否？——华泰人工智能系列之二十四 【华泰金工林晓明团队】再探基于遗传规划的选股因子挖掘——华泰人工智能系列之二十三 【华泰金工林晓明团队】基于CSCV框架的回测过拟合概率——华泰人工智能系列之二十二 【华泰金工林晓明团队】基于遗传规划的选股因子挖掘——华泰人工智能系列之二十一 【华泰金工林晓明团队】必然中的偶然：机器学习中的随机数——华泰人工智能系列之二十 【华泰金工林晓明团队】偶然中的必然：重采样技术检验过拟合——华泰人工智能系列之十九 【华泰金工林晓明团队】机器学习选股模型的调仓频率实证——华泰人工智能系列之十八 【华泰金工林晓明团队】人工智能选股之数据标注方法实证——华泰人工智能系列之十七 【华泰金工林晓明团队】再论时序交叉验证对抗过拟合——华泰人工智能系列之十六 【华泰金工林晓明团队】人工智能选股之卷积神经网络——华泰人工智能系列之十五 【华泰金工林晓明团队】对抗过拟合：从时序交叉验证谈起 【华泰金工林晓明团队】人工智能选股之损失函数的改进——华泰人工智能系列之十三 【华泰金工林晓明团队】人工智能选股之特征选择——华泰人工智能系列之十二 【华泰金工林晓明团队】人工智能选股之Stacking集成学习——华泰人工智能系列之十一 【华泰金工林晓明团队】宏观周期指标应用于随机森林选股——华泰人工智能系列之十 【华泰金工林晓明团队】人工智能选股之循环神经网络——华泰人工智能系列之九 【华泰金工林晓明团队】人工智能选股之全连接神经网络——华泰人工智能系列之八 【华泰金工林晓明团队】人工智能选股之Python实战——华泰人工智能系列之七 【华泰金工林晓明团队】人工智能选股之Boosting模型——华泰人工智能系列之六 【华泰金工林晓明团队】人工智能选股之随机森林模型——华泰人工智能系列之五 【华泰金工林晓明团队】人工智能选股之朴素贝叶斯模型——华泰人工智能系列之四 【华泰金工林晓明团队】人工智能选股之支持向量机模型— —华泰人工智能系列之三 【华泰金工林晓明团队】人工智能选股之广义线性模型——华泰人工智能系列之二 指数增强基金分析 【华泰金工林晓明团队】再探回归法测算基金持股仓位——华泰基金仓位分析专题报告 【华泰金工林晓明团队】酌古御今：指数增强基金收益分析 【华泰金工林晓明团队】基于回归法的基金持股仓位测算 【华泰金工林晓明团队】指数增强方法汇总及实例——量化多因子指数增强策略实证 基本面选股 【华泰金工林晓明团队】华泰价值选股之相对市盈率港股模型——相对市盈率港股通模型实证研究 【华泰金工林晓明团队】华泰价值选股之FFScore模型 【华泰金工林晓明团队】相对市盈率选股模型A股市场实证研究 【华泰金工林晓明团队】华泰价值选股之现金流因子研究——现金流因子选股策略实证研究 【华泰金工林晓明团队】华泰基本面选股之低市收率模型——小费雪选股法 A 股实证研究 【华泰金工林晓明团队】华泰基本面选股之高股息率模型之奥轩尼斯选股法A股实证研究 基金定投 【华泰金工林晓明团队】大成旗下基金2018定投策略研究 【华泰金工林晓明团队】布林带与股息率择时定投模型——基金定投系列专题研究报告之四 【华泰金工林晓明团队】基金定投3—马科维茨有效性检验 【华泰金工林晓明团队】基金定投2—投资标的与时机的选择方法 【华泰金工林晓明团队】基金定投1—分析方法与理论基础 基金评价 【华泰金工林晓明团队】基金评价及筛选全流程研究框架——股票型与债券型基金多种维度定量与定性评价法 【华泰金工林晓明团队】基金选股择时能力的定量分析法——我国公募基金大多具有较强选股能力 【华泰金工林晓明团队】基金业绩持续性的规律与策略构建——采用有效影响因子筛选出持续性较好的绩优基金 ETF季度盘点 【华泰金工林晓明团队】2020Q4中国ETF市场全景回顾——总规模创新高，行业主题类ETF渐成市场新主角20210112 【华泰金工林晓明团队】2020年三季度中国ETF市场回顾——产品百花齐放、投资者结构日渐成熟，规模创新高20201021 【华泰金工林晓明团队】ETF产品细分差异化或成突围之道——2020二季度中国ETF市场全景回顾盘点与展望20200803 【华泰金工林晓明团队】ETF规模数量大涨品类不断丰富——2020一季度中国ETF市场全景回顾盘点 其它 【华泰金工林晓明团队】A股市场及行业的农历月份效应——月份效应之二 A股市场及行业的月份效应——详解历史数据中的隐藏法则

点此查看微信公众号原文全部内容>>

大部分微信公众号研报本站已有pdf详细完整版：https://www.wkzk.com/report/（可搜索研报标题关键词或机构名称查询原报告）