多图解读三大股票指数 沪深300、中证500、中证1000有何细节差异-经管之家官网！

扫码加入金融交流群

指数分类的标准有很多，比如说按市场分、按投资标的分、按指数代表性分。从代表性来分类的话，一般可以分为有三类：综合指数、宽基指数、窄基指数。

综合指数是指成分股包含所有上市的股票，以反映全市场的状况，最典型的就是我们所熟知的上证指数、深证指数，其是观察市场整体走势的一个重要指标。我们国内的中证指数公司，就是专门构建各类指数，为投资者提供新的分析工具和投资标的。

今天的文章就集中在对于沪深 300、中证 500、中证 1000指数的量化解读方面，既然是量化，那么可视化必须是其中很重要一个组成部分，我们的文章会提供数据调取和可视化代码，供各位更好理解指数构成以及特性。

>>> 沪深300指数

它以规模和流动性作为选样的两个根本标准，并赋予流动性更大的权重，符合该指数定位于交易指数的特点。300 指数反映的是流动性强和规模大的代表性股票的股价的综合变动，可以给投资者提供权威的投资方向，也便于投资者进行跟踪和进行投资组合，保证了指数的稳定性、代表性和可操作性。

>>> 中证500指数

该指数又称中证小盘 500 指数（CSI Smallcap 500 index），简称中证 500（CSI 500），上海行情代码为 000905，深圳行情代码为 399905。中证 500 指数有 3 个构建步骤。

步骤1. 样本空间内股票扣除沪深300指数样本股即最近一年日均总市值排名前300名的股票；

步骤2. 将步骤1中剩余股票按照最近一年（新股为上市以来）的日均成交金额由高到低排名，剔除排名后20%的股票；

步骤3. 将步骤2中剩余股票按照日均总市值由高到低进行排名，选取排名在前500名的股票作为中证500指数样本股。

>>> 中证1000指数

根据金融界网站提供的资料，中证 1000 指数编制方法采用较为普遍的自由流通市值加权法，指数成分股从全部A股中剔除沪深 300、中证 500 指数成分股后，结合流动性标准选取过去一年日均总市值最大的 1000 只股票，综合反映中国 A 股市场中小市值公司的股票价格表现，是中证核心市值指数体系的重要组成部分。

我们通过聚宽研究平台，首先构建一个 list 名单“index_list”，然后通过 get_price 函数调取数据，然后将数据处理成净值，绘制出来，得到以下效果：

我们定日期 2019-04-18 为截止日期，向前推 1000 天，发现最近 4 年来，表现最差的其实是中证 1000 指数，说明了在市场长期价值筛选中，小盘股出现了显著的估值下滑和资金流出。而之前大家对于小盘股的印象则是高波动率和高回报率。

上图就是三大指数的波动率情况，还是同一个时间段，我们使用移动窗口标准差，再除以该窗口期内的价格均值，去价格量纲得到这个曲线，通过研究平台文件我们输出波动率具体值为：

1. 000852.XSHG 0.034911
   
2. 
   
3. 000905.XSHG 0.030969
   
4. 
   
5. 000300.XSHG 0.023826

这表示 000852.XSHG 中证 1000 指数在全段时间的波动率是最高的，通过蓝线也可以清晰看出。而沪深 300 由于大盘股较多，波动率偏低，中证 500 居中。

这三大指数之间有何种相关关系呢？实际上从走势看，它们毕竟都属于中国股票市场，应该非常相关，我们抱着这个疑问，绘制了全段价格相关性和全段波动率相关性，试图寻找答案。

绘制相关性矩阵需要导入 seaborn 包，其 heatmap 函数就是专门用于热力标色的矩阵图绘制的。分析结果显示，三大指数的走势相关性并不十分高，特别是沪深 300 和中证 1000 差异最大。而波动率相关性分析则体现出更高的结果，说明在出现较大波动时刻，指数的共振还是很明显的，这表现出较高的系统性风险。

我们进入所有聚宽的老用户们最熟悉的 get_fundamentals 函数，通过调取 valuation.code、valuation.market_cap 这两项数值，获得股票代码和市值数据，并打印前5行，获得以下效果：

然后我们分别绘制了沪深 300、中证 500、中证 1000 的市值分布，得到以下效果：

我们得到一个直观上很显著的统计特性——中证 1000 的分布最为均匀，首尾差异较小，沪深 300 的市值分布很不均匀，有部分股票市值极大。

通过绘制直方图，可以看到指数成分股（以沪深 300 为例）的市值分布情况：

这里显示出仅有少量样本分布在市值极大的区间，而大部分有统计意义的样本集中在市值 1000 亿元左右的区间。这样的数据分布形态很容易扭曲均值的表达能力，所以针对这类样本，我们应该多用中位数而非均值表达整体特征。

接下来我们使用 4 个简单的统计指标完成对沪深 300 为例的指数的特性描述，分别是：均值、中位数、标准差、极差。

1. # 均值market_cap_mean_50 = mean(list(df_50.market_cap))
   
2. 
   
3. # 中位数market_cap_median_50 = median(list(df_50.market_cap))
   
4. 
   
5. # 标准差market_cap_std_50 = std(list(df_50.market_cap))
   
6. 
   
7. # 极差market_cap_ptp_50 = ptp(list(df_50.market_cap))

经过计算得到：沪深300样本的成分股市值

均值：979.8816889999999

中位数：381.9389

标准差：2070.650186717265

极差：18721.7925

依然是围绕市值，我们分引入箱体图Boxplot，它是一种表示数据分布的方法，一个基本的箱体图从上到下分别表示最大值，上四分位，均值，下四分位，最小值。有的箱体图中还会加入异常值等。

箱体图有以下几个优点：

1. 可以直观明了地识别数据中的异常值

2. 利用箱体图可以判断数据的偏态和尾重

3. 利用箱体图可以比较不同批次的数据形状

通过python的pandas包提供的boxplot()函数即可绘制得到效果。

通过分析三大指数的箱体图，我们看到沪深 300 的样本离群情况最为严重，箱体图主体部分（25%分位到75%分位）被离群点严重压缩。中证 500 表现较好，离群点并不很多。中证 1000 也包含了部分市值较大的股票，主要原因是从 100 亿元到 300 亿元的某些股票可能由于市值上升过快，没能及时被编制更新到中证 500 指数中。

了解一个指数的行业构成也非常关键，我们可以看到其成分股是否在行业方面有过度集中。通过聚宽提供的 get_industry 函数可以获得行业数据。

具体代码为：

1. industry = get_industry(list(df_50.code))
   
2. 
   
3. stock_dict={}
   
4. 
   
5. for stock in industry.keys():
   
6. 
   
7. try:
   
8. 
   
9. # 取到每个股票的【申万一级】行业名称
   
10. 
    
11. stock_dict[stock] = industry[stock]['sw_l1']['industry_name']
    
12. 
    
13. except:
    
14. 
    
15. pass

然后我们导入 import matplotlib.pyplot as plt，通过其 pie 函数，可以实现对饼图的绘制。

代码如下：

1. tt = DFindustry.groupby(['industry_name']).size()
   
2. 
   
3. tt1 = list(tt.index.values)
   
4. 
   
5. tt2 = list(tt.values)
   
6. 
   
7. labels = tt1
   
8. 
   
9. fracs = tt2
   
10. 
    
11. plt.figure(figsize=(10,8))
    
12. 
    
13. plt.axes(aspect=1)# set this , Figure is round, otherwise it is an ellipse
    
14. 
    
15. plt.pie(x=fracs, labels=labels, explode=None,autopct='%3.1f %%',shadow=True)
    
16. 
    
17. plt.title('成分股行业分布饼图')
    
18. 
    
19. plt.show()

上图显示的是中证1000指数的行业分布，我们还辅助计算了分布的均匀性，得到结论：

行业数量：28

平均个股数量：35.714285714285715

个股数量标准差：23.84452189685916

个股分布变异系数：0.6676466131120564

结论显示中证 1000 指数在各行业分布均匀，平均每个行业 35 只个股。如果到了沪深 300 领域，这个分布情况发生了如下变化：

可以看到，银行和非银金融占据了非常大的比重，资产较重的交通运输、化工、有色金属和房地产也有较大提升。说明了沪深 300 指数对于金融行业的风险暴露比较大。这里仅展示了上市公司家数分布，如果按照市值展示，情况会更加显著。

我们还可以深入到指数内部去挖掘一个因子——两两相关系数平均值，并通过 for 循环，实现对于每个日期截面的该因子值计算。

程序设计方面，首先通过 get_trade_days 获得一个日期序列，用于循环。然后通过 get_price 提取 20 日价格 DataFrame，再通过 corr().mean().mean() 实现相关系数计算、每个标的相关系数、均值的均值，获得每个日期截面一个值。我们将指数净值化处理，和这个指标绘制在一起，可以看到如图效果：

指数成分股两两相关性均值是一个风险指标，当该值达到较高区间时，说明成分股同向波动显著，一般是市场极度活跃的区间。统计绘图和计算，我们得到：

中证1000：0.36256388612173046

中证500：0.36003023746871143

沪深300：0.3196961076040989

说明指数内部，随着股票数量的增加特别是高 beta 股票的增加，这种风险更加加剧。本次我们仅展示部分简单的统计指标计算，核心都是通过图形化方式，解读指数内部特征，希望读者们也能补充思路，进一步挖掘指数特性，在深刻熟悉指数构成的基础上，即可熟悉alpha因子的挖掘。

点击【阅读原文】，查看完整代码~

「经管之家」APP：经管人学习、答疑、交友，就上经管之家！
免流量费下载资料----在经管之家app可以下载论坛上的所有资源，并且不额外收取下载高峰期的论坛币。
涵盖所有经管领域的优秀内容----覆盖经济、管理、金融投资、计量统计、数据分析、国贸、财会等专业的学习宝库，各类资料应有尽有。
来自五湖四海的经管达人----已经有上千万的经管人来到这里，你可以找到任何学科方向、有共同话题的朋友。
经管之家（原人大经济论坛），跨越高校的围墙，带你走进经管知识的新世界。
扫描下方二维码下载并注册APP