沪深300指的什么股票(新一批指基必买股来了！沪深300等多个指数样本股大调整，两周后实施（名单）)
新一批指基必买股来了！沪深300等多个指数样本股大调整，两周后实施（名单）
6月1日，上交所、中证指数有限公司宣布对上证50指数，沪深300等多个重要指数的样本股进行调整。
这是时隔半年，上述指数样本股又一次重大调整，其中沪深300指数一次性更换21只股票，为2019年以来最多。
值得注意的是，重要指数样本股的调整，会带来一些ETF基金持仓个股的被动调整，可能会对相关股票的后续走势产生一定影响。
日前，上海证券交易所与中证指数有限公司宣布将调整上证50、上证180、上证380等指数的样本股，中证指数有限公司同时宣布将调整沪深300、中证100、中证500、中证***100等指数样本股，本次调整均于6月15日正式生效。
根据上交所和中证指数有限公司的公告，本次样本调整概况如下：
上证50指数更换5只股票，邮储银行、京沪高铁等调入指数，***中车、建设银行等调出指数；
上证180指数更换18只股票，闻泰科技、通策医疗等调入指数，上海电气、兖州煤业等调出指数；
上证380指数更换38只股票，中海油服、人民网等调入指数，江淮汽车、华谊集团等调出指数；
沪深300指数更换21只股票，邮储银行、京沪高铁等调入指数，陆家嘴、碧水源等调出指数；
中证100指数更换6只股票，京沪高铁、牧原股份等调入指数，东方证券、上海电气等调出指数；
中证500指数更换50只股票，一汽解放、居然之家等调入指数，东华软件、长电科技等调出指数；
中证***100指数更换6只股票，海螺水泥、***金茂等调入指数，***建筑国际、太古地产等调出指数。除以上指数之外，其它指数的样本股也进行了相应的调整。
本次样本调整后，上证50和上证180指数对沪市总市值占比分别为46.47%和68.73%，沪深300和中证500指数对沪深市场总市值占比分别为56.82%和15.32%。
从估值来看，按照5月28日收盘价计算，调整后的沪深300和中证500指数滚动市盈率分别为12.8倍和21.7倍，上证50和上证180指数滚动市盈率分别为10.3倍和11.1倍。
值得注意的是，沪深300指数样本股此番一次性更换21只股票，为2019年以来最多。
根据中证指数有限公司提供的资料，本次沪深300指数的调整，主要是消费行业股票数量净增加3只，权重上升0.24%；信息技术行业股票数量净增加2只，权重上升0.59%；原材料行业股票数量净减少2只，权重下降0.26%；医*卫生行业股票数量净减少3只，权重下降0.09%。有3只创业板股票被调出，同时新进3只，沪深300指数样本股中创业板股票数量仍为17只，权重由约5.05%升至5.32%。
根据记者观察，从本次沪深300指数调入的21只样本股所属的申万一级行业来看，电子行业股票5只，为调入最多的一个行业，这5只股票分别为环旭电子、沪电股份、北方华创、亿纬锂能、闻泰科技。
此外，银行板块调入3只，也是增加样本股较多的行业。医*生物、食品饮料、计算机等行业调入股票也相对较多。
从市值上看，此番调入沪深300样本股市值全部都超过300亿元，其中邮储银行、京沪高铁、***广核、闻泰科技市值超过1000亿元。
值得注意的是，此番调入沪深300样本股的，有不少是上市不满的一年的新股和次新股，比如京沪高铁、邮储银行、浙商银行、渝农商行、***广核上市时间均不满一年，其中京沪高铁为今年1月才上市。
从调入的21只股票的股价表现来看，年内股价上涨的股票达到13只，占比超过60%，上述21股年内平均涨幅为18.22%，北方华创、康泰生物、安图生物、中环股份4只股票年内涨幅超过50%，年内股价下跌的相当部分为新股或次新股。这意味着，剔除新股和次新股因素后，此番纳入沪深300样本股的股票多数年内股价表现较好。
调出的21只股票方面，申万医*生物行业最多，延安必康、天士力、济川*业、东阿阿胶、信立泰等5只股票被调出，为调出股票最多的行业。
从股票对应公司的经营情况来看，多只股票出现亏***。*ST安信、东旭光电、东阿阿胶3只股票不仅2019年度亏***，今年一季度也出现亏***。这其中*ST安信、东旭光电2019年亏***额均超过10亿元。东旭光电还被市场视为曾“爆雷”的股票，出现过债务违约。
根据中证指数有限公司的公告，第二上市股票首次入选中证***100指数，阿里巴巴港股入选。
中证指数有限公司称，鉴于港交所于2018年4月修订《***联合交易所有限公司证券上市规则》，为提高指数代表性和可投资性，在充分听取市场意见后，经指数专家***会审议通过，中证指数有限公司决定第二上市证券具备中证***100等指数样本空间资格。根据最新指数规则，阿里巴巴-SW作为第二上市股票首次入选***100指数。
资料显示，阿里巴巴港股于2019年11月26日正式在***市场挂牌，如今正好约半年时间。
除了阿里巴巴港股外，此番纳入中证***100指数的还有***金茂、海螺水泥港股等。
沪深300都包括哪些股票？
沪深300成份股有万达电影、***人保、兆易创新、苏泊尔、***国旅、中兴通讯等，详细的300只成分股可以下载易淘金,输入000300，F10里查看所有的成分股情况。
沪深300是什么意思？操作是买涨买跌吗？
沪深300是指沪市和深市的合计300只指数样本股票的综合指数。该指数的股指期货涨跌都可以赚钱，关键是买对方向，另外目前也有沪深300指数基金也是可以买卖的。
沪深300指数是由哪些股票构成的？
是由沪深股市中资本和收益最好的300只股票构成单独板块是股市的一个样板,进入股票行情界面输入000300,在F10里面可以看见样板股票的清单。沪深300指数样本覆盖了沪深市场六成左右的市值，具有良好的市场代表性。目前300只样本股中，深市121只样本股中有92只来自于深证100，沪市141只来自于上证180，入选率分别为92%和78.3%。沪深300指数的选样方法是对样本空间股票在最近一年（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50%的股票，然后对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300名的股票作为样本股。沪深300指数依据样本稳定性和动态跟踪相结合的原则，每半年调整一次成份股，每次调整比例一般不超过10%。样本调整设置缓冲区，排名在240名内的新样本优先进入，排名在360名之前的老样本优先保留。
哪些股票是沪深300指？
沪深300指数样本股票共有300只，包括但不限于如下几只具有代表性的股票：***石油，***石化，***重工，***核电，***平安，***中铁，工商银行，***银行，中信银行，紫金矿业，大唐发电，华电国际，华能国际。
。
。
银河基金黄栋：沪深300指增，***核心资产的增强利器
我们恪守「原创、深度、讲逻辑、可验证」的量化研究准则，感谢关注开源金工。
黄栋
银河基金量化与FOF投资部部门负责人
基金经理
证券从业经历17年
研究经验7年
公募基金管理经验8年
硕士研究生学历，曾先后就职于东方证券股份有限公司、工银瑞信基金管理有限公司、上投摩根基金管理有限公司、金鹰基金管理有限公司、人保资产管理有限公司，从事研究、投资相关工作。2021年10月起加入银河基金管理有限公司，现担任量化与FOF投资部负责人。
黄栋管理基金情况：
2022年1月起担任银河沪深300指数增强发起式证券投资基金的基金经理。2023年10月起任银河君尚灵活配置混合型证券投资基金的基金经理。
量化投资方法论
Q1
黄总，能否请您介绍一下您的量化投资的框架及理念？
我认为做量化投资的目标是追求可持续复制的超额收益，但是和传统主动投资不一样，量化投资主要是希望通过挖掘市场内在规律，用工程化的方法来管理收益和风险，力图打造出合适的投资产品。具体来说就分三个方面：
第一，投资最主要的是挖掘市场规律，这个规律是相对于能力圈和投资期限来说的，是因人而异的。基本面投资者一般持股时间比较长，比如巴菲特投资股票一般持有5年以上，他掌握的是预测股票5年以上长期收益的能力；技术面投资者一般持股时间相对短一些我个人会希望将包括基本面和技术面在内的各种信息融合，主要是通过对一定时间段内的市场情况进行研究从而挖掘市场规律。
第二方面，我们是采用工程化的方法来整合各种信号。量化投资属于金融工程的范畴，实际上是将金融、经济、统计等各种理论，用各种数据或者可以量化的信息为基本材料，在投资中进行工程化应用。所以工程学的一般方法，在这个领域也是适用的，比如工程上对成本收益的权衡，外推到量化投资，就是对风险收益的比较、对模型稳定性和回撤控制的考虑等。
第三方面，我们希望打造风险收益配比、具有市场潜力的产品。现在投资者对基金产品风险收益的目标正变得越来越清晰，越来越明确，基金管理人需要不断去探索跟投资者需求更加匹配的风险收益边界，量化投资的一个特点正是较好地刻画风险收益比，并力争将其综合效果优化，因而有能力提供给投资者需要的合适产品。
获取阿尔法的可能性
Q2
2023年以来各类型的宽基增强产品的超额有了明显的下降，您认为今年以来增强alpha水平下降的原因是什么？
如果看过去几年的情况，wind数据显示，2020-2021年宽基指数增强型基金的阿尔法是很高的，比如说看全市场沪深300指数增强型基金的表现，在剔除掉新股因素后2020-2021这两年平均年化超额收益率有5.3%，但是2022年以来在沪深300指数中通过主动管理能力获取的超额收益逐渐走低，一直延续到今年，今年沪深300指数增强型基金平均年化超额收益率降低到2%左右。
怎么分析这种情况，我认为可以从决定阿尔法的两个维度（就是深度和宽度）两方面来看，能否做出阿尔法主要取决于两方面，首要的一个方面是深度，也就是获取阿尔法的能力；另外一个方面是宽度，就是股票表现的分散度，衡量获取阿尔法的可能性。
先看第一方面获取阿尔法的能力，我们如果考察常见的量化选股因子，可以发现它们的整体预测有效性在2020-2021年很高，但是2021年后是处于下滑的态势（像量化选股因子中的技术面因子在这段时间的预测有效性呈现上升态势，但是基本面类因子失效比较严重，所以整体因子预测有效性不高）。
再看第二方面，获取阿尔法的可能性，wind数据显示，在2019-2020年市场宽度都处于比较低的水平，比如这两年全市场股票中能跑赢沪深300指数的股票数量只有30%左右，但2021年以来宽度水平上升，每年跑赢沪深300指数的股票数量上升到60%左右，这就大大增加了获取阿尔法的可能性。
所以，从深度和宽度两方面综合来看，2022年以来宽基指数增强型基金超额收益的下滑，主要是常用因子的预测能力下降，并且同期市场宽度上升带来的超额收益并不能抵消预测能力的下降带来的***失，因此指数增强型基金整体超额收益是下滑的。
这是对指数增强型基金纵向比较的分析，但是，如果与传统主动投资的股票型基金进行横向比较，2022年以来指数增强类量化基金的超额收益还是更为显著一些的。原因在于，2022年以来基本面因子相对失效，这对跟踪指数的指数增强类量化基金、传统主动投资的股票型基金的业绩同时形成了拖累，因为他们都会用到基本面因子，但是量化类基金的策略中不光使用基本面因子，一般也会使用技术面因子，而技术面因子的有效性这段时间是上升的，这是形成差异的一方面原因。另一方面原因是，这段时间的市场宽度在上升，也相对有利于量化选股策略，因为传统主动基金一般选股数量有限，不容易拓展宽度。
Q3
我们知道，越是偏中小盘，由于股票数量越多，获取超额alpha相对越容易一些。那么您觉得要在沪深300中做出较为稳定的alpha，主要是靠什么，您是怎么理解的？
在小盘股中要比在大盘股中更容易做出阿尔法，因为在大盘股中宽度较低，阿尔法机会相对少一些。当然，我们要在较小的宽度下，做出更高的阿尔法，这就要靠提高深度，也就是提高预测能力。不同的股票域有不同的选股特性，沪深300指数域内，基本面因子相对更多一些，但也要靠一些技术面因子，否则是较难在过去两年获得超额收益的。
另外，我认为所谓稳定的阿尔法，不是说直线型的稳定，这种没有波动的稳定性即使能够达到，可能也是阶段性的，因为市场存在周期和各种偶然因素，我们追求的应该是环境有利时多抓超额收益，而在环境不利时能够控制住风险，这就要求对自身的模型或策略弱点有所把握，在各方面环境都不利的系统性风险出现时，适时的控制风险。我们希望给投资者提供回撤波动相对较小、投资者体验相对较好的产品。
另外，从投资者角度来说，选择指数增强型基金不光要考虑阿尔法，也要考虑贝塔。沪深300指数与其他指数比如中小盘指数比较，还是有比较大的区别的。投资者关注沪深300指数增强型基金，首要看中的可能是沪深300指数的市场核心资产代表性，以及价格表现的相对稳定性。
Q4
一般来说alpha的收益来源主要是靠两块，一块儿是通过行业高低配，一块儿是通过选股，您怎么看？
阿尔法来源可以有多种归因方式，如果按照Brinson框架来进行归因，我所管理的银河沪深300指数增强型基金的阿尔法更多来自于个股选择维度，行业配置维度的贡献相对较小。主要原因在于，在组合构建中，我们对行业配置偏离度有一定的控制。
要说哪一块收益相对更容易获得，就我们目前的能力范围来说，个股选择是相对能够做的比较好的领域。我们希望是通过管理因子来获取个股选择的收益，这是量化相对更为擅长的、而且也是可以持续深耕的领域。
如果看跟踪误差，按Wind数据统计，我们沪深300指数增强型基金2021年以来，相对沪深300指数的年化跟踪误差是3%不到，同类沪深300指数增强型基金年化跟踪误大多集中在3.5%左右，这可以看出，银河沪深300指数增强型基金在全市场沪深300指数增强型基金中误差属于比较低的水平。我们的目标是希望在选股等我们能增强的优势领域争取多做阿尔法，同时也意识到市场有很多波动是我们无法把控的，因此通过控制跟踪误差，力争带给投资者较好的体验。
主动与量化
Q5
沪深300增强，会较500以及1000增强，在量价因子的这块占比相对比较少，基本面因子相对占比会更高一点，如果出现基本面因子出现失效的情形您是如何看待的呢？
因子失效可能是每个量化投资者都会碰到的问题，之所以失效，一种可能性是在因子研究上存在问题，比如有些因子研究的时候回测效果不错，但是往往在推出后不久就失效了，另一种可能性是因子长期没问题，但是阶段性表现不理想，我认为这两年出现基本面因子的失效可能属于后一种情况。
怎么看待这种情况，我认为可以从三方面来看，首先是要认识到存在周期是量化因子的固有特性。不少量化研究在做因子回测的时候往往过于看重长期累积效果，而忽视了其历史发展过程中的回撤，但实际上任何因子都具有周期性，差异在于周期有不同的长短而已。
第二方面就是怎么来应对这个问题。既然因子会有失效的时候，我们在设计策略的时候就要考虑到这种可能性，并结合具体产品的风险容忍度，提前做好应对方案，规避产品无法容忍的长周期的失效。
可能的应对方案，一种是在策略设计里面就加入调整机制，另一种是进行事后干预。我倾向于采用的方式是在策略设计时就加入调整机制，同时在运行时跟踪观测因子和模型的表现，不断地找出模型的弱点并加以修正，而不是事后对模型结果进行干预。另外，量化体系中因子库要完整，包含各类相关性较低的因子，甚至有些是负相关的因子。那么在部分因子失效的时候，还有其他因子有效，不至于全军覆没。对于失效因子，要从各方面查找原因，包括宏观因素、政策因素这些量化方法往往比较难把握的地方，是不是出现了大的变化；包括查看因子本身，是不是存在没有发现的瑕疵。
第三方面，即使做了预案，市场还是会出现各种可能性，可能出现超出预期的失效，这个时候应该考虑让模型停一下，回到基准中性状态，搞明白情况以后再重新出发。这其实是风控。
至于基本面因子失效是否还会持续，我们只能大致作一个判断，主要还是要进行跟踪。从周期来看，从2021年以来基本面因子是存在失效的情况的，至今已经持续了两年左右的时间；从基本面方面看，国内经济短周期在边际改善，这就有利于后续基本面因子企稳回升；再有，从市场情绪看，目前市场情绪还处于低位，但是像成长因子、盈利因子等主要基本面因子拥挤度相比高点已经有所下降。所以，整体判断，基本面因子现在处于较低区域，但未来能否恢复完整上行周期还要持续观察。
Q6
主动投资与量化投资的结合是这两年的热潮，不管是传统主动基金结合量化，还是量化基金去结合主动方法，两者的研究边界越来越模糊，请问您是如何看待结合的趋势的？这会有什么样的影响？
我认为，量化投资和主动投资都是看待投资的不同方式，两者不是对立关系，而是可以相互借鉴、取长补短的。我刚从业的时候在券商研究所工作，整天和行业研究员在一起，后来到基金公司从事量化研究和投资，也和不少做主动投资的基金经理成为好朋友，我发现很多行业研究员和管理主动权益产品的基金经理对选股有很强的洞察力，可以为我们做量化研究提供不同的视角，而另一方面，一些优秀的主动投资基金经理也早已在使用已经被验证有效的量化因子。所以我同意您的观点，两者的确存在相互交叉结合的趋势。
从公募量化角度来说，由于因子体系中一般有不少基本面因子，这和主动投资的逻辑是有交叉的，结合主动投资投研的成果可以补充或完善我们的量化体系。怎么结合，我这些年有过几种方式的研究和实践。
一种结合方式是以主观研究为基础，来结合量化方法，比如以行业研究员的研究池作为选股池，用量化因子在其中优选股票，这种策略在2019年左右的核心资产行情中表现不错，阿尔法较高，但是其缺点在于完全依赖行业研究池，而行业研究员对股票的覆盖存在惯性，对股票池的更新不会很及时，所以当市场出现周期转换的时候，策略阿尔法会下降。
还有种策略是和优秀的主动投资投研人员合作，把他们投资逻辑以量化方式总结、提炼出来，固化为选股程序，这种方式优点在于逻辑清晰，但跟踪研究后发现也存在问题，主要原因在于市场是根据预期投资，而每次行情的预期逻辑、预期时点往往都不一样，简单说就是用固化的程序来替代行业基本面的动态研究，可能并不是最优的。
另一种结合方式是以量化选股为基础，先用量化策略进行选股，再靠行业研究员来进行交叉验证，剔除掉基本面有瑕疵的股票，逻辑在于，量化方法的优势在于可以较好地对股票进行全*性的衡量比较，但缺点在于依赖历史数据，有时候数据会存在异常或者滞后，而有经验的行业研究员可以纠正这些问题。但是这种结合模式的问题，是需要行业研究员和量化研究紧密配合，甚至在量化部门配备专门的行业研究员，而这个成本会比较高。
在经历了这些研究比较后，我现在选择是将优秀的主动投资经验规则化，融合进模型。公募基金平台的一个优势在于有较丰富的研究资源支持，包括内部投研团队的交流和外部卖方的研究支持，使得我们可以持续地接触到比较好的选股想法和考虑因素，只要善于思考和研究，长期下来可以积累不少好的模型素材或因子，但这些素材一定要与自身模型结合或者兼容，才能发挥作用。
Q7
今年以来宽基指数受到了市场关注请问您认为，指数类基金与主动权益基金分别有何特点？
如果我们把主动权益基金看成一个整体，目标是要战胜市场指数，那么表现在业绩结果上大致是围绕市场指数上下波动。根据Wind数据，比如我们看到主动权益基金在2019-2020年整体战胜沪深300指数，而2021年以来主动权益基金整体则跑输沪深300指数。如果拉长到过去10年，主动权益基金跑赢和跑输沪深300指数的年份各有5年，
我认为这种周期性波动存在两个动态平衡机制，其中一个机制是估值回归，也就是价格会围绕价值上下波动，估值过高或者过低都会出现反转。以2021年初主动权益基金大量持有的核心资产为例，wind数据显示，彼时核心资产估值达到了历史高位，而沪深300等指数的估值则在历史中位数左右，两者估值差达到了很高的水平，构成了回归的基础。
第二个机制是投资者行为，最典型的是羊群效应，会放大特定板块的涨跌波动，2019-2020就是这种基金和外资增量资金一起追逐核心资产的放大过程。而从2021年年中以来，核心资产估值出现了回归，投资者行为也出现了一些变化，我们看资金从一类资产撤出，加入另一类资产，这是一个再平衡的过程，目前来看这个过程可能还没完全结束。
如果比较指数增强型基金和主动投的股票型基金，我认为长期来看各有特点，对于基金投资者来说，如果对于主动投的股票型基金长期收益预期比较有把握，同时可以承受这样的偏离市场指数的波动，那么可以考虑投资主动投的股票型基金。而如果投资者希望投资股票市场，同时相对市场偏离不要太大，那么可以考虑指数增强基金。主要还是要看投资者的投资目的、投资期限以及风险承受能力情况来选择适合自己的产品。
Q8
如何看待指数增强基金这个品类的未来发展？
Wind数据显示，如果看过去五年的基金规模数据，指数增强型基金规模的复合年增速为35%，高于主动偏股基金的规模增速，也比完全复制型指数基金增速要高，个人认为，未来指数增强型基金还是会继续受到市场关注的。
这主要基于两个方面的判断，一个方面是指数增强类基金正越来越获得投资者理解和认可。Wind数据显示，A股被动权益基金在整体权益基金中占比已经提升到了25%。
另一个方面是，在A股市场通过主动管理来获取阿尔法的潜力还将长期存在，虽然经过多年的发展，市场各方面机制都得到了长足提升，市场有效性已经比十几年前提升不少，但是距离成熟市场应该还有距离，市场有效性的提升是一个相当长期的过程。
基于上述两方面，指数增强型基金还是具有潜力的产品。
Q9
能否请您介绍一下，银河基金量化团队的情况？
银河基金量化与FOF投资部是一个既有历史又相对年轻的团队，有历史主要是指我们有一些基金产品管理的时间比较长，比如银河沪深300价值指数成立于2009年，是一只运行十多年的老基金了，团队基金经理也都有长期投资研究经验，平均证券从业年限超过17年，平均公募基金管理经验也超过7年。相对年轻是指我们过去一段时间吸收了一些年轻人加入，目前团队中同事有接近半数是90后。
我们现在主要产品聚焦于指数基金、主动量化基金。在指数基金方面，我们的代表性产品有银河沪深300价值指数、银河沪深300指数增强。我们希望能够提供市场需要的差异化工具，同时专注于阿尔法的挖掘与整合，未来还会继续丰富产品布*。
风险提示：
本公司投资观点的内容是公司对当时的证券市场情况进行研究的结果，观点具有时效性，并不构成对任何机构和个人投资的建议。银河基金管理有限公司不对任何人因使用此类报告的全部或部分内容而引致的任何***失承担任何责任。
投资有风险，投资需谨慎。公开募集证券投资基金是一种长期投资工具，其主要功能是分散投资，降低投资单一证券所带来的个别风险。基金不同于银行储蓄等能够提供固定收益预期的金融工具，当您购买基金产品时，既可能按持有份额分享基金投资所产生的收益，也可能承担基金投资所带来的***失。
您在做出投资决策之前，请仔细阅读基金合同、基金招募说明书和基金产品资料概要等产品法律文件和风险揭示书，充分认识基金的风险收益特征和产品特性，认真考虑基金存在的各项风险因素，并根据自身的投资目的、投资期限、投资经验、资产状况等因素充分考虑自身的风险承受能力，在了解产品情况及销售适当性意见的基础上，理性判断并谨慎做出投资决策。
依据投资对象的不同，基金分为股票基金、混合基金、债券基金、货币市场基金、基金中基金、商品基金等不同类型，您投资不同类型的基金将获得不同的收益预期，也将承担不同程度的风险。一般来说，基金的收益预期越高，您承担的风险也越大。
基金在投资运作过程中可能面临各种风险，既包括市场风险，也包括基金自身的管理风险、技术风险和合规风险等。巨额赎回风险是开放式基金所特有的一种风险，即当单个开放日基金的净赎回申请超过基金总份额的一定比例（开放式基金为百分之十，定期开放基金为百分之二十，***证监会规定的特殊产品除外）时，您将可能无法及时赎回申请的全部基金份额，或您赎回的款项可能延缓支付。
基金管理人承诺以诚实信用、勤勉尽责的原则管理和运用基金资产，但不保证基金一定盈利，也不保证最低收益。基金的过往业绩及其净值高低并不预示其未来业绩表现。基金管理人提醒您基金投资的“买者自负”原则，在做出投资决策后，基金运营状况与基金净值变化引致的投资风险，由您自行负担。基金管理人、基金托管人、基金销售机构及相关机构不对基金投资收益做出任何承诺或保证。
发现“分享”和“赞”了吗，戳我看看吧
沪深300什么意思？
沪深300指数是***证券指数公司创建的一种综合性股票指数，这个指数的样本空间包括了上海和深圳两个证券市场中具有代表性、流动性好且交易活跃的300只A股股票。具体来说，沪市有179只，深市121只。这300只成分股是把上海交易所和深圳交易所的所有的股票融合在一起。同时，沪深300指数样本覆盖了沪深市场六成左右的市值，因此它具有良好的市场代表性。此外，由于其选股规则是挑选在沪深两市中规模大，流动性好的300只股票组成的，所以沪深300指数能够很好地反映市场主流投资的收益情况。可以说，沪深300指数就像是沪深两市的“晴雨表”，能够清晰地反映出两个市场的整体走势。
股票市场中沪深300是什么意思？
沪深300指数是沪深证券交易所于2005年4月8日联合发布的反映a股市场整体走势的指数。沪深300指数编制目标是反映***证券市场股票价格变动的概貌和运行状况，并能够作为投资业绩的评价标准，为指数化投资和指数衍生产品创新提供基础条件。
沪深300指数，简称：沪深300；是由中证指数有限公司（chinasecuritiesindexco.,ltd）编制，中证指数有限公司成立于2005年8月25日，是由上海证券交易所和深圳证券交易所共同出资发起设立的一家专业从事证券指数及指数衍生产品开发服务的公司。
沪深300指数是沪深证券交易所于2005年4月8日联合发布的反映a股市场整体走势的指数。沪深300指数编制目标是反映***证券市场股票价格变动的概貌和运行状况，并能够作为投资业绩的评价标准，为指数化投资和指数衍生产品创新提供基础条件。中证指数有限公司成立后，沪深证券交易所将沪深300指数的经营管理及相关权益转移至中证指数有限公司。中证指数有限公司同时计算并发布沪深300的价格指数和全收益指数，其中价格指数实时发布，全收益指数每日收盘后在中证指数公司网站和上海证券交易所网站上发布。
沪深300指数市场走势
沪深300指数样本覆盖了沪深市场60%左右的市值，具有良好的市场代表性和可投资性。截止到2006年8月31日，已有2只指数基金使用沪深300指数作为投资标的，有10只基金使用沪深300指数作为业绩衡量基准。中证指数有限公司已授权中银国际***保诚资产管理公司使用沪深300指数开发境外etf，以及路透资讯利用沪深300指数开发路透***年金指数。它的推出，丰富了市场现有的指数体系，增加了一项用于观察市场走势的指标，也进一步为指数投资产品的创新和发展提供了基础条件，十分有利于投资者全面把握我国股票市场总体运行状况。
一、沪深300指数是以2004年12月31日为基期，基点为1000点，其计算是以调整股本为权重，采用派许加权综合价格指数公式进行计算。其中，调整股本根据分级靠档方法获得。
二、凡有成份股分红派息，指数不予调整，任其自然回落。
三、沪深300指数会对成分股进行定期调整，其调整原则为：
1、指数成份股原则上每半年调整一次，一般为1月初和7月初实施调整，调整方案提前两周公布。
2、每次调整的比例不超过10%。样本调整设置缓冲区，排名在240名内的新样本优先进入，排名在360名之前的老样本优先保留。
3、最近一次财务报告亏***的股票原则上不进入新选样本，除非该股票影响指数的代表性。
由于沪深300指数覆盖了沪深两个证券市场，具有很好的总体市场代表性，因此在我国股指期货标的指数选择上呼声最高，已经成为***股指期货的标的物。
指数代码：
沪市000300
深市399300。
沪深300指数以2004年12月31日为基日，基日点位1000点。
沪深300指数是由上海和深圳证券市场中选取300只a股作为样本，其中沪市有179只，深市121只。
样本选择标准为规模大、流动性好的股票。
沪深300指数样本覆盖了沪深市场六成左右的市值，具有良好的市场代表性。
沪深300是哪些股票沪深300指数怎么买
沪深指数300指标如何购买沪深指数300指标不可以立即买卖，投资人只有借助股指或是股票基金来买卖沪深指数300指标，沪深指数300股指就是指买卖以沪深指数300指标为标的资产的股指期货合约，要办理股指帐户才可以买卖。
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
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。
未经授权，严禁转载
>>> 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（CSISmallcap500index），简称中证500（CSI500），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***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：
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***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。
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：
然后我们导入importmatplotlib.pyplotasplt，通过其pie函数，可以实现对饼图的绘制。
代码如下：
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。
作者：刘建涛
推荐阅读
■ 重磅|聚宽期货实盘开通上线！