核心观点与关键数据
- 指数研究的重要性：指数具备市场代表性功能，通过成分股筛选和汇总计算浓缩证券价格信息，反映市场或行业整体趋势。相比个股分析，指数研究具备系统稳定性优势，可过滤个体噪声并捕捉市场结构变化，适用于风格轮动和主题投资监测。
- “可投指数”研究池：基于境内市场ETF跟踪指数构建的“可投指数”研究池包含300+只指数，兼具可投资性和系统性，为深入研究主题轮动规律提供基础。
- 市场主题轮动观测工具：构建有效的市场主题轮动观测工具是本研究的主要目标，利用图论中的最小生成树算法，将指数映射为顶点，相关性转换为边权重，形成市场结构的可视化“照片”，并通过动态化处理展现指数价格与成交指标变化，如同“录像机”般追踪市场风格转换轨迹。
制作原理
- 最小生成树（MST）：利用Prim算法构建最小生成树，将指数映射为顶点，相关性转换为边权重，形成市场结构的可视化“照片”。
- 动态化处理：采用色阶（红至绿）表示滚动n日涨跌幅高低，反映市场热点；顶点大小表示经流通市值标准化的滚动n日成交热度，表示资金集中度。
成果观察
- 树形结构：
- 放射结构：以中心顶点为根，按层次向外分层展开，具有明确的层级性，通常由单一或集中的宏观冲击因素主导市场波动。例如2018年、2020年、2022年、2023年。
- 鱼骨状结构：由一条线性主干路径和主干顶点延伸出的分支路径构成，反映市场波动由多因素并行驱动，且对内部板块影响方向不一致的复杂特征。例如2016年、2017年、2019年、2021年、2024年。
- 涨跌分布：
- 放射结构：深绿色区域接近树图中心，红色橙色等暖色顶点分布于边缘，呈现放射状趋势。
- 鱼骨状结构：深红色区域和深绿色区域分布于“鱼骨”主干路径的两端，呈现线性趋势。
- 主题纯度分布：放射结构下，中间顶点多为宽基指数、风格指数、板块指数等复合型指数，靠向边缘的顶点则多为成分划分范围更小、主题更加精确的主题指数。
- 波动率分布：放射结构下，顶点边缘化程度与波动率呈正相关关系，色阶由绿向红渐变。边缘顶点通常代表主题纯度较高的指数，其成分股具有较强的同质性，导致市场情绪、资金流动或行业政策变化时，容易产生集中性买入或卖出压力，从而表现出更高的Beta波动性。
- 市场格局演变：
- 消费板块：呈现明显的整合化趋势，食品饮料、医药、农业等子板块从2019年的离散分布状态逐渐演变为2024年的高度聚集状态，反映消费板块的投资逻辑正在经历从“分割孤立”到“板块联动”的范式转变。
- 资源板块：战略地位得到提升，市场对资源板块的定位，从过去的“周期性供需驱动”转向“战略性与系统性地位提升驱动”。
- 智能制造板块：经历了显著的结构转型，各细分赛道互相交织形成复杂的树状网络结构，产业融合加速，投资逻辑重构，从单一领域的纵向深入转向跨领域的横向整合。
小结
- 市场主题“录像机”系统：通过动静态结合的分析视角，既可展现指数间的静态关联网络，又能实时追踪市场轮动趋势，实现整体性与时效性的统一。
- 应用价值：产业长期演变观察、市场热点识别回溯、指数定位和资产配置辅助、网络结构可视化。
风险提示
- 统计数据仅代表市场历史情况；模型依赖于历史数据；模型存在一定的误差；策略模型回测效果不代表未来使用效果；行业轮动同时受多方面因素影响，存在模型无法跟踪的情形。
