指数与ETF研究系列（一）架构篇：冰雪经济主题指数的编制方案——基于NLP成分股识别与Barra因子权重优化.pdf

指数与ETF研究系列（一）架构篇：冰雪经济主题指数的编制方案——基于NLP成分股识别与Barra因子权重优化。研究定位：系列首篇，方法论基础。本文是《指数与 ETF 研究系列》的开篇（架构篇），定位为整个系列的研究起点。本系列将研究指数与 ETF 管理方面遇到的实际问题及解决方案。

产业基础：万亿赛道，政策定位升级。我国冰雪产业规模从 2015 年的 2700 亿元增长至 2024年的 9800 亿元，2025 年预计突破万亿，十年 CAGR 约 14%。2030 年冰雪经济总规模目标 1.5万亿元。冰雪经济的政策属性已从体育政策切换为经济政策，具有结构性而非阶段性的政策红利。

核心方法：NLP 文本挖掘驱动成分股识别。本文构建了公告文本挖掘框架，以四层分级关键词体系识别冰雪经济相关上市公司。通过三层噪声过滤，再以 IDF 区分度权重×时间衰减×情感系数构建相关度评分模型。核心优势在于工程化可复现：全流程自动化运行，研究员仅需在每次调仓前更新黑白名单，研发和维护成本显著低于纯人工标注路径，而数据质量和成分股控制与传统方法相当。

主题含量：分层基础权重与 IDF 协同使用是正确反映个股冰雪经济含量的必要条件，也是本指数相较于等权或纯关键词匹配方法的根本改进。

权重优化：基本面增强乘法加权，分散而不失倾斜。本指数采用?? ∝???????1 ×?????2×??的权重公式，其中λi 由 Barra CNE5 三因子（盈利预期×0.40 + 成长×0.40 + 价值×0.20）合成的综合基本面因子决定。13 个调仓期的实证数据显示，单股最高权重均值 3.3%（远低于 15%上限），Top5 权重合计均值 12.5%，HHI 均值 218（等权 50 只理论值为 200）。权重分散由公式本身实现，而非依赖截断机制。

指数表现：回撤控制突出。以 2020 年 1 月 2 日为基点，截至 2026 年 4 月 14 日，全收益指数（TRI）累计收益+61.1%，年化+7.9%，最大回撤-29.3%，夏普比率 0.27；与同类产品（某平台冰雪产业指数，等权 59 只）相比，TRI 最大回撤优势达 17.2 个百分点（-29.3% vs -46.1%），夏普比率略高，年化波动率低 3 个百分点，在 7 个年度中有 5 个年度具有更好的回撤控制。基本面因子加权对低质量标的的降权处理，是回撤优势的核心来源。