2024年ETF投资宝典之热点概念相关ETF的自动匹配与对比

一、被动投资时代需要更方便的指数检索方式

1.1 行业、主题被动指数产品爆发式增加

我们根据被动指数基金所跟踪指数的 wind 风格分类，统计了主题、行业类风格指数对应 的被动指数基金历年成立数量。从 2009 年首只行业主题被动指数基金产品成立，行业主 题被动指数产品持续发行，而 2021 年更是迎来了爆发式的产品发行。截至 2024 年 12 月 18 日，全市场已有 1089 只行业、主题类被动指数产品（含联接基金）。 除了产品数量的急剧增加，同行业类别行业指数更是层出不穷，增加了被动指数产品的筛 选难度。

1.2 传统行业指数筛选方式的不足

1.2.1 关键词搜索：行业概念的抽象性

我们可以通过指数名称初步搜索相关行业概念指数，但由于很难穷举该行业概念的全部关 键词，如果通过关键词的方式进行搜索初筛，容易出现遗漏相关指数的情况。例如，如果 只搜索“芯片”关键词，可能会遗漏很多包含了大量芯片概念股的指数。而在新能源的概 念指数中，指数中可能包含清洁能源、绿色能源、环保等词汇，只搜索“新能源”字样， 难以检索出全部的相关行业指数。 而由于部分行业概念较为抽象，部分行业概念名称并没有在行业指数名称中直接体现，例 如“苹果产业链”这一行业概念，目前市场中的行业、主题指数，并不包含“苹果产业链” 关键词，需要对行业概念进一步理解，再去寻找相关关键词进行搜索，增加了检索步骤。

1.2.2 成分股判断：行业概念与行业分类难以一一对应

我们也可以通过计算指数成分股中行业概念的占比来判断行业概念指数。但行业概念与行 业分类（如中信行业）难以一一对应。以光伏为例，如果把光伏的行业概念对应到“电力 设备与新能源”上，则可能产生较大的误差，无法获得指数成分股中真正涉及光伏产业链 的股票比例。 此外，如果依赖行业概念指数成分股去判断成分股，对于尚未编制概念指数的概念仍然无 法进行判断。而且现有行业概念指数成分股的筛选标准，可能与自己的筛选标准不一致。 借助大语言模型的逻辑推理能力，可以为我们提供更为便捷的指数检索方式。

二、大语言模型在筛选行业概念指数中的应用

2.1 本次使用的大语言模型介绍

我们本次使用了深度求索（杭州深度求索人工智能基础技术研究有限公司）发布的大语言 模型 DeepSeek。2024 年 12 月 10 日，深度求索发布了 DeepSeek V2.5 的最终版微调模型DeepSeek-V2.5-1210，这也是我们任务中最终使用的版本。 据 DeepSeek 官网介绍，DeepSeek-V2.5 的综合能力在目前大模型主流榜单中均表现出色， 其中中文综合能力位列榜首，而逻辑推理能力也有较强的表现。

DeepSeek 为使用者提供了 API 接口，虽然 DeepSeek 目前支持的上下文长度仅有 64K ，但 DeepSeek 的 API 接口在价格上具有极大优势。

2.2 如何用大语言模型判断行业概念股？

上市公司主营业务是判断上市公司所属行业的重要依据。并且较多行业指数在编制时，均 通过公司主营业务范围来判断个股是否属于该行业概念，如中证光伏产业指数的编制方式 中规定，“将主营业务涉及光伏产业链上、中、下游的上市公司证券作为待选样本，业务 范围包括但不限于硅片、多晶硅、电池片、电缆、光伏玻璃、电池组件、逆变器、光伏支 架和光伏电站等”。 我们从 A 股上市公司最新披露的半年报/年报中的 “管理层分析与讨论”部分，获取了上市公司主营业务的最新描述。相比于经营范围、主营产品名称、主营产品范围等字段，定 期报告中管理层分析于讨论部分对于主营业务的描述更加详细，对其主要业务及主要产品 会进行详细的介绍，并且如果主营业务发生变化会进行更新。

我们通过批量提取的方式从上市公司公告中获取这部分内容。对于无法自动获得这部分内 容的情形（如港股和少部分 A 股），提取公司的简介信息，简介信息中也包含了上市公司 主营业务的描述。 结合上市公司主营业务与行业概念的定义，我们利用大语言模型进行自动化判断，流程如 下。我们在调用大语言模型 API 接口进行概念股判断时，分两个步骤进行提问，提高大语 言模型判断准确性。首先，大语言模型针对行业概念的含义进行解答，并描述该行业概念 涉及的上下游产业链环节（这一步骤也可以用外部输入的行业概念的解读代替）；随后， 我们将大语言模型给出的行业概念的含义、判断标准说明提示词、上市公司主营业务描述， 再次输入给大语言模型，结合已有的详细信息，大语言模型能够对上市公司是否为某行业 概念股进行判断。

以芯片概念为例，我们用大语言模型判断了宁德时代与紫光国微 两只股票是否属于芯片概念。从结果来看，大语言模型准确的判断出两只股票是否属于芯 片概念。

2.3 行业概念指数判断方法与流程

为了便于搜寻目标概念的指数及对应的被动指数基金产品，我们利用大语言模型，结合指 数要素（名称及编制方式）、指数成分股信息、个股主营业务描述信息进行综合判断，输 入目标概念名称即可自动获取概念指数清单及指数概念含量，为投资者提供投资参考。

以“芯片”概念为例，以下是详细步骤的说明。 首先，我们从目前存续的被动指数基金及 QDII 被动指数基金中，获取跟踪指数清单， 并根据 Wind 的指数风格分类，筛选出行业指数及主题指数。而为了成分股的可得性， 我们仅保留了中证指数公司、中华证券交易服务有限公司、上海华证指数信息服务有 限公司、深圳证券信息有限公司、深圳证券交易所发布的指数。我们以此为样本池， 从中进行芯片概念指数的搜索。 其次，我们根据指数名称、指数简介来进行初筛，从指数的编制方式来找到与芯片概 念相关的指数，获得初步的芯片概念指数池，共 26 个指数。这一步能有效过滤掉完 全不相关的指数，例如医药行业指数、金融行业指数，缩小比较范围。在提示词中， 我们设定了判断标准，要求指数编制方式中定义的股票筛选范围，是芯片概念及其上 下游产业链相关产业。

然后，尽管我们已经筛选出来概念相关指数，但部分行业指数涉及的子行业范围较广 泛，不完全是芯片概念板块，例如中证电子指数，因此我们通过判断指数成分股是否 为芯片概念股的方式，计算指数的概念含量。我们利用大语言模型智能判断指数成分 股是否为芯片概念股，最终得到了指数成分股中概念股的清单。 最后，根据指数最新成分股，我们计算出初步概念指数池中，每个指数的概念含量， 即成分股中芯片概念股权重之和。

2.4 方法优势

1）大语言模型通过对比行业概念，能够有效的从指数的编制方法中判断该指数是否可能 涉及该行业概念，不需要通过固定的行业关键词进行判断。 2）通过大语言模型对指数简介的初筛，缩减了大模型判断概念股的筛选范围，节约了模 型调用成本。 3）对于市场中常用数据终端尚未标记出概念股的行业概念，通过大语言模型判断的方式，能够实现自主化操作，摆脱数据依赖。通过自主设定筛选标准，可以按照自己的投资思路 进行概念股的判断。 4）通过大语言模型及 python 的使用，输入概念名称即可自动获得概念指数清单及其概念 含量，自动化效果较好。 5）如果有自己明确规定的行业概念范围，可以替换大模型给出的概念含义，更有针对性 的对自己需要的行业概念进行判断。

三、部分热门行业概念被动指数比较

3.1 新兴消费概念指数

按照上述步骤，我们检索出新兴消费概念指数，初步筛选池共包含 19 个指数。通过计算 新兴消费概念含量，这 19 只指数中，当前新兴消费概念含量超过 50%的指数共 8 个。其 中中证沪港深新消费指数与中证沪港深线上消费主题指数概念占比最高。

3.1.1 编制方式比较

中证沪港深新消费指数与中证沪港深线上消费主题指数均为中证指数有限公司发布的指 数，二者基期相同，成分数量相同，更新频率相同，样本空间相同。 二者的差异在于编制方式中，对股票的筛选范围不同。中证沪港深新消费指数选取的是业 务涉及电商平台、电商服务、社交电商、免税、在线教育、在线以来、在线娱乐以及新兴 消费品牌等新消费领域上市公司证券。而中证沪港深线上消费主题指数筛选的是主营业务 涉及线上购物、数字娱乐、在线教育以及远程医疗等领域上市公司证券。

3.1.2 指数成分比较

截至 2024 年 11 月 29 日，两个指数最新的 50 个成分股中，有 25 只股票重合，其余 25 只股票存在差异。从行业来看，中证沪港深新消费指数成分股涉及更多的行业，而中证沪 港深线上消费主题指数成分股行业分布更为集中，在传媒、计算机、商贸零售板块有着更高的比例。从港股占比来看，中证沪港深新消费指数目前成分股中，港股比例更高，达到 了 60%以上。

3.1.3 历史业绩比较

中证沪港深新消费指数和中证沪港深线上消费主题指数的收益差距较为明显，各项风险指 标差异不大。无论从近 1 年、近 3 年还是近 5 年表现来看，中证沪港深新消费指数在收益 上更有优势。

3.1.4 挂钩产品情况

两个新兴消费概念指数均各有一只挂钩的被动指数基金产品，即华宝中证沪港深新消费 A/C、平安中证沪港深线上消费主题 ETF。

3.2 芯片概念指数

按照第二章介绍的步骤，我们检索出芯片概念指数，初步筛选池共包含 25 个指数。通过 计算芯片概念含量，这 25 只指数中，当前芯片概念含量超过 50%的指数共 16 个，而概念 含量达到 100%的指数共 7 个。 这 7 个概念含量达到 100%的芯片概念指数基本信息如下表所示，涉及中证指数有限公司、 深圳证券信息有限公司、中华证券交易服务有限公司发布的指数，其中中证芯片产业指数 是最早发布的芯片概念指数。 各指数的成分股数量差异较大，部分指数的成分数量较少（少于 50 只），例如国证半导体 芯片指数、中证半导体产业指数，成分股分布集中。

3.2.1 编制方式比较

七个芯片概念指数编制方式对成分股的筛选，涉及芯片产业链的不同环节。多数指数均涉 及芯片行业的上、中、下游多个环节，而中证全指集成电路指数更侧重芯片产业的中下游。 而各个指数在筛选成分股时，均会考虑流动性和市值因素，其中中证半导体行业精选指数 则会考虑日均总市值、净资产收益率、研发支出占营业收入比例、净利润增长率等指标进 行更加精细化的筛选。

3.2.2 指数成分比较

根据 2024 年 11 月 29 日最新的指数成分股及权重数据，我们计算了各芯片概念股的中信 三级行业分类。从行业占比来看，中证全指半导体产品与设备指数、中证半导体行业精选 指数、国证半导体指数、中证芯片指数、中华交易服务半导体芯片行业指数的行业分布较 为相似。中证全指集成电路指数高度侧重产业链中游的集成电路，而中证半导体产业指数 更侧重产业链上游的半导体设备板块。

3.2.3 指数历史业绩比较

七个半导体指数相比，中证半导体产业指数近 5 年的业绩表现最佳，年化收益率及夏普比 率均表现最好，但收益波动较大。 从累计收益变化来看，中证半导体产业指数（931865.CSI）的收益弹性较大，在芯片板块 上涨的行情下，该指数的涨幅更高，但板块走势下行期间跌幅也更大。

3.2.4 芯片概念指数挂钩产品情况

中证全指半导体产品与设备指数是最早有被动指数产品发行的芯片概念指数，主要包含 ETF 及其联接基金，但目前仅有 2 只产品。而跟踪中证芯片产业指数的被动指数产品数量 最多，共 14 只，目前总管理规模共计 58.48 亿元，涉及 ETF、联接基金，及其他的场外 被动指数型基金。国证半导体芯片指数共有 7 只产品，总管理规模达到 389.55 亿元。

3.3 苹果产业链概念指数

按照第二章介绍的步骤，我们检索出苹果产业链概念指数，初步筛选池共包含 3 个指数。 通过计算概念含量，这 3 只指数中，当前芯片概念含量超过 50%的指数共 2 个。 我们筛选出的苹果产业链概念指数均为消费电子主题指数，但分别是国证指数和中证指数， 苹果产业链概念含量均超过 60%，均有 50 个成分股。

3.3.1 编制方式比较

两个指数编制方式上的差异，一方面在于样本空间的差异，另一方面，除了共同的手机、 可穿戴智能设备，国证消费电子主题指数的编制方式中也提到了智能家居这一细分领域。

3.3.2 指数成分比较

两个消费电子主题指数成分股中共有 24 只股票重合。从中信三级行业分布来看，除了二 者共同覆盖的板块，国证消费电子主题指数在汽车零部件、在线教育、3C 设备、安防、 黑色家电等子行业有覆盖，而中证消费电子主题指数在金属制品、锂电池、太阳能、通用 计算机设备、网络接配及塔设等子行业有覆盖。

3.3.3 历史业绩比较

从近 1 年、近 3 年及近 5 年的表现来看，中证消费电子主题指数（931494.CSI）的收益及 夏普比率更佳，波动率和回撤水平也更小。而从近 5 年累计收益率变化来看，在上涨行情 下，中证消费电子主题指数的涨幅更高，弹性更好。

3.3.4 挂钩产品情况

目前跟踪中证消费电子主题指数的产品数量已达到 10 只，被动指数产品涉及 ETF 及其联 接基金。跟踪国证消费电子主题指数的被动指数产品共4只，总管理规模达到17.16亿元。

3.4 创新药概念指数

按照第二章介绍的步骤，我们检索出创新药概念指数，初步筛选池共包含 26 个指数。通 过计算创新药概念含量，这 26 个指数中，当前创新药概念含量超过 50%的指数共 20 个， 超过 90%的指数共 6 个。 6 个创新药概念指数中，最早发布的指数为中证港股通创新药指数，中证指数有限公司 2012 年就发布了该指数。

3.4.1 编制方式比较

从编制方式来看，中证创新药产业指数的成分股均来自 A 股市场，中证港股通创新药指数、 中证香港创新药指数(CNY)、国证港股通创新药指数的成分股均来自港股，而中证沪港深 创新药产业指数的成分股来自 A 股和港股两个市场。尽管都是港股指数，但中证港股通创 新药指数、中证香港创新药指数(CNY)、国证港股通创新药指数的选样空间仍有差异。 在选样方面，这些指数均选择了业务涉及创新药研发、生产的上市公司证券。

3.4.2 指数成分比较

三个港股创新药指数的行业分布均集中在生物医药领域，而中证创新药产业指数和中证沪 港深创新药产业指数在生物医药、化学制剂、医疗服务等细分板块上有覆盖。

截至2024年11月29日，中证沪港深创新药产业指数成分股中，港股市值权重占比36.43%。

3.4.3 指数历史业绩比较

创新药概念指数近年来表现不佳。5 个指数中，港股通创新药（CNY）指数表现相对最好。 在创新药板块上涨行情下，该指数的涨幅最大，但板块调整时跌幅也最大，指数收益弹性 较高。

3.4.4 挂钩产品情况

五个创新药概念指数中，跟踪中证创新药产业指数的被动指数产品数量最多，管理规模最 大，涉及 ETF 及其联接基金等被动指数产品。

3.5 新能源车概念指数

按照第二章介绍的步骤，我们检索出新能源车概念指数，初步筛选池共包含 12 个指数。 通过计算新能源车概念含量，这 12 个指数中，当前新能源车概念含量超过 90%的指数共 5 个，概念含量超过 50%的指数共 10 个。 这 5 个高概念含量的指数多数有 50 个成分股，仅有国证新能源车电池指数有 30 个成分股。

3.5.1 编制方式比较

从编制方式来看，各新能源车概念指数涉及的产业链环节可能存在一些差异。国证新能源 车电池指数和中证电池主题指数更侧重电池及充电桩，而中证新能源汽车指数、中证新能 源汽车产业指数、国证新能源车指数覆盖面更广，除了电池及充电桩，还涉及了新能源整 车。

3.5.2 指数成分比较

从各指数成分股的中信三级行业分布也能看出各指数在产业链环节中的侧重点。国证新能 源车电池指数和中证电池主题指数更侧重锂电池、锂电化学品。而中证新能源汽车指数和 中证新能源汽车产业指数在上游材料（锂等）也有更高的占比。

3.5.3 指数历史业绩比较

从短期及长期表现来看，国证新能源车电池指数表现相对较好，近 1 年年化收益率也达到了 14.47%。中证电池主题指数的收益弹性较大，在上涨行情和下跌行情均有更大的涨幅 和跌幅。

3.5.4 挂钩产品情况

目前跟踪中证新能源汽车指数的被动指数产品最多，管理规模最大，这一指数也是最早成 立被动指数产品的新能源车概念指数。 新能源车概念相关被动指数产品列表见附

3.6 光伏概念指数

按照第二章介绍的步骤，我们检索出光伏概念指数，初步筛选池共包含 9 个指数。通过计 算光伏概念含量，这 9 个指数中，当前光伏概念含量超过 80%的指数共 3 个，概念含量超过 50%的指数共 6 个。 三个光伏概念指数中，有两个中证指数有限公司的产品，一个华证指数旗下指数产品。

3.6.1 编制方式比较

从编制方式来看，两个中证光伏概念指数的选样方式较为接近，均涉及光伏产业上下游各 个板块，而中证光伏龙头 30 指数还额外增加了扣非净利润、主营业务收入、销售毛利率、 ROE 等筛选指标，进一步突出龙头特点。而华证清洁能源主题指数除了光伏产业链上下游 股票，还纳入了风电产业的部分成分股。

3.6.2 指数成分比较

从各光伏概念指数成分股的中信三级行业分布来看，华证清洁能源主题指数在风电板块的 成分股占比达到 13.65%。

3.6.3 历史业绩比较

从近 1 年、近 3 年、近 5 年表现来看，华证清洁能源主题指数表现相对更好，夏普比率达 到 0.44。 光伏龙头指数的收益弹性更大，在 2019 年-2021 年及 2022 年下半年的上涨行情下，该指 数的涨幅更大，但回撤率也更高。

3.6.4 挂钩产品情况

目前中证光伏产业指数挂钩的产品最多，共 24 只，总规模达到 247.31 亿元，覆盖了 ETF、 联接基金及其他场外的被动指数基金等类型产品。

编辑：火腿肠