指数是基于特定规则编制、反映一揽子证券价格变动情况的综合性指标，是衡量市 场整体表现的重要标尺。其编制方式主要涵盖市值加权、等权或基本面加权等方法。作 为市场运行的“晴雨表”，指数在投资分析、经济监测及政策制定中具有关键作用。 从功能维度来看，指数首先具有显著的市场代表性功能，通过科学的成分股筛选和 加权计算，有效浓缩了众多证券的价格信息，能够精准反映特定市场或行业的整体运行 趋势。这种代表价值体现在多个层面：宽基指数（如沪深 300、标普 500）展现宏观市场 走势，风格指数（如价值/成长、大盘/小盘）揭示因子收益特征，而行业主题指数（如新 能源、人工智能）则直接映射产业演进动态。在投资应用层面，指数构建了一套完整的 分析框架：一方面作为业绩基准体系，为投资组合提供可量化的相对收益比较标准；另 一方面通过指数衍生品（如股指期货、ETF）创新，有效拓展了风险管理工具库。值得注 意的是，相较于微观个股分析，指数研究具备独特的系统稳定性优势，能够过滤单一个 体噪声，更清晰地捕捉市场结构变迁。这种中观视角特别适用于风格轮动监测和主题投 资跟踪，例如通过价值/成长指数的相对强弱研判市场偏好变化，或借助行业指数集群分 析产业联动效应。因此，指数不仅是整体市场表现的衡量工具，更是市场风格与投资主 题的重要映射载体。 我们从投资实践出发，系统性地整理境内市场所有 ETF 的跟踪指数，经过数据清理 后，得到“可投指数”研究池，构建市场风格主题分析体系，兼备可投资性和系统性。 全市场“可投指数”研究池最新共纳入 300+只指数。
为深入研究主题轮动规律，首要步骤是对市场主题间轮动转换状况进行系统性观测。 构建有效的市场主题轮动观测工具是本研究的主要目标，同时也是后续开展规律性研究 的必要基础。 作为描述复杂关系网络的数学方法，图论为市场内部结构的解析提供了创新性的研 究视角。下文将就图论在市场主题研究中的适用性进行探讨。 图论在市场指数研究中的映射：在图论中，一个图由顶点和边构成。在金融市场研 究中，我们可以将每个顶点看作一个具体的市场指数。这些顶点可以附带颜色和大小属 性，如近期的涨跌幅、成交量或其他特征。而边的权重则用于表示不同市场指数之间的 相关性，可由它们的收益率序列计算得到。通过这种映射，市场间的复杂联动关系可被 抽象为网络结构，便于量化分析。 边的权重与相关性度量：为了构建有意义的市场指数网络，边的权重需要合理定义。 在图论中，边的权重量化了两个顶点之间某种关系的“强度”或“成本”。在市场指数网 络图谱中，权重的定义直接影响网络的构建方式。常见的做法是计算两两指数收益率的相关系数，用以衡量它们的线性关联程度。由于最小生成树算法要求边的权重代表“距 离”（即低相关性对应高权重），我们会通过转换公式将相关系数转化为非负且意义匹配 的权重值。 最小生成树的核心作用：最小生成树是原图的一个子集，它通过保留权重最小的边 来连接所有顶点，同时避免环路。在金融应用中，最小生成树能够揭示市场间最简化的 相关性骨架，剔除冗余连接后，核心的市场层级结构变得清晰。例如：若最小生成树显 示美股作为根顶点，连接欧亚多个市场，则表明全球风险情绪可能以美股为枢纽向外扩 散。这一特性使得最小生成树成为识别系统性风险源头和优化资产配置的有力工具。
2.1 总述
我们计划用全市场的“可投指数”研究池构建成最小生成树，厘清指数之间的关系 并将之可视化呈现，就像给市场拍一张“照片”。在最小生成树的框架基础上，呈现指数 价格、成交方面的指标随时间变化情况，就像给市场录一段“视频”。最终制造出一台观 察市场主题轮动的“录像机”。
2.2 动态化
为进一步丰富观察维度，我们对顶点的颜色和大小做出进一步优化，使用顶点颜色 和大小表现指数量价信息，在基础框架上动态展示涨跌和成交指标随时间发展的变化， 像一台主题轮动“录像机”一样，以更加直观的方式动态观察市场变化，从而提升投资 视角的整体性。以下详细介绍主题轮动“录像机”的基础设置。
2.3 颜色选项——涨跌幅
我们采用顶点颜色色阶表现指数涨跌幅大小。我们以周频滚动计算指数 5 日涨跌幅 排名，在可视化呈现上，顶点的颜色由红到绿渐变：深红色代表涨跌幅相对最高，绿色 代表涨跌幅相对最低。这一功能能够快速识别近期的市场热点板块，帮助投资者捕捉涨 势强劲的板块和主题。同时，通过观察主题板块的颜色变化，可有效监测市场情绪的阶 段性波动，为风格轮动的研判提供参考。
2.4 大小选项——成交热度
我们采用顶点大小表现指数的成交热度。成交额受市值体量大小影响，成交额大小 的对比无法体现出资金对不同指数的青睐程度，为消除体量大小的影响，本文我们以周 频滚动计算指数 5 日成交额总和，再除以计算框架首日的流通市值，代表成交热度，在 可视化呈现上，顶点大小代表成交热度的大小：成交额最高的板块呈现为大顶点，中等 成交额为中等顶点，低成交额则显示为小顶点。成交热度在最小生成树上的可视化能够 直观展现资金在不同主题上的集中程度。 上述基础选项设置为主题轮动“录像机”的常规设置。下文为探寻全市场“可投指 数”最小生成树的更多特征，我们将对顶点的颜色和大小做出特殊处理。
3.1 观察 1：树形结构
通过对 2016-2024 年间，年度最小生成树结构的系统性考察，我们识别出两类典型 的结构：一类呈现出以核心顶点为原点向外辐射的树状结构，另一类则表现出主链明确、 分支均衡分布的鱼骨状形态。这两种构型的出现频率与特定市场环境相关： 放射结构：放射结构是一种以中心顶点为根，按层次向外分层展开的树状图，具有 明确的层级性。2016-2024 年间，2018 年、2020 年、2022 年、2023 年的最小生成树呈现 出放射结构。 放射结构的出现，往往反映了特定主导因素推动市场波动的时期，其显著的层级性 表明市场受少数核心驱动力的显著影响。也就是说，市场呈现放射结构的年份，通常由 单一或集中的宏观冲击因素主导，这些关键事件通过线性传导机制引发系统性波动。例 如上段提及的年份中，2018 年贸易摩擦与金融去杠杆政策形成双重压制，2020 年疫情冲击伴随全球流动性释放，2022 年地缘冲突与货币紧缩政策叠加——这些均属于典型的外 生冲击或重大政策影响。
鱼骨状结构：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。 2016-2024 年间， 2016 年、2017 年、2019 年、2021 年、2024 年的最小生成树呈现出鱼 骨状结构。 鱼骨状结构的出现反映了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。在这种结构下，“鱼骨状”的分支体现为不同领域对宏观经济环境的分化 响应。分析相关年份可发现，2017 年供给侧改革下大小盘风格显著分化；2019 年贸易摩 擦暂缓与科技自主战略形成双重驱动；2021 年则出现全球通胀压力与碳中和转型的交织 影响；2024 年新质生产力政策催生多领域协同发展。 我们推演市场鱼骨状结构出现的条件有以下几条：一是市场未出现单一压倒性冲击 因素，多种力量形成动态影响；二是金融环境维持相对稳定，为多主线并行发展提供流 动性基础。
3.2 观察 2：涨跌分布
基于 2015 年市场数据构建了最小生成树的树框架，并将 2015 年 5 月 6 日至 2015 年 5 月 13 日各指数的涨跌幅表现和成交热度体现在顶点特征上（主题轮动“录像机”基 础设置）。该最小生成树清晰地揭示了当时市场领涨板块的市场辐射效应，其 影响力通过最小生成树的网络结构向外围板块延伸，即指数在树图上离 TMT 板块距离越 近涨跌幅越高，距离越远涨跌幅越低。
基于上述发现，我们想查看“辐射效应”在全年维度的效果，以及在不同树状结构 中的特征。观察放射结构的年度涨跌幅来看，除 2020 年外，2018、2022、2023 年的深绿色区域 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。
鱼骨状结构的呈现则与放射状结构存在显著差异，除 2019 年外，2017、2021、2024 年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。
根据年度涨跌幅大小，在放射状结构和鱼骨状结构上的差异，对于主题投资来说， 识别当前市场主题最小生成树的结构特征，对于主题的选择具有一定的借鉴意义，例如， 在低风险偏好环境下，针对放射状树图的市场结构，可考虑配置与整体市场关联度较低 的主题性标的进行博弈性投资；面对鱼骨状树图的市场形态，则应侧重优势板块的持续 配置策略。
3.3 观察 3：主题纯度分布
当树图呈现树形放射结构时，处于中间顶点的指数更多的是宽基指数、 风格指数、板块指数等复合型指数，靠向边缘的顶点则更多的是成分划分范围更小、主 题更加精确的主题指数，这类指数主题纯度相对更高。从原理解释，成分综合性越高的 指数，和越多指数有高相关性，因此产生的连接线更多，定位则越能向中心靠拢。鱼骨 状结构未观察到主题纯度分布的显著规律。
3.4 观察 4：波动率分布
在上述观察基础上，边缘顶点涨跌的幅度较中间顶点的幅度更高，颜色更深，即深 绿色和深红色多分布在边缘位置。由此我们猜想，相对于分布在中心位置的指数，分布 于边缘位置的指数涨跌幅幅度更大、波动率更高。 为验证前述猜想，我们基于年度数据构建最小生成树模型，采用指数年度波动率作 为顶点着色依据，其中色阶（绿色至红色）对应波动率值域（0，最大波动率]。2023 年 与 2020 年度及其它呈放射结构的年度树图实证（剔除债券及海外指数），验证了猜想： 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。即在放射结构下，由中心 向外，指数波动率逐渐上升，边缘顶点的长期波动率相对中心顶点更高。鱼骨状结构未 观察到波动率分布的显著规律。
通过最小生成树网络分析，股票指数波动率呈现边缘高、中心低的特征，其成因可 从市场结构、资金行为维度解析。 边缘顶点通常代表主题纯度较高的指数（如细分行业、单一技术赛道或市场热点主 题），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。 中间顶点多为宽基指数（如沪深 300、中证 500）或风格指数（如成长、价值），由 于成分股横跨多个行业，受到分散化投资的缓冲，个别行业的冲击影响较低，因而波动 性更低。 基于波动率大小在树图上的分布特征，该方法为筛选高 beta 行业指数和稳健型宽基 指数、辅助构建卫星仓位提供了系统性框架。在网络边缘区域，行业主题指数如半导体和新能源车等呈现显著的高 beta 属性，其成分股具有高度相似性。这类指数可为卫星仓 位捕捉行业景气周期收益。而处于网络中心的宽基指数凭借多元的行业覆盖、充沛的市 场流动性和完善的对冲工具形成有效的风险缓冲，提升组合的稳定性。另外，分布于边 缘的指数，相互之间相关性低，行业特性差异大，形成的组合较大程度地分散风险。
3.5 观察 5：市场格局演变
根据最小生成树方法，为进一步观察近五年市场格局的演变，我们着重查看 2019 年 和 2024 年最小生成树的主题分布及变化，本小节主要关注各个主题节点之间的相对位置 关系及其变化趋势，暂不考虑节点的着色特征（波动率）和尺寸属性。
通过构建 2019 年和 2024 年全市场可投指数的最小生成树，可以清晰地观察到市场 投资结构的显著演变。在树形结构图中，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，体 现中国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，这一 结构变化反映了消费板块近五年投资逻辑的转变，背后是经济结构、产业形态和资金行为的系统性质变。 从资本市场表现来看，消费板块的低迷状态自 2021Q1 持续至 2024Q3，这种疲弱态 势与中国经济面临的结构性调整密切相关。根据消费板块各行业在最小生成树上的分布 分析，2019 年消费板块各子行业在市场中呈现相对独立的状态，各自拥有差异化的估值 逻辑和投资驱动因素；而在 2024 年的树形结构中，这些子板块顶点间的连接距离明显缩 短，形成更为紧密的簇群结构。 从估值弹性角度来看，2024 年消费相关行业的估值修复呈现显著的系统性特征。其 修复弹性主要受制于国内宏观经济环境的整体预期：在经济预期改善时期，各消费子板 块的估值修复具有同步放大效应；反之，在经济预期走弱时期，整体消费板块的估值空 间均会受到系统性压制。这种“同涨同跌”的特征与 2019 年各子板块相对独立的估值表 现形成鲜明对比。 由上述分析可见，通过最小生成树的展示，我们可以清晰地把握板块内部投资逻辑 的演变。
通过构建最小生成树，亦可直观观测到资源板块的系统性地位跃迁。2019 年，煤炭、 石油石化、有色金属等顶点主要分布在树形网络的外围边缘位置，与树图中心较远。而 到了 2024 年，其整体定位发生改变，向树图中心聚拢。近五年，资源板块得益于其供需 刚性强化（供给受限+新能源需求爆发）、金融属性增强（稳定现金流+抗通胀），以及国 家安全需求（供应链自主+能源安全），战略地位得到提升。最小生成树上，其定位也一 定程度反映出，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”。
基于最小生成树的结构分析显示，智能制造板块在 2019 年至 2024 年间经历了显著 的结构转型。2019 年的市场结构中，该板块呈现典型的线性链式连接，主要由通信、军 工、计算机、人工智能及电子芯片这几个关键顶点依次串联而成。这种结构特征反映了 当时各细分领域相对独立的发展态势和技术路线。到 2024 年，该板块的 MST 拓扑展现 出了明显的网络化演进趋势。各细分赛道互相交织形成复杂的树状网络结构。这种结构变化揭示了以下深层演变。 一是产业融合加速，通信与人工智能、军工与电子芯片等原本界限分明的领域开始 形成技术协同效应，表现为子领域顶点距离变近。二是投资逻辑重构，从单一领域的纵 向深入转向跨领域的横向整合，市场对智能制造的定价模式从分立估值转向协同估值。 由上述分析可见，通过最小生成树的展示，我们可以清晰地把握板块内部产业协同 情况。
本研究提出的市场主题"录像机"系统具有以下多维应用价值：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（市场"照片"），又能实时追踪市场轮动趋势（市 场"视频"），实现整体性与时效性的统一。该系统采用最小生成树网络构建观测体系，既 满足投资者战略性布局的结构性认知需求，又可及时捕捉市场动态变化，为投资决策提 供双重参考依据。创新性的可视化呈现方式，将复杂的市场结构转化为直观易懂的分析 工具，显著提升了市场主题监测的实用效果。可实现功能如下： 产业长期演变观察：通过主题轮动“录像机”，可分析不同行业的长期发展轨迹和市 场占比变化，帮助投资者把握宏观经济趋势。 市场热点识别回溯：可视化帮助捕捉市场热点并可供历史复盘，清晰展示不同板块 的轮动路径和持续时间，便于观察历史中的资金流转。 指数定位和资产配置辅助：通过指数在树图中的定位，可一定程度上对指数在市场 中的相对属性进行定义，以辅助在资产配置中，对预先设定的投资类别的产品匹配。 网络结构可视化：采用最小生成树算法构建市场关联网络，直观展示不同资产间的 关联性强弱和市场整体结构特征。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
