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：

industry = get_industry(list(df_50.code))
stock_dict={}
for stock in industry.keys():
 try:
 # 取到每个股票的【申万一级】行业名称
 stock_dict[stock] = industry[stock]['sw_l1']['industry_name']
 except:
 pass

然后我们导入 import matplotlib.pyplot as plt，通过其 pie 函数，可以实现对饼图的绘制。

代码如下：

tt = DFindustry.groupby(['industry_name']).size()
tt1 = list(tt.index.values)
tt2 = list(tt.values)
labels = tt1
fracs = tt2
plt.figure(figsize=(10,8))
plt.axes(aspect=1) # set this , Figure is round, otherwise it is an ellipse
plt.pie(x=fracs, labels=labels, explode=None,autopct='%3.1f %%',shadow=True)
plt.title('成分股行业分布饼图')
plt.show()

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。

本文标签：沪深300(431)中证500指数(25)中证(70)波动率(39)500指数(10)