行业进出记录 (cn_stock_industry_change)

数据描述： 该表记录了上市公司在特定行业分类标准下（申万2014、申万2021，中信）的行业变动情况，包括公司的进入和退出。这些信息通过证券代码、行业标准、行业代码及简称来标识，同时通过进出标志（0表示退出，1表示进入）和具体的纳入或剔除日期来详细记录每次行业变动事件。

文档
数据简介

### 数据简介 申万行业分类是一种对A股市场进行细分的分类方法，由申万证券指数有限公司制定并发布。申万行业分类主要根据公司所属行业的经营性质和产业链关系划分，目前已经成为中国证券市场中最为广泛使用的行业分类标准之一。 中信行业表是中信证券开发的行业分类标准，也是中国证券市场中比较常用的行业分类标准之一。与申万行业分类相比，中信行业表更加注重行业内部的细分。通过这些分类方法，可以帮助投资者更好地了解上市公司所处的行业背景、竞争环境等因素，从而更准确地评估公司的发展前景和风险。 纳入或纳出该行业分类标准可能会对上市公司的投资者结构、估值水平等方面产生影响。 ### 数据说明 * 数据起始时间：1990-12-10 * 数据更新频率：日 * 数据发布时间：每日更新 ### 收费标准 免费 ### 关键字 【例子】 | 关键字 | 释意 | | --- | --- | | date | 指当期财报的发布日期 | | instrument | 指证券代码，比如：000002.SZ，600001.SH | | industry | 行业标准，如中信行业，申万行业2021版 | ### 数据供应商 BigQuant ### 使用场景 * 了解公司所属行业：通过申万和中信行业分类标准，投资者可以知道上市公司所属的具体行业，进而深入了解该行业的发展趋势、市场规模、竞争格局等信息，为投资决策提供参考。 * 比较行业内公司：同一行业内不同公司的经营状况和财务数据可能会存在巨大差异。通过行业分类标准，投资者可以将同一行业内的公司进行横向比较，更加准确地衡量公司的业绩和潜在风险。 * 跟踪行业变化：随着宏观经济环境和市场形势的变化，某些行业的前景也会发生变化。投资者可以通过跟踪行业分类标准的变化，及时了解行业结构的调整和变化趋势，从而调整自己的投资策略。 * 研究行业走势：行业分类标准还可以用来研究不同行业的走势。通过比较不同行业的估值水平、成长性、风险偏好等因素，投资者可以更好地把握行业的发展趋势和市场机会。

用例
* 用例1：某个日期范围内的所有行业进出情况 ``` import dai df = dai.query(""" SELECT date, instrument, industry, industry_name, inout_flag FROM cn_stock_industry_change""", filters={"date": ["2023-01-01", "2023-12-31"]} ).df() ``` * 用例2：特定公司的历史行业变动 ``` import dai df = dai.query(""" SELECT date, industry, inout_flag, industry_name FROM cn_stock_industry_change WHERE instrument='000001.SZ'""", filters={"date": ["2021-01-01", "2023-12-31"]} ).df() ``` * 用例3：统计一个特定时间窗口内，各行业新加入和退出的公司数量 ``` import dai df = dai.query(""" SELECT industry_name, industry, SUM(CASE WHEN inout_flag = 1 THEN 1 ELSE 0 END) AS entered, SUM(CASE WHEN inout_flag = 0 THEN 1 ELSE 0 END) AS exited FROM cn_stock_industry_change GROUP BY industry_name, industry""", filters={"date": ["2022-01-01", "2022-12-31"]} ).df() ``` * 用例4：分析近两年各行业的进入和退出公司数目 ``` import dai df = dai.query(""" SELECT industry_name, industry, SUM(CASE WHEN inout_flag = 1 THEN 1 ELSE 0 END) AS entered_2022, SUM(CASE WHEN inout_flag = 0 THEN 1 ELSE 0 END) AS exited_2022, SUM(CASE WHEN inout_flag = 1 AND YEAR(date) = 2023 THEN 1 ELSE 0 END) AS entered_2023, SUM(CASE WHEN inout_flag = 0 AND YEAR(date) = 2023 THEN 1 ELSE 0 END) AS exited_2023 FROM cn_stock_industry_change GROUP BY industry_name, industry""", filters={"date": ["2022-01-01", "2023-12-31"]} ).df() ```
表结构
字段 字段类型 字段描述
date timestamp[ns] -
industry_instrument string 行业代码
industry string 行业标准
inout_flag int8 进出标志 0:出 1:进
industry_name string 行业简称
instrument string 证券代码

表名cn_stock_industry_change

起始时间：

最近更新时间：

数据平台