手册定位：模块二第 7 篇。多因子打分后容易「行业暴露」——比如全选了银行。本篇讲申万行业中性化：在行业内打分排名，避免策略押注单一行业；并讲股票池日更的框架。
数据来源复用 #03 板块（行业归属）+ #14 合成分。

1. 你将得到什么

• 用申万一级行业做行业内分位排名的代码（行业中性核心）；
• 股票池日更的取数框架；
• 中性化前后行业暴露对比；
• 行业中性的 4 个坑（行业定义漂移、空行业、小行业噪声、中性后收益下降）。

2. 取数约定（复用）

3. 数据来源（复用，不重复罗列）

本篇是组合层，行业归属见 #03，因子分见 #14，不新增接口。

4. 核心模板函数（自包含可跑）

import pandas as pd

_MOCK = True


def industry_neutral_score(df, score_col="总分", ind_col="申万一级"):
    df = df.copy()
    df["行业中性分"] = df.groupby(ind_col)[score_col].rank(pct=True)
    return df


def run_check():
    df = pd.DataFrame([
        {"代码": "600519", "申万一级": "食品饮料", "总分": 1.2},
        {"代码": "000858", "申万一级": "食品饮料", "总分": 0.8},
        {"代码": "600036", "申万一级": "银行", "总分": 1.0},
        {"代码": "601398", "申万一级": "银行", "总分": 0.5},
    ])
    out = industry_neutral_score(df)
    assert out.groupby("申万一级")["行业中性分"].max().between(0.99, 1.01).all()
    print("校验通过 | 行业中性分:", out["行业中性分"].round(2).tolist())
    return out


if __name__ == "__main__":
    run_check()

5. 跑通示例

out = run_check()
top_each = out.sort_values("行业中性分", ascending=False).groupby("申万一级").head(1)
print(top_each[["代码", "申万一级", "行业中性分"]])

6. 坑与注意事项

1. 行业定义漂移：申万行业会定期调整，历史回测要用当时的分类。
2. 空行业/单只行业：某行业只剩 1 只时排名无意义，设最小样本阈值。
3. 小行业噪声：三级行业样本太少，中性化建议用一级或二级。
4. 中性后收益下降：完全中性会抹掉行业 alpha，可保留小幅暴露。

7. 小结与下一篇预告

行业中性让股票池行业分散。下一篇讲选股策略回测验证——把前面所有因子向量化跑一遍，看策略到底赚不赚钱。

下一篇预告：《【Python量化实战全攻略 #16】选股策略回测验证手册：向量化跑一遍（附代码）》

8. 免责声明

本文为组合构建方法示例，演示数据为虚构，不构成投资建议。

关于数据来源：本文行业归属所需的板块接口来自智兔数服（www.zhituapi.com）官方文档（详见本系列 #03/#14），覆盖 200+ 已验证路径，注册可领免费 token 做研究测试。
更多实战手册见技术博客：zhituapi.com/blog.html。
本系列《Python量化实战全攻略》共 32 篇，下一篇讲选股回测。