基本面因子计算的示例分析

财报基本面数据，涵盖价值、盈利、投资、应计、规模等经典异象，是投资关注的重要指标。

这里示例从PIT(Point-in-Time)对齐的财报数据中，计算一组原始因子值，

并与市值面板结合，生成日期×股票的因子面板。

后续可在此基础上做标准化、中性化、ICIR 检验和组合构建。

1 基本面因子

基本面因子，直接涉及财报基本面数据，其核心是

从PIT对齐财报数据中，计算一组原始因子值，并与市值面板结合，生成日期 × 股票的因子面板。

这里直接通过代码的方式，分析和示例这一过程。

以下代码就是这样的一个一个基本面因子计算模块。

它不负责因子方向、标准化、中性化或最终采纳，这些留给后续验证阶段

复制代码

"""Fundamental cross-sectional factors (P5, M3).

Operate on point-in-time (PIT) joined fundamentals.  The source of truth is a
reports table (code, report_period, announce_date, statement fields); derived
TTM / YoY series are computed per code over report periods, then PIT-joined on
announce_date, then combined with a market-cap panel into factors.

Signs are NOT hardcoded here --- this module only computes raw factor values; the
ICIR sign and adoption decision live in the validation stage (S3/S4/S5).
"""

from __future__ import annotations

import numpy as np
import pandas as pd

from mfm.data.fund_synthetic import generate_synthetic_fundamentals

TTM_FIELDS = ["net_profit", "oper_cashflow", "revenue", "cogs"]


def _ttm_trailing_4q(sub: pd.DataFrame, f: str) -> pd.Series:
    """Trailing-4-quarter (364d window, lower bound exclusive) sum of `f`.

    Correct on real data where quarters can be missing: sums reports whose
    report_period is within the trailing ~1 year, requiring >= 4 reports, so a
    3-quarter stretch is left NaN rather than mis-labelled "TTM".
    """
    periods = sub["report_period"].to_numpy()
    vals = sub[f].to_numpy(dtype=float)
    out = np.full(len(sub), np.nan)
    day = np.timedelta64(364, "D")
    for i in range(len(sub)):
        lo = periods[i] - day
        m = (periods > lo) & (periods <= periods[i])
        if m.sum() >= 4:
            out[i] = np.nansum(vals[m])
    return pd.Series(out, index=sub.index)


def _yoy_asset_growth(sub: pd.DataFrame) -> pd.Series:
    """YoY total-asset growth vs the same calendar quarter one year earlier."""
    periods = pd.to_datetime(sub["report_period"])
    vals = sub["total_assets"].to_numpy(dtype=float)
    yr, mo, dy = periods.dt.year, periods.dt.month, periods.dt.day
    look = {(y, m, d): v for y, m, d, v in zip(yr, mo, dy, vals)}
    out = []
    for y, m, d, v in zip(yr, mo, dy, vals):
        pv = look.get((y - 1, m, d))
        out.append(np.nan if (pv is None or pv == 0) else v / pv - 1.0)
    return pd.Series(out, index=sub.index)


def derive_report_fields(reports: pd.DataFrame) -> pd.DataFrame:
    """Add trailing-4-quarter TTM and YoY asset-growth per (code, report)."""
    df = reports.copy()
    # Robust-date handling: eastmoney mixes 'YYYY-MM-DD' with 'YYYY-MM-DD 00:00:00'.
    df["report_period"] = pd.to_datetime(df["report_period"], format="mixed", errors="coerce").astype("datetime64[ns]")
    df["announce_date"] = pd.to_datetime(df["announce_date"], format="mixed", errors="coerce").astype("datetime64[ns]")
    df = df.dropna(subset=["report_period"]).sort_values(["code", "report_period"])
    g = df.groupby("code", sort=False, group_keys=False)
    for f in TTM_FIELDS:
        df[f"{f}_ttm"] = g.apply(lambda s: _ttm_trailing_4q(s, f))
    df["asset_growth_yoy"] = g.apply(_yoy_asset_growth)
    return df


def pit_field_panel(reports, dates, codes, field):
    """date x stock PIT panel: latest announced `field` per stock as of t."""
    r = reports[["code", "announce_date", field]].copy()
    r["announce_date"] = pd.to_datetime(r["announce_date"], format="mixed", errors="coerce").astype("datetime64[ns]")
    ser = r.dropna(subset=[field, "announce_date"]).sort_values("announce_date")
    out = pd.DataFrame(np.nan, index=dates, columns=codes, dtype=float)
    q = pd.DataFrame({"t": pd.to_datetime(dates).astype("datetime64[ns]")})
    for c in codes:
        sub = ser[ser["code"] == c]
        if sub.empty:
            continue
        sub = sub[["announce_date", field]].rename(
            columns={"announce_date": "t", field: "v"}
        )
        merged = pd.merge_asof(q, sub, on="t", direction="backward")
        out[c] = merged["v"].values
    return out


def compute_panels(reports, mcap, dates, codes):
    """PIT panels for the fields the factors need, plus the market-cap panel."""
    dr = derive_report_fields(reports)
    panels = {}
    for f in [
        "total_equity",
        "total_assets",
        "net_profit_ttm",
        "oper_cashflow_ttm",
        "revenue_ttm",
        "cogs_ttm",
        "asset_growth_yoy",
    ]:
        panels[f] = pit_field_panel(dr, dates, codes, f)
    panels["mcap"] = mcap.reindex(index=dates, columns=codes)
    return panels


# --- factor functions (raw values only; signs decided in validation) ---------


def bm(p):
    return p["total_equity"] / p["mcap"]


def ep(p):
    return p["net_profit_ttm"] / p["mcap"]


def cfp(p):
    return p["oper_cashflow_ttm"] / p["mcap"]


def sp(p):
    return p["revenue_ttm"] / p["mcap"]


def roe(p):
    return p["net_profit_ttm"] / p["total_equity"]


def asset_growth(p):
    return p["asset_growth_yoy"]


def accruals(p):
    return (p["net_profit_ttm"] - p["oper_cashflow_ttm"]) / p["total_assets"]


def gross_margin(p):
    return (p["revenue_ttm"] - p["cogs_ttm"]) / p["revenue_ttm"]


def log_mcap(p):
    return np.log(p["mcap"])


FUND_REGISTRY = {
    "bm": bm,
    "ep": ep,
    "cfp": cfp,
    "sp": sp,
    "roe": roe,
    "asset_growth": asset_growth,
    "accruals": accruals,
    "gross_margin": gross_margin,
    "log_mcap": log_mcap,
}


def main() -> None:
    synth = generate_synthetic_fundamentals(n_stocks=30, seed=5)
    reports, mcap, codes = synth["reports"], synth["market_cap"], synth["codes"]
    dates = mcap.index
    panels = compute_panels(reports, mcap, dates, codes)
    factors = {name: fn(panels) for name, fn in FUND_REGISTRY.items()}

    for name, f in factors.items():
        finite = float(np.isfinite(f.values).mean())
        print(f"  {name:12s} shape={f.shape} finite={finite:.2%}")

    assert set(factors) == set(FUND_REGISTRY)
    assert all(f.shape == (len(dates), len(codes)) for f in factors.values())
    bmv = factors["bm"].values
    assert (bmv[np.isfinite(bmv)] > 0).all(), "bm must be positive"
    np.testing.assert_allclose(
        factors["log_mcap"].values, np.log(mcap.values), equal_nan=True
    )
    print(f"M3 SMOKE OK: {len(FUND_REGISTRY)} factors computed on PIT-joined panels")


if __name__ == "__main__":
    main()

代码模块的核心流程是：

1）财报数据衍生

对每只股票按报告期计算 TTM(滚动 4 季度)和 YoY(同比)指标。

2）PIT 面板构建

按公告日announce_date做 as-of join，确保在任意日期t只使用当时已经公告的财务数据。

3）因子计算

将PIT面板与市值面板结合，计算B/M、E/P、CFP、S/P、ROE、资产增长、应计、毛利率、对数市值等原始因子。

4）冒烟测试

用合成数据验证形状、有限值比例、符号约束等。

代码不硬编码因子方向，因为因子IC符号可能随市场、时段变化，最终由验证阶段的ICIR决定。

1.1 财报数据衍生

1）常量与导入

TTM_FIELDS = $"net_profit", "oper_cashflow", "revenue", "cogs"$

这些是需要计算TTM的报表字段：

净利润、经营现金流、营业收入、营业成本。后续因子会用到它们的 TTM 值。

2）滚动4季度求和

滚动 4 季度求和的实现函数是_ttm_trailing_4q。

def _ttm_trailing_4q(sub, f):

day = np.timedelta64(364, "D")

for i in range(len(sub)):

lo = periods $i$ - day

m = (periods > lo) & (periods <= periods $i$ )

if m.sum() >= 4:

out $i$ = np.nansum(vals $m$ )

其计算逻辑为对每个报告期，向前找364天内的所有报告，若数量 ≥ 4，则求和作为TTM。

使用 364 天而不是 365 天，是为了避免边界问题，因为 4 个季度约 364 天。

下界排他>，上界包含 <=，窗口为(报告期 - 364天, 报告期]。

要求至少 4 份报告，防止只有 3 个季度时被误标为TTM。

用 np.nansum容忍缺失值。

TTM 用于平滑季节性，反映最近一年的盈利能力、现金流和收入规模。

相比单季度，TTM 更稳定，适合横截面比较。

3）总资产同比增速

总资产同比增速的实现函数是_yoy_asset_growth

look = {(y, m, d): v for ...}

pv = look.get((y - 1, m, d))

out.append(np.nan if (pv is None or pv == 0) else v / pv - 1.0)

按去年同一日历季度查找总资产，计算同比增速。若去年缺失或为 0，则返回 NaN。

资产增长是投资因子的代理变量。Fama-French五因子模型中的投资因子认为，资产扩张较快的公司未来收益可能较低，即投资保守的公司有溢价。

4）衍生报表字段

衍生报表字段是derive_report_fields。

df $"report_period"$ = pd.to_datetime(..., format="mixed", errors="coerce")

df $"announce_date"$ = pd.to_datetime(..., format="mixed", errors="coerce")

df = df.dropna(subset= $"report_period"$ ).sort_values( $"code", "report_period"$ )

g = df.groupby("code", sort=False, group_keys=False)

for f in TTM_FIELDS:

df $f"{f}_ttm"$ = g.apply(lambda s: _ttm_trailing_4q(s, f))

df $"asset_growth_yoy"$ = g.apply(_yoy_asset_growth)

处理混合日期格式，如 YYYY-MM-DD和YYYY-MM-DD 00:00:00。

按code和report_period排序，保证滚动计算顺序正确。

为每个TTM字段生成 {field}_ttm，并生成 asset_growth_yoy。

1.2 PIT面板

1）PIT面板

PIT 面板对应pit_field_panel

ser = r.dropna(subset= $field, "announce_date"$ ).sort_values("announce_date")

out = pd.DataFrame(np.nan, index=dates, columns=codes, dtype=float)

q = pd.DataFrame({"t": pd.to_datetime(dates).astype("datetime64 $ns$ ")})

for c in codes:

sub = ser $ser\["code"$ == c]

sub = sub $\["announce_date", field$ ].rename(columns={"announce_date": "t", field: "v"})

merged = pd.merge_asof(q, sub, on="t", direction="backward")

out $c$ = merged $"v"$ .values

核心是merge_asof(..., direction="backward")，

对每个日期 t，找announce_date <= t的最近一条记录。

这保证了Point-in-Time对齐，避免使用未来公告的财务数据。

财报有报告期和公告日。

例如 2023 年年报的报告期是 2023-12-31，但公告日可能是 2024-03-31。

在 2024-01-01 时，投资者还看不到这份年报。

PIT连接是回测和因子研究的基础，防止前视偏差(look-ahead bias）。

2）构建所需面板

构建所需面板的实现见compute_panels。

for f in ["total_equity", "total_assets", "net_profit_ttm", "oper_cashflow_ttm",

"revenue_ttm", "cogs_ttm", "asset_growth_yoy"]:

panels $f$ = pit_field_panel(dr, dates, codes, f)

panels $"mcap"$ = mcap.reindex(index=dates, columns=codes)

目的是将衍生后的报表字段逐个转成 PIT 面板，并加入市值面板。

1.3 因子计算

1）因子函数梳理

在代码中，因子覆盖了价值、盈利、投资、质量、应计和规模等主要风格。

因子	公式	含义
`bm`	`total_equity/mcap`	账面市值比，价值因子
`ep`	`net_profit_ttm/mcap`	盈利收益率，价值/盈利因子
`cfp`	`oper_cashflow_ttm/mcap`	现金流收益率
`sp`	`revenue_ttm/mcap`	销售收益率
`roe`	`net_profit_ttm/total_equity`	净资产收益率，盈利能力
`asset_growth`	`asset_growth_yoy`	资产同比增速，投资因子
`accruals`	`(net_profit_ttm-oper_cashflow_ttm)/total_assets`	应计项目
`gross_margin`	`(revenue_ttm-cogs_ttm)/revenue_ttm`	毛利率，质量/盈利
`log_mcap`	`log(mcap)`	对数市值，规模因子

在此基础上，注册表与主函数如下。

FUND_REGISTRY = {"bm": bm, "ep": ep, ...}

注册表模式便于遍历、扩展和统一测试。

1.4 冒烟测试

main用合成数据做冒烟测试，检查：

1）因子数量与注册表一致；

2）形状为 len(dates) × len(codes)；

3）B/M为正；

4）log_mcap与np.log(mcap) 一致。

2 示例分析

2.1 横截面因子投资

横截面因子是在某一时点，对所有股票按某指标排序，构建多空组合或进行回归，预测未来收益。

常见流程：

计算原始因子值；
去极值、标准化、中性化；
计算 IC(因子值与未来收益的横截面相关系数）；
计算 ICIR = mean(IC) / std(IC)；
根据ICIR 符号和显著性决定因子方向与是否采纳。

在上述代码中，只负责第一步，符号不硬编码，是为了把方向判断留给验证阶段。

2.2 PIT数据与避免前视偏差

PIT是量化回测的生命线。财报数据必须按公告日对齐，而不是报告期。

merge_asof(direction="backward")是典型的as-of join，保证在t时刻只使用已公告的信息。

2.3 TTM与YoY

TTM是滚动 4 季度，平滑季节性，反映最近一年经营状况。

YoY是同比，消除季节性，衡量增长率。

代码要求TTM至少 4 份报告，避免缺失季度导致误判。

2.4 财务基本面因子

代码覆盖了Fama-French五因子中的规模、价值、盈利、投资，以及应计、毛利率等异象因子。

这些因子在横截面上通常需要正交化、中性化后使用。

1）价值因子

B/M、E/P、CFP、S/P。Fama-French 三因子中的价值溢价。

2）盈利因子

ROE、毛利率。Fama-French 五因子中的盈利能力因子；Novy-Marx 强调毛利率。

3）投资因子

资产增长，Fama-French 五因子中的投资因子，资产扩张快可能负向预测收益。

4）应计异象

Sloan(1996) 发现应计项目高的公司未来收益低，因为盈利质量差。

5）规模因子

对数市值。Banz (1981) 小市值效应。

6）现金流与销售

CFP、S/P 是价值因子的变体，提供不同角度的估值衡量。

refernce

A five-factor asset pricing model

https://r.jordan.im/download/investing/fama2015.pdf

The other side of value: The gross profitability premium

https://users.nber.org/~confer/2010/APf10/Novy-Marx.pdf

Do stock prices fully reflect information in accruals and cash flows about future earnings?

https://www.cuhk.edu.hk/acy2/workshop/June2009Wasley/1996TAR).pdf

The relationship between return and market value of common stocks. Journal of Financial Economics

https://search.dailystocks.com/Banz_sizeeffect_1980.pdf

Point-in-Time Data: Essential for Backtesting

https://developer.stockfit.io/blog/point-in-time-data-backtesting

RecTurn(offset, type $, NAHandling$ )

https://www.portfolio123.com/doc/doc_detail.jsp?factor=RecTurn&showCont=1#more