A股量化数据工程：从 REST 接口到策略信号（第 7 篇）：盈利能力因子：毛利率、净利率与 ROE

前言

价格与资金维度跑完，进入基本面。盈利是公司质量的底盘：毛利率看生意模式，净利率看管控，ROE 看为股东赚钱的效率。接口 hicw/yl 一次性给出这三个核心值，本篇把它们落库，并自研截面 z-score 打分，得到第一个可横比的基本面因子。

一、接口原始字段梳理

1）盈利能力接口

接口地址：https://api.biyingapi.com/hicw/yl/{LICENCE}

字段	说明
dm	股票代码
mc	股票名称
jzcsy	净资产收益率（ROE，接口原始字段）
jll	净利率
mll	毛利率
jlr	净利润
mgsy	每股收益
yysr	营业收入
mgzysr	每股主营业务收入
y	年
q	季
yq	年季标识

二、自研衍生统计指标

截面 z-score ：对 mll / jll / jzcsy 在全市场做标准化，消除量纲，得三个子分。
综合盈利因子 ：z(mll) + z(jll) + z(jzcsy) 等权合成，越大约强。
异常过滤 ：mll < 0 或 jzcsy 为空的公司直接剔除，避免失真。

字段全部来自接口原始值，z-score 为自研二次计算，接口不返回排名。

三、数据表设计

sql 复制代码

CREATE TABLE IF NOT EXISTS fin_yl (
    dm    TEXT,
    yq    TEXT,
    mc    TEXT,
    mll   REAL,
    jll   REAL,
    jzcsy REAL,
    jlr   REAL,
    mgsy  REAL,
    yysr  REAL,
    PRIMARY KEY (dm, yq)
);

CREATE TABLE IF NOT EXISTS factor_profit (
    dm    TEXT,
    yq    TEXT,
    z_mll REAL,
    z_jll REAL,
    z_roe REAL,
    score REAL,
    PRIMARY KEY (dm, yq)
);

四、完整代码

python 复制代码

import requests
import sqlite3
import time

LICENCE = "YOUR_LICENCE"
BASE = "https://api.biyingapi.com"
DB_PATH = "quant.db"

def biying_api_get_retry(url, timeout=15, max_retry=3):
    for i in range(max_retry):
        try:
            r = requests.get(url, timeout=timeout)
            r.raise_for_status()
            return r.json()
        except Exception as e:
            if i == max_retry - 1:
                raise
            time.sleep(1 + i)

def fetch_yl():
    data = biying_api_get_retry(f"{BASE}/hicw/yl/{LICENCE}")
    return data.get("data", []) if isinstance(data, dict) else []

def zscore(vals):
    xs = [v for v in vals if v is not None]
    if len(xs) < 2:
        return {}
    mu = sum(xs) / len(xs)
    var = sum((x - mu) ** 2 for x in xs) / len(xs)
    sd = var ** 0.5 or 1
    return {v: round((v - mu) / sd, 3) for v in xs}

def build_factor(rows):
    valid = [r for r in rows if r.get("mll") is not None
             and r.get("jll") is not None and r.get("jzcsy") is not None]
    zm = zscore([r["mll"] for r in valid])
    zj = zscore([r["jll"] for r in valid])
    zr = zscore([r["jzcsy"] for r in valid])
    out = []
    for r in valid:
        mll, jll, roe = r["mll"], r["jll"], r["jzcsy"]
        score = round(zm.get(mll, 0) + zj.get(jll, 0) + zr.get(roe, 0), 3)
        out.append((r["dm"], r["yq"], zm.get(mll, 0),
                    zj.get(jll, 0), zr.get(roe, 0), score))
    return out

if __name__ == "__main__":
    rows = fetch_yl()
    con = sqlite3.connect(DB_PATH)
    con.executemany(
        "INSERT OR REPLACE INTO fin_yl"
        "(dm,yq,mc,mll,jll,jzcsy,jlr,mgsy,yysr) VALUES(?,?,?,?,?,?,?,?,?)",
        [[r.get("dm"), r.get("yq"), r.get("mc"), r.get("mll"), r.get("jll"),
          r.get("jzcsy"), r.get("jlr"), r.get("mgsy"), r.get("yysr")]
         for r in rows])
    con.commit()
    fac = build_factor(rows)
    con.executemany(
        "INSERT OR REPLACE INTO factor_profit"
        "(dm,yq,z_mll,z_jll,z_roe,score) VALUES(?,?,?,?,?,?)", fac)
    con.commit(); con.close()
    top = sorted(fac, key=lambda x: x[5], reverse=True)[:5]
    print("盈利因子 Top5:")
    for dm, yq, a, b, c, s in top:
        print(f"  {dm} 综合分={s} (毛利z={a} 净利z={b} ROEz={c})")

五、关键业务说明

字段以接口为准 ：mll/jll/jzcsy 为接口返回的盈利字段，具体会计口径以官方文档说明为准，代码不做重算。
截面才有可比性：z-score 必须同行业或全市场同窗口算，单只孤立看无意义。
负值剔除：毛利为负多为商业模式异常，因子合成前先过滤。

六、拓展练习

把 z-score 改成「行业内 z-score」（按 sshy 行业分组），消除行业结构差异。
用 factor_profit 与前几篇价格因子做相关性，看盈利因子是否有独立增量信息。
回测「盈利因子 Top 50」等权组合的历史收益（仅统计演示）。

下篇预告

A股量化数据工程：从 REST 接口到策略信号（第 8 篇）：成长能力因子：营收与利润增速

下一篇用 hicw/cz 拉取营收、净利、净资产、每股增速，自研成长因子，捕捉高景气公司。
免责申明 ：本篇全部代码、接口调用仅作为量化编程学习演示，仅为数据演示，不构成投资建议。市场有风险，投资需谨慎。