【Python量化数据工程实战 #05】多源数据怎么合？行情+基本面+公告的统一时间轴
你回测策略的时候，是不是经常遇到这种尴尬： - K线里明明涨得好好的，一查当天发布了业绩预减公告——**你根本没把公告算进去**。 - 想做个"季报超预期"策略，但季度利润表的日期和日线对不上，**不知道该填到哪一天**。 - 行情、财务、公告三个数据源各拉各的，最后靠 Excel 手动 VLOOKUP，**一改数据源全崩**。 这篇文章给你一套**多源合并的标准做法**：用 pandas 的 `merge_asof` 把不同频率、不同来源的数据，严丝合缝地对到同一天。读完你能直接跑通一段代码，把行情、季度利润、公司公告合成一张宽表。 ## 本文你将得到什么 1. 日频行情 + 季频利润 + 事件型公告的**三层合并方案** 1. `merge_asof` 前向填充的正确用法（90% 的人第一次都用错方向） 1. 一个可直接运行的完整脚本，输出统一时间轴的 DataFrame 1. 多源合并的 3 个常见坑：时区、非交易日、重复公告 ## 场景：三只数据源，三种节奏 做量化策略时，你面对的数据天然是"不同步"的： |**数据源**|**频率**|**时间戳**|**示例**| | --- | --- | --- | --- | |日线行情|日频|每个交易日|开盘、收盘、成交量| |季度利润|季频|季度末|营业收入、净利润| |公司公告|事件型|公告发布日|业绩预告、股东大会| **核心问题**：季报的截止日期是 9 月 30 日，但实际披露可能在 10 月 25 日；公告发布日可能是周末（非交易日）。如何把这三张表合到**同一个交易日时间轴**上？ ## 代码实战：三源合一 下面这段代码演示完整的合并流程。证书使用官方演示证书，你可以直接复制运行： ```javascript from mairui import Client import pandas as pd client = Client("LICENCE-66D8-9F96-0C7F0FBCD073") code = "600519" # 1) 日线行情（日频） raw_hist = client.stock_history(code, lt=60, dividend='n') df_hist = pd.DataFrame(raw_hist) df_hist['t'] = pd.to_datetime(df_hist['t']) df_hist = df_hist.sort_values('t') # 2) 季度利润（季频） raw_profit = client.company_quarter_profit(code) df_profit = pd.DataFrame(raw_profit) df_profit['date'] = pd.to_datetime(df_profit['date']) df_profit = df_profit.sort_values('date') # 3) 公司公告（事件型） raw_ann = client.stock_announcement(code, lt=20) df_ann = pd.DataFrame(raw_ann) df_ann['t'] = pd.to_datetime(df_ann['t']) # === 第一层合并：季报 → 日线（前向填充） === # 策略逻辑：用"最近一期已披露财报"填充每个交易日 df_merged = pd.merge_asof( df_hist[['t', 'o', 'c', 'h', 'l', 'v']], df_profit[['date', 'profit', 'income']].rename(columns={'date': 't'}), on='t', direction='backward' # 关键：backward = 用最近的过去值填充 ) # === 第二层合并：公告 → 日线（当日计数） === # 注意：这里必须用 merge，不能用 merge_asof！ df_ann_daily = df_ann.groupby('t').size().reset_index(name='ann_count') df_merged = pd.merge(df_merged, df_ann_daily, on='t', how='left') df_merged['ann_count'] = df_merged['ann_count'].fillna(0).astype(int) # 输出结果 print(df_merged.tail(10)[['t', 'c', 'profit', 'income', 'ann_count']]) ``` 运行后你会看到类似这样的输出： ```javascript t c profit income ann_count 2025-11-18 11.59 4,609,700.00 10,066,800.00 0 2025-11-19 11.80 4,609,700.00 10,066,800.00 0 2025-11-24 11.60 4,609,700.00 10,066,800.00 2 2025-12-01 11.69 4,609,700.00 10,066,800.00 5 ``` 每一行是一个交易日，"profit" 和 "income" 是该日适用的最新季度数据，"ann_count" 是当天发布的公告数量。 ## 关键细节：为什么公告不能用 merge_asof？ 季报用 `merge_asof(..., direction='backward')` 是正确的，因为**一季度的财务数据在整季度都有效**，可以前向填充。 但公告完全不同：10 月 15 日发了 3 条公告，**这 3 条只属于 10 月 15 日**，不能传播到 10 月 16 日。如果你误用 `merge_asof`，10 月 16 日也会显示 "3 条公告"——这是致命的逻辑错误。 **正确做法**：公告用 `pd.merge(..., how='left')` 严格按日匹配，无公告则填 0。 ## 3 个常见坑 ### 坑 1：时区不一致导致 merge 失败 有些数据源返回 UTC，有些返回本地时间。合并前统一做一次： ```javascript df['t'] = pd.to_datetime(df['t']).dt.tz_localize(None) ``` ### 坑 2：公告日在非交易日（周末/节假日） 如果公告发布在周六，`pd.merge` 会匹配不到交易日。处理方案： ```javascript # 把公告日映射到下一个交易日（简化版） trading_days = set(df_hist['t']) df_ann['t'] = df_ann['t'].apply( lambda d: d if d in trading_days else min([t for t in trading_days if t > d], default=d) ) ``` ### 坑 3：除权除息日导致价格 discontinuity 合并后的行情如果直接做收益率计算，除权日会出现假跳空。下一篇文章会专门讲**复权处理**。 ## 小结 多源合并的核心就两步： 1. **低频 → 高频**：用 `merge_asof(..., direction='backward')` 前向填充 1. **事件 → 高频**：用 `pd.merge(..., how='left')` 严格按日匹配 掌握这两个模式，行情、财务、公告、研报、宏观数据都能统一到一个时间轴上，策略的数据底座才算真正搭好。 **下篇预告**：行情合并完了，但除权除息日价格断崖怎么办？前复权和后复权到底该用哪个？#06 带你手动算一遍复权因子，搞懂回测数据准备的最佳实践。 --- ## 免责声明 本文仅供技术学习交流，不构成任何投资建议。市场有风险，决策需谨慎。 ## 代码与文档 更多接口文档和 SDK 使用示例，可查阅官方文档：[https://github.com/MaiRuiApi/mairui](https://github.com/MaiRuiApi/mairui)
