### **JoinQuant 心得——基本面数据** **by 庸俗神父** ___ 聚宽使用两个月，分享些心得，方便后来人。 若朋友们觉得有帮助，回复一下，权当鼓励。 当然，若觉得有疑问或建议，也请告知。 API文档已有一定的说明，故只写重点，但附上API连接，请自行查阅。 - [JoinQuant 心得——股票行情数据](https://www.joinquant.com/post/495) - [JoinQuant 心得——时间持仓资金数据](https://www.joinquant.com/post/502) - [JoinQuant 心得——基本面数据](https://www.joinquant.com/post/509) - [JoinQuant 心得——订单](https://www.joinquant.com/post/521) - [JoinQuant 心得——回测功能性完善](https://www.joinquant.com/post/542) - [JoinQuant 心得——数据存取](https://www.joinquant.com/post/580) ___ #### **获取指数的成分股** get_index_stocks - [API原文：get_index_stocks](https://www.joinquant.com/api#getindexstocks) #### **获取行业的所有股票** get_industry_stocks - [API原文：get_industry_stocks](https://www.joinquant.com/api#getindustrystocks) #### **股票是否是ST** get_extras - [API原文：get_extras](https://www.joinquant.com/api#getextras) - 目前（20160121），此处ST的含义包括ST和*ST，所以ST和*ST无法区分。 #### **财务数据** get_fundamentals - [API原文：get_fundamentals](https://www.joinquant.com/api#getfundamentals) - [JoinQuant-财务数据汇总表](https://www.joinquant.com/help/api/fundamentals) - 查询指定日期date所能看到的**最近的数据**。(对市值表来说, 最近一天, 对其他表来说, 最近一个季度) - 为了防止返回数据量过大, 我们**每次最多返回10000行** - 当相关股票上市前、退市后，财务数据返回**各字段为空** - 只能查询单独一个时间的。 - **返回的是pandas.DataFrame格式。** 样例 ``` get_fundamentals(query( # 查询内容 valuation.code # 市值表.股票代码 ,valuation.market_cap # 市值表.市值 ,valuation.pe_ratio # 市值表.动态市盈率 ,income.total_operating_revenue # 利润表.营业总收入 ).filter( # 筛选条件 valuation.market_cap > 1000 # 市值表.市值 大于 1000 ,valuation.pe_ratio < 10 # 市值表.动态市盈率 小于 10 ,income.total_operating_revenue > 2e10 # 利润表.营业总收入 大于 200 0000 0000 ).order_by( # 排序方法 valuation.market_cap.desc()# 按照 市值表.市值.进行降序排列 ).limit( # 数量限制 100 ), date='2015-10-15' # 时间 ) ``` ___ #### **DataFrame 简单讲解** **导入模块** - 通常使用DataFrame需要导入pandas和numpy，有时不需要。不妨每次用就都导入吧。 - 代码: ``` import pandas as pd import numpy as np ``` **常用代码** - df.index 取出行索引 - df.colunms 取出列索引 - df.values 取出值 - df['colunm_name'] 取出列索引为'colunm_name'的列 - df.loc['index_name'] 取出行索引为'index_name'的行 - df.ix[x,y] 取出第x行，第y列的值 样例 ``` # 该段程序只能在策略中使用，不能在研究中用 # 回测时间为20151129-20151130 # 资金100000 import pandas as pd import numpy as np def initialize(context): # 定义一个全局变量, 保存要操作的股票 g.security = ['000001.XSHE','000002.XSHE'] # 设置我们要操作的股票池 set_universe(g.security) # 每个单位时间(如果按天回测,则每天调用一次,如果按分钟,则每分钟调用一次)调用一次 def handle_data(context, data): df=get_fundamentals(query( # 查询内容 valuation.code # 市值表.股票代码 ,valuation.market_cap # 市值表.市值 ,valuation.pe_ratio # 市值表.动态市盈率 ,income.total_operating_revenue # 利润表.营业总收入 ).filter( # 筛选条件 valuation.market_cap > 1000 # 市值表.市值 大于 1000 ,valuation.pe_ratio < 10 # 市值表.动态市盈率 小于 10 ,income.total_operating_revenue > 2e10 # 利润表.营业总收入 大于 200 0000 0000 ).order_by( # 排序方法 valuation.market_cap.desc()# 按照 市值表.市值.进行降序排列 ).limit( # 数量限制 4 ), date='2015-10-15' # 时间 ) print df print df.index #取出行索引 print df.columns #取出列索引 print df.values #取出值 print df['pe_ratio'] #取出列索引为'pe_ratio'的列 print df.loc[0] #取出行索引为0的行 print df.ix[1,2] #取出第1行，第2列的值 ``` 输出： ``` 2015-11-30 09:30:00 - INFO - code market_cap pe_ratio total_operating_revenue 0 601398.XSHG 16002.6396 5.78 1.750780e+11 1 601939.XSHG 13575.5996 5.93 1.486750e+11 2 601988.XSHG 11451.6904 6.71 1.181210e+11 3 601288.XSHG 10166.0596 5.66 1.347040e+11 2015-11-30 09:30:00 - INFO - Int64Index([0, 1, 2, 3], dtype='int64') 2015-11-30 09:30:00 - INFO - Index([u'code', u'market_cap', u'pe_ratio', u'total_operating_revenue'], dtype='object') 2015-11-30 09:30:00 - INFO - [['601398.XSHG' 16002.6396 5.78 175077998592.0] ['601939.XSHG' 13575.5996 5.93 148675002368.0] ['601988.XSHG' 11451.6904 6.71 118120996864.0] ['601288.XSHG' 10166.0596 5.66 134703996928.0]] 2015-11-30 09:30:00 - INFO - 0 5.78 1 5.93 2 6.71 3 5.66 Name: pe_ratio, dtype: float64 2015-11-30 09:30:00 - INFO - code 601398.XSHG market_cap 16002.64 pe_ratio 5.78 total_operating_revenue 1.75078e+11 Name: 0, dtype: object 2015-11-30 09:30:00 - INFO - 5.93 ```