JoinQuant 财务数据分析利器：获取多股票多日期的面板数据

在 JoinQuant 聚宽平台上，想要一次性获取多只股票在一段时间内的市盈率（PE）数据，最推荐且最简便的方法是使用 get_valuation 函数。

该函数专门用于获取市值表（valuation）的数据，支持批量获取多只股票在指定时间段内的市盈率、市净率、总市值等数据，返回格式为 DataFrame。

以下是具体的实现代码和说明：

方法一：使用 get_valuation (推荐)

这是获取市盈率最直接的方法。

# -*- coding: utf-8 -*-
from jqdata import *
import pandas as pd

# 1. 设定股票列表
security_list = ['000001.XSHE', '600000.XSHG', '000002.XSHE']

# 2. 设定查询时间段
start_date = '2023-01-01'
end_date = '2023-01-10'

# 3. 调用 get_valuation 获取数据
# fields 参数说明:
# 'pe_ratio': 市盈率 (PE, TTM) - 滚动市盈率
# 'pe_ratio_lyr': 市盈率 (PE) - 静态市盈率
# 'turnover_ratio': 换手率
# 'market_cap': 总市值
df = get_valuation(
    security_list, 
    start_date=start_date, 
    end_date=end_date, 
    fields=['pe_ratio', 'pe_ratio_lyr']
)

# 4. 打印结果
print(df)

返回结果示例 (DataFrame):
结果包含 code (股票代码), day (日期) 以及你请求的字段。

方法二：使用 get_fundamentals_continuously (通用方法)

如果你不仅需要市盈率，还需要同时查询利润表、资产负债表等其他表的数据，可以使用这个通用函数。

# -*- coding: utf-8 -*-
from jqdata import *

# 1. 设定股票列表
security_list = ['000001.XSHE', '600000.XSHG']

# 2. 构建查询对象 (查询 valuation 表中的 pe_ratio)
q = query(
    valuation.pe_ratio
).filter(
    valuation.code.in_(security_list)
)

# 3. 获取数据
# count=5 表示获取 end_date 往前推 5 个交易日的数据
# panel=False 建议设置为 False，直接返回 DataFrame 格式，方便处理
df = get_fundamentals_continuously(
    q, 
    end_date='2023-01-10', 
    count=5, 
    panel=False
)

print(df)

注意事项

1. 字段选择：
   • pe_ratio: 市盈率 (TTM)，即滚动市盈率，更能反映近期盈利能力。
   • pe_ratio_lyr: 市盈率 (LYR)，即静态市盈率，基于上一年年报计算。
2. 数据量限制：
   • get_valuation 和 get_fundamentals_continuously 都有单次返回数据量的限制（通常为 5000 条左右）。如果查询的股票数量很多且时间跨度很长，建议分批次查询（例如按月循环或按股票分组循环），然后使用 pd.concat 合并结果。
3. 停牌处理：
   • 如果股票在期间停牌，get_valuation 返回的数据量可能会少于预期的天数（它只返回有交易数据的日期）。

Q&A

Q: get_valuation 和 get_fundamentals 有什么区别？
A: get_fundamentals 主要用于获取某一个时间点（横截面）的多只股票数据；而 get_valuation 和 get_fundamentals_continuously 专门用于获取一段时间内（时间序列）的多只股票数据。对于获取历史走势分析，后两者更合适。

Q: 如何处理返回数据量超过限制的问题？
A: 如果涉及全市场股票长周期的查询，建议写一个循环。例如，遍历每一只股票调用一次 get_valuation，或者将时间段切分成按月查询，最后将所有 DataFrame 拼接起来。

Q: 回测中可以使用这些函数吗？
A: 可以。在回测中，end_date 默认为回测当前的日期 (context.current_dt)，要注意避免使用未来函数。在研究环境中则可以随意指定历史日期。