聚宽因子库中 operating_revenue_growth_rate 是如何计算的？为何筛选结果与财报不符？

聚宽因子库问题求解

聚宽因子库中的 operating_revenue_growth_rate（营业收入增长率），计算方法为：营业收入增长率=（今年营业收入（TTM）/去年营业收入（TTM））-1。

这个增长率，是指最新的季度同比还是最新的年度同比？

而且我筛选了operating_revenue_growth_rate大于0的股票，为何实际筛选中的标的没有大于0，即今年营业收入还是小于去年营业收入，不管是最新的季度同比还是最新的年度同比都没有增长。

考虑到数据的更新时效，往前推一个季度看数据，也有股票的营收没有增长却被筛选到了。

麻烦小秘书看看能否解答。

您好！关于聚宽因子库中 operating_revenue_growth_rate（营业收入增长率）的计算逻辑以及筛选结果与直观感受不符的问题，主要涉及到 TTM（滚动十二个月） 的计算机制以及**防未来函数（财报实际披露日）**的底层逻辑。以下为您详细解答：

1. 这个增长率是指最新的季度同比还是年度同比？

都不是。它是基于 TTM（Trailing Twelve Months，滚动十二个月）的同比。

根据聚宽因子库的定义：营业收入增长率 = (今年营业收入（TTM） / 去年营业收入（TTM）) - 1。

• 今年营业收入（TTM）：指在您查询的那个日期，该股票最新已公布的财报所对应的过去连续 4 个季度的营业收入总和。
  • 举例：假设当前是 2023 年 11 月，公司已发布 2023 年三季报。那么 今年 TTM = 2023Q3 + 2023Q2 + 2023Q1 + 2022Q4。
• 去年营业收入（TTM）：指在“今年 TTM”的基础上，再往前推 12 个月（即 4 个季度）的营业收入总和。
  • 举例：接上例，去年 TTM = 2022Q3 + 2022Q2 + 2022Q1 + 2021Q4。

因此，它既不是单季度的同比（如 23Q3 vs 22Q3），也不是自然年度的同比（如 2022年报 vs 2021年报），而是最近四个季度的总和与上一个四个季度总和的比较。

2. 为什么筛选出大于 0 的股票，实际看财报却没有增长？

您在行情软件或财报上看到的“没有增长”，通常是因为您看的是“单季度同比”或“累计同比”，这与 TTM 同比有本质区别。导致筛选结果与您直观感受不符的原因通常有以下几点：

原因一：TTM 的平滑效应（最常见原因）

TTM 包含的是过去 4 个季度的数据。有可能该股票最新的单季度营收确实是下滑的（同比 < 0），但是它前三个季度的营收非常高，导致这 4 个季度加起来的总和（今年 TTM），依然大于去年同期的 4 个季度总和（去年 TTM）。

• 结论：单季度同比下滑，不代表 TTM 同比下滑。因子库筛选的是 TTM 增长率 > 0。

原因二：财报实际披露日期的滞后性（防未来函数）

聚宽的底层逻辑是严格防止未来函数的。在回测或获取因子时，系统只会使用该日期当天及之前已经实际公告的财务数据。

• 举例：假设某公司在 2023 年 4 月 28 日才发布 2023 年一季报和 2022 年年报。如果您在 2023 年 4 月 25 日进行筛选，系统能看到的最新财报依然是 2022 年三季报。此时计算的 TTM 依然是基于 2022Q3 往前推的 4 个季度。如果您事后用上帝视角去看 2022 年报发现它下滑了，但在 4 月 25 日那个时间点，量化引擎是不知道它下滑的，依然会把它选出来。

原因三：财务数据的追溯调整

上市公司经常会因为会计准则变更、并购重组等原因，对历史财务数据进行“追溯调整”。

• 行情软件上显示的往往是调整后的最新数据。
• 聚宽因子库在历史某个时间点计算时，使用的是当时披露的原始数据（Point-in-Time 数据）。如果当时披露的数据算出来 TTM 是增长的，就会被筛选出来，即使后来这份财报被追溯调整为下滑。

💡 如何验证您的筛选结果？

如果您想验证某只被筛选出来的股票在特定日期的 operating_revenue_growth_rate 到底是怎么算出来的，建议您使用聚宽的 get_fundamentals API，指定 date 为您筛选的那一天，拉取底层的 TTM 数据进行手动核对：

from jqdata import *

# 假设您在 2023-05-10 筛选出了 000001.XSHE
check_date = '2023-05-10'
stock = '000001.XSHE'

# 查询当天的 营业收入TTM (今年TTM)
q_current = query(indicator.inc_revenue_year_on_year, income.operating_revenue).filter(valuation.code == stock)
df_current = get_fundamentals(q_current, date=check_date)
print(f"{check_date} 看到的最新营业收入: {df_current['operating_revenue'][0]}")

# 您还可以使用 get_factor_values 直接查看当天的因子值
from jqfactor import get_factor_values
factor_data = get_factor_values(securities=[stock], factors=['operating_revenue_growth_rate'], end_date=check_date, count=1)
print(f"因子库计算的增长率: {factor_data['operating_revenue_growth_rate'].iloc[0,0]}")

通过拉取当时的 Point-in-Time 数据，您就能明白量化引擎在那个瞬间是基于什么数据做出判断的了。