JoinQuant聚宽平台query函数用法详解：如何查询财务数据与避免未来函数？

请教query函数的用法

在一个策略里看到到这么段代码：
q = query(valuation.code).filter(
valuation.code.in_( get_index_stocks('000300.XSHG')),
indicator.eps > g.min_eps
).order_by(
valuation.market_cap.asc()
).limit(
g.pick_stock_counthu )
想请教几个问题：
1。这个函数是查出沪深300里esp小于g.min_eps的成分股吗？
2.这里面这个esp值得是回测当日的esp还是当前esp？如果是当前 这不就成了未来函数了吗？
3.valuation对象是什么东西

这段代码是 JoinQuant（聚宽）平台中用于构建财务数据查询条件（Query 对象）的标准写法。通常它会配合 get_fundamentals(q) 函数一起使用来获取最终的数据。下面针对您的三个问题进行详细解答：

1. 这个函数是查出沪深300里eps小于g.min_eps的成分股吗？

不完全准确。

首先，代码中写的是 indicator.eps > g.min_eps，所以是查出 EPS（每股收益）大于 g.min_eps 的成分股，而不是小于。

其次，这段代码不仅仅是过滤，它还做了排序和截取：

• valuation.code.in_(get_index_stocks('000300.XSHG'))：限定股票池为沪深300成分股。
• indicator.eps > g.min_eps：限定每股收益大于设定的阈值。
• order_by(valuation.market_cap.asc())：将符合条件的股票按照**总市值（market_cap）从小到大（升序，asc）**进行排序。
• limit(g.pick_stock_counthu)：最后只取排在前面的 g.pick_stock_counthu 只股票。

总结： 这段代码的作用是选出沪深300中EPS大于指定值，且市值最小的前 g.pick_stock_counthu 只股票。

2. 这里面的eps是回测当日的还是当前的？会不会是未来函数？

不是未来函数。

query 只是构建了一个查询语句，真正执行查询并获取数据的是 get_fundamentals(q, date=None) 函数。关于时间点，JoinQuant 平台有严格的防未来函数机制：

• 在回测模块中：如果调用 get_fundamentals 时不传入 date 参数（即默认情况），系统会自动将查询日期设定为 context.current_dt 的前一天。因为在实际交易中，今天开盘前你只能看到昨天收盘后已经公布的财报数据。因此，它获取的是回测到那一天时，市场上已经公开的最新一期财报的 EPS，绝对不会获取到未来的数据。
• 在研究模块中：如果不传 date，默认获取的是平台数据库中最新一天的财务数据。

所以，只要你在回测中正常使用 get_fundamentals(q)，它取到的就是回测当时合法的历史数据，不存在未来函数。

3. valuation对象是什么东西？

valuation 是 JoinQuant 财务数据库中的市值数据表对象。在 SQLAlchemy（聚宽底层使用的数据库查询框架）中，它代表了一张数据库表。

这张表包含了股票在每一天的市值相关的指标，常用的字段包括：

• valuation.code：股票代码
• valuation.market_cap：总市值（亿元）
• valuation.circulating_market_cap：流通市值（亿元）
• valuation.pe_ratio：市盈率（PE, TTM）
• valuation.pb_ratio：市净率（PB）
• valuation.turnover_ratio：换手率（%）

同理，代码中的 indicator 是财务指标数据表，包含了 eps（每股收益）、roe（净资产收益率）等经过计算的财务指标。

完整的使用示例

这段 query 代码通常在策略的 handle_data 或定时运行函数中这样使用：

def market_open(context):
    # 1. 构建查询条件
    q = query(valuation.code).filter(
        valuation.code.in_(get_index_stocks('000300.XSHG')),
        indicator.eps > g.min_eps
    ).order_by(
        valuation.market_cap.asc()
    ).limit(
        g.pick_stock_counthu 
    )
    
    # 2. 执行查询，获取DataFrame格式的数据
    # 这里默认获取的是 context.current_dt 前一天的公开数据，无未来函数
    df = get_fundamentals(q)
    
    # 3. 提取股票代码列表
    target_stocks = list(df['code'])
    
    # 打印选出的股票
    log.info("选出的股票: %s" % target_stocks)