QMT 因子库：如何调用分析师评级 (Analyst Estimation) 数据？

在 QMT 量化交易平台中，获取股票的分析师评级数据是通过多因子数据接口 (ContextInfo.get_factor_data) 来实现的。分析师评级相关的数据存储在 Analyst_Estimation（股票因子_分析师预期）表中。

以下是具体的获取方法、字段说明及代码示例。

1. 核心接口说明

使用 ContextInfo.get_factor_data 函数获取数据。

• 函数原型：ContextInfo.get_factor_data(fieldList, stockList, startDate, endDate)
• 数据表名：Analyst_Estimation
• 常用字段：
  • Analyst_Estimation.REC：分析师推荐评级
  • Analyst_Estimation.DAREC：分析师推荐评级变化
  • Analyst_Estimation.GREC：分析师推荐评级变化趋势

2. 代码示例

以下代码展示了如何在策略中获取“浦发银行”在指定时间段内的分析师评级数据。

# -*- coding: gbk -*-

def init(ContextInfo):
    # 策略初始化
    pass

def handlebar(ContextInfo):
    # 1. 设定要获取的字段列表
    # REC: 推荐评级, DAREC: 评级变化
    fieldList = ['Analyst_Estimation.REC', 'Analyst_Estimation.DAREC']
    
    # 2. 设定股票代码
    stockCode = '600000.SH'
    
    # 3. 设定起止时间 (格式：YYYYMMDD)
    startDate = '20220101'
    endDate = '20220110'
    
    # 4. 调用多因子接口获取数据
    # 注意：如果是回测模式，ContextInfo.barpos 对应的日期需要包含在 startDate 和 endDate 范围内才能看到动态效果
    # 这里演示直接获取一段历史数据
    factor_data = ContextInfo.get_factor_data(fieldList, stockCode, startDate, endDate)
    
    # 5. 打印结果
    # 返回结果通常为 pandas DataFrame
    print("分析师评级数据：")
    print(factor_data)

    # 如果只在最后一根K线运行一次，避免重复打印
    if ContextInfo.is_last_bar():
        pass

3. 字段详细对照表

在 Analyst_Estimation 表中，您可以获取以下与评级和预期相关的因子：

4. 注意事项

1. 数据补充：多因子数据（包括分析师评级）通常不会自动随行情数据下载。在使用前，请务必在 QMT 客户端界面点击菜单栏的 【操作】 -> 【数据管理】 -> 【补充数据】 -> 勾选【多因子数据】 进行下载，否则获取到的数据可能为空。
2. 数据精度：因子数据通常精确到小数点后四位。
3. 返回类型：
   • 如果查询单只股票、多个时间点，返回 pandas.DataFrame (Index=时间, Columns=字段)。
   • 如果查询多只股票、多个时间点，返回 dict (Key=代码, Value=DataFrame)。

Q&A

Q: QMT 中分析师评级 REC 字段的数值代表什么含义？
A: REC 字段通常是一个量化的数值，用于代表综合评级（如买入、增持、中性等）。具体的数值对应关系取决于数据提供商的标准，建议结合 DAREC（评级变化）来判断分析师情绪是上调还是下调。

Q: 为什么调用 get_factor_data 返回的数据是空的？
A: 最常见的原因是本地没有该时间段的多因子数据。请在 QMT 客户端的“数据管理”中手动补充“多因子数据”。另外，请检查 startDate 和 endDate 是否在有效交易日范围内。

Q: 除了评级，还能获取分析师对净利润的预测吗？
A: 可以。使用 Analyst_Estimation.FY12P（分析师盈利预测）或 Analyst_Estimation.DAREV（分析师盈利预测变化）等字段可以获取相关数据。