在 JoinQuant 聚宽平台计算 EBITDA TTM 的完整指南

针对您在 JoinQuant 聚宽平台计算 EBITDA TTM 时遇到的问题，以下是详细的解答和计算方案：

1. EBITDA 本身是 TTM 过的吗？

不是。
根据 JoinQuant 因子库文档的定义，因子库中直接提供的 EBITDA 因子是报告期数据（即从年初到报告期末的累计值，例如一季报是1-3月，中报是1-6月），并没有经过 TTM（滚动十二个月）处理。

2. 为什么 calc_factors 不支持 EBITDA_1？

在 calc_factors 的 dependencies 中，使用 _1、_2 这种后缀来获取前几个季度的数据，仅适用于基础的单季度财务表字段（如 income 表、balance 表、cash_flow 表中的原生字段）。

EBITDA 属于 JoinQuant 因子库中的衍生因子，它是通过多个基础财务科目计算得出的，因此不支持直接通过加 _1 后缀来获取历史单季度数据。

3. 为什么不支持 fixed_assets_depreciation？

在 JoinQuant 的财务数据表中，固定资产折旧对应的准确字段名是 fixed_assets_depreciation（位于 cash_flow 现金流量表中）。如果您在 dependencies 中调用失败，可能是因为该字段在某些早期的单季度切片数据中存在缺失，或者拼写/表归属问题。在单季度数据中，现金流量表的拆分有时会因为财报披露规则导致部分科目为空（NaN）。

4. 如何正确计算 EBITDA TTM？

要计算 EBITDA TTM，最稳妥的方法是利用基础财务科目，通过自定义因子（继承 Factor 类）来手动计算。

EBITDA 的基础计算公式为：
EBITDA = 净利润 + 所得税费用 + 财务费用 + 折旧 + 摊销

为了计算 TTM，我们需要获取过去四个单季度的这些基础科目并求和。以下是使用 calc_factors 和自定义 Factor 的实现代码：

from jqfactor import Factor, calc_factors
import pandas as pd

class EBITDA_TTM(Factor):
    # 设置因子名称
    name = 'ebitda_ttm'
    max_window = 1
    
    # 依赖的基础单季度财务科目（包含当季及前三季）
    # net_profit: 净利润 (income表)
    # income_tax_expense: 所得税费用 (income表)
    # financial_expense: 财务费用 (income表)
    # fixed_assets_depreciation: 固定资产折旧、油气资产折耗、生产性生物资产折旧 (cash_flow表)
    # intangible_assets_amortization: 无形资产摊销 (cash_flow表)
    # long_term_deferred_expenses_amortization: 长期待摊费用摊销 (cash_flow表)
    
    base_fields = [
        'net_profit', 'income_tax_expense', 'financial_expense',
        'fixed_assets_depreciation', 'intangible_assets_amortization', 
        'long_term_deferred_expenses_amortization'
    ]
    
    # 生成包含 _1, _2, _3 后缀的依赖列表
    dependencies = []
    for field in base_fields:
        dependencies.extend([field, f'{field}_1', f'{field}_2', f'{field}_3'])

    def calc(self, data):
        # 初始化 TTM 序列
        ebitda_ttm = 0
        
        # 遍历基础科目，将过去四个季度的数据相加
        for field in self.base_fields:
            # 将 NaN 填充为 0，防止相加后变成 NaN
            q0 = data[field].fillna(0)
            q1 = data[f'{field}_1'].fillna(0)
            q2 = data[f'{field}_2'].fillna(0)
            q3 = data[f'{field}_3'].fillna(0)
            
            # 该科目的 TTM 值
            field_ttm = q0 + q1 + q2 + q3
            
            # 累加到 EBITDA TTM 中
            ebitda_ttm += field_ttm
            
        # 返回 Series
        return ebitda_ttm.mean()

# 测试计算
securities = ['000001.XSHE', '600519.XSHG']
factors_result = calc_factors(
    securities, 
    [EBITDA_TTM()], 
    start_date='2023-01-01', 
    end_date='2023-01-10',  
    use_real_price=False
)

print(factors_result['ebitda_ttm'].head())

替代方案：使用 get_history_fundamentals

如果您不是在单因子分析框架内，而是在普通的策略回测或研究中，可以直接使用 get_history_fundamentals 获取过去 4 个季度的财务数据进行计算，这样可以更灵活地处理缺失值：

from jqdata import *

def get_ebitda_ttm(security_list, stat_date):
    # 查询需要的字段
    q_fields = [
        income.net_profit, 
        income.income_tax_expense, 
        income.financial_expense,
        cash_flow.fixed_assets_depreciation,
        cash_flow.intangible_assets_amortization,
        cash_flow.long_term_deferred_expenses_amortization
    ]
    
    # 获取过去4个季度的数据
    df = get_history_fundamentals(security_list, fields=q_fields, stat_date=stat_date, count=4, interval='1q')
    
    # 填充缺失值为0
    df = df.fillna(0)
    
    # 计算单季度的 EBITDA
    df['ebitda_q'] = (df['net_profit'] + df['income_tax_expense'] + df['financial_expense'] + 
                      df['fixed_assets_depreciation'] + df['intangible_assets_amortization'] + 
                      df['long_term_deferred_expenses_amortization'])
    
    # 按股票代码分组求和，得到 TTM
    ebitda_ttm = df.groupby('code')['ebitda_q'].sum()
    return ebitda_ttm

# 示例调用
print(get_ebitda_ttm(['000001.XSHE', '600519.XSHG'], '2023q3'))

总结：
由于 EBITDA 是衍生指标且非 TTM，建议通过提取 income 和 cash_flow 表中的基础单季度科目（如净利润、所得税、财务费用、折旧、摊销），利用 _1、_2、_3 后缀或 get_history_fundamentals 累加四个季度的数据，从而准确计算出 EBITDA TTM。