基本面量化单因子检验中，如何正确划分T期与T+1期以避免未来函数？

基本面量化中财务数据延迟与T期划分指南

在基本面量化和单因子检验中，财务数据的**“统计截止日”（Stat Date）与“实际披露日”（Pub Date / Watch Date）之间存在时间差是一个非常核心的问题。如果处理不当，极易引入未来函数（Look-ahead Bias）**，导致回测结果虚高但在实盘中失效。

1. 核心原则：Point-in-Time (PIT) 原则

在定义T期时，绝对不能使用财务报表的统计截止日（如03-31）作为T期。T期必须是你实际进行调仓或计算因子的交易日。在T期这个时点上，你只能使用该时点之前已经公开发布的数据。

• T期（调仓日/计算日）：假设你每月月底调仓，那么4月的T期就是4月30日。
• T期可用的数据：在4月30日，你可以看到4月22日披露的一季报（截至03-31的数据）。但在4月15日作为T期时，你看不到一季报，只能使用上一年的年报或三季报数据。
• T+1期（收益观测期）：如果你是月度调仓，T+1期就是5月31日。你计算的是从4月30日到5月31日的收益率，用来与4月30日计算出的因子值做相关性检验（IC分析）。

2. 在 JoinQuant 平台上的具体实现

JoinQuant 平台在底层API设计上已经充分考虑了这个问题，提供了非常便捷的规避未来函数的取数方式。

方法一：使用 get_fundamentals 的 date 参数（推荐）

在调用 get_fundamentals 时，强烈建议使用 date 参数，而不是 statDate 参数。

• date 参数：当你传入 date='2023-04-15' 时，JoinQuant 引擎会自动去数据库中查找在 2023-04-15 收盘后已经实际披露的最新一期财务数据。如果一季报在4月22日才披露，那么在4月15日取数时，系统会自动返回上一年的年报数据。这完美契合了 PIT 原则，绝对不会产生未来函数。
• statDate 参数：如果你传入 statDate='2023q1'，系统会强制返回2023年一季报的数据。如果你在4月15日的逻辑中使用了这个数据，就引入了未来函数。

# 正确做法：按实际交易日（T期）取数
q = query(valuation.code, income.net_profit)
# 假设 context.current_dt 是 2023-04-15
# 引擎会自动获取 2023-04-15 当天能看到的最新财报（可能是2022年报）
df = get_fundamentals(q, date=context.current_dt)

方法二：使用 get_history_fundamentals 的 watch_date 参数

如果你需要获取历史多个季度的财务数据进行计算（例如计算TTM或者同比增长率），可以使用 get_history_fundamentals 并指定 watch_date。

# 指定观察日期 watch_date，系统只会返回该日期前（包含该日期）发布的报表数据
df = get_history_fundamentals(
    security=['000001.XSHE'], 
    fields=[income.total_operating_revenue], 
    watch_date='2023-04-15', 
    count=4, 
    interval='1q'
)

3. 单因子检验的标准流程

1. 确定调仓频率与T期序列：例如每个自然月的最后一个交易日作为 T_0, T_1, T_2...
2. 在 T_n 期截面取数：遍历你的T期序列，在每个 T_n 日，调用 get_fundamentals(date=T_n) 获取因子暴露度（Factor Exposure）。
3. 计算 T_n 到 T_n+1 的远期收益（Forward Return）：获取 T_n 日收盘价和 T_n+1 日收盘价，计算区间收益率。
4. 对齐与检验：将 T_n 期的因子值与 T_n 到 T_n+1 期的收益率进行截面对齐，计算 Rank IC、分组收益等指标。

总结

界定T期的核心在于**“站在当前看历史”**。不要被财报的“所属期（03-31）”迷惑，永远以“交易日（04-22之后）”为时间锚点。在 JoinQuant 中，只要坚持使用 date 或 watch_date 参数进行截面取数，平台底层会自动帮你处理好披露延迟的映射，从而确保单因子检验的严谨性。