ptrade 平台如何基于偿债能力指标进行基本面选股避雷？

在股票量化投资中，除了关注盈利能力外，**防范债务风险（避雷）**同样至关重要。上市公司若短期偿债能力不足，易陷入资金链断裂的危机。在 ptrade 量化交易平台 中，我们可以利用 get_fundamentals 接口查询 debt_paying_ability（偿债能力）表，筛选出流动比率与速动比率良好的低风险标的。

一、关键偿债能力指标解析

在 debt_paying_ability 财务数据表中，重点关注以下两个指标：

1. 流动比率 (current_ratio)：流动资产 / 流动负债。通常认为流动比率 $> 1.5$ 或 $> 2$ 时，企业短期偿债安全性较高。
2. 速动比率 (quick_ratio)：(流动资产 - 存货) / 流动负债。剔除了变现能力较慢的存货，速动比率 $> 1$ 表明企业具备较强的即期偿债能力。

二、ptrade 获取偿债能力数据的核心接口

使用 get_fundamentals 函数可以轻松获取全市场或指定股票池的财务数据：

# 示例：获取指定股票池在特定日期的流动比率与速动比率
df = get_fundamentals(
    security=stocks,
    table='debt_paying_ability',
    fields=['current_ratio', 'quick_ratio'],
    date='20231231'
)

三、完整策略源码实现

以下策略展示了如何在盘前运行逻辑中，过滤掉偿债能力差的风险股票（流动比率 $< 1.5$ 或速动比率 $< 1.0$），并在安全股票池中执行简单的买入逻辑。

import pandas as pd

def initialize(context):
    # 设置参考基准
    set_benchmark('000300.SS')
    # 设置策略运行周期：每天盘前筛选股票
    run_daily(context, filter_risk_stocks, time='09:15')

def filter_risk_stocks(context):
    # 1. 获取全市场 A 股代码
    all_stocks = get_Ashares()
    
    # 2. 剔除 ST、停牌、退市股票
    valid_stocks = filter_stock_by_status(all_stocks, filter_type=["ST", "HALT", "DELISTING"])
    
    # 3. 获取偿债能力财务数据
    # 不传 date 默认获取离当前回测/交易时间最近的已发布财报数据
    debt_df = get_fundamentals(
        security=valid_stocks,
        table='debt_paying_ability',
        fields=['current_ratio', 'quick_ratio']
    )
    
    if debt_df is None or debt_df.empty:
        log.warning("未能获取到偿债能力数据")
        return
    
    # 4. 设置安全避雷筛选条件：流动比率 > 1.5 且 速动比率 > 1.0
    safe_condition = (debt_df['current_ratio'] > 1.5) & (debt_df['quick_ratio'] > 1.0)
    safe_stocks = debt_df[safe_condition].index.tolist()
    
    log.info("筛选前股票数量: %d, 偿债能力避雷后安全股票数量: %d" % (len(valid_stocks), len(safe_stocks)))
    
    # 更新全局选股池（取前 20 只作为标的示例）
    g.target_stocks = safe_stocks[:20]
    set_universe(g.target_stocks)

def handle_data(context, data):
    # 简易交易逻辑：均分资金调仓买入安全股票池
    if not hasattr(g, 'target_stocks') or not g.target_stocks:
        return
    
    # 取得当前的现金
    cash = context.portfolio.cash
    num_stocks = len(g.target_stocks)
    
    if num_stocks > 0 and cash > 10000:
        target_value_per_stock = context.portfolio.portfolio_value / num_stocks
        for stock in g.target_stocks:
            order_target_value(stock, target_value_per_stock)

四、策略优化建议

1. 结合盈利与估值因子：在筛选完偿债能力后，可叠加 ROE（净资产收益率）和 PE_TTM（市盈率）进行二次筛选，构建“高质量+低风险”的价值选股策略。
2. 动态调整行业标准：重资产行业（如房地产、钢铁）与轻资产行业（如软件、医药）的平均流动比率差异较大，建议按行业进行相对排名或设定差异化门槛。