ptrade 财务选股：利用营运能力指标（存货周转率与总资产周转率）筛选优质龙头

在量化选股策略中，企业的营运能力是衡量其管理效率与资金周转能力的核心维度。存货周转率和总资产周转率越高，说明企业资产利用效率越高，存货积压风险越低，通常是优质行业龙头的显著特征。

在 ptrade 量化交易平台中，我们可以通过调用 get_fundamentals 接口快速获取上市公司的营运能力财务指标并进行筛选。

1. 核心接口说明：get_fundamentals

获取营运能力数据时，需要将 table 参数指定为 'operating_ability'（营运能力表）。

关键字段说明

• inventory_turnover_rate: 存货周转率（次）
• total_asset_turnover_rate: 总资产周转率（次）
• accounts_receivables_turnover_rate: 应收账款周转率（次）

注意：get_fundamentals 接口支持按日期查询或按年份查询。为避免未来函数，建议在策略盘前阶段（before_trading_start）查询最新已发布的财报数据。

2. 选股策略逻辑

1. 标的池选择：获取全 A 股标的列表（或指定指数成分股，如沪深 300）。
2. 状态过滤：剔除 ST、停牌及退市股票。
3. 财务筛选：
   • 存货周转率 (inventory_turnover_rate) > 行业均值或指定门槛（如 > 3 次）
   • 总资产周转率 (total_asset_turnover_rate) > 指定门槛（如 > 0.5 次）
4. 排序与构建股票池：按存货周转率降序排列，选取前 N 只股票作为目标买入池。

3. ptrade 完整选股源码示例

import pandas as pd

def initialize(context):
    # 设置参考基准
    set_benchmark('000300.SS')
    # 每天盘前 09:15 执行选股逻辑
    run_daily(context, select_stocks, time='09:15')

def select_stocks(context):
    # 1. 获取全 A 股列表
    all_stocks = get_Ashares()
    
    # 2. 过滤 ST、停牌、退市股票
    valid_stocks = filter_stock_by_status(all_stocks, filter_type=["ST", "HALT", "DELISTING"])
    
    # 3. 获取营运能力数据 (指定表名 operating_ability)
    # 查询字段：存货周转率、总资产周转率
    fields = ['inventory_turnover_rate', 'total_asset_turnover_rate']
    
    # 获取财务数据（以当前日期之前最近一份已发布财报为准）
    df_fundamentals = get_fundamentals(
        security=valid_stocks,
        table='operating_ability',
        fields=fields
    )
    
    if df_fundamentals is None or df_fundamentals.empty:
        log.info("未获取到财务数据")
        return
        
    # 4. 筛选条件：存货周转率 > 3 次 且 总资产周转率 > 0.4 次
    filtered_df = df_fundamentals[
        (df_fundamentals['inventory_turnover_rate'] > 3.0) &
        (df_fundamentals['total_asset_turnover_rate'] > 0.4)
    ]
    
    # 5. 按存货周转率降序排序，取前 10 只龙头股票
    target_df = filtered_df.sort_values(by='inventory_turnover_rate', ascending=False).head(10)
    target_stocks = list(target_df.index)
    
    log.info("筛选出的优质营运龙头股票列表: %s" % target_stocks)
    
    # 更新策略操作股票池
    set_universe(target_stocks)
    g.target_stocks = target_stocks

def handle_data(context, data):
    # 盘中交易逻辑（示例：简单调仓）
    if not hasattr(g, 'target_stocks') or not g.target_stocks:
        return
        
    # 卖出不在目标池中的股票
    for stock in context.portfolio.positions:
        if stock not in g.target_stocks:
            order_target(stock, 0)
            
    # 等权重买入目标池股票
    cash = context.portfolio.cash
    if len(g.target_stocks) > 0 and cash > 0:
        value_per_stock = cash / len(g.target_stocks)
        for stock in g.target_stocks:
            if get_position(stock).amount == 0:
                order_value(stock, value_per_stock)

4. 最佳实践与提示

1. 限流保护：财务数据接口单次最大调用量为 50000 单元，针对全 A 股批量查询时，get_fundamentals 已在后台做分批处理，但建议在非高频盘中时段（如盘前 before_trading_start 或 run_daily 09:15）执行。
2. 结合行业对比：不同行业（如零售业与重工业）的周转率基准差异巨大，建议配合 get_industry_stocks 获取同行业股票后，在行业内部进行百分位或均值对比选股。
3. 防范未来函数：在回测模块中不传 date 参数时，默认使用当前回测日期的历史已发布数据，能有效规避未来函数风险。