第4章：财务数据获取：资产负债表、利润表、现金流量表数据获取、财报数据对齐与清洗

做量化投资，财务数据是绕不开的基石。

我个人习惯把这三张表比作一个人的体检报告：资产负债表看家底，利润表看赚钱能力，现金流量表看血液是否流通。缺了哪一张，你都无法判断一家公司的真实健康状况。

4.1 三张表的核心逻辑

先别急着写代码。咱们得先搞清楚，这三张表到底在说什么。

• 资产负债表：某个时间点的快照。资产 = 负债 + 所有者权益。说白了，就是公司有多少钱、欠多少钱、股东还剩多少。
• 利润表：一段时间的经营成果。收入 - 成本 - 费用 = 净利润。你想想看，如果利润表好看但现金流是负的，那大概率是纸面富贵。
• 现金流量表：真金白银的进出。经营、投资、筹资三大活动。我见过太多公司利润表漂亮，结果现金流一塌糊涂，最后暴雷。

4.2 数据获取：从哪里拿？

国内常用的财务数据源，我整理了一下：

数据源	特点	推荐指数
Tushare	免费，数据全，但有限流	⭐⭐⭐⭐
AkShare	开源，接口丰富，适合个人	⭐⭐⭐⭐⭐
Wind/Choice	付费，专业，机构常用	⭐⭐⭐⭐
东方财富API	免费，但需要解析	⭐⭐⭐

我个人最常用的是 AkShare。为什么？因为它免费、接口稳定，而且文档写得还算清楚。我在项目中遇到过几次Tushare限流导致数据拉取失败的情况，后来切到AkShare就再没出过问题。

4.3 实战：用Python拉取三张表

咱们直接上代码。以AkShare为例，拉取贵州茅台2023年的财报数据。

import akshare as ak
import pandas as pd

# 1. 资产负债表
balance_sheet = ak.stock_financial_balance_sheet_by_report_em(
    symbol="600519",
    start_date="20230101",
    end_date="20231231"
)
print("资产负债表列名：", balance_sheet.columns.tolist())

# 2. 利润表
income_statement = ak.stock_financial_profit_by_report_em(
    symbol="600519",
    start_date="20230101",
    end_date="20231231"
)
print("利润表列名：", income_statement.columns.tolist())

# 3. 现金流量表
cash_flow = ak.stock_financial_cash_flow_by_report_em(
    symbol="600519",
    start_date="20230101",
    end_date="20231231"
)
print("现金流量表列名：", cash_flow.columns.tolist())

4.4 财报数据对齐：最头疼的一步

数据拉下来了，但你会发现一个问题：三张表的日期对不上。

为什么会这样？因为资产负债表是时点数据（比如2023-12-31），而利润表和现金流量表是期间数据（比如2023-01-01到2023-12-31）。如果你直接合并，数据会错位。

我的对齐策略是这样的：

1. 统一报告期：把三张表的报告期都转为 YYYY-MM-DD 格式，资产负债表取期末日期，利润表和现金流量表取报告期结束日期。
2. 按股票代码+报告期合并：用 pd.merge() 以 symbol 和 report_date 为键进行合并。
3. 处理多期数据：如果拉取了多个季度，建议用 pivot_table 把数据转成宽表。

# 对齐示例
def align_financial_data(balance, income, cashflow):
    # 统一列名
    balance['report_date'] = pd.to_datetime(balance['END_DATE'])
    income['report_date'] = pd.to_datetime(income['REPORT_DATE'])
    cashflow['report_date'] = pd.to_datetime(cashflow['REPORT_DATE'])
    
    # 合并
    merged = pd.merge(balance, income, on=['symbol', 'report_date'], how='outer')
    merged = pd.merge(merged, cashflow, on=['symbol', 'report_date'], how='outer')
    
    return merged

aligned_data = align_financial_data(balance_sheet, income_statement, cash_flow)
print("对齐后数据形状：", aligned_data.shape)

4.5 数据清洗：让数据变得可用

原始数据通常很脏。我总结了几条清洗规则：

• 缺失值处理：财务数据中的空值，通常用0填充（因为财报中空值往往表示该科目不存在）。但要注意，有些科目如“研发费用”为空，可能意味着公司没有披露，而不是为0。
• 数据类型转换：金额字段从字符串转为浮点数。注意单位，有些接口返回的是元，有些是万元。
• 异常值过滤：比如资产负债率超过100%的，或者净利润突然暴涨1000%的，需要标记出来人工核查。
• 去重：同一个报告期可能出现多条记录，保留最新的一条即可。

def clean_financial_data(df):
    # 1. 填充缺失值
    df = df.fillna(0)
    
    # 2. 转换金额字段（假设列名以'AMT'结尾）
    amt_cols = [col for col in df.columns if col.endswith('AMT')]
    for col in amt_cols:
        df[col] = pd.to_numeric(df[col], errors='coerce')
    
    # 3. 去重
    df = df.drop_duplicates(subset=['symbol', 'report_date'], keep='last')
    
    # 4. 标记异常值
    df['is_abnormal'] = (df['DEBT_RATIO'] > 1.0) | (df['NET_PROFIT_GROWTH'] > 10)
    
    return df

cleaned_data = clean_financial_data(aligned_data)
print("清洗后数据量：", len(cleaned_data))

4.6 知识体系总览

下面这张图，是我自己整理的三张表获取与处理的全流程。你照着这个框架走，基本不会出错。

4.7 一些心里话

财务数据获取这件事，看起来简单，但坑真的不少。我刚开始做量化的时候，花了两周时间才把三张表对齐，结果发现数据单位不一致，又重来了一遍。

嗯，这里要注意：永远不要相信原始数据。拿到数据后，先随机抽几家公司，手动核对一下财报原文。我吃过这个亏，所以现在养成了这个习惯。

另外，如果你用的是免费数据源，记得做好缓存。我一般会把拉下来的数据存到本地CSV或SQLite里，避免重复请求。既省时间，又不会被封IP。

---

公众号:蓝海数据掘金营，微信deep3321