liaozhaorun
505279c08b
重构 financial_loader 的去重逻辑，确保截面排名计算的股票集合一致： - 引入"高水位线"算法剔除陈旧历史财报（解决2026年发布2021年财报的问题） - 改变去重策略：按报告期(end_date)而非更新标识(update_flag)保留最新数据 - 扩展回看期从1年到2年，防止ST/停牌公司财报缺失 - 确保相同交易日在不同查询范围下返回一致的财务数据
352 lines
11 KiB
Python
352 lines
11 KiB
Python
"""财务数据与行情数据拼接测试。
|
||
|
||
测试场景：
|
||
1. 普通财务数据：正常公告，之后无修改
|
||
2. 隔日修改：公告后几天发布修正版
|
||
3. 当日修改：同一天发布多版，取 update_flag=1 的
|
||
4. 边界条件：财务数据缺失、行情数据早于最早财务数据
|
||
"""
|
||
|
||
import polars as pl
|
||
from datetime import date
|
||
from src.data.financial_loader import FinancialLoader
|
||
|
||
|
||
def create_mock_price_data() -> pl.DataFrame:
|
||
"""创建模拟行情数据。"""
|
||
return pl.DataFrame(
|
||
{
|
||
"ts_code": ["000001.SZ"] * 12,
|
||
"trade_date": [
|
||
"20240101",
|
||
"20240102",
|
||
"20240103",
|
||
"20240104",
|
||
"20240105",
|
||
"20240108",
|
||
"20240109",
|
||
"20240110",
|
||
"20240111",
|
||
"20240112",
|
||
# 添加2024-04-30之后的日期，用于测试同日不同报告期场景
|
||
"20240501",
|
||
"20240502",
|
||
],
|
||
"close": [
|
||
10.0,
|
||
10.2,
|
||
10.3,
|
||
10.1,
|
||
10.5,
|
||
10.6,
|
||
10.4,
|
||
10.7,
|
||
10.8,
|
||
10.9,
|
||
11.0,
|
||
11.1,
|
||
],
|
||
}
|
||
)
|
||
|
||
|
||
def create_mock_financial_data() -> pl.DataFrame:
|
||
"""创建模拟财务数据（覆盖多种场景）。
|
||
|
||
场景说明：
|
||
1. 2024-01-02 发布 2023Q3 报告（end_date=20230930）
|
||
2. 2024-01-02 发布 2023Q3 更正版（update_flag=1）
|
||
3. 2024-04-30 同时发布 2023年报（end_date=20231231）和 2024Q1季报（end_date=20240331）
|
||
4. 2024-04-30 发布 2023年报更正版
|
||
|
||
预期结果：
|
||
- 2024-01-02 保留 2023Q3 更正版
|
||
- 2024-04-30 保留 2024Q1 季报（end_date 最新）
|
||
|
||
注意：f_ann_date 必须是 Date 类型（与数据库保持一致）。
|
||
"""
|
||
return pl.DataFrame(
|
||
{
|
||
"ts_code": [
|
||
"000001.SZ",
|
||
"000001.SZ",
|
||
"000001.SZ",
|
||
"000001.SZ",
|
||
"000001.SZ",
|
||
],
|
||
"f_ann_date": [
|
||
date(2024, 1, 2),
|
||
date(2024, 1, 2), # 同日多版
|
||
date(2024, 4, 30),
|
||
date(2024, 4, 30),
|
||
date(2024, 4, 30), # 同日不同报告期
|
||
],
|
||
"end_date": [
|
||
"20230930",
|
||
"20230930", # 2023Q3
|
||
"20231231",
|
||
"20240331",
|
||
"20231231", # 年报和季报同一天发布
|
||
],
|
||
"report_type": [1, 1, 1, 1, 1], # 整数类型（与数据库一致）
|
||
"update_flag": [0, 1, 0, 0, 1], # 年报也有更正版
|
||
"net_profit": [
|
||
1000000.0,
|
||
1100000.0, # 2023Q3
|
||
5000000.0,
|
||
1500000.0,
|
||
5500000.0, # 年报更正后550万，季报150万
|
||
],
|
||
"revenue": [
|
||
5000000.0,
|
||
5200000.0, # 2023Q3
|
||
20000000.0,
|
||
8000000.0,
|
||
22000000.0,
|
||
],
|
||
}
|
||
)
|
||
|
||
|
||
def test_financial_data_cleaning():
|
||
"""测试财务数据清洗逻辑 - 确保同日多报告期时选 end_date 最新的。"""
|
||
print("=== 测试 1: 财务数据清洗 ===")
|
||
|
||
df_finance = create_mock_financial_data()
|
||
print("原始财务数据：")
|
||
print(df_finance)
|
||
|
||
loader = FinancialLoader()
|
||
|
||
# 手动执行新的清洗逻辑
|
||
df = df_finance.filter(pl.col("report_type") == 1)
|
||
|
||
# 添加辅助列
|
||
df = df.with_columns(
|
||
[
|
||
pl.col("end_date").cast(pl.Int32).alias("end_date_int"),
|
||
pl.col("update_flag")
|
||
.fill_null("0")
|
||
.cast(pl.Int32, strict=False)
|
||
.fill_null(0)
|
||
.alias("update_flag_int"),
|
||
]
|
||
)
|
||
|
||
# 确定性排序
|
||
df = df.sort(["ts_code", "f_ann_date", "end_date_int", "update_flag_int"])
|
||
|
||
# 累积最大报告期
|
||
df = df.with_columns(
|
||
pl.col("end_date_int").cum_max().over("ts_code").alias("max_end_date_seen")
|
||
)
|
||
|
||
# 过滤历史包袱
|
||
df = df.filter(pl.col("end_date_int") == pl.col("max_end_date_seen"))
|
||
|
||
# 去重保留最后一条（end_date 最大的）
|
||
df = df.unique(subset=["ts_code", "f_ann_date"], keep="last")
|
||
|
||
# 清理辅助列
|
||
df = df.drop(["end_date_int", "update_flag_int", "max_end_date_seen"])
|
||
df = df.sort(["ts_code", "f_ann_date"])
|
||
|
||
print("\n清洗后的财务数据：")
|
||
print(df)
|
||
|
||
# 验证：应该有2条记录（2024-01-02 和 2024-04-30）
|
||
assert len(df) == 2, f"清洗后应该有2条记录，实际有 {len(df)} 条"
|
||
|
||
# 验证：2024-01-02 的 end_date 应该是 20230930
|
||
row_jan02 = df.filter(pl.col("f_ann_date") == date(2024, 1, 2))
|
||
assert len(row_jan02) == 1
|
||
assert row_jan02["end_date"][0] == "20230930"
|
||
assert row_jan02["update_flag"][0] == 1
|
||
print("[验证 1] 2024-01-02 正确保留了 2023Q3 更正版")
|
||
|
||
# 验证：2024-04-30 应该保留 2024Q1（end_date=20240331），而不是年报
|
||
row_apr30 = df.filter(pl.col("f_ann_date") == date(2024, 4, 30))
|
||
assert len(row_apr30) == 1
|
||
assert row_apr30["end_date"][0] == "20240331", (
|
||
f"2024-04-30 应该保留 end_date 最新的 20240331，"
|
||
f"实际为 {row_apr30['end_date'][0]}"
|
||
)
|
||
assert row_apr30["net_profit"][0] == 1500000.0
|
||
print("[验证 2] 2024-04-30 正确保留了 2024Q1 季报（end_date 最新）")
|
||
|
||
print("\n[通过] 财务数据清洗测试通过！")
|
||
return df
|
||
|
||
|
||
def test_financial_price_merge():
|
||
"""测试财务数据拼接逻辑（无未来函数验证）。"""
|
||
print("\n=== 测试 2: 财务数据与行情数据拼接 ===")
|
||
|
||
df_price = create_mock_price_data()
|
||
df_finance_raw = create_mock_financial_data()
|
||
|
||
loader = FinancialLoader()
|
||
|
||
# 步骤1: 清洗财务数据（手动执行新的清洗逻辑）
|
||
# 注意：f_ann_date 已经是 Date 类型，不需要转换
|
||
df_finance = df_finance_raw.filter(pl.col("report_type") == 1)
|
||
|
||
# 添加辅助列
|
||
df_finance = df_finance.with_columns(
|
||
[
|
||
pl.col("end_date").cast(pl.Int32).alias("end_date_int"),
|
||
pl.col("update_flag")
|
||
.fill_null("0")
|
||
.cast(pl.Int32, strict=False)
|
||
.fill_null(0)
|
||
.alias("update_flag_int"),
|
||
]
|
||
)
|
||
|
||
# 确定性排序
|
||
df_finance = df_finance.sort(
|
||
["ts_code", "f_ann_date", "end_date_int", "update_flag_int"]
|
||
)
|
||
|
||
# 累积最大报告期
|
||
df_finance = df_finance.with_columns(
|
||
pl.col("end_date_int").cum_max().over("ts_code").alias("max_end_date_seen")
|
||
)
|
||
|
||
# 过滤历史包袱
|
||
df_finance = df_finance.filter(
|
||
pl.col("end_date_int") == pl.col("max_end_date_seen")
|
||
)
|
||
|
||
# 去重保留最后一条（end_date 最大的）
|
||
df_finance = df_finance.unique(subset=["ts_code", "f_ann_date"], keep="last")
|
||
|
||
# 清理辅助列
|
||
df_finance = df_finance.drop(
|
||
["end_date_int", "update_flag_int", "max_end_date_seen"]
|
||
)
|
||
df_finance = df_finance.sort(["ts_code", "f_ann_date"])
|
||
|
||
print("清洗后的财务数据：")
|
||
print(df_finance)
|
||
|
||
# 步骤2: 转换行情数据日期为 Date 类型
|
||
df_price = df_price.with_columns(
|
||
[pl.col("trade_date").str.strptime(pl.Date, "%Y%m%d").alias("trade_date")]
|
||
)
|
||
df_price = df_price.sort(["ts_code", "trade_date"])
|
||
|
||
# 步骤3: 拼接
|
||
financial_cols = ["net_profit", "revenue"]
|
||
merged = loader.merge_financial_with_price(df_price, df_finance, financial_cols)
|
||
|
||
# 步骤4: 转回字符串格式
|
||
merged = merged.with_columns(
|
||
[pl.col("trade_date").dt.strftime("%Y%m%d").alias("trade_date")]
|
||
)
|
||
|
||
print("\n拼接结果：")
|
||
print(merged)
|
||
|
||
# 验证无未来函数：
|
||
# 20240101 之前不应有 2023Q3 数据（因为 20240102 才公告）
|
||
jan01 = merged.filter(pl.col("trade_date") == "20240101")
|
||
assert jan01["net_profit"].is_null().all(), (
|
||
"2024-01-01 不应有 2023Q3 数据（尚未公告）"
|
||
)
|
||
print("[验证 1] 2024-01-01 net_profit 为 null - 正确（公告前无数据）")
|
||
|
||
# 20240102 及之后应该看到 net_profit=1100000（update_flag=1 的版本）
|
||
jan02 = merged.filter(pl.col("trade_date") == "20240102")
|
||
assert jan02["net_profit"][0] == 1100000.0, "2024-01-02 应使用 update_flag=1 的数据"
|
||
print("[验证 2] 2024-01-02 net_profit=1100000 - 正确（使用 update_flag=1）")
|
||
|
||
# 20240104 应延续使用 2023Q3 数据
|
||
jan04 = merged.filter(pl.col("trade_date") == "20240104")
|
||
assert jan04["net_profit"][0] == 1100000.0, "2024-01-04 应延续使用 2023Q3 数据"
|
||
print("[验证 3] 2024-01-04 net_profit=1100000 - 正确（延续使用）")
|
||
|
||
# 20240110 应延续使用 2023Q3 数据（2024-04-30 还未公告）
|
||
jan10 = merged.filter(pl.col("trade_date") == "20240110")
|
||
assert jan10["net_profit"][0] == 1100000.0, "2024-01-10 应延续使用 2023Q3 数据"
|
||
print("[验证 4] 2024-01-10 net_profit=1100000 - 正确（延续使用 2023Q3）")
|
||
|
||
# 20240112 应继续延续使用 2023Q3 数据
|
||
jan12 = merged.filter(pl.col("trade_date") == "20240112")
|
||
assert jan12["net_profit"][0] == 1100000.0, "2024-01-12 应继续使用 2023Q3 数据"
|
||
print("[验证 5] 2024-01-12 net_profit=1100000 - 正确（延续使用 2023Q3）")
|
||
|
||
# 20240501 应切换到 2024Q1 数据（2024-04-30 已公告，且选择 end_date 最新的）
|
||
may01 = merged.filter(pl.col("trade_date") == "20240501")
|
||
assert may01["net_profit"][0] == 1500000.0, "2024-05-01 应切换到 2024Q1 数据"
|
||
print(
|
||
"[验证 6] 2024-05-01 net_profit=1500000 - 正确（切换到 2024Q1，end_date 最新）"
|
||
)
|
||
|
||
print("\n[通过] 所有验证通过，无未来函数！")
|
||
return merged
|
||
|
||
|
||
def test_empty_financial_data():
|
||
"""测试财务数据为空的情况。"""
|
||
print("\n=== 测试 3: 空财务数据场景 ===")
|
||
|
||
df_price = create_mock_price_data()
|
||
df_empty = pl.DataFrame()
|
||
|
||
loader = FinancialLoader()
|
||
|
||
# 转换行情数据日期为 Date 类型
|
||
df_price = df_price.with_columns(
|
||
[pl.col("trade_date").str.strptime(pl.Date, "%Y%m%d").alias("trade_date")]
|
||
)
|
||
df_price = df_price.sort(["ts_code", "trade_date"])
|
||
|
||
# 拼接空财务数据
|
||
merged = loader.merge_financial_with_price(df_price, df_empty, ["net_profit"])
|
||
|
||
# 转回字符串格式
|
||
merged = merged.with_columns(
|
||
[pl.col("trade_date").dt.strftime("%Y%m%d").alias("trade_date")]
|
||
)
|
||
|
||
# 验证财务列为空
|
||
assert merged["net_profit"].is_null().all(), (
|
||
"财务数据为空时，net_profit 应全为 null"
|
||
)
|
||
|
||
print("空财务数据拼接结果：")
|
||
print(merged)
|
||
print("\n[通过] 空财务数据场景测试通过！")
|
||
|
||
|
||
def run_all_tests():
|
||
"""运行所有测试。"""
|
||
print("开始运行财务数据拼接功能测试...\n")
|
||
print("=" * 60)
|
||
|
||
try:
|
||
# 测试 1: 数据清洗
|
||
test_financial_data_cleaning()
|
||
|
||
# 测试 2: 数据拼接
|
||
test_financial_price_merge()
|
||
|
||
# 测试 3: 空数据场景
|
||
test_empty_financial_data()
|
||
|
||
print("\n" + "=" * 60)
|
||
print("所有测试通过！")
|
||
print("=" * 60)
|
||
|
||
except AssertionError as e:
|
||
print(f"\n[失败] 测试断言失败: {e}")
|
||
raise
|
||
except Exception as e:
|
||
print(f"\n[错误] 测试执行出错: {e}")
|
||
raise
|
||
|
||
|
||
if __name__ == "__main__":
|
||
run_all_tests()
|