财务附注-主营构成 (cn_stock_financial_note_margin_business)

## 一、数据简介 该表按照行业、产品和地区的维度，详细记录了公司的主营业务信息，包括业务名称、收入、成本、毛利和毛利率等。 * 数据起始时间：2005-01-01 * 数据更新频率：不定期，当上市公司发布相关公告时更新 * 表主键如下： | 关键字 | 释意 | | --- | --- | | date | 指该财报的公布日期或者变更日期，与cn_stock_financial_changedate中的changedate对应 | | instrument | 股票代码 | | report_date | 财务报告期，规则见后文“财务通用知识” | | change_type | 0表示首次披露的财务数据，1表示非首次披露或有更改的财务数据 | | fs_quarter_index | 对应季度，1指一季报，2指半年报，3指三季报，4指年报 | ## 二、举例说明 ```python import dai import pandas as pd pd.set_option('display.float_format', '{:.2f}'.format) dai.query(""" SELECT date, instrument, report_date, change_type, name_by_industry_1, revenue_by_industry_1, cost_by_industry_1, profit_by_industry_1, profit_ratio_by_industry_1 FROM cn_stock_financial_note_margin_business WHERE instrument='000002.SZ' AND report_date='2022-12-31' """, full_db_scan=True).df() ``` 当你平台调用上述代码，会得到以下内容： {{cn_stock_financial_note_margin_business_demo}} # 【通用知识-财务附注】一、财务附注基础 财务报表附注旨在帮助财务报表使用者深入了解基本财务报表的内容，财务报表制作者对资产负债表、损益表和现金流量表的有关内容和项目所作的说明和解释。财务报表附注中的内容非常重要，主要包括：非经常性项目；收入明细；费用明细；投资收益等。 一般来说，上市公司只会在 **半年报** 和 **年报** 两类财报数据中披露财务附注相关的数据。上市公司被要求在一年内披露四次财务报表，分别是： * 一季报：详细记录了企业当年1月至3月的财务情况，上市公司必须在每个会计年度结束之日起四个月内编制完成并披露，通常在次年的1月1日至4月30日之间进行‌披露。 * 半年报：详细记录了企业当年1月至6月的财务情况，上市公司在半年度结束后两个月内完成并披露，通常在次年的7月1日至8月30日之间进行披露。 * 三季报：详细记录了企业当年1月至9月的财务情况，在每个会计年度前三个月结束后的一个月内编制完成并披露，通常在次年的4月1日至4月30日之间进行披露。 * 年报：详细记录了企业当年1月至12月的财务情况，在每个会计年度前九个月结束后的一个月内编制完成并披露，通常在次年的10月1日至10月31日之间进行‌披露。 在 BigQuant 平台上，我们通常用date 或者 changedate 表示财报变更日期，即上市公司披露财报的公告日；用report_date 表示报告期，即这一条数据来自来个报告期，分别有以下几个值： * xxxx-03-31 表示xxxx年的一季报，比如：2024-03-31 指 2024年一季报。 * xxxx-06-30 表示xxxx年的半年报，比如：2024-06-30 指 2024年半年报。 * xxxx-09-30 表示xxxx年的三季报，比如：2024-09-30 指 2024年三季报。 * xxxx-12-31 表示xxxx年的年报，比如：2024-12-31 指 2024年年报。 # 【通用知识-财务附注】二、PIT (Point in Time) 上市公司除了正常披露财务报表外，后续会时常对历史财务数据进行修正，因此在量化投资领域，我们加工财务数据时不能只用最新修正后的财务数据，而是要基于历史时间节点获取当时能获取的最新数据。PIT（Point In Time）数据指的是在某个时间点上，某个财务指标的取值。通常情况下，财务数据都是以报告期为单位披露的，即公司会在一定时间间隔（如每季度、每半年或每年）内披露其财务报表，报表中包含各项财务指标的取值。而PIT数据则是在某个时间点上，基于已公布的财务报表数据获取财务数据。 我们以真实的一只股票（002473.SZ）的财务数据为例，当您在平台上调用以下代码： ```python import dai import pandas as pd pd.set_option('display.float_format', '{:.2f}'.format) dai.query(""" SELECT date, instrument, report_date, change_type, total_current_assets FROM cn_stock_financial_balance_general_pit WHERE instrument='002473.SZ' AND report_date='2019-12-31' AND date>'2020-01-01' """).df() ``` 运行上述代码，我们能得到以下数据： | | date | instrument | report_date | change_type | total_current_assets | |---:|:-----------|:-------------|:------------|--------------:|-----------------------:| | 0 | 2020-04-30 | 002473.SZ | 2019-12-31 | 0 | 223449880.95 | | 1 | 2020-08-27 | 002473.SZ | 2019-12-31 | 1 | 228470428.90 | | 2 | 2020-10-26 | 002473.SZ | 2019-12-31 | 1 | 228470428.90 | | 3 | 2021-04-29 | 002473.SZ | 2019-12-31 | 1 | 228470428.90 | 该公司于2020年4月30日首次公布了2019年年报的财务数据，其披露的流动资产（total_current_assets）的值为223449880.95，但该公司又于2020年8月27日2019年年报的流动资产数据进行修正为228470428.90，因此该公司2019年年报的数据会有多条记录。**为什么date=[2020-08-27, 2020-10-26, 2021-04-29]的total_current_assets的值相同呢，这些重复重复有必要存在吗**？研究过财务报表的小伙伴知道，公司每披露某一财报期的数据，都会附带上年同期或者上年年末的财务数据进行对比，经过我们研究发现，**极少部分公司即使不发布数据修正公告，也可以通过这种方式对历史财务数据进行修改**，因此这些数据虽然大量是重复的，但我们认为都是必要存在的。