你回测策略的时候，是不是经常遇到这种尴尬：

 把不同频率、不同来源的数据，严丝合缝地对到同一天。读完你能直接跑通一段代码，把行情、季度利润、公司公告合成一张宽表。

做量化策略时，你面对的数据天然是"不同步"的：

：季报的截止日期是 9 月 30 日，但实际披露可能在 10 月 25 日；公告发布日可能是周末（非交易日）。如何把这三张表合到

下面这段代码演示完整的合并流程。证书使用官方演示证书，你可以直接复制运行：

from mairui import Client
import pandas as pd
​
client = Client("LICENCE-66D8-9F96-0C7F0FBCD073")
code = "600519"
​
# 1) 日线行情（日频）
raw_hist = client.stock_history(code, lt=60, dividend='n')
df_hist = pd.DataFrame(raw_hist)
df_hist['t'] = pd.to_datetime(df_hist['t'])
df_hist = df_hist.sort_values('t')
​
# 2) 季度利润（季频）
raw_profit = client.company_quarter_profit(code)
df_profit = pd.DataFrame(raw_profit)
df_profit['date'] = pd.to_datetime(df_profit['date'])
df_profit = df_profit.sort_values('date')
​
# 3) 公司公告（事件型）
raw_ann = client.stock_announcement(code, lt=20)
df_ann = pd.DataFrame(raw_ann)
df_ann['t'] = pd.to_datetime(df_ann['t'])
​
# === 第一层合并：季报 → 日线（前向填充） ===
# 策略逻辑：用"最近一期已披露财报"填充每个交易日
df_merged = pd.merge_asof(
    df_hist[['t', 'o', 'c', 'h', 'l', 'v']],
    df_profit[['date', 'profit', 'income']].rename(columns={'date': 't'}),
    on='t',
    direction='backward'   # 关键：backward = 用最近的过去值填充
)
​
# === 第二层合并：公告 → 日线（当日计数） ===
# 注意：这里必须用 merge，不能用 merge_asof！
df_ann_daily = df_ann.groupby('t').size().reset_index(name='ann_count')
df_merged = pd.merge(df_merged, df_ann_daily, on='t', how='left')
df_merged['ann_count'] = df_merged['ann_count'].fillna(0).astype(int)
​
# 输出结果
print(df_merged.tail(10)[['t', 'c', 'profit', 'income', 'ann_count']])

运行后你会看到类似这样的输出：


          t     c       profit        income  ann_count
2025-11-18 11.59  4,609,700.00 10,066,800.00          0
2025-11-19 11.80  4,609,700.00 10,066,800.00          0
2025-11-24 11.60  4,609,700.00 10,066,800.00          2
2025-12-01 11.69  4,609,700.00 10,066,800.00          5

每一行是一个交易日，"profit" 和 "income" 是该日适用的最新季度数据，"ann_count" 是当天发布的公告数量。

关键细节：为什么公告不能用 merge_asof？

一季度的财务数据在整季度都有效

但公告完全不同：10 月 15 日发了 3 条公告，

，不能传播到 10 月 16 日。如果你误用 

，10 月 16 日也会显示 "3 条公告"——这是致命的逻辑错误。

 严格按日匹配，无公告则填 0。

坑 1：时区不一致导致 merge 失败

有些数据源返回 UTC，有些返回本地时间。合并前统一做一次：


df['t'] = pd.to_datetime(df['t']).dt.tz_localize(None)

坑 2：公告日在非交易日（周末/节假日）

 会匹配不到交易日。处理方案：


# 把公告日映射到下一个交易日（简化版）
trading_days = set(df_hist['t'])
df_ann['t'] = df_ann['t'].apply(
    lambda d: d if d in trading_days else min([t for t in trading_days if t > d], default=d)
)

坑 3：除权除息日导致价格 discontinuity

合并后的行情如果直接做收益率计算，除权日会出现假跳空。下一篇文章会专门讲

掌握这两个模式，行情、财务、公告、研报、宏观数据都能统一到一个时间轴上，策略的数据底座才算真正搭好。

：行情合并完了，但除权除息日价格断崖怎么办？前复权和后复权到底该用哪个？#06 带你手动算一遍复权因子，搞懂回测数据准备的最佳实践。

本文仅供技术学习交流，不构成任何投资建议。市场有风险，决策需谨慎。

更多接口文档和 SDK 使用示例，可查阅官方文档：

这篇文章给你一套多源合并的标准做法：用 pandas 的 merge_asof 把不同频率、不同来源的数据，严丝合缝地对到同一天。读完你能直接跑通一段代码，把行情、季度利润、公司公告合成一张宽表。

【Python量化数据工程实战 #05】多源数据怎么合？行情+基本面+公告的统一时间轴

编程语言

本文演示用pandas merge_asof将日频行情、季频利润和事件型公告合成统一时间轴，解决多源数据不同步问题。详解前向填充正确用法、公告必须用merge而非merge_asof的原因，并避开时区、非交易日、除权三大坑，附完整可运行代码。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

【Python量化数据工程实战 #05】多源数据怎么合？行情+基本面+公告的统一时间轴

【Python量化数据工程实战 #05】多源数据怎么合？行情+基本面+公告的统一时间轴

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐