用 pd.offsets.CustomBusinessDay 实现财报季日历不靠谱，因其仅判断交易日而无法处理“4月1日–4月30日”等固定披露窗口及跨年年报逻辑；应改用 pd.period_range('Q-APR') 结合自定义映射字典与交易日历校验。
用 pd.offsets.CustomBusinessDay 实现财报季日历不靠谱
财报季不是简单跳过周末，而是按「4月、7月、10月、次年1月」的特定窗口启动，且需避开交易所休市日。直接套用 CustomBusinessDay 会漏掉季度边界逻辑，比如把 3 月 31 日当普通工作日处理，但实际年报披露截止日是 4 月 30 日——它只管“是否开市”，不管“是否在财报窗口内”。
- 真正要控制的是「日期是否属于某财报周期」，而不是「该日是否算作业务日」
-
CustomBusinessDay无法表达「每年 4/1–4/30、7/1–7/31…」这种带起止范围的周期性规则 - 强行用偏移量模拟会导致
date_range生成错乱，例如pd.date_range('2024-03-25', freq='CBM')根本不识别「季度末」概念
用 pd.period_range + 自定义函数判断财报季归属
最稳的方式是把财报季看作一组固定 Period（如 Q-APR），再让任意日期落进对应 Period。Pandas 原生支持 Q-APR 这类财政季度频率，但默认以 3 月为财年末——得手动对齐 A 股/美股习惯。
- 先用
pd.period_range(start='2024', freq='Q-APR')生成标准财报季 Period 列表 - 对每个
Period手动调整起止：比如Q-APR对应 4–6 月，但 A 股一季报披露期是 4.1–4.30，所以需额外加一层映射字典 - 判断某日是否在财报季：先
pd.Timestamp('2024-04-15').to_period('Q-APR')得到2024Q2，再查该 Period 对应的披露窗口是否包含该日
quarter_map = {
'2024Q2': ('2024-04-01', '2024-04-30'), # 一季报
'2024Q3': ('2024-07-01', '2024-08-31'), # 中报
'2024Q4': ('2024-10-01', '2024-10-31'), # 三季报
'2025Q1': ('2025-01-01', '2025-04-30'), # 年报
}
is_in_financial_disclosure_window 函数必须处理跨年和交易所休市
单纯比日期字符串会崩在节假日——比如 2024 年 10 月 1 日国庆休市，但它是三季报披露期内，不能因此排除。正确做法是：先判断日期是否落在披露窗口内，再单独查是否为有效交易日。
- 依赖
akshare.get_trade_date_hist_sina()或本地缓存的交易日历 CSV，避免实时调接口拖慢性能 - 跨年年报（如 2024 年报披露期是 2025.1.1–2025.4.30）必须用
datetime比较，不能靠字符串切片 - 别用
in直接查列表——交易日列表可能上万行，用set存储并预加载
用 pd.DataFrame 做批量日期标注时，apply 是最简方案
如果有一列 report_date 需批量打标「是否处于当前财报披露期」，别写循环，也别试图向量化所有逻辑——财报窗口本身是非均匀的，硬向量化反而难读易错。
立即学习“Python免费学习笔记（深入）”；
- 写一个清晰的
def is_disclosure_day(x: pd.Timestamp) -> bool:，内部调用前述映射和交易日检查 - 用
df['is_disclosure'] = df['report_date'].apply(is_disclosure_day)，可读性高，调试方便 - 若性能真成瓶颈（比如千万级日期），再改用
numpy.vectorize包一层，但多数场景没必要
财报季日历真正的复杂点不在代码长度，而在规则来源是否权威、更新是否及时。交易所公告可能临时调整披露截止日（比如疫情延长期），硬编码的 quarter_map 必须有配套的更新机制，否则跑半年后数据就偏了。
