EDGAR提取10-Q报告：自动识别正确文件及frame字段数据丢失问题咨询

一、自动识别正确的10-Q文件 #

针对EDGAR上的重复/相似文件，可通过以下规则自动筛选：

• 按提交时间排序，取最新版本：同一公司同一报告期的文件，优先选择filing date最晚的。注意修正版文件（带/A后缀的form type）可能是更新后的正确版本，需结合提交时间判断，而非直接排除修正版。
• 过滤非主文件：通过EDGAR元数据的document type字段，只保留主10-Q文档（通常标识为"10-Q"），排除附件、补充说明、封面页等附属文件。
• 校验报告期一致性：对比文件中的period of report字段，同一报告期的重复文件，优先选择包含完整XBRL数据集的文件（可通过文件大小或是否包含ix:nonNumeric/ix:numeric节点判断）。
• 剔除撤回文件：检查元数据中的状态标识，过滤掉标注为"Withdrawn"的无效文件。

二、解决'CY'字段导致的数据丢失问题 #

EDGAR的XBRL frame标识并非统一用'CY'，需结合字段类型和公司财年规则调整：

• 区分日历年度与财年度：很多公司（如AAPL）采用非日历财年，此时资产等时点数据的frame会用FY（财年）标识，比如AAPL 2022-09-24对应的是FY2022Q4，而非'CY'。
• 匹配字段对应的frame类型：
  • 季度损益类数据（如GrossProfit）：优先匹配CYYYYYQn或FYYYYYQn格式的frame（如MSFT的Q3毛利对应CY2024Q3），而非仅用'CY'。
  • 时点类资产负债数据：匹配对应报告期末的frame，可能是CYYYYY（年末）、CYYYYYQn（季末）或FYYYYYQn（财季末）。
• 不要依赖单一frame标识：直接解析XBRL的context节点，提取其中的period信息（包括起始/结束日期），精准匹配你需要的时间点，而非仅通过item['frame']过滤。
• 增加fallback逻辑：当目标frame不存在时，遍历所有可用frame，提取与目标报告期最匹配的数值，避免直接丢失数据。

内容的提问来源于stack exchange，提问作者faipince