[ blog · comparison ]9 min read

कंपनी फंडामेंटल्स API: फाइनेंस एजेंट्स के लिए बैलेंस शीट, कैश फ्लो और इनसाइडर ट्रेड्स

Sarah Choyप्रकाशित 16 जून 20269 मिनट पढ़ें
कंपनी फंडामेंटल्स API: फाइनेंस एजेंट्स के लिए बैलेंस शीट, कैश फ्लो और इनसाइडर ट्रेड्स

कीमतें बताती हैं कि बाज़ार क्या सोचता है; फंडामेंटल्स बताते हैं कि वह सही है या नहीं। यहाँ AI एजेंट्स के लिए ढाली गई एक फंडामेंटल्स API है — स्टेटमेंट्स, डिविडेंड और इनसाइडर ट्रेड्स एक ही endpoint में — और यह कच्चे SEC EDGAR और स्टेटमेंट-API वेंडर्स के मुकाबले कैसी है।

TL;DR

  • फंडामेंटल्स = वह परत जो बताती है कि 'क्या बिज़नेस वाकई स्वस्थ है': बैलेंस शीट, इनकम स्टेटमेंट, कैश फ्लो, डिविडेंड, इनसाइडर ट्रांज़ैक्शन।
  • आप इसे SEC EDGAR (XBRL) से मुफ़्त में पार्स कर सकते हैं, लेकिन अलग-अलग filers और अवधियों में XBRL को normalize करना असली, निरंतर इंजीनियरिंग है — और यह केवल US के लिए है और filing की गति से चलता है, query के लिए ढाला हुआ नहीं।
  • API Pick Financials Search एक ही POST endpoint के पीछे US कंपनियों के पाँचों फंडामेंटल्स लौटाता है — 200 credits/कॉल, only-on-success — LLM की रीज़निंग के लिए पहले से ढाला हुआ।
  • इनसाइडर ट्रांज़ैक्शन (Form 4) और डिविडेंड हिस्ट्री कम उपयोग किए गए संकेत हैं: यहाँ लाना सस्ता है, EDGAR से जोड़ना कष्टदायक।
  • एक पूर्ण आधारित दृष्टिकोण के लिए Financials को SEC Filings (10-K/10-Q का गुणात्मक टेक्स्ट) और Markets (कीमत) के साथ मिलाएँ।

कीमत राय है; फंडामेंटल्स सबूत हैं

एक मार्केट-डेटा कॉल आपके एजेंट को बताती है कि किसी स्टॉक की कीमत क्या है। यह नहीं बता सकती कि उसके पीछे का बिज़नेस बढ़ रहा है, क़र्ज़ में डूब रहा है, या उसके अपने ही अधिकारियों द्वारा चुपचाप बेचा जा रहा है। यही फंडामेंटल्स की परत है — और यहीं एक रिसर्च एजेंट "कीमतें बताने" से "एक राय बनाने" की ओर बढ़ता है।

पाँच datasets अधिकांश संकेत ढोते हैं: बैलेंस शीट, इनकम स्टेटमेंट, कैश फ्लो स्टेटमेंट, डिविडेंड हिस्ट्री और इनसाइडर ट्रांज़ैक्शन।

EDGAR का टैक्स

यह सब SEC EDGAR में सार्वजनिक और मुफ़्त है। अड़चन XBRL है। company-facts का JSON विशाल और असंगत है: वही concept अलग-अलग filers में अलग-अलग tag होता है, restatements इतिहास को गंदा करते हैं, और downstream कुछ भी इस्तेमाल कर सके उससे पहले आपको एक फैली हुई taxonomy को एक साफ़ schema पर map करना पड़ता है। इनसाइडर डेटा (Form 4) और डिविडेंड अलग filing प्रकार हैं जिन्हें आप अलग से पार्स करते हैं। एक ticker के लिए इसे एक बार करना एक वीकेंड है; किसी भी कंपनी को query करने वाले एजेंट के लिए इसे भरोसेमंद तरीके से करना एक रखरखाव वाला pipeline है।

फंडामेंटल्स एक टूल के रूप में

Financials Search US सार्वजनिक कंपनियों के लिए बैलेंस शीट, इनकम स्टेटमेंट, कैश फ्लो, डिविडेंड और इनसाइडर ट्रांज़ैक्शन एक ही POST endpoint के पीछे लौटाता है — प्रति कॉल 200 credits, only-on-success, LLM के लिए पहले से ढाला हुआ।

import httpx, os
API, HEADERS = "https://api.apipick.com/v1", {"x-api-key": os.environ["APIPICK_KEY"]}

def fundamentals(query: str):
    return httpx.post(f"{API}/search/financials", headers=HEADERS,
                      json={"query": query}).json()["results"]

fundamentals("Apple latest balance sheet and cash flow")
fundamentals("recent insider transactions at Meta")
fundamentals("Microsoft revenue and net income trend")

EDGAR बनाम वेंडर बनाम सुइट

SEC EDGAR पार्स करेंस्टेटमेंट-API वेंडरAPI Pick Financials
लागतमुफ़्त + इंजीनियरिंगसब्सक्रिप्शन200 credits/कॉल, only on success
सेटअपXBRL normalization pipelineTyped endpoints integrate करेंएक endpoint, एक शेप
कवरेजUS, filing के अनुसार व्यवस्थितगहरी, लंबा इतिहासUS फंडामेंटल्स + insiders + dividends
query शैलीfiling/concept के अनुसारTyped paramsप्राकृतिक भाषा
सर्वोत्तम के लिएएक-बार / पूर्ण नियंत्रणफंडामेंटल्स ही उत्पाद होफाइनेंस एजेंट्स (कई में से एक टूल)

पूरी तस्वीर

फंडामेंटल्स स्वाभाविक रूप से गुणात्मक पक्ष (risk factors, MD&A, earnings-call भाषा) के लिए SEC Filings Search और कीमत के लिए Markets Search के साथ जुड़ते हैं। मिलकर ये इन्वेस्टमेंट-रिसर्च एजेंट की रीढ़ हैं। एक key, हर जगह JSON, only-on-success। 100 credits के साथ मुफ़्त शुरू करें, बिना कार्ड के।

अक्सर पूछे जाने वाले प्रश्न

क्या मैं SEC EDGAR से फंडामेंटल्स यूँ ही मुफ़्त में नहीं ले सकता?

ले सकते हैं — EDGAR का company-facts और XBRL डेटा मुफ़्त और आधिकारिक है। लागत इंजीनियरिंग की है: XBRL tags अलग-अलग filers और अवधियों में बदलते रहते हैं, restatements इतिहास को उलझाते हैं, और किसी मॉडल (या चार्ट) के इस्तेमाल से पहले आपको हज़ारों taxonomy concepts को एक साफ़ schema पर map करना पड़ता है। यह केवल US के लिए भी है और filing के हिसाब से व्यवस्थित है, सवाल के हिसाब से नहीं। कभी-कभार एक कंपनी के लिए EDGAR ठीक है। प्राकृतिक भाषा में कई कंपनियों को query करने वाले एजेंट के लिए, एक normalized API हफ़्तों की बचत करती है।

क्या-क्या कवर है — और क्या यह केवल US के लिए है?

US में लिस्टेड सार्वजनिक कंपनियों के लिए बैलेंस शीट, इनकम स्टेटमेंट, कैश फ्लो स्टेटमेंट, डिविडेंड हिस्ट्री और इनसाइडर ट्रांज़ैक्शन। ये US फंडामेंटल्स हैं; गैर-US जारीकर्ताओं के लिए आप कोई दूसरा स्रोत इस्तेमाल करेंगे। filing के टेक्स्ट के लिए (10-K के risk factors, 10-Q का MD&A, earnings calls), अलग SEC Filings Search endpoint इस्तेमाल करें।

इनसाइडर ट्रांज़ैक्शन और डिविडेंड को उभारना क्यों ज़रूरी है?

ये उच्च-संकेत वाले हैं और खुद जोड़ने में झंझट भरे हैं। इनसाइडर खरीद/बिक्री (SEC Form 4) एक बहुत देखा जाने वाला व्यवहारगत संकेत है; डिविडेंड हिस्ट्री आय और गुणवत्ता वाले screens के लिए मायने रखती है। दोनों के लिए EDGAR से विशिष्ट filing प्रकारों को पार्स करना पड़ता है। यहाँ ये स्टेटमेंट्स के उसी endpoint में प्रथम-श्रेणी fields हैं।

यह फाइनेंशियल-स्टेटमेंट API वेंडर्स के मुकाबले कैसा है?

समर्पित वेंडर्स (जैसे फाइनेंशियल-स्टेटमेंट APIs) गहरे, typed endpoints और लंबा इतिहास देते हैं — बढ़िया, अगर फंडामेंटल्स ही आपका पूरा उत्पाद है। API Pick का नज़रिया अलग है: फंडामेंटल्स एक सुइट (markets, SEC, economic, news) में एक key के पीछे कई टूल्स में से एक टूल के रूप में, एजेंट की query के लिए ढाले हुए, only-on-success बिल किए हुए। अगर आप फंडामेंटल्स उत्पाद के बजाय एक फाइनेंस एजेंट बना रहे हैं, तो सुइट-इन-वन-शेप तेज़ रास्ता है।

क्या यह निवेश सलाह है?

नहीं। यह रिसर्च और एजेंट grounding के लिए संरचित सार्वजनिक वित्तीय डेटा है। यह किसी योग्य व्यक्ति या निगरानी वाले एजेंट के विश्लेषण को सूचित करता है; यह सलाह नहीं है और मानवीय जवाबदेही व जोखिम नियंत्रणों के बिना स्वचालित ट्रेडिंग नहीं चलानी चाहिए।

इस लेख में उपयोग की गई APIs

Sarah Choy
लेखक
Sarah Choy
CEO, API Pick

Sarah Choy, API Pick की CEO हैं। वे AI एजेंट्स और LLM वर्कफ़्लो के लिए प्रोडक्शन-रेडी APIs बनाने के बारे में लिखती हैं।