API di dati economici per agenti IA: FRED, BLS, Banca Mondiale e IMF in una sola chiamata
L'API di FRED è eccellente — e incentrata sugli USA, basata su ID di serie e una delle tante fonti macro di cui finirai per avere bisogno. Ecco un endpoint di dati economici che fonde FRED, BLS, Banca Mondiale e IMF dietro un'unica chiamata in linguaggio naturale per agenti consapevoli della macro.
In breve
- •Il contesto macro è lo strato che la maggior parte degli agenti IA salta — e il motivo per cui le loro risposte finanziarie suonano ingenue. Tassi, inflazione, occupazione e PIL inquadrano ogni tesi.
- •FRED è lo standard di riferimento per le serie statunitensi, ma interroghi tramite ID di serie criptici; la copertura globale, il dettaglio del lavoro e i dati comparati tra paesi dell'IMF vivono in API separate (Banca Mondiale, BLS, IMF).
- •Economic Data Search di API Pick fonde FRED, BLS, Banca Mondiale, IMF, USAspending e Destatis dietro un unico endpoint POST — 50 crediti/chiamata, solo-se-riesce — interrogabile in linguaggio naturale.
- •Il vantaggio per gli agenti: chiedi 'tasso di disoccupazione USA su due anni' o 'PIL pro capite della Banca Mondiale per l'India' senza imparare lo schema di ID e l'autenticazione di ciascun provider.
- •Abbina Economic a Markets e News per ancorare un agente di commento di portafoglio o di briefing macro.
Lo strato che gli agenti saltano
Chiedi a un agente IA se un titolo è interessante e ti risponderà tutto contento senza considerare nemmeno una volta i tassi di interesse. È il segno di un agente non ancorato. La macro — tassi, inflazione, occupazione, PIL, il ciclo — è la cornice dentro la quale vive ogni tesi finanziaria, ed è lo strato di dati che la maggior parte degli agenti non collega mai.
FRED è ottimo, e non basta
L'API di FRED della Fed di St. Louis è lo standard di riferimento per le serie macro statunitensi — completa, affidabile, gratuita. Due cose la rendono scomoda come unica fonte macro di un agente. Primo, interroghi tramite ID di serie (UNRATE, CPIAUCSL, GDP…), quindi un modello deve conoscere o cercare il codice giusto. Secondo, è incentrata sugli USA: gli indicatori di sviluppo globali vivono nell'API della Banca Mondiale, i dati granulari del lavoro in quella del BLS e i dati macro/finanziari comparati tra paesi in quella dell'IMF — ciascuna con la propria autenticazione e forma di risposta.
Fuso, in linguaggio naturale
Economic Data Search fonde FRED, BLS, Banca Mondiale, IMF, USAspending e Destatis dietro un unico endpoint POST — 50 crediti per chiamata, solo-se-riesce — e lo interroghi come ragiona un agente:
import httpx, os
API, HEADERS = "https://api.apipick.com/v1", {"x-api-key": os.environ["APIPICK_KEY"]}
def economic(query: str):
return httpx.post(f"{API}/search/economic", headers=HEADERS,
json={"query": query}).json()["results"]
economic("US unemployment rate over the past two years")
economic("IMF inflation forecast for the eurozone")
economic("World Bank GDP per capita for India") # no series IDs to memorizeFRED-diretto vs. fuso
| API di FRED diretta | API Pick Economic | |
|---|---|---|
| Copertura | Serie USA (profonda) | FRED + BLS + Banca Mondiale + IMF + USAspending + Destatis |
| Query | Per ID di serie | Linguaggio naturale |
| Geografia | Incentrata sugli USA | USA + globale |
| Provider da collegare | 1 (più altri separatamente) | 1 |
| Fatturazione | Gratuita (solo USA) | 50 crediti/chiamata, solo se riesce |
Per serie storiche profonde degli USA su larga scala, FRED-diretto resta ideale. Per un agente che deve ragionare tra indicatori statunitensi e globali senza imparare lo schema di ID di ogni provider, l'endpoint fuso è la costruzione più rapida.
Agenti consapevoli della macro
Abbina Economic a Markets Search e News Search per un commento di portafoglio che tenga conto del ciclo, o un agente di briefing macro mattutino. È anche la gamba macro dell'agente di ricerca sugli investimenti. Una chiave, query in linguaggio naturale, solo-se-riesce. Inizia gratis con 100 crediti, senza carta.
Domande frequenti
Perché non usare semplicemente l'API di FRED direttamente?
FRED è magnifico per le serie macro statunitensi e vale la pena usarlo direttamente se è tutto ciò di cui hai bisogno. Due attriti per gli agenti: interroghi tramite ID di serie esatti (UNRATE, CPIAUCSL, GDP…), che un modello deve conoscere o cercare; e FRED è incentrato sugli USA, quindi gli indicatori globali (Banca Mondiale), i dati granulari del lavoro (BLS) e i dati macro/finanziari comparati tra paesi (IMF) vivono in altre API con la propria autenticazione e forma. Un endpoint fuso in linguaggio naturale elimina la ricerca degli ID di serie e la cucitura tra più provider.
Quali fonti vengono fuse, ed è solo per gli USA?
FRED (dati economici della Federal Reserve degli USA), l'Ufficio di Statistica del Lavoro degli USA, gli indicatori di sviluppo della Banca Mondiale, gli indicatori macro e finanziari dell'IMF, la spesa federale degli USA (USAspending) e le statistiche del lavoro tedesche (Destatis). Quindi spazia dalla macro statunitense a quella globale — non solo USA — interrogata in parallelo dietro un unico endpoint.
Posso ottenere una serie specifica o solo riepiloghi?
Passa un nome di serie o una query in linguaggio naturale ('tasso di disoccupazione USA 2024', 'previsione di inflazione dell'IMF per l'eurozona', 'PIL pro capite della Banca Mondiale per l'India') e l'endpoint ordina i record più rilevanti. Per serie storiche lunghe ed esatte su larga scala, FRED-diretto resta lo strumento; per un agente che ragiona sugli indicatori, l'endpoint semantico è più rapido da collegare.
Come migliorano un agente finanziario i dati macro?
Forniscono lo sfondo. 'Questo titolo è conveniente' dipende dai tassi; 'questo settore è attraente' dipende dal ciclo. Senza la macro, un agente ragiona nel vuoto e produce opinioni sicure e prive di contesto. Inserire nel prompt i tassi, l'inflazione e l'occupazione attuali àncora la sintesi all'ambiente in cui l'azienda opera davvero.
L'output è una consulenza?
No. Sono dati economici pubblici per la ricerca e l'ancoraggio degli agenti — solo a scopo informativo, non consulenza finanziaria o politica.
API usate in questo articolo
Sarah Choy è la CEO di API Pick. Scrive sulla creazione di API pronte per la produzione per agenti IA e flussi di lavoro con LLM.