[ blog · tutorial ]12 min read

投資リサーチエージェントの作り方：マーケット・ファンダメンタルズ・SEC・経済データを 1 つの API で

Sarah Choy·公開: 2026年6月16日·読了 12 分

投資リサーチエージェントには 5 つのデータレイヤーが必要だ — 価格、ファンダメンタルズ、提出書類、マクロ、ニュース — そのどれもが通常は別々のベンダー、API キー、スキーマになる。この 5 つすべてを 1 つのエンドポイント群の裏側で配線する方法を、動くコードとコスト計算とともに示す。

要点

• •実用的な金融エージェントには 5 つのデータレイヤーが要る：リアルタイムのマーケット（価格）、企業ファンダメンタルズ（財務諸表）、SEC 提出書類、経済指標、ニュース。別々のベンダーから繋ぎ合わせると、契約 5 つ・キー 5 つ・スキーマ 5 つになる。
• •API Pick はこの 5 つすべてを一貫した JSON 検索エンドポイントとして公開する — /search/markets、/search/financials、/search/sec、/search/economic、/search/news — に加え、全文取得用の /extract も。キー 1 つで、LLM のツール呼び出し向けに整形済みだ。
• •エージェントのパターン：関連するエンドポイントをツールとして並列で実行し、JSON をマージし、数値をハルシネーションさせる代わりに根拠あるデータの上でモデルに推論させる。
• •credit 課金は成功時のみ：1 回あたり markets 120、financials 200、sec 120、economic 50、news 15。典型的なマルチツールのリサーチ 1 ターンは深さに応じて $0.01〜$0.10 を十分に下回る。
• •内製 vs 外注：Polygon ＋ ファンダメンタルズベンダー ＋ SEC EDGAR ＋ FRED ＋ ニュース API を自前で組み立てると、数週間の統合作業と毎月 5 件の請求になる。単一エンドポイント方式なら 1 日だ。

5 レイヤー問題

LLM に「NVIDIA は今、割高か？」と尋ねれば、自信たっぷりに PER をでっち上げる。直し方はより大きなモデルではない — 根拠づけだ。信頼を勝ち取るリサーチエージェントは、5 つのレイヤーにまたがってライブで引用可能なデータを引き、その上で推論しなければならない：

• マーケット — 現在の株価、時価総額、そしてどう動いたか。関連する場合は暗号資産、為替、ETF、その日の値動きの大きい銘柄も。
• ファンダメンタルズ — 貸借対照表、損益計算書、キャッシュフロー、配当、インサイダー取引。「事業は実際に健全か」のレイヤーだ。
• SEC 提出書類 — 10-K のリスクファクター、10-Q の詳細、8-K のイベント、決算説明会の言葉。数値が取りこぼす定性的な次元だ。
• 経済指標 — FRED、BLS、World Bank、IMF からの金利、インフレ、雇用、GDP。あらゆる投資仮説が内側に収まるマクロの背景だ。
• ニュース — タイミングを左右するカタリスト：格下げ、製品ローンチ、規制当局の措置。

別々のベンダーから繋ぎ合わせると、これは契約 5 つ、API キー 5 つ、レート制限の体系 5 つ、そしてモデルが触れる前に正規化しなければならないレスポンススキーマ 5 つになる。金融エージェントのプロジェクトが行き詰まるのは、この統合のところだ。

1 つのエンドポイント群、5 つのレイヤー

API Pick は各レイヤーを一貫した JSON 検索エンドポイントとして公開する。だからエージェントはキー 1 つ、レスポンス形状 1 つと対話すればいい：

• Markets Search — グローバル＆米国株式、暗号資産、為替、ETF、ファンド、コモディティ、米国の値動きの大きい銘柄。
• Financials Search — 貸借対照表、損益計算書、キャッシュフロー、配当、インサイダー取引。
• SEC Filings Search — 10-K・10-Q・8-K、決算説明会トランスクリプト、株式統計。
• Economic Data Search — FRED、BLS、World Bank、IMF、USAspending、Destatis。
• News Search — 主要メディアにまたがる日付フィルター付きニュース。
• Extract — スニペットでは足りないとき、提出書類や記事の全文をクリーンな markdown で取得する。

エージェントのアーキテクチャ

各エンドポイントをツールとして登録する。質問が来ると、エージェントは必要なレイヤーを判断し、それらを並列で呼び出し、JSON をマージし、根拠ある結果の上で推論する。ティッカーの質問は markets ＋ ファンダメンタルズ ＋ ニュースを叩き、「このセクターはどう位置づけられているか」という質問は economic ＋ ニュース ＋ 数社の比較対象を叩く。

import asyncio, httpx, os

API = "https://api.apipick.com/v1"
HEADERS = {"x-api-key": os.environ["APIPICK_KEY"], "Content-Type": "application/json"}

async def search(client, path, query, **kw):
    r = await client.post(f"{API}/{path}", headers=HEADERS,
                          json={"query": query, **kw})
    r.raise_for_status()
    return r.json()["results"]

async def research(ticker: str):
    async with httpx.AsyncClient(timeout=30) as c:
        markets, fundamentals, filings, macro, news = await asyncio.gather(
            search(c, "search/markets",    f"{ticker} price and market cap"),
            search(c, "search/financials", f"{ticker} latest balance sheet and cash flow"),
            search(c, "search/sec",        f"{ticker} 10-K risk factors", end_date="2026-06-16"),
            search(c, "search/economic",   "US interest rates and inflation latest"),
            search(c, "search/news",       f"{ticker} latest news", end_date="2026-06-16"),
        )
    return {"markets": markets, "fundamentals": fundamentals,
            "filings": filings, "macro": macro, "news": news}

# Feed the merged JSON back to your LLM as grounding, with the source URLs,
# and ask it to synthesize — never to recall numbers.
context = asyncio.run(research("NVDA"))

各結果は source URL を持つ。それらを最終的な答えまで通せば、人間がすべての主張を監査でき — そしてエージェントのアウトプットが引用可能になる。それこそ、実際のワークフローで役立つものにする条件だ。

内製 vs 外注

単一のデータ種別なら、直接叩くのは妥当だ。5 つすべてが必要で予測不能に探索するエージェントなら、単一エンドポイント方式は 1 日で出荷でき、呼び出しが成功したときだけ課金される。

これで何が可能になるか

同じ 5 つのツールは、ティッカー検索以上のものを動かす：決算シーズンのブリーフィングエージェント、ファンダメンタルズに根拠づけたセクタースクリーニング、マクロを踏まえたポートフォリオコメンタリー、そして Extract 経由で実際の 10-K を読むデューデリジェンスアシスタント。パターンはいつも同じ — 根拠あるツール呼び出し、並列の検索、ソースを添えた実データ上での統合だ。

無料キー（100 credits、カード不要）から始め、お好みのエージェントフレームワークに 5 つのツールを配線しよう。そこから先は配管ではなく、プロンプトエンジニアリングだ。

執筆

Sarah Choy

CEO, API Pick

API Pick の CEO。AI エージェントと LLM ワークフロー向けの本番運用可能な API について執筆。