API voor economische data voor AI-agents: FRED, BLS, Wereldbank & IMF in één aanroep
De API van FRED is uitstekend — en VS-gericht, gedreven door series-ID's, en een van de meerdere macrobronnen die je uiteindelijk nodig hebt. Hier is een endpoint voor economische data dat FRED, BLS, Wereldbank en IMF samenvoegt achter één aanroep in natuurlijke taal voor macrobewuste agents.
TL;DR
- •Macrocontext is de laag die de meeste AI-agents overslaan — en de reden dat hun financiële antwoorden naïef aanvoelen. Rentes, inflatie, werkgelegenheid en bbp omkaderen elke these.
- •FRED is de gouden standaard voor Amerikaanse reeksen, maar je bevraagt via cryptische series-ID's; wereldwijde dekking, arbeidsdetail en de IMF-data tussen landen leven in aparte API's (Wereldbank, BLS, IMF).
- •API Pick Economic Data Search voegt FRED, BLS, Wereldbank, IMF, USAspending en Destatis samen achter één POST-endpoint — 50 credits/aanroep, alleen-bij-succes — bevraagbaar in natuurlijke taal.
- •De winst voor agents: vraag 'Amerikaans werkloosheidspercentage over twee jaar' of 'bbp per hoofd van de Wereldbank voor India' zonder het ID-schema en de authenticatie van elke aanbieder te leren.
- •Combineer Economic met Markets en News om een agent voor portefeuillecommentaar of een macrobriefing te onderbouwen.
De laag die agents overslaan
Vraag een AI-agent of een aandeel aantrekkelijk is en hij antwoordt vrolijk zonder ook maar één keer aan de rentestanden te denken. Dat is het teken van een niet-verankerde agent. Macro — rentes, inflatie, werkgelegenheid, bbp, de cyclus — is het kader waarbinnen elke financiële these zit, en het is de datalaag die de meeste agents nooit aansluiten.
FRED is geweldig, en niet genoeg
De FRED API van de Fed van St. Louis is de gouden standaard voor Amerikaanse macroreeksen — uitgebreid, betrouwbaar, gratis. Twee dingen maken haar ongemakkelijk als enige macrobron voor een agent. Ten eerste bevraag je via reeks-ID (UNRATE, CPIAUCSL, GDP…), dus een model moet de juiste code kennen of opzoeken. Ten tweede is ze VS-gericht: wereldwijde ontwikkelingsindicatoren leven in de Wereldbank API, gedetailleerde arbeidsdata in die van het BLS en macro-/financiële data tussen landen in die van het IMF — elk met hun eigen authenticatie en responsvorm.
Samengevoegd, in natuurlijke taal
Economic Data Search voegt FRED, BLS, Wereldbank, IMF, USAspending en Destatis samen achter één POST-endpoint — 50 credits per aanroep, alleen-bij-succes — en je bevraagt het zoals een agent denkt:
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-direct vs. samengevoegd
| FRED API direct | API Pick Economic | |
|---|---|---|
| Dekking | Amerikaanse reeksen (diep) | FRED + BLS + Wereldbank + IMF + USAspending + Destatis |
| Query | Op reeks-ID | Natuurlijke taal |
| Geografie | VS-gericht | VS + wereldwijd |
| Aan te sluiten aanbieders | 1 (plus andere apart) | 1 |
| Facturering | Gratis (alleen VS) | 50 credits/aanroep, alleen bij succes |
Voor diepe Amerikaanse tijdreeksen op schaal blijft FRED-direct ideaal. Voor een agent die over Amerikaanse en wereldwijde indicatoren moet redeneren zonder het ID-schema van elke aanbieder te leren, is het samengevoegde endpoint de snellere bouw.
Macrobewuste agents
Combineer Economic met Markets Search en News Search voor portefeuillecommentaar dat rekening houdt met de cyclus, of een ochtendelijke macrobriefing-agent. Het is ook het macrobeen van de beleggingsonderzoeksagent. Eén sleutel, query's in natuurlijke taal, alleen-bij-succes. Begin gratis met 100 credits, zonder kaart.
Veelgestelde vragen
Waarom niet gewoon de FRED API rechtstreeks gebruiken?
FRED is voortreffelijk voor Amerikaanse macroreeksen en is het waard om rechtstreeks te gebruiken als dat alles is wat je nodig hebt. Twee fricties voor agents: je bevraagt via exacte series-ID's (UNRATE, CPIAUCSL, GDP…), die een model moet kennen of opzoeken; en FRED is VS-gericht, dus wereldwijde indicatoren (Wereldbank), gedetailleerde arbeidsdata (BLS) en macro-/financiële data tussen landen (IMF) leven in andere API's met hun eigen authenticatie en vorm. Een samengevoegd endpoint in natuurlijke taal verwijdert het opzoeken van series-ID's en het aan elkaar naaien van meerdere aanbieders.
Welke bronnen worden samengevoegd, en is het alleen voor de VS?
FRED (economische data van de Amerikaanse Federal Reserve), het Amerikaanse Bureau of Labor Statistics, ontwikkelingsindicatoren van de Wereldbank, macro- en financiële indicatoren van het IMF, Amerikaanse federale uitgaven (USAspending) en Duitse arbeidsstatistieken (Destatis). Dus het overspant zowel Amerikaanse als wereldwijde macro — niet alleen de VS — parallel bevraagd achter één endpoint.
Kan ik een specifieke reeks krijgen of alleen samenvattingen?
Geef een reeksnaam of een query in natuurlijke taal door ('Amerikaans werkloosheidspercentage 2024', 'IMF-inflatieprognose voor de eurozone', 'bbp per hoofd van de Wereldbank voor India') en het endpoint rangschikt de meest relevante records. Voor exacte lange tijdreeksen op schaal is FRED-direct nog steeds het juiste instrument; voor een agent die over indicatoren redeneert, is het semantische endpoint sneller aan te sluiten.
Hoe verbetert macrodata een financiële agent?
Het levert de achtergrond. 'Is dit aandeel goedkoop' hangt af van de rentes; 'is deze sector aantrekkelijk' hangt af van de cyclus. Zonder macro redeneert een agent in een vacuüm en produceert hij zelfverzekerde, contextloze meningen. Het voeden van de actuele rentes, inflatie en werkgelegenheid in de prompt verankert de synthese in de omgeving waarin het bedrijf daadwerkelijk opereert.
Is de uitvoer advies?
Nee. Het is openbare economische data voor onderzoek en het onderbouwen van agents — alleen informatief, geen financieel of beleidsadvies.
API's gebruikt in dit artikel
Sarah Choy is de CEO van API Pick. Ze schrijft over het bouwen van productieklare API's voor AI-agents en LLM-workflows.