[ blog · comparison ]9 min read

公司基本面 API：为金融 Agent 提供资产负债表、现金流与内部人交易

Sarah Choy发布于 2026年6月16日约 9 分钟阅读

价格告诉你市场怎么想；基本面告诉你市场想得对不对。本文介绍一个为 AI Agent 成形的基本面 API——报表、分红与内部人交易，全在一个端点里——以及它与原始 SEC EDGAR、与报表 API 供应商相比如何。

一句话总结

•基本面 = 「这门生意到底健不健康」的一层：资产负债表、利润表、现金流量表、分红、内部人交易。
•你可以从 SEC EDGAR（XBRL）免费解析它，但跨申报方、跨期间地归一化 XBRL 是一项实打实、且持续不断的工程——而且它只覆盖美国、以申报节奏更新，并非按问题成形。
•API Pick 的 Financials Search 在一个 POST 端点之后返回全部五类美国公司基本面——200 credits/次，只在成功时计——并已为 LLM 推理预成形。
•内部人交易（Form 4）与分红历史是被低估的信号：在这里取用很便宜，从 EDGAR 拼装却很痛苦。
•把 Financials 与 SEC Filings（定性的 10-K/10-Q 文本）和 Markets（价格）搭配，即可获得一幅完整、有据可查的画面。

价格是观点，基本面是证据

一次行情数据调用告诉你的 Agent 一只股票值多少钱。它没法告诉你背后那门生意是在增长、深陷债务，还是正被其自家高管悄悄抛售。那是基本面这一层——也正是一个研究 Agent 从「报报价」走向「形成观点」的地方。

五个数据集承载了大部分信号：资产负债表、利润表、现金流量表、分红历史与内部人交易。

EDGAR 税

这一切在 SEC EDGAR 里都是公开且免费的。问题出在 XBRL。company-facts 的 JSON 体量庞大且不一致：同一个概念在不同申报方那里被打上不同标签，重述会搅浑历史，而且你必须先把一套庞杂的分类法映射到一套干净的 schema，下游才能用得上。内部人数据（Form 4）和分红是各自独立、需要单独解析的申报类型。为一个股票代码做一次，是一个周末的活儿；为一个会查询任意公司的 Agent 可靠地做下去，则是一条需要持续维护的流水线。

把基本面当作一个工具

Financials Search 在一个 POST 端点之后返回美国上市公司的资产负债表、利润表、现金流、分红与内部人交易——200 credits/次，只在成功时计，已为 LLM 预成形。

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 vs. 供应商 vs. 一整套

	解析 SEC EDGAR	报表 API 供应商	API Pick Financials
成本	免费 + 工程投入	订阅	200 credits/次，只在成功时计
搭建	XBRL 归一化流水线	对接强类型端点	一个端点，一种结构
覆盖面	美国，按申报组织	深入，长历史	美国基本面 + 内部人 + 分红
查询方式	按申报/概念	强类型参数	自然语言
最适合	一次性 / 完全掌控	把基本面作为产品本身	金融 Agent（众多工具中的一个）

完整画面

基本面天然适合与 SEC Filings Search（定性面：风险因素、MD&A、财报电话会议措辞）和 Markets Search（价格）搭配。三者合在一起，便是投资研究 Agent 的脊梁。一把密钥，全程 JSON，只在成功时计。免费起步，100 credits，无需绑卡。

常见问题

我不能直接从 SEC EDGAR 免费拿到基本面吗？

你可以——EDGAR 的 company-facts 和 XBRL 数据既免费又权威。代价在于工程：XBRL 标签会跨申报方、跨期间漂移，重述会让历史变得复杂，而且你必须先把成千上万个分类法概念映射到一套干净的 schema，模型（或图表）才能使用它们。它还只覆盖美国，且按申报组织、而非按问题组织。偶尔查一家公司，EDGAR 完全够用。但若是一个用自然语言查询众多公司的 Agent，一个归一化的 API 能省下好几周。

覆盖什么——只覆盖美国吗？

美国上市公司的资产负债表、利润表、现金流量表、分红历史与内部人交易。这是美国基本面；对于非美国发行人，你需要用别的数据源。至于申报文件文本本身（10-K 风险因素、10-Q 的 MD&A、财报电话会议），请使用单独的 SEC Filings Search 端点。

为什么值得单独强调内部人交易和分红？

它们信号很强，自己拼装却很烦人。内部人买卖（SEC Form 4）是一个被广泛关注的行为信号；分红历史对收益型和质量型筛选很重要。两者都需要从 EDGAR 解析特定的申报类型。在这里，它们与各张报表同处一个端点，是一等字段。

这与财务报表 API 供应商相比如何？

专门供应商（如各类财务报表 API）提供深入的强类型端点和很长的历史——如果基本面就是你的整个产品，那很棒。API Pick 的切入点不同：把基本面作为一整套工具（行情、SEC、经济、新闻）中的一个，统一在一把密钥之后，按 Agent 的方式成形查询，只在成功时计费。如果你在构建一个金融 Agent，而非一个基本面产品，那么「一整套、单一结构」是更快的路径。