[ 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日更新于 2026年9月23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。

为什么 Agent 光有价格不够，还需要基本面？

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。

自己解析 EDGAR 的真实代价是多少？

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。

基本面工具调用长什么样？

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://www.apipick.com/api", {"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、供应商还是一整套，该选哪个？

	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）

怎么拼出完整画面？

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。