Cómo obtener fechas de resultados y detectar si una empresa superó o no las expectativas con APIs abiertas

Para muchos sistemas cuantitativos o motores de señales, el calendario de resultados (earnings calendar) es un dato crítico. Permite saber cuándo una empresa publicará resultados y cómo reaccionó el mercado frente a las expectativas de analistas.

Si quieres añadir una columna en tu lista de señales con información como:

• Fecha de publicación del resultado
• Si el anuncio fue antes de la apertura (pre‑market) o después del cierre (after‑hours)
• Si el resultado estuvo por encima o por debajo de lo esperado

entonces necesitas una API que combine calendario de resultados + estimaciones + resultados reales.

A continuación se muestran algunas de las opciones más útiles para integrar este tipo de datos en un programa de trading o análisis.

1. OpenBB: buena opción para proyectos en Python

Una de las formas más sencillas de empezar es OpenBB, una plataforma open source muy utilizada en análisis financiero y cuantitativo.

El endpoint:

obb.equity.calendar.earnings()

permite obtener calendarios de resultados históricos y futuros, incluyendo datos de EPS y revenue.

Ejemplo básico en Python:

from openbb import obb

calendar = obb.equity.calendar.earnings(
    start_date="2024-02-01",
    end_date="2024-02-07"
)

Ventajas:

• Fácil integración en pipelines de Python
• Permite consultar ventanas de fechas
• Incluye datos de EPS y revenue

Esto lo convierte en una buena base para generar la columna de “próximo resultado” dentro de tu lista de señales.

2. AInvest: útil para detectar si el resultado superó expectativas

Si tu objetivo principal es saber si el resultado superó o no el consenso, AInvest ofrece un endpoint de calendario con campos muy útiles.

Ejemplo de respuesta del API:

• eps_actual
• eps_forecast
• eps_surprise
• revenue_actual
• revenue_forecast

Estos campos permiten determinar directamente el resultado:

• eps_actual > eps_forecast

  → Beat (superó expectativas)

• eps_actual < eps_forecast

  → Miss (por debajo de expectativas)

• eps_actual == eps_forecast

  → Inline (en línea con expectativas)

El endpoint se consulta con:

GET /calendar/earnings

requiriendo autenticación mediante token.

3. Bigdata: datos de earnings surprise ya calculados

Otra alternativa es el endpoint de Earnings Surprises de Bigdata.

Devuelve campos como:

• eps_actual
• eps_estimated
• eps_surprise_pct
• revenue_actual
• revenue_estimated
• reporting_date

Esto permite analizar directamente si el resultado fue mejor o peor que las estimaciones sin tener que calcularlo manualmente.

Este tipo de endpoint es especialmente útil para procesos automáticos que revisan earnings ya publicados.

4. Otras APIs que también ofrecen calendarios de resultados

Además de las anteriores, existen varios servicios que proporcionan datos similares:

API Ninjas

• Endpoint de earnings calendar
• Permite consultar resultados pasados y fechas futuras
• Puede filtrarse por ticker o fecha.

StockFit Earnings API

Incluye varios endpoints especializados:

• calendario de resultados próximos
• consulta por ticker
• snapshot de resultados
• historial de EPS

Esto permite construir pipelines completos de análisis de resultados.

EarningsAPI

Algunas implementaciones agrupan los eventos por momento del anuncio:

• pre (antes de la apertura)
• after (después del cierre)

lo que facilita mostrar directamente si el resultado fue pre‑market o after‑hours.

MarketData API

También devuelve campos como reportTime con valores como "before market open".

Ejemplo de estructura de datos para tu sistema

Una forma práctica de integrar todo esto en tu lista de señales podría ser un esquema como este:

ticker
signal_time
earnings_status
earnings_date
earnings_session
eps_actual
eps_estimate
surprise_result

Donde:

• earnings_status

  • reported
  • upcoming

• earnings_session

  • pre-market
  • after-hours

• surprise_result

  • beat
  • miss
  • inline
  • pending

Lógica de ejemplo en Python:

if eps_actual is None:
    result = "pending"
elif eps_actual > eps_estimate:
    result = "beat"
elif eps_actual < eps_estimate:
    result = "miss"
else:
    result = "inline"

Conclusión

Si necesitas integrar información de resultados corporativos en un sistema de señales o trading, una arquitectura práctica sería:

1. OpenBB para obtener el calendario de resultados futuros e históricos.
2. AInvest o Bigdata para determinar si el resultado estuvo por encima o por debajo de las expectativas.
3. APIs adicionales como API Ninjas, EarningsAPI o StockFit como fuentes alternativas o redundantes.

Con esta combinación puedes construir una columna automática en tu lista de señales que muestre algo como:

• 12‑05 pre‑market

• after‑hours
• Beat
• Miss

sin necesidad de procesar manualmente los datos cada día.