整合美股財報日曆到交易訊號系統：有哪些開源 API 可用？

如果你想喺自己嘅 交易訊號列表（signal trigger list） 裡面加一欄財報資訊，例如：

• 未公布：顯示

  5‑12 盤前 / 盤後

• 已公布：顯示

  高於預期 / 低於預期

其實只要接入一個 earnings calendar + earnings surprise API 就可以做到。以下幾個接口對量化或自動化系統比較實用。

1️⃣ OpenBB：最容易整合 Python 量化系統

如果你的策略程式是 Python，OpenBB 通常是最順手的入口。

OpenBB 提供：

• obb.equity.calendar.earnings() 查詢財報日曆
• 支援歷史與未來 earnings events
• 返回 EPS 與 revenue 數據

官方示例：

from openbb import obb

obb.equity.calendar.earnings()

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

這個 endpoint 可以取得：

• 公司 symbol
• 財報日期
• EPS / revenue 數據

適合用來做 財報日曆主資料源。

另外 OpenBB 其實可以指定不同 provider（例如 fmp、nasdaq 等），所以底層數據源可以切換。

2️⃣ AInvest：最直接做 Beat / Miss 判斷

如果你的核心需求是：

判斷財報是否高於預期

AInvest 的 earnings calendar API 返回的欄位非常直接：

• eps_actual
• eps_forecast
• eps_surprise
• revenue_actual
• revenue_forecast

示例字段：

{
 "ticker": "AAPL",
 "eps_actual": 1.46,
 "eps_forecast": 1.40,
 "eps_surprise": 0.06
}

你可以直接寫判斷邏輯：

actual > forecast  → Beat
actual < forecast  → Miss
actual = forecast  → Inline

所以如果你的系統只需要 beat / miss 判斷，這個接口很方便。

3️⃣ Bigdata：專門查 Earnings Surprise

Bigdata API 提供一個 earnings surprises endpoint，會返回：

• reporting_date
• eps_actual
• eps_estimated
• revenue_actual
• revenue_estimated

示例資料：

{
 "reporting_date": "2025-07-23",
 "eps_actual": 2.31,
 "eps_estimated": 2.15
}

這種接口比較適合：

• 已發布財報
• 做 surprise 分析

即係判斷市場預期同實際結果嘅差距。

4️⃣ 其他可以考慮的 API

如果你想多幾個資料源做 backup，可以留意以下幾個：

API Ninjas

• 提供 earnings calendar
• 可以查歷史財報與未來財報日期
• 支援按 ticker 或日期查詢。

StockFit

提供比較完整的 earnings pipeline：

• upcoming earnings calendar
• 單股票 earnings date lookup
• earnings snapshot
• EPS history

比較適合做更完整的基本面資料流。

可以設計一個統一欄位結構

如果要整合到 signal list，其實可以做一個標準 schema，例如：

ticker
signal_time
earnings_status
earnings_date
earnings_session
eps_actual
eps_estimate
surprise_result

邏輯例如：

def classify_earnings(row):

    if row["eps_actual"] is None:
        return f"{row['earnings_date']} 待發布"

    if row["eps_actual"] > row["eps_estimate"]:
        return "高於預期"

    elif row["eps_actual"] < row["eps_estimate"]:
        return "低於預期"

    else:
        return "符合預期"

一個比較實際的整合方案

如果你要做交易信號系統，通常會用兩層資料：

第一層：Earnings Calendar

• 用 OpenBB 拉未來財報

第二層：Earnings Result / Surprise

• 用 AInvest 或 Bigdata 查 actual vs estimate

流程大概是：

1️⃣ 先取得財報日期

2️⃣ 判斷是否已發布

3️⃣ 如果已發布 → 計算 beat / miss

4️⃣ 寫入 signal table

一個需要注意的點：盤前 / 盤後

你提到的需求：

• 5‑12 盤前

• 5‑12 盤後

目前資料顯示很多 earnings API 會提供發布時間或 session，例如 before market open / after market close，但是否所有接口都穩定返回，需要實際測試。

因此建議：

• 每個 API 先抽樣 20–50 個 ticker
• 檢查字段例如

report_time
session
release_time
bmo / amc

再決定是否正式接入。

✅ 簡單結論

如果要快速做一個穩定方案：

• OpenBB：拿 earnings calendar
• AInvest 或 Bigdata：做 beat / miss 判斷

基本上就可以滿足「財報時間 + 是否高於預期」兩個需求。

如果你想，我也可以幫你整理一個 完整 Python pipeline（signal list + earnings API + beat/miss column），直接可以放入量化策略裡跑。