答案已發布9 個來源
整合美股財報日曆到交易訊號系統：可用的 API 與開源資料源
OpenBB 的 equity.calendar.earnings() 可以取得歷史與未來的美股財報日曆，並包含 EPS 與營收資料，適合 Python 量化系統整合。[1] AInvest API 直接提供 eps actual、eps forecast 與 eps surprise 欄位，可用來判斷財報是否「高於預期或低於預期」。[2] Finnhub、MarketData、EarningsAPI 等資料源可提供「盤前 / 盤後」財報發布時間與 EPS 實際與預估值。[19][32]
發布者圖片由 GPT Image 2 生成
研究答案
重點整理
- OpenBB 的 equity.calendar.earnings() 可以取得歷史與未來的美股財報日曆，並包含 EPS 與營收資料，適合 Python 量化系統整合。[1]
- AInvest API 直接提供 eps actual、eps forecast 與 eps surprise 欄位，可用來判斷財報是否「高於預期或低於預期」。[2]
- Finnhub、MarketData、EarningsAPI 等資料源可提供「盤前 / 盤後」財報發布時間與 EPS 實際與預估值。[19][32]
- 透過比較 eps actual 與 eps estimate，即可在你的訊號列表自動標記 beat / miss / inline 狀態。[2][4]
AI 提示詞
openai.comCreate a landscape editorial hero image for this Studio Global article: 如图所示，美股的财报每天都会有日历跟踪，假设我有个信号触发列表，我希望列表中新增一列，来获取当前的财报发布时间，已发布的给出 高于预期还是低于预期的判断，还没发布的给出时间 比如5 12 盘前或5 12 盘后， 主要是需要这个数据接口 来集成到我的信号触发程序中， 哪些开源接口可. Article summary: 可以优先看 OpenBB 的 equity.calendar.earnings，它是 Python 侧较容易集成到量化/信号程序里的接口，文档给出了 from openbb import obb 和 obb.equity.calendar.earnings() 示例，并明确支持获取历史和未来财报发布，且包含 EPS 与营收数据。[1] 如果你的核心需求是“已发布后判断高于/低于预期”，AInvest 和 Bigdata 的接口证据更直接. Topic tags: deepresearch, general web, llm, agents, ai. Reference image context from search candidates: Reference image 1: visual subject "`# Upload the required packages library(xlsx);library(zoo);library(quantmod);library(rowr);library(TTR); # Set the parameters here pc_up_level = 6 # Set the high percentage thresh" source context "Quantinsti-博客中文翻译-六- - 绝不原创的飞龙" Reference image 2: visual subject "`# Upload the required packages library(xlsx
如果你想在交易訊號列表中新增一欄財報資訊，通常需要兩類資料：
- 財報日曆（Earnings Calendar）：知道公司什麼時候發布財報，是否盤前或盤後
- 財報結果（Earnings Results / Surprise）：發布後判斷是否高於或低於市場預期
目前其實有不少 API 可以直接提供這兩類資料，而且不少量化交易或研究系統已經在用。
1️⃣ Python 量化最容易整合：OpenBB
如果你的信號程式是 Python + DataFrame，OpenBB 是最容易接入的一個方案。
OpenBB 提供統一接口：
from openbb import obb
obb.equity.calendar.earnings()
它可以取得：
- 歷史與未來財報發布
- EPS 與營收資料
- 可指定日期區間
例如：
obb.equity.calendar.earnings(
start_date='2024-02-01',
end_date='2024-02-07'
)
這個 API 能直接取得 earnings calendar + EPS + revenue 等資訊，因此常被用來做量化研究或策略系統。
另外 OpenBB 的好處是可以指定不同 provider，例如 FMP 或 NASDAQ 資料源。
Studio Global AI
繼續深入研究
這個頁面包含附來源佐證的答案，你可以在 Studio Global 內繼續追問。
大家也會問
「整合美股財報日曆到交易訊號系統：可用的 API 與開源資料源」的簡短答案是什麼？
OpenBB 的 equity.calendar.earnings() 可以取得歷史與未來的美股財報日曆，並包含 EPS 與營收資料，適合 Python 量化系統整合。[1]
最值得優先驗證的重點是什麼？
OpenBB 的 equity.calendar.earnings() 可以取得歷史與未來的美股財報日曆，並包含 EPS 與營收資料，適合 Python 量化系統整合。[1] AInvest API 直接提供 eps actual、eps forecast 與 eps surprise 欄位，可用來判斷財報是否「高於預期或低於預期」。[2]
接下來在實務上該怎麼做？
Finnhub、MarketData、EarningsAPI 等資料源可提供「盤前 / 盤後」財報發布時間與 EPS 實際與預估值。[19][32]