答案已發布2 小時前Last edited 1 小時前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]

使用 Studio Global AI 搜尋並查證事實瀏覽更多熱門頁面

15K0

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AI-generated editorial hero image for 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.
AI 提示詞
Create 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
openai.com

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。^[1]

另外 OpenBB 的好處是可以指定不同 provider，例如 FMP 或 NASDAQ 資料源。^[3]

適合用途：

量化策略
Python 自動交易系統
研究 / 回測

2️⃣ 判斷「高於 / 低於預期」：AInvest

如果你的需求是：

財報已發布
自動判斷是否 超預期（Beat）或低於預期（Miss）

AInvest 的 earnings calendar API 已經提供完整欄位：

返回資料包含：

eps_actual

Studio Global AI

Search, cite, and publish your own answer

Use this topic as a starting point for a fresh source-backed answer, then compare citations before you share it.

使用 Studio Global AI 搜尋並查證事實

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]

大家也會問