Kostenlose marktübergreifende Aktiendaten-API (2026)

Eine kostenlose marktübergreifende API für Aktien- und Offenlegungsdaten aus 4 Märkten: echte Endpunkte, 2,000 Anfragen pro Tag, OpenAPI, JSON/CSV-Snapshots und ein llms.txt-Index für KI.

Kategorie: Daten & API

Was ist die kostenlose marktübergreifende Aktiendaten-API von SurgeFlow? SurgeFlow bietet eine kostenlose marktübergreifende Aktiendaten-API für vier Märkte: USA, China (A-Aktien), Japan (TOPIX) und Hongkong (HKEX). Sie stellt Realtime-, Screen- und Hotlist-Endpunkte sowie einen Summary-Feed bereit, begrenzt auf 2,000 Anfragen pro Tag, mit einer OpenAPI-Spezifikation, offenen JSON/CSV-Snapshots und einem llms.txt-Index. Es handelt sich um Research-Daten, nicht um Anlageberatung.

Die Stärke liegt in der Breite, nicht allein im Zugang. Die meisten kostenlosen Feeds enden bei US-Aktien; SurgeFlow überträgt dasselbe Schema auf entwickelte und asiatische Märkte und verbindet Kursdaten mit regulatorischen Offenlegungsdaten – Meldungen zu bedeutenden Beteiligungen und Großaktionären. So können Sie untersuchen, wem was gehört, und zugleich, zu welchem Kurs es gehandelt wird. Die API befindet sich in der Beta-Phase und ist für Research, Prototypen und Analysen gedacht, nicht für produktive Handelssysteme. - Vier Märkte unter einem einheitlichen Schema, darunter drei asiatische Märkte - Endpunkte: /api/v1/markets/{market}/realtime, /screen, /hotlist und /api/v1/summary - 2,000 Anfragen pro Tag im kostenlosen Tarif, alle Märkte inklusive - OpenAPI-Spezifikation unter /api/public/openapi.json sowie offene JSON/CSV-Snapshots - Ein /llms.txt-Index, über den KI-Agenten und -Assistenten die Daten finden können

Endpunkte, Formate und Limits

Die öffentliche Schnittstelle ist bewusst klein und vorhersehbar gehalten. Die Endpunkte je Markt folgen dem Muster /api/v1/markets/{market}/realtime für aktuelle Kurse, /screen für gefilterte Universen und /hotlist für gerankte Kandidatenlisten im Momentum-Stil, wobei {market} einer der Werte us, cn, jp oder hk ist. Eine marktübergreifende Zusammenfassung liegt unter /api/v1/summary. Der maschinenlesbare Vertrag ist unter /api/public/openapi.json veröffentlicht, sodass Sie in jeder Programmiersprache einen typisierten Client generieren können, statt die Anfragestrukturen von Hand zu codieren.

Für Massenabrufe und reproduzierbare Arbeit veröffentlicht SurgeFlow zudem offene JSON- und CSV-Snapshots. Damit verbrauchen Sie kein Anfragekontingent, wenn Sie eine vollständige Tabelle statt einer einzelnen Abfrage benötigen. Der kostenlose Tarif ist auf 2,000 Anfragen pro Tag über alle Märkte begrenzt; das ist ein Research-Kontingent – legen Sie Batch-Jobs daher auf Snapshots aus und reservieren Sie Live-Aufrufe für interaktive Abfragen. Die Datei /llms.txt gibt Sprachmodell-Agenten eine strukturierte Übersicht der verfügbaren Routen und Daten, was nützlich ist, wenn Sie auf dem Feed einen Research-Assistenten aufbauen. - Realtime, Screen und Hotlist gelten je Markt; Summary ist marktübergreifend - OpenAPI unter /api/public/openapi.json generiert typisierte Clients automatisch - JSON/CSV-Snapshots decken Massenabrufe ab, ohne Anfragekontingent zu verbrauchen - 2,000 Anfragen pro Tag sind ein Research-Kontingent – Batches über Snapshots, nicht über Schleifen

Methodik: wie die zugrunde liegenden Research-Daten aufgebaut werden

Über reine Kurse hinaus macht SurgeFlow eine Faktor-Research-Umgebung zugänglich, die in der Tradition von Fama-French aufgebaut ist. Das Faktorset umfasst SMB (Size), HML (Value), RMW (Profitabilität), CMA (Investitionen), WML (Momentum) und LIQ (Liquidität), mit täglichen Faktorrenditen. Die Faktoren werden auf die übliche Querschnittsweise geschätzt: Portfolios werden nach jedem Merkmal sortiert, und in jeder Periode wird eine Long-Short-Rendite berechnet. Dieselbe Logik liegt den Fama-MacBeth-Querschnittsregressionen zugrunde, bei denen die Koeffizienten je Periode gemittelt werden, um zu testen, ob ein Merkmal bepreist ist.

Die Qualitätskontrolle ist explizit. Ein Publikations-Gate hält Faktoren zurück, die die Robustheitskriterien nicht erfüllen, sodass ein nicht publizierbarer Faktor nicht unbemerkt in die Ausgabe gelangt; ein Resolver für die effektive Richtung legt das ökonomische Vorzeichen jedes Faktors fest; und VIF-Diagnostik (Variance Inflation Factor) zeigt Multikollinearität zwischen korrelierten Faktoren an. Factor Backtest V2 bildet anschließend Long-Teilportfolios (Sleeves) aus einzelnen und kombinierten Faktoren unter zwei Gewichtungen: Gleichgewichtung (EW) und Risikoparität (RP), wobei RP jede Position umgekehrt proportional zu ihrer Volatilität skaliert, sodass das Risiko und nicht das Kapital ausbalanciert wird. Jeder Sleeve weist Sharpe (Überrendite), annualisierte Information Ratio, maximalen Drawdown, Umschlagshäufigkeit und die Zahl der Beobachtungen aus. Datenqualitäts-Gates verlangen Point-in-Time-Daten, die Bereinigung um Survivorship-Effekte und eine Mindestzahl an Beobachtungen; der GRS-Test (Gibbons-Ross-Shanken), ein gemeinsamer F-Test darauf, ob die Alphas der Portfolios zusammen null sind, wird als Diagnose ausgewiesen und nicht als Ausschlusskriterium für Portfolios verwendet. Der aktuelle Phase-1-Lauf ist research_backtest_insample; betrachten Sie ihn daher als In-Sample-Evidenz zur Faktorattribution, nicht als realen Out-of-Sample-Track-Record. Der aktuelle Composite-Sieger für die USA – ausgewählt per argmax von 0.5·z(Sharpe) + 0.5·z(Information Ratio) – ist der Sleeve WML+RMW Top-30 RP über rund zehn Jahre; er liegt sowohl nach Sharpe als auch nach Information Ratio auf dem ersten Rang. Konkrete Faktorprämien, Gewichte und Sharpe-Werte werden hier nicht genannt; die aktuellen Werte finden Sie unter /factors und /backtesting oder rufen Sie über die API ab. - Fama-French-Set aus sechs Faktoren: SMB, HML, RMW, CMA, WML, LIQ, tägliche Renditen - Querschnittsschätzung im Fama-MacBeth-Stil; gemeinsamer GRS-Test der Alphas - Publikations-Gate + Resolver für die effektive Richtung + VIF-Prüfungen auf Multikollinearität - Backtest V2: EW- gegenüber RP-Sleeves; Sharpe, Information Ratio, Drawdown, Umschlagshäufigkeit - Composite-Sieger USA: WML+RMW Top-30 RP, ~10 Jahre, #1 nach Sharpe und Info Ratio

Welche SurgeFlow-Daten hier verwendet werden

Die API bezieht ihre Daten je Markt von dokumentierten Anbietern, und die Offenlegungsdaten stammen aus primären Feeds der Aufsichtsbehörden. Kurs- und Fundamentaldaten für die USA kommen von FMP, für China und Hongkong von Tushare und für Japan von J-Quants, ergänzt um Meldungen zu bedeutenden Beteiligungen aus EDINET. Der institutionelle Aktienbesitz in den USA beruht auf 13F-Meldungen in SEC EDGAR.

Auf dieser Herkunft beruhen die Realtime-, Screen- und Hotlist-Endpunkte sowie die oben beschriebene Faktorumgebung. Besitz- und Offenlegungsdaten – aggregiert sichtbar in der Ansicht /whales – werden aus diesen Primärmeldungen aufgebaut, wobei das Signal auf das Datum der Offenlegung datiert und nicht rückdatiert wird. Das ist für jedes Point-in-Time-Research wesentlich. Abdeckung und Aktualität unterscheiden sich je Markt, weil die Quellen verschieden sind; wo für einen Markt oder Faktor noch kein ausgereiftes Modell besteht, zeigen Seite und API die Daten und die Methodik, die wir tatsächlich haben, statt ein Ergebnis zu behaupten.

Marktübergreifend ehrlich: Abdeckung und Einschränkungen

Marktübergreifendes Research ist gerade deshalb wertvoll, weil sich Faktoren nicht in allen Regionen gleich verhalten – und die wissenschaftliche Literatur sagt das ausdrücklich. Für chinesische A-Aktien dokumentieren Liu, Stambaugh und Yuan (2019, 'Size and value in China', Journal of Financial Economics), dass die Size- und Value-Prämien stark sind, während Kursmomentum schwach ist oder fehlt. Das ist ein veröffentlichter Befund, den Sie überprüfen können, kein Ergebnis von SurgeFlow. Wir stellen die Daten bereit, damit Sie diese Unterschiede selbst untersuchen können; einen eigenen Vorsprung gegenüber der wissenschaftlichen Literatur beanspruchen wir nicht.

Zwei Einschränkungen sind offen zu nennen. Erstens handelt es sich um Research-Daten, nicht um Anlageberatung: Nirgends in der API oder auf diesen Seiten gibt es Empfehlungen, Kursziele oder Kauf-, Verkaufs- oder Haltesignale. Zweitens befindet sich die API in der Beta-Phase mit einem Kontingent für den kostenlosen Tarif, Abdeckung und Aktualität variieren je Markt und Quelle, und für einige Märkte gibt es ausgereiftere Faktormodelle als für andere. Nutzen Sie die Ergebnisse als Eingangsgrößen für Ihre eigene Analyse. Zum methodischen Hintergrund siehe /research/fama-french-factor-backtesting und die Hinweise zur Abdeckung je Markt.

Kostenlosen API-Schlüssel anfordern

Erstellen Sie einen kostenlosen API-Schlüssel und fragen Sie in wenigen Minuten vier Märkte ab. Gehen Sie zu /membership, um Mitglied zu werden, generieren Sie unter /account einen Schlüssel und testen Sie die Endpunkte in der Live-Konsole: Rufen Sie /api/v1/summary für eine marktübergreifende Momentaufnahme auf oder nutzen Sie /api/v1/markets/{market}/realtime für jeden der vier Märkte. Richten Sie Ihren generierten Client auf /api/public/openapi.json aus oder übergeben Sie /llms.txt einem KI-Agenten, damit er die Daten selbst erkunden kann. Der kostenlose Tarif umfasst 2,000 Anfragen pro Tag über alle Märkte, mit offenen JSON/CSV-Snapshots für Batch-Arbeit. Es handelt sich um Research-Daten, und der Dienst befindet sich in der Beta-Phase – bauen und erkunden Sie entsprechend und beginnen Sie unter /membership.

Quellen und weiterführende Literatur

Primäre, wissenschaftliche und SurgeFlow-Datenquellen zu den obigen Aussagen: - Fama, E. F., & French, K. R. (1993). Common risk factors in the returns on stocks and bonds. Journal of Financial Economics. - Fama, E. F., & French, K. R. (2015). A five-factor asset pricing model. Journal of Financial Economics. - Fama, E. F., & MacBeth, J. D. (1973). Risk, return, and equilibrium: Empirical tests. Journal of Political Economy. - Gibbons, M. R., Ross, S. A., & Shanken, J. (1989). A test of the efficiency of a given portfolio. Econometrica. - Liu, J., Stambaugh, R. F., & Yuan, Y. (2019). Size and value in China. Journal of Financial Economics.