免费跨市场股票数据 API(2026)

覆盖 4 个市场的免费跨市场股票及披露数据 API:真实端点、每日 2,000 次请求、OpenAPI、JSON/CSV 快照,以及 llms.txt AI 索引。

类别:Data & API

什么是 SurgeFlow 免费跨市场股票数据 API?

SurgeFlow 提供免费的跨市场股票数据 API,覆盖四个市场——美国、中国(A 股)、日本(TOPIX)和香港(HKEX)。它提供 realtime、screen 和 hotlist 端点以及 summary 数据流,上限为每日 2,000 次请求,并附 OpenAPI 规范、开放的 JSON/CSV 快照及 llms.txt 索引。这是研究资料,并非投资建议。

优势在于广度,而不仅仅是可访问性。大多数免费数据源止步于美国股票;SurgeFlow 将同一数据结构延伸至发达市场与亚洲市场,并将价格数据与监管披露数据——大量持股及主要股东申报——相结合,让您在研究股票交易价格的同时研究其持有人。该 API 处于测试阶段,面向研究、原型开发与分析,而非生产级交易系统。 - 四个市场采用统一的数据结构,其中包括三个亚洲市场 - 端点:/api/v1/markets/{market}/realtime、/screen、/hotlist,以及 /api/v1/summary - 免费层每日 2,000 次请求,包含全部市场 - OpenAPI 规范位于 /api/public/openapi.json,另有开放的 JSON/CSV 快照 - 提供 /llms.txt 索引,便于 AI 代理和助手发现数据

端点、格式与限额

公开接口刻意保持精简且可预期。各市场端点遵循以下模式:/api/v1/markets/{market}/realtime 提供当前报价,/screen 提供经筛选的股票池,/hotlist 提供动量类候选排名列表,其中 {market} 为 us、cn、jp 或 hk 之一。跨市场汇总位于 /api/v1/summary。机器可读契约发布于 /api/public/openapi.json,您可据此以任何语言生成强类型客户端,而无需手工编写请求结构。

对于批量及可复现的工作,SurgeFlow 还发布开放的 JSON 和 CSV 快照;当您需要整张表而非单次查询时,可避免消耗请求配额。免费层上限为全部市场合计每日 2,000 次请求;这是研究额度,因此批处理任务应以快照为主,实时调用留给交互式查询。/llms.txt 文件为语言模型代理提供可用路由与数据的结构化地图,如果您要在该数据源之上构建研究助手,将十分有用。 - realtime、screen 和 hotlist 按市场提供;summary 为跨市场汇总 - /api/public/openapi.json 中的 OpenAPI 可自动生成强类型客户端 - JSON/CSV 快照支持批量获取,不消耗请求配额 - 每日 2,000 次请求是研究配额——请通过快照批量获取,而非循环调用

研究方法:底层研究数据如何构建

除原始价格之外,SurgeFlow 还提供遵循 Fama-French 传统构建的因子研究体系。因子集涵盖 SMB(规模)、HML(价值)、RMW(盈利能力)、CMA(投资)、WML(动量)和 LIQ(流动性),提供日度因子收益。因子按标准的横截面方式估计——按各特征对投资组合排序,每期计算多空收益;这与 Fama-MacBeth 横截面回归的逻辑相同,即对逐期系数取均值,以检验某一特征是否被定价。

质量控制是明确的。发布闸门(publication gate)拦截未通过稳健性标准的因子,避免不可发布的因子悄然混入输出;有效方向解析器(effective-direction resolver)确定每个因子的经济学符号;VIF(方差膨胀因子)诊断标示相关因子之间的多重共线性。Factor Backtest V2 随后在两种加权方式下构建单因子和组合因子的多头策略组合(sleeve)——等权(EW)与风险平价(RP),其中 RP 按各持仓波动率的倒数调整权重,使风险而非资金得到均衡。每个策略组合报告夏普比率(超额)、年化信息比率、最大回撤、换手率及观测数。数据质量闸门要求时点(point-in-time)数据、幸存者偏差处理以及最少观测数门槛;GRS 检验(Gibbons-Ross-Shanken)是检验各组合 alpha 是否联合为零的 F 检验,仅作为诊断报告,而不用作组合剔除闸门。当前第一阶段运行为 research_backtest_insample,因此请将其视为样本内因子归因证据,而非实盘样本外业绩记录。当前美国综合排名第一者——按 0.5·z(Sharpe) + 0.5·z(Information Ratio) 的 argmax 选出——是约十年区间内的 WML+RMW Top-30 RP 策略组合,且按夏普比率和信息比率均排名第一。此处不引用具体的因子溢价、权重和夏普值;请在 /factors 和 /backtesting 查看实时数值,或通过 API 获取。 - Fama-French 六因子集:SMB、HML、RMW、CMA、WML、LIQ,日度收益 - Fama-MacBeth 式横截面估计;alpha 的 GRS 联合检验 - 发布闸门 + 有效方向解析器 + VIF 多重共线性检查 - Backtest V2:EW 与 RP 策略组合;夏普比率、信息比率、回撤、换手率 - 美国综合排名第一:WML+RMW Top-30 RP,约 10 年,夏普比率与信息比率均排名第 1

所用的 SurgeFlow 数据

该 API 的数据按市场取自有文档记载的提供商,披露数据则来自一手监管数据源。美国价格与基本面数据来自 FMP;中国和香港来自 Tushare;日本来自 J-Quants,大量持股报告来自 EDINET。美国机构持仓使用 SEC EDGAR 13F 申报。

上述数据来源支撑着 realtime、screen 和 hotlist 端点以及上文的因子体系。持仓与披露数据——在 /whales 视图中以汇总形式呈现——基于这些一手申报构建,信号以披露日期为准而非回溯标注,这对任何时点一致的研究都至关重要。由于上游来源不同,覆盖范围与数据时效因市场而异;若某一市场或因子尚无成熟模型,页面和 API 只呈现我们已有的数据和方法,而不断言结果。

跨市场的客观说明:覆盖范围与注意事项

跨市场研究之所以有价值,正是因为因子表现在不同地区并不一致,学术文献对此有明确记载。就中国 A 股而言,Liu, Stambaugh and Yuan(2019, 'Size and value in China', Journal of Financial Economics)记载规模和价值溢价显著,而价格动量较弱或不存在——这是可供核查的已发表结论,而非 SurgeFlow 的结果。我们提供数据,供您自行研究这些差异;我们并不声称相对于学术文献拥有独家优势。

有两点客观局限。第一,这是研究资料,并非投资建议——API 和这些页面中均不包含任何推荐、目标价或买入/卖出/持有信号。第二,API 处于测试阶段,设有免费层配额,覆盖范围与数据时效因市场和来源而异,部分市场的因子模型比其他市场更成熟。请将输出作为您自身分析的输入。方法论背景请参阅 /research/fama-french-factor-backtesting 及各市场覆盖说明。

获取免费 API 密钥

创建免费 API 密钥,几分钟内即可开始查询四个市场。前往 /membership 成为会员、在 /account 生成密钥,并在实时控制台试用各端点——调用 /api/v1/summary 获取跨市场快照,或针对四个市场中任一市场调用 /api/v1/markets/{market}/realtime。将生成的客户端指向 /api/public/openapi.json,或将 /llms.txt 提供给 AI 代理,让其自行发现数据。免费层包含全部市场合计每日 2,000 次请求,并提供开放的 JSON/CSV 快照用于批处理。这是研究资料,且服务处于测试阶段,请据此进行构建与探索——从 /membership 开始。

参考文献与延伸阅读

上述论述所依据的原始文献、学术文献及 SurgeFlow 数据参考: - 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.