> ## Documentation Index
> Fetch the complete documentation index at: https://docs.driven.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# 读懂金融数据 API

> 用通俗语言讲解金融数据 API：它们是什么、提供哪些类别的数据、数据质量为何参差不齐，以及为什么编排比数量更重要。

金融数据 API 是承载市场与公司数据的管道，把行情、报表、监管文件、持仓送入投资者使用的工具中。你不需要懂技术也能从理解它们中受益，因为一个 AI 研究工具的数据连接的质量和广度，决定了它答案的质量。本文用通俗语言解释金融数据 API，以及你该关注什么。

## 金融数据 API 是什么

API 是一段软件向另一段软件请求数据的方式。金融数据 API 是一项按需提供金融信息的服务：请求一家公司的营收、它的监管文件或它的当前价格，API 就会以程序可用的结构化形式返回。

当一个 AI 研究工具报告一家公司的利润率时，它在幕后其实是在向某个金融数据 API 请求这个数字，再转达给你。这个数字是被拉取的，而非被记住的，这正是你想要的。

## 金融数据的主要类别

* **市场数据** —— 实时和历史价格、成交量、技术指标
* **基本面数据** —— 财务报表、比率、财报与分红日历
* **披露与公告** —— 监管文件和公司公告
* **持股数据** —— 机构持仓、内部人交易、资金流
* **特色数据** —— 在基础数据之外，还有针对各类信号的来源，例如美股市场的国会议员交易、13F 机构持仓和 Form 4 内部人交易；对 A 股而言，则有龙虎榜、融资融券和股权质押等额外数据

不同的 API 专长于不同类别。没有任何单一来源能把所有领域都覆盖得很好。

## 为什么数据质量参差不齐

并非所有金融数据都是等价的，而这些差异很关键：

* **时效性** —— 有些来源实时更新，有些则有延迟。一个过时的数字可能误导你。
* **准确性与会计准则** —— 数据质量因提供方而异；对于跨境公司，会计准则的差异可能让数字难以比较，除非来源已对其做了对齐。
* **覆盖范围** —— 一个在美股上很强的来源，在港股或 A 股上可能很单薄。
* **字段定义** —— 不同来源对字段的定义和命名各不相同，这需要加以协调。

正因如此，一个工具如何选择来源、如何处理它们之间的差异，会影响你得到的答案。

## 为什么编排比数量更重要

一种常见的说法是“我们连接了 X 个数据源”。数量远不如编排重要。连接很多来源很容易；让它们协同运作才难。

真正的工作在于：知道该从哪个来源拉取哪个字段、如何跨来源交叉核对一个数字、如何协调不同的格式和定义，以及如何优雅地处理缺失数据。一个只是简单挂载许多 API、让模型自己去搞定的工具是脆弱的；一个对它们进行编排，带有来源选择、交叉核对和缺口处理逻辑的工具，才是可靠的。

在评估一个 AI 研究工具时，不要只问它连接了多少个来源，还要问它如何处理这些来源之间的差异。

## 这对你意味着什么

你不会自己去调用这些 API，但理解它们能帮你评估工具、批判性地读懂答案：

* 优先选择拉取**实时数据**的工具，而非凭训练记忆作答的工具
* 要求任何工具**标注来源**，这样你能看到它用了什么
* 注意**覆盖范围因市场而异**，确认你关心的市场被很好地覆盖
* 看重**编排**（交叉核对、缺口处理），而非原始的来源数量

## Driven 的定位

Driven 连接 245 个端点、覆盖 28 个类别，并对它们进行编排：每个 [Skill](/zh/concepts/skills) 都知道该从哪个来源拉取哪个字段、如何交叉核对、如何处理缺口。对于港股、A 股和中概股 ADR，报表数据按本地会计准则取数以保持匹配。参见 [数据源](/zh/reference/data-sources) 和 [数据与覆盖](/zh/concepts/data-and-coverage)。

## 相关内容

* [数据源](/zh/reference/data-sources)
* [数据与覆盖](/zh/concepts/data-and-coverage)