Earnings Surprises Bulk批量财报超预期
该接口一次返回多家公司年度财报意外数据：实际 EPS 与预期 EPS 对比，快速识别哪些公司超预期、不及预期或符合预期，辅助批量筛选与情绪分析。
https://quote-fmp.com/stable/earnings-surprises-bulk?year=2026数据更新周期
4-6 Hours
接口说明
- 识别业绩趋势：跟踪公司是持续超预期还是不及预期，传入
year后可提取epsActual（每股收益实际值）、epsEstimated（每股收益预期值）与lastUpdated（最近更新时间） 等字段，便于直接写入量化因子库。 - 发现投资机会：关注业绩持续超出预期的公司，或因不及预期而承压下行的公司中的潜在机会，通过单次 CSV 流式响应完成全市场数万标的截面同步。
- 分析市场情绪：通过分析公司财报表现与市场预期的差距，衡量投资者信心，当单一端点维度不足时，可结合「TTM 财务比率批量」拼装出更全面的分析视图。
- 流式导出响应：调用
/stable/earnings-surprises-bulk获取批量财报超预期时返回标准 CSV 流，切勿调用resp.json()，推荐解析后直接存为本地 Parquet 分区文件。 - 跨模块关联接口：Eod Bulk（日线行情批量） · Income Statement Bulk（利润表批量获取） · Income Statement（利润表） · Key Metrics TTM（TTM 关键指标）
请求参数
1 个参数| 参数 | 类型 | 要求 | 示例 | 说明 |
|---|---|---|---|---|
year | string | 必填 | 2026 | 目标财报/数据的年份，如 2023。 |
调用代码示例
Python 关键代码请求 /stable/earnings-surprises-bulk 导出批量财报超预期时响应为 CSV 流而非 JSON，请设 60s 超时并用 pd.read_csv 解析 epsActual（每股收益实际值）、epsEstimated（每股收益预期值）、lastUpdated（最近更新时间）（如 epsActual=0.3631）。
import io
resp = requests.get(
"https://quote-fmp.com/stable/earnings-surprises-bulk",
params={"year": "2025", "apikey": FMP_KEY},
timeout=60,
)
resp.raise_for_status()
# 批量财报超预期返回 CSV 文本流，使用 io.StringIO 配合 pd.read_csv 解析
df = pd.read_csv(io.StringIO(resp.text))
df["epsActual"] = pd.to_numeric(df["epsActual"], errors="coerce")参数使用和避坑
2 组参数组合 · 2 条避坑以下列出本接口在高频投研与回测场景下的常用 Query 参数组合写法：
| 投研场景 | Query 参数组合示例 | 返回数据特征与用途 |
|---|---|---|
| 拉取 2024 财年批量财报超预期统计截面 | year=2024 | 指定 year=2024 调用 /stable/earnings-surprises-bulk，获取该年度的 epsActual、epsEstimated、lastUpdated（样本 epsActual=0.3631）。 |
| 回溯 2023 财年批量财报超预期历史变动 | year=2023 | 将 year 切换为 2023 请求 /stable/earnings-surprises-bulk，纵向比对 epsActual、epsEstimated、lastUpdated 的跨年变化。 |
同步批量财报超预期（/stable/earnings-surprises-bulk）时响应体为带表头的 CSV 文本，包含 epsActual（每股收益实际值）与 epsEstimated（每股收益预期值）等 5 列，请用 pd.read_csv 流式读取。
归档批量财报超预期（端点 /stable/earnings-surprises-bulk）推荐采用 (symbol, date) 作为复合主键；对 epsActual（每股收益实际值）等 2 个数值列需防范极端空值。
返回数据
5 个字段本接口示例响应共包含 5 个字段（数值型 0 个，文本/日期/布尔型 5 个）。下表列出全部字段名、类型、首条记录真实样本值与中文释义，实际返回会因接口与数据状态有所不同。
| 字段 | 类型 | 示例值 | 说明 |
|---|---|---|---|
symbol | string | "AMKYF" | 证券代码 |
date | string | "2025-07-09" | 日期 |
epsActual | string | "0.3631" | 每股收益实际值 |
epsEstimated | string | "0.3615" | 每股收益预期值 |
lastUpdated | string | "2025-07-09" | 最近更新时间 |
查看响应数据示例（原始 JSON）
[
{
"symbol": "AMKYF",
"date": "2025-07-09",
"epsActual": "0.3631",
"epsEstimated": "0.3615",
"lastUpdated": "2025-07-09"
}
]常见问题解答（FAQ）
2 个问题调用批量财报超预期与 公司概况批量 有何差异？/stable/earnings-surprises-bulk 重点输出哪些指标？
访问 /stable/earnings-surprises-bulk 拉取批量财报超预期（必填 year）可拿到 epsActual（0.3631）与 epsEstimated；若需 /stable/profile-bulk（必填 part）的 36 项数据，可改调 Company Profile Bulk（公司概况批量）。
如何利用 /stable/earnings-surprises-bulk 的参数机制，高效完成批量财报超预期的冷启动回填与盘后同步？
无论冷启动还是增量更新，都可按 year 过滤条件请求 /stable/earnings-surprises-bulk 并做非空校验；读取 epsActual（样本 0.3631）后建议先过滤无效记录再入库。
同模块相关接口对比
Profile本接口路径 /stable/earnings-surprises-bulk，必填参数 year。 同一模块「Profile」下共 11 个接口，下表列出其余 10 个， 按粒度与查询维度对比，避免选错接口。
| 接口 | 路径 | 核心差异与适用场景 |
|---|---|---|
| 公司概况批量Company Profile Bulk | /stable/profile-bulk | 以 CSV 流式分片形式一次性返回全市场上市公司的档案主表 |
| 评级批量Stock Rating Bulk | /stable/rating-bulk | 以单次 CSV 流式响应批量导出全市场股票的综合财务评级快照 |
| DCF 批量估值DCF Valuations Bulk | /stable/dcf-bulk | 一次请求即可返回多个代码的现金流折现（DCF）估值，含隐含价格变动空间与百分比差异 |
| 财务评分批量Financial Scores Bulk | /stable/scores-bulk | 以单次 CSV 流式响应批量返回全市场股票的 Piotroski F-Score与 Altman Z-Score截面 |
| 目标价汇总批量Price Target Summary Bulk | /stable/price-target-summary-bulk | 以单次 CSV 流式响应批量导出全市场覆盖股票的分析师目标价汇总截面 |
| ETF持股批量查询ETF Holder Bulk | /stable/etf-holder-bulk | ETF 持仓资产的详细清单，每项资产的持股数量、权重占比、市值 |
| 评级共识批量数据Upgrades Downgrades Consensus Bulk | /stable/upgrades-downgrades-consensus-bulk | 批量获取全部股票代码的分析师评级总览，一次请求即可拿到分析师上调评级、下调评级与共识推荐 |
| TTM 关键指标批量Key Metrics TTM Bulk | /stable/key-metrics-ttm-bulk | 以单次 CSV 流式响应批量导出全市场上市公司的滚动十二个月（TTM）关键财务指标截面 |
| TTM 财务比率批量Ratios TTM Bulk | /stable/ratios-ttm-bulk | 以单次 CSV 流式响应批量导出全市场上市公司的滚动十二个月（TTM）财务比率截面 |
| 同业公司批量Stock Peers Bulk | /stable/peers-bulk | 以单次 CSV 流式响应批量导出全市场上市公司的同行业可比公司映射全表 |