Executive Compensation Benchmark高管薪酬基准
该接口按指定年份返回全市场各二级细分行业的高管平均薪酬基准（Benchmark）统计表。通过对不同行业的平均高管薪酬水平进行横向汇总，它为评估单家公司管理层薪酬是否显著偏离行业常态提供了客观的横截面参照标尺。
https://quote-fmp.com/stable/executive-compensation-benchmark数据更新周期
Daily
接口说明
- 跨行业高管薪酬水平客观对标基线：不同行业的薪酬中枢天然存在巨大差异（如生物科技、软件巨头的高管股权激励远高于传统公用事业或区域零售）。该接口按标准细分行业汇总同年度的平均薪酬基准，避免在跨行业比较管理层激励成本时出现“张冠李戴”。
- 量化测算高管相对行业薪酬异常溢价：在公司治理量化评分中，将单家公司核心高管的实际平均薪酬除以本接口返回的“同年份、同细分行业薪酬基准值”，即可计算出标准化的行业相对薪酬溢价率，快速定位高管薪酬严重超标的异常公司。
- 追踪各行业高端人才争夺与景气热度：通过拉取连续多个年份的行业薪酬基准数据进行纵向对比，宏观与行业研究员可观察哪些新兴赛道正在经历高管薪酬包的激进扩张，侧面印证行业高端人才争夺强度与资本开支景气度。
- 跨模块关联接口：Company Profile by CIK（按 CIK 查公司概况） · Company Notes（公司债券与票据） · Stock Screener（条件选股） · Company Profile Data（公司概况）
请求参数
1 个参数| 参数 | 类型 | 要求 | 示例 | 说明 |
|---|---|---|---|---|
year | string | 可选 | 2024 | 目标财报/数据的年份，如 2023。 |
调用代码示例
Python 关键代码高管薪酬基准由 /stable/executive-compensation-benchmark 提供（可选 year），明细涵盖 industryTitle（行业分类名称）、year（年份）、averageCompensation（平均薪酬） 等 3 列。
resp = requests.get(
"https://quote-fmp.com/stable/executive-compensation-benchmark",
params={"year": "2024", "apikey": FMP_KEY},
timeout=15,
)
resp.raise_for_status()
df = pd.DataFrame(resp.json())
# 数值化核心指标列 year（年份）
df["year"] = pd.to_numeric(df["year"], 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 财年高管薪酬基准统计截面 | year=2024 | 指定 year=2024 调用 /stable/executive-compensation-benchmark，获取该年度的 industryTitle、year、averageCompensation（样本 industryTitle=ABRASIVE, ASBESTOS & MIS…）。 |
| 回溯 2023 财年高管薪酬基准历史变动 | year=2023 | 将 year 切换为 2023 请求 /stable/executive-compensation-benchmark，纵向比对 industryTitle、year、averageCompensation 的跨年变化。 |
解析 /stable/executive-compensation-benchmark 产出的高管薪酬基准（可选 year）时，注意 industryTitle（如 ABRASIVE, ASBESTOS & MIS…）在部分标的上可能为 null 或空串，下游关联前需做空值过滤。
本地维护高管薪酬基准底表（源自 /stable/executive-compensation-benchmark）时，主键定为 (industryTitle)；读取 year（年份，样本 2024）做横截面标准化前先剔除 NaN。
返回数据
3 个字段本接口示例响应共包含 3 个字段（数值型 2 个，文本/日期/布尔型 1 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 |
|---|---|---|---|
industryTitle | string | "ABRASIVE, ASBESTOS & MISC NONM…" | 行业分类名称 |
year | number | 2024 | 年份 |
averageCompensation | number | 784407.5555555555 | 平均薪酬 |
查看响应数据示例（原始 JSON）
[
{
"industryTitle": "ABRASIVE, ASBESTOS & MISC NONMETALLIC MINERAL PRODS",
"year": 2024,
"averageCompensation": 784407.5555555555
}
]常见问题解答（FAQ）
2 个问题在实际量化建模中，高管薪酬基准与 公司高管信息（/stable/key-executives）是如何互补联动的？
向 /stable/executive-compensation-benchmark 请求高管薪酬基准需遵循可选 year，返回 industryTitle（行业分类名称，样本 ABRASIVE, ASBESTOS & MIS…）等 3 项；而 Company Executives（公司高管信息）遵循必填 symbol并返回 8 项。
回测需要多期或多标的高管薪酬基准，调用 /stable/executive-compensation-benchmark 应该如何组织请求？
您可以按 year 过滤条件请求 /stable/executive-compensation-benchmark 并做非空校验；在落盘 高管薪酬基准 的 industryTitle 与 year 时，建议将原始响应分批转换为列式存储。
同模块相关接口对比
Executive Compensation本接口路径 /stable/executive-compensation-benchmark，无必填参数。 同一模块「Executive Compensation」下共 3 个接口，下表列出其余 2 个， 按粒度与查询维度对比，避免选错接口。