2026年FMP 数据 API 最新深度测评：财报粒度、数据时效、竞品比较与短板

选美股数据接口时，最没参考价值的就是那种给所有平台都打“四星半”、通篇只写“数据丰富、响应迅速”的软文。真正在生产环境里写过取数脚本的人心里很清楚，决定一套 API 能不能留下来干活的，只有四个硬问题：财报字段能不能跟 SEC 10-K/10-Q 原文逐分钱对上账？所谓“实时/每日更新”在底层是怎么触发的？跟同价位竞品比到底强在哪、缺在哪？有哪些坑是不跑代码绝对发现不了的？

如果你正在评估 FMP（Financial Modeling Prep），先把我们梳理完 283 个接口、1,429 个字段释义，并拿苹果（AAPL）与台积电（TSM）截至 2026 年 10 月的真实返回数据逐项实测对账后的结论摊在桌面上：

它最值钱的家底在「公司基本面纵深」：同价位美股 API 里，FMP 的财报与周边材料最成体系——除了 30+ 年的标准化三大报表、66 项财务比率、TTM 滚动表外，它同时提供 SEC 原始申报报表（As Reported XBRL）、按产品与按地区拆分的营收、财报电话会文字稿、13F 机构持仓与 DCF 估值。
工程调用规整，没有乱七八糟的嵌套：全站现行接口已统一收敛到 /stable/ 路径前缀，参数清一色走 Query String（?symbol=AAPL），返回体直接是扁平 JSON 数组，配合 Bulk 全市场批量接口，建本地基本面库非常顺手。
三条劝退红线（买前必看）：

别拿它当高频 Tick 引擎：FMP 没有美股常规时段的逐笔成交（Trades）、没有历史 NBBO 买卖盘口明细，也没有任何期权链接口。做盘口订单流或期权策略的，直接去用 Massive（原 Polygon.io），别在 FMP 上浪费时间。
跨国公司 ADR 必查计价币种：比如台积电（TSM）的行情报价是美元（USD），但财报原币是新台币（TWD），不看 reportedCurrency 直接拿股价除以 EPS 会算出 1.28 倍 PE 的笑话。
官方分档卡得很死：电话会文字稿、13F 持仓、1 分钟盘中线与 Bulk 批量接口，在官方原站全部锁在最高档 Ultimate（单月标价 139 美元/月）。

下面按 财报对账实测、更新触发机制、四方硬指标横评、4 个工程暗坑、Python 自动体检脚本 五部分逐一拆开（注：文中实盘数据与官方套餐规则核对截至 2026 年 10 月，如有变动以各平台最新公示为准）。

测评一：财报颗粒度与可对账性——能不能跟 SEC 原文对上账？

很多廉价 API 只给你返回营业收入、净利润、总资产十来个粗线条字段，一旦回测因子出现异常极值，根本没法往下追查。我们在梳理本站财务报表分类下的全部接口时，直接用 AAPL 的实盘返回数据做了三层对账测试。

1. 标准化报表 vs As Reported 原始报表：为什么两套都得有？

写跨公司选股脚本时，你需要全美几千家公司的“营业收入”都叫 revenue、“研发费用”都叫 researchAndDevelopmentExpenses，否则没法用同一行代码算横截面因子；但不同公司在 SEC 10-K 里上报的 XBRL 会计科目名称千差万别，数据商在做标准化归并时，难免会把某些特殊科目合并掉。

FMP 的做法是两套接口同时给。我们直接拉取 AAPL 2025 财年年报（2025-09-27）在两套接口下的真实返回做个对照。

先看标准化利润表（/stable/income-statement）：

// GET /stable/income-statement?symbol=AAPL&period=annual&limit=1
// 固定输出 39 个标准化字段（此处节选核心科目），适合全市场横截面选股与因子计算
[
  {
    "date": "2025-09-27",
    "symbol": "AAPL",
    "reportedCurrency": "USD",
    "cik": "0000320193",
    "filingDate": "2025-10-31",
    "acceptedDate": "2025-10-31 06:01:26",
    "fiscalYear": "2025",
    "period": "FY",
    "revenue": 416161000000,
    "costOfRevenue": 220960000000,
    "grossProfit": 195201000000,
    "researchAndDevelopmentExpenses": 34550000000,
    "sellingGeneralAndAdministrativeExpenses": 27601000000,
    "operatingIncome": 133050000000,
    "netIncome": 112010000000,
    "eps": 7.49,
    "epsDiluted": 7.46
  }
]

再看同一期年报在原始申报利润表（/stable/income-statement-as-reported）里的返回：

// GET /stable/income-statement-as-reported?symbol=AAPL&period=annual&limit=1
// data 字典内保留苹果向 SEC 提交的 XBRL 原始科目键名（含外币折算、套保损益等细项）
[
  {
    "symbol": "AAPL",
    "fiscalYear": 2025,
    "period": "FY",
    "reportedCurrency": "USD",
    "date": "2025-09-27",
    "data": {
      "revenuefromcontractwithcustomerexcludingassessedtax": 416161000000,
      "costofgoodsandservicessold": 220960000000,
      "grossprofit": 195201000000,
      "researchanddevelopmentexpense": 34550000000,
      "sellinggeneralandadministrativeexpense": 27601000000,
      "operatingincomeloss": 133050000000,
      "netincomeloss": 112010000000,
      "othercomprehensiveincomelossforeigncurrencytransactionandtranslationadjustmentnetoftax": -267000000,
      "othercomprehensiveincomelosscashflowhedgegainlossbeforereclassificationaftertax": 849000000
    }
  }
]

可以看到，主表核心科目（如总营收 4,161.61 亿美元、净利润 1,120.10 亿美元）两边分毫不差；而像外币折算调整（-2.67 亿美元）、现金流套期保值未重分类损益（8.49 亿美元）这类只有啃 10-K 附注才能看到的原始 XBRL 科目，在 As Reported 接口里全部原样保留。平时跑量化选股用标准表（利润表、资产负债表、现金流量表及 TTM 滚动表），遇到个股异常值再去查原始申报报表，这条证据链是完全闭环的。

2. 财报「六格身份证」与一个老教程常写错的字段迁移坑

判断一家基本面 API 能不能进严谨的回测系统，关键看每条财报记录有没有带齐“身份与时间元数据”。我们以 AAPL 2026 财年 Q3 季报（截至 2026-06-27）的实测返回为准，逐项核对了六个核心维度：

核对维度	FMP 对应字段名	实测返回值（AAPL 2026Q3）	工程回测中缺了它会出什么事故？
1. 主体唯一标识	`symbol` + `cik`	"AAPL" / "0000320193"	股票代码可能更名或退市重用，只有 SEC 的 10 位 `cik` 编号终身唯一
2. 财期归属	`date` + `fiscalYear` + `period`	"2026-06-27" / "2026" / "Q3"	苹果财年 9 月底结束，自然年二季度其实是苹果财年 Q3，不看 `fiscalYear` 横向对比必错位
3. 披露时间戳	`filingDate` + `acceptedDate`	"2026-07-31" / "2026-07-31 06:01:02"	若拿 `date`（6月27日）当可用日回测，等于提前 34 天偷看未来财报（前视偏差）
4. 计价币种	`reportedCurrency`	"USD"（台积电 TSM 则为 "TWD"）	跨国 ADR 股价是美元、财报是本币，不校验币种直接算估值比率会差出几十倍
5. 股本基准	`weightedAverageShsOut` / Dil	14692515000 / 14750302000	苹果常年大额回购，期末时点股本与财季加权平均稀释股本存在系统性差异
6. SEC 原件直链	`link` + `finalLink`（已迁至 SEC 检索接口）	见下方 `/stable/sec-filings-search/symbol` 实测	发现异常数据时，直接拿 `.htm` 直链跳回 SEC EDGAR 原始申报文件核对

这里专门提醒一个 /api/v3/ 迁 /stable/ 的改动坑：网上很多旧版教程会告诉你，FMP 利润表返回体里直接带着 link 和 finalLink 两个字段。但在现行 /stable/ 架构下，FMP 把三大报表的字段固定收敛为纯财务数据（利润表 39 个字段、资产负债表 61 个字段），原件链接已剥离到专门的按代码检索 SEC 申报接口（/stable/sec-filings-search/symbol）。

把这两个接口结合起来看，还能发现一个非常细腻的量化实盘细节。我们拉取 AAPL 在 2026-07-30 至 2026-07-31 的 SEC 申报记录：

// GET /stable/sec-filings-search/symbol?symbol=AAPL&from=2026-07-30&to=2026-08-02
[
  {
    "symbol": "AAPL",
    "cik": "0000320193",
    "filingDate": "2026-07-31 00:00:00",
    "acceptedDate": "2026-07-31 06:01:02",
    "formType": "10-Q",
    "link": "https://www.sec.gov/Archives/edgar/data/320193/000032019326000020/0000320193-26-000020-index.htm",
    "finalLink": "https://www.sec.gov/Archives/edgar/data/320193/000032019326000020/aapl-20260627.htm"
  },
  {
    "symbol": "AAPL",
    "cik": "0000320193",
    "filingDate": "2026-07-30 00:00:00",
    "acceptedDate": "2026-07-30 16:30:28",
    "formType": "8-K",
    "link": "https://www.sec.gov/Archives/edgar/data/320193/000032019326000018/0000320193-26-000018-index.htm",
    "finalLink": "https://www.sec.gov/Archives/edgar/data/320193/000032019326000018/a8-kex991q3202606272026.htm"
  }
]

注意看时间戳：苹果是在美东时间 7 月 30 日下午 16:30:28（盘后刚收盘） 先交了 8-K 业绩快报（a8-kex991q3202606272026.htm），次日清晨 7 月 31 日 06:01:02（盘前） 才正式向 SEC 提交完整的 10-Q XBRL 季报，而利润表接口里的 acceptedDate（"2026-07-31 06:01:02"）精确到秒对准的就是这份 10-Q。也就是说，做日频或盘前调仓回测时，拿利润表的 acceptedDate 做截断已经足够精确；如果你做的是财报盘后几分钟的事件驱动策略，则应该同时监听 8-K 申报流。

3. 衍生指标与健康评分：拒绝黑盒，算式可查

除了基础三表，FMP 还算好了财务比率、关键指标 TTM、财务健康评分以及巴菲特股东盈余（Owner Earnings）。比如实测调用 /stable/financial-scores?symbol=AAPL，会直接返回苹果当前的 Piotroski F-Score（piotroskiScore: 9 满分） 与 Altman Z-Score（altmanZScore: 13.49），并附带计算所用的营运资金（workingCapital: 492000000）、留存收益（retainedEarnings: 11326000000）、EBIT（155386000000）等底稿字段。为了防止开发者把衍生指标当黑盒乱用，我们在站内的财务计算公式库里把全部 66 项比率与评分的分子、分母和检验逻辑拆解公开，随时可以拿基础表数据反向验算。

测评二：数据更新时效与历史深度——底层按什么节奏刷？

不同类型的数据在物理生成机制上就不是一个刷新频率。我们梳理了 FMP 官方针对 243 个接口标注的更新周期元数据（cycle_times），结合实盘轮询体验汇总如下：

数据大类	官方标注更新频率	底层触发机制与工程实测体感	站内对应分类入口
实时报价与盘中 K 线	实时（Real-Time）	交易时段内随盘中报价与分钟聚合实时刷新，支持 REST 轮询与 WebSocket 订阅	实时行情 · 股票行情
财经新闻与突发快讯	实时 ~ 5–15 分钟	聚合主流财经媒体与公司新闻稿，盘中滚动入库	财经新闻
三大报表 / 13F / SEC 申报	按披露日驱动（Filing Date）	财报不会每天变，而是上市公司向 SEC 提交 10-K/10-Q/13F 后秒级~分钟级触发解析入库	财务报表 · SEC 文件 · 机构持仓 13F
内部人交易 / 国会交易	每日（Daily）或披露驱动	随高管 Form 4 申报（如 AAPL 2026-10-19 的两笔 Form 4）及参众议员定期披露入库刷新	内部人交易 · 国会交易
分析师评级 / 目标价 / DCF	每 1~6 小时 / 每日	盘前盘后汇总大行评级变动，并结合最新收盘价重算估值比率与 DCF（如 2026-10-21 AAPL `dcf: 135.63` vs 股价 339.5）	分析师数据 · DCF 估值
市场日历（财报/分红/拆股）	每 4~6 小时 / 每日	动态同步公司最新公告的排期与除权除息变动	市场日历 · 财报日历

历史深度方面：美股核心标的三大报表、财务比率与日线行情可回溯 30 年以上（至 1980~1990 年代）；财报电话会文字稿接口与分析师预期通常覆盖 10~15 年以上；同时配有从 1990 年代至今的标普 500 历史成分股进出记录与退市公司名单，用来消除长周期回测的幸存者偏差足够扎实。

测评三：四方硬指标横评——FMP vs Massive vs Alpha Vantage vs yfinance

把 FMP 放进主流美股数据源坐标系里，直接对比 8 项决定你代码怎么写的硬指标：

对比维度	FMP（FMP数据源中文站 `fmpquote.com`）	Massive（原 Polygon.io，Massive数据源中文站 `massivequote.com`）	Alpha Vantage	`yfinance`（非官方爬虫库）
核心定位	美股与全球公司基本面数据仓 + 中低频行情	美股全市场微观行情引擎 + 期权期货	传统综合入门 API + 技术指标	个人免费抓 Yahoo 网页脚本
三大报表与 As Reported	极强（30+年标准表 + TTM + 分部营收 + SEC 原始表）	基础（提供标准三表与 Ratios，自 2009 年起，无原始表与分部拆解）	中等（提供年报/季报，历史跨度与细分不及 FMP）	弱（仅最近 4~5 期简表，字段常随网页改版缺失）
电话会纪要 / 13F / 国会交易	全部内置（电话会全文、13F 归因、参众两院交易）	无电话会文字稿、无国会交易	有部分电话会文本，无 13F 深度归因与国会交易	无
股票逐笔成交与 NBBO 盘口	无（仅有实时快照与分钟/日线）	极强（纳秒级逐笔 Trades、成交条件码、NBBO 报价流）	无逐笔与盘口明细	无
期权链与美盘期货	无期权、无期货合约链（仅有大宗商品现货/连续报价）	极强（期权合约全链与 Greeks、CME/CBOT/NYMEX/COMEX 期货）	期权历史数据极有限	仅能抓当期页面期权表，无历史期权链
历史日线复权与 VWAP 算法	提供独立不复权与分红复权序列；日线 `vwap` 为日 K 价格简单均值（非逐笔加权）	`adjusted=true` 仅做拆合股调整；日线 `vw` 为全天几十万笔真实成交额除以总股数的真 VWAP	提供 `TIME_SERIES_DAILY_ADJUSTED`	提供 `Adj Close`，偶发拆股因子错乱
全市场批量建库（Bulk）	18 个 HTTP Bulk 接口（按年/季拉全市场财报、按日拉 EOD）	S3 Flat Files（按日归档全市场逐笔/分钟/日线文件）	批量能力弱，主要靠单股轮询	无批量接口，多并发极易触发 HTTP 429 封 IP
最适合的典型任务	基本面量化、财报深挖、AI 投研 Agent、中低频多因子回测	盘中高频监控、订单流分析、期权策略、大体量 Tick 同步	教学演示、小规模单股技术指标验证	零预算练手、临时拉十几只股票看个大概

选型分界线非常清楚：

研究离不开财报细项、分部收入、电话会文字稿、13F 或 DCF 估值，选 FMP；
要做盘口逐笔、NBBO 报价、日内真 VWAP 或期权期货策略，直接去查我方另一座中文站 Massive 中文文档站（massivequote.com）（两家底层字段的逐行对拍可看本站《FMP vs Massive：做美股研究，应该怎么选？》）；
还在用 yfinance 跑每日定时任务被 429 Too Many Requests 折磨的，切到结构化商业 API 省下的排障时间远超订阅费。

测评四：不回避缺点——接入 FMP 前必须心里有数的 4 个工程暗坑

把短板和暗坑在写代码前摸清楚，能少走很多弯路：

1. 跨国公司与 ADR 的「股价币种 ≠ 财报币种」大坑（以台积电 TSM 实测为例）

FMP 覆盖全球 70,000+ 只证券，但写全市场批量选股脚本时，很多人会默认美股代码返回的财报都是美元（USD）。我们直接对比台积电美股 ADR（TSM）在实时报价接口和利润表接口下的真实返回：

// 1. GET /stable/quote?symbol=TSM （纽交所行情：美元计价）
[
  {
    "symbol": "TSM",
    "name": "Taiwan Semiconductor Manufacturing Company Limited",
    "price": 425.08,
    "marketCap": 2204668918400,
    "exchange": "NYSE"
  }
]

// 2. GET /stable/income-statement?symbol=TSM&period=annual&limit=1 （财报：新台币 TWD 计价！）
[
  {
    "date": "2025-12-31",
    "symbol": "TSM",
    "reportedCurrency": "TWD",
    "cik": "0001046179",
    "filingDate": "2026-04-16",
    "acceptedDate": "2026-04-16 06:05:49",
    "fiscalYear": "2025",
    "period": "FY",
    "revenue": 3809054300000,
    "netIncome": 1697604000000,
    "eps": 331.3,
    "epsDiluted": 331.25
  }
]

看清楚这两个数字：TSM 在纽交所的股价是 425.08 美元，而它 2025 年报里的营收是 3.81 万亿新台币、稀释每股收益（按 ADR 折算口径）是 331.25 新台币。如果你的代码没校验 reportedCurrency == "USD"，直接拿美元股价 425.08 除以 331.25，就会算出台积电市盈率只有 1.28 倍，导致价值选股模型永远把台积电、阿斯麦（ASML，欧元财报）、丰田（TM，日元财报）排在全市场第一名。入库前必查 reportedCurrency，非美元报表必须先调外汇行情接口按期末汇率做币种折算。

2. 日线 `vwap` 字段是日 K 价格简单均值，不是逐笔成交额加权

在 FMP 的历史日线接口（/stable/historical-price-eod/full）里有一个 vwap 字段。需要注意的是，它并不是用全天逐笔成交额除以成交量算出来的真 VWAP，而是基于日 K 线价格算出的简单均值：在当日未定盘快照（或静态文档未结算示例）中等于三价典型价 (high + low + close) / 3，而在历史已结算日线中统一等于四价均值 (open + high + low + close) / 4（例如 AAPL 在 2026-10-19 四价为 340.78 / 346.0 / 340.12 / 342.94，均值为 342.46，接口返回的 vwap 即为 342.46）。如果策略需要全天逐笔成交量加权的真 VWAP，请改用 Massive。

3. 官方原站的价格梯度陡峭，核心接口锁在顶配档

在 FMP 英文官网，入门档 Starter（年付折算 19 美元/月，按月单买 29 美元/月）仅开放美股最近 5 年历史，不给季度细分、不给电话会、不给 13F、不给 1 分钟盘中线，也不开放 Bulk 批量接口；要想用齐这些深度接口，官方必须上到 Ultimate 档（年付 1,188 美元/年，或按月付 139 美元/月）。

4. 海外源站国内直连易抖动

FMP 官方源站部署在海外，国内服务器或本地机器直接高并发拉取几千只股票财报或几十兆的 Bulk 文件时，经常遇到 TLS 握手超时或连接被重置（RemoteDisconnected），写批处理脚本时必须做好重试与断点续传，或者直接走国内加速网关。

测评五：一段代码自己验——FMP 财报恒等式与净债务勾稽体检脚本

光听别人说数据准不准没意义，最稳妥的办法是用代码对目标接口做一次自动化审计。下面这段 Python 脚本专门检验 FMP 资产负债表最近 4 个季度的四项硬指标：

核心字段非空率；
披露滞后天数（filingDate - date）；
资产负债表第一恒等式：totalAssets == totalLiabilities + totalStockholdersEquity（总资产 = 总负债 + 股东权益合计）；
净债务勾稽关系：netDebt == totalDebt - cashAndCashEquivalents（净债务 = 总债务 − 现金及现金等价物）。

代码内嵌了我们刚从 /stable/balance-sheet-statement 实盘拉取的苹果（AAPL）2025Q4 ~ 2026Q3 四个季度真实返回样本，无需 API Key 直接复制即可在本地运行；设置环境变量 FMP_API_KEY 后即可对任意美股做在线体检：

import json
import os
import urllib.parse
import urllib.request
from datetime import datetime

# 内嵌 FMP /stable/balance-sheet-statement?symbol=AAPL&period=quarter&limit=4 实盘返回样本（免 Key 零依赖直接可跑）
SAMPLE_BALANCE_SHEET = [
    {
        "date": "2026-06-27",
        "symbol": "AAPL",
        "reportedCurrency": "USD",
        "cik": "0000320193",
        "filingDate": "2026-07-31",
        "acceptedDate": "2026-07-31 06:01:02",
        "fiscalYear": "2026",
        "period": "Q3",
        "cashAndCashEquivalents": 39544000000,
        "totalAssets": 383266000000,
        "totalLiabilities": 275746000000,
        "totalStockholdersEquity": 107520000000,
        "totalDebt": 84307000000,
        "netDebt": 44763000000,
    },
    {
        "date": "2026-03-28",
        "symbol": "AAPL",
        "reportedCurrency": "USD",
        "cik": "0000320193",
        "filingDate": "2026-05-01",
        "acceptedDate": "2026-05-01 10:01:00",
        "fiscalYear": "2026",
        "period": "Q2",
        "cashAndCashEquivalents": 36328000000,
        "totalAssets": 371082000000,
        "totalLiabilities": 264591000000,
        "totalStockholdersEquity": 106491000000,
        "totalDebt": 84711000000,
        "netDebt": 48383000000,
    },
    {
        "date": "2025-12-27",
        "symbol": "AAPL",
        "reportedCurrency": "USD",
        "cik": "0000320193",
        "filingDate": "2026-01-30",
        "acceptedDate": "2026-01-30 06:01:32",
        "fiscalYear": "2026",
        "period": "Q1",
        "cashAndCashEquivalents": 45317000000,
        "totalAssets": 379297000000,
        "totalLiabilities": 291107000000,
        "totalStockholdersEquity": 88190000000,
        "totalDebt": 90509000000,
        "netDebt": 45192000000,
    },
    {
        "date": "2025-09-27",
        "symbol": "AAPL",
        "reportedCurrency": "USD",
        "cik": "0000320193",
        "filingDate": "2025-10-31",
        "acceptedDate": "2025-10-31 06:01:26",
        "fiscalYear": "2025",
        "period": "Q4",
        "cashAndCashEquivalents": 35934000000,
        "totalAssets": 359241000000,
        "totalLiabilities": 285508000000,
        "totalStockholdersEquity": 73733000000,
        "totalDebt": 112377000000,
        "netDebt": 76443000000,
    },
]

REQUIRED_FIELDS = [
    "date", "filingDate", "acceptedDate", "reportedCurrency", "cik",
    "totalAssets", "totalLiabilities", "totalStockholdersEquity", "totalDebt", "netDebt",
]

def fetch_balance_sheet(symbol="AAPL"):
    api_key = os.getenv("FMP_API_KEY")
    if not api_key:
        print("[提示] 未设置 FMP_API_KEY，使用内嵌 AAPL 2025Q4~2026Q3 实盘样本执行体检：\n")
        return SAMPLE_BALANCE_SHEET

    qs = urllib.parse.urlencode({"symbol": symbol, "period": "quarter", "limit": 4, "apikey": api_key})
    url = f"https://quote-fmp.com/stable/balance-sheet-statement?{qs}"
    with urllib.request.urlopen(url, timeout=10) as resp:
        return json.loads(resp.read().decode("utf-8"))

if __name__ == "__main__":
    records = fetch_balance_sheet("AAPL")
    header = f"{'财季':<8} | {'币种':<4} | {'披露滞后':<8} | {'字段完整率':<10} | {'资产=负债+权益':<14} | {'净债务勾稽校验'}"
    print(header)
    print("-" * len(header))
    for row in records:
        fy_q = f"{row['fiscalYear']}-{row['period']}"
        d_end = datetime.strptime(row["date"], "%Y-%m-%d")
        d_file = datetime.strptime(row["filingDate"], "%Y-%m-%d")
        lag_days = f"{(d_file - d_end).days} 天"

        present = sum(1 for k in REQUIRED_FIELDS if row.get(k) is not None)
        completeness = f"{present}/{len(REQUIRED_FIELDS)} ({present * 100 // len(REQUIRED_FIELDS)}%)"

        bs_diff = row["totalAssets"] - (row["totalLiabilities"] + row["totalStockholdersEquity"])
        bs_str = "通过 (误差 0)" if bs_diff == 0 else f"偏差: {bs_diff}"

        nd_diff = row["netDebt"] - (row["totalDebt"] - row["cashAndCashEquivalents"])
        nd_str = "通过 (误差 0)" if nd_diff == 0 else f"偏差: {nd_diff}"

        print(f"{fy_q:<8} | {row['reportedCurrency']:<4} | {lag_days:<8} | {completeness:<10} | {bs_str:<14} | {nd_str}")

运行输出如下——四个季度的资产负债恒等式与净债务勾稽误差全部是 0，且每期季报的披露滞后稳定在 34 天：

财季       | 币种   | 披露滞后     | 字段完整率      | 资产=负债+权益       | 净债务勾稽校验
----------------------------------------------------------------------------
2026-Q3  | USD  | 34 天     | 10/10 (100%) | 通过 (误差 0)      | 通过 (误差 0)
2026-Q2  | USD  | 34 天     | 10/10 (100%) | 通过 (误差 0)      | 通过 (误差 0)
2026-Q1  | USD  | 34 天     | 10/10 (100%) | 通过 (误差 0)      | 通过 (误差 0)
2025-Q4  | USD  | 34 天     | 10/10 (100%) | 通过 (误差 0)      | 通过 (误差 0)

谁最适合接 FMP？国内团队怎么省钱省心地跑起来？

把上面所有实测表现收个口，FMP 最适合三类任务：

美股基本面量化与多因子回测：需要 30 年标准财报、acceptedDate 秒级披露时间戳、标普 500 历史进出名单与退市公司库。
投研工作台与行情看板开发：需要用一套 /stable/ 接口同时搞定 K 线、三大报表、产品/地区营收拆解、分析师目标价、13F 机构持仓与市场日历。
AI 投研与大模型 Agent：需要结构化的财报电话会文字稿接口、SEC 10-K/8-K 申报检索与公式透明的财务指标计算说明。

如果你不想被“啃几百页英文会计术语、国内直连海外源站超时、官方顶配 Ultimate 档一上来要付 139 美元/月”这三件事卡住，可以直接用本站 FMP数据源中文站（fmpquote.com） 的国内直连加速网关（https://quote-fmp.com）。路径、参数、返回 JSON 与 FMP 官方 Ultimate 档 REST 接口原样一致，不用改一行解析代码，按每分钟请求数（RPM）和滚动 30 天流量分档，支持按月灵活订阅（详见定价与会员套餐）。

你可以先去翻翻本站的完整接口目录，或者直接到登录页领一个 1 个月免费试用 Key，把上面的 Python 脚本换成你手头正在研究的股票跑一遍，亲眼核对一下返回字段再做决定。