global-stock-data：给 AI 编程助手装上美股数据引擎

当你的 AI 助手想做美股分析，却连 Yahoo Finance 的 crumb 都拿不到

你对着 Claude Code 说：「帮我分析一下苹果最近的期权数据，看看有没有 0DTE 的机会。」

Claude Code 沉默了。

不是因为模型不够聪明，而是因为它根本没有获取美股数据的工具。它不懂去哪里拿期权链、不懂怎么查 SEC 申报、不懂如何追踪做空数据。你不得不自己去东财、Yahoo Finance、Wind 一个个查，然后把数据粘贴给 AI——这完全绕过了 AI 编程助手存在的意义。

global-stock-data 就是来解决这个问题的。它是一个专门为 AI 编程助手设计的数据工具包，让 AI 在代码里直接调取美股/港股全栈数据：实时行情、技术指标、期权希腊字母、SEC 文件、做空比率……全部零鉴权，只需要一个 requests 库。

十三层数据架构：每一层解决一个现实痛点

这个项目的数据来源分布相当专业，作者 Simon Lin 在 SKILL.md 里做了详细梳理，整体架构分 V1 基础八层 + V2.0 新增五层：

基础层（V1）

• 行情层：新浪财经（36字段）、腾讯财经（71字段）、东财 push2，三路冗余，实时报价互为备份
• K线层：新浪（可回溯至1984年历史日K）+ Yahoo Chart（零 crumb），覆盖日/周/月/分钟各级别
• 技术指标层：MA/EMA/MACD/RSI/KDJ/布林带，全部纯 Python 计算，零额外依赖
• 基本面层：东财三表（资产负债+利润+现金流）+ Yahoo 23个模块 + SEC EDGAR XBRL 503个 GAAP 指标
• 资金面层：东财日级资金流，主力/大单/中单/小单全口径
• 期权层：Yahoo crumb 获取期权链（港股不在 Yahoo 覆盖范围）
• SEC Filing 层：EDGAR submissions + XBRL 结构化财务数据
• 工具层：东财搜索 + Yahoo 新闻 + SEC CIK 映射

官方源增强层（V2.0）

• CBOE 官方期权：从 cdn.cboecom 拿完整的希腊字母（delta/gamma/vega/theta/rho）+ IV 曲面 + 0DTE 异动 flow
• FINRA 做空数据：Reg SHO 全市场每日空头成交量，实测覆盖 12,112 只股票，支持个股时序和全市场排行
• SEC 申报事件流：EDGAR 每日索引，Form4 内部人、8-K、13F 机构持仓当日全量，可检索 2001 年至今所有申报正文
• EDGAR 全市场横截面：任意 XBRL 标签一次拿全市场（1,842～5,309 家），实现免费的全市场财务筛选
• 宏观/日历：美债收益率曲线 + CFTC COT 持仓报告 + Nasdaq 财报日历（含盘前盘后+EPS 预期）

作者在合规分级上下了功夫：每个数据源都标注了合规级别，区分了哪些可商用可再分发（S级）、哪些需自行确认（B级）、哪些需授权（C级）。这不是空话——SEC EDGAR 的条款原文直接写着 "allow scripted access"，而 Yahoo Finance 的 crumb 虽然能跑，但条款并不完全开放。

这个工具究竟能做什么？三个具体场景

场景一：期权 0DTE 策略回测

你需要查某只股票当天的所有 0DTE 期权合约，包括隐含波动率、delta、gamma 等希腊字母。用 CBOE 官方接口获取全链数据，筛选出当天到期的合约，结合技术指标判断是否有操作机会。AI 直接生成 Python 代码，调用对应端点，跑出结果。

场景二：追踪机构持仓变化

13F 机构持仓每季度更新一次，但 13F 的 raw data 极难解析。直接调 EDGAR XBRL 接口，按机构名称 + 持仓变化筛选，AI 帮你生成报告：哪家机构在加仓科技股、哪家在减持金融股。

场景三：全市场财务筛选

想找营收增长超过 30%、毛利率超过 50%、市值在 50～200 亿美元的科技公司？EDGAR frames 接口可以一次拿全市场 3,000+ 家公司的同一 XBRL 标签，AI 在此基础上做筛选，比东财筛选器更快、更灵活。

使用门槛：真的只需要懂 Python

这个项目的设计哲学是零门槛嵌入 AI 工作流。如果你使用 Claude Code（或其他支持 Skill 注入的 AI 编程助手），直接把 SKILL.md 放到 ~/.claude/skills/global-stock-data/ 目录下，AI 在对话中会自动识别并激活这个技能——这意味着你可以直接用自然语言向 AI 描述你想要的数据，AI 读 SKILL.md 后自己调用对应函数。

即使不用 Claude Code，也可以直接把 Python 代码拷贝到自己的脚本里。唯一的依赖是 requests（标准库之外），Python 版本要求 3.9+。

从部署角度，这是一个纯数据获取库，不需要 GPU、不需要大内存，一台普通的 Linux/Windows/Mac 机器即可运行。

局限与风险：合规不是说说而已

需要正视几个问题：

数据合规是真实约束，不是免责声明。 项目里对每个数据源做了合规分级，但最终的合规判断责任在使用者。例如东财和新浪的数据属于 C 级——"可商用需自行确认"，如果你的应用在中国大陆商业化，使用这些数据源需要自行核实是否违反各平台的服务条款。

数据非实时：大多数源是延时数据（15分钟以上），不适合高频交易。0DTE 期权分析如果需要实时数据，这个工具无法满足。

国内访问 SEC/FINRA/CBOE 可能受限：东财/新浪/腾讯在国内访问稳定，但 SEC EDGAR、FINRA、CBOE 是海外源，国内直连可能超时，建议配置代理。项目文档中作者也明确提到了这一点。

零鉴权不等于无限制：SEC EDGAR 明确要求声明 User-Agent 且有 10 req/s 的硬上限，大规模调用需要加代理层和缓存。

行业意义：把「AI 写代码」变成「AI 做投资研究」

这个项目的价值在于重新定义了 AI 编程助手的应用边界。传统上，AI 编程助手擅长写代码、做文档、调试 bug，但一涉及实时数据就哑火。global-stock-data 把这个缺口堵上了——让 AI 能够访问真实的市场数据，并在此基础上做分析、生成策略、回测逻辑。

从趋势上看，这代表了一个方向：AI 编程助手正在从"代码生成工具"演进为"专业领域的智能体"。Simon Lin 同期还维护了一个 a-stock-data 项目（覆盖 A 股），两者组合可以覆盖全球主要股票市场。

GitHub 上 1,632 颗星（增长趋势稳健）、持续的版本迭代（V2.0 大版本更新）、作者在 X 上的活跃运营，都说明这个项目不是一时兴起，而是有长期维护意愿的实用工具。