Agent Skills
返回列表
📊

EDGAR 工具

数据分析 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md 的说明,在你的 AI 助手中安装 @org-02qudk26/edgartools。

技能介绍

要解决什么问题

做美股基本面、合规或事件研究时,原始材料往往在 SEC EDGAR 的申报体系里:10-K/10-Q 财报、8-K 重大事项、Form 4 内部人交易、13F 持仓等。手工下载 PDF/HTML、再抠表格,既慢又难做可复现的多期对比。你需要的是按公司、表单类型和时间范围批量拉取申报,并拿到可编程的结构化对象,而不是零散文件链接。

技能如何工作

edgartools 是面向 EDGAR 的 Python 库,覆盖自 1994 年以来的申报记录。使用前 SEC 要求标识访问身份,应通过环境变量设置 EDGAR_IDENTITY="Your Name your@email.com",避免在代码里硬编码。

典型流程可以概括为四步:

  • 查找公司:按 ticker、CIK 或名称定位实体
  • 获取申报:按表单类型(如 10-K、10-Q)筛选 Filings 集合
  • 结构化提取:将申报映射为对应对象(如 TenK、TenQ),读取 financials、income_statement、balance_sheet 等
  • 深入内容:访问正文、附件与 XBRL 相关能力(细节见 bundled 参考文档)

常见表单与对象对应关系包括:10-K → TenK,10-Q → TenQ,8-K → EightK,Form 4 → Form4,13F-HR → ThirteenF 等。财务类数据应走 filing.obj().financials,而不是不存在的 filing.financials。

适用边界与注意点

  • get_filings() 没有 limit 参数;限制条数用 .head(n) 或 .latest(n)
  • 多期分析时建议 amendments=False,修订版申报有时字段不完整
  • 可选字段访问前先判 None,避免链式假设
  • 复杂场景(公司批量筛选、XBRL 事实查询、MCP/AI 集成)可对照技能内的 companies.md、filings.md、financial-data.md、xbrl.md 等参考文件按需加载

本技能适合已在 Python 环境做 SEC 数据管道或研究脚本的工程师;它不替代你对 SEC 表单语义与会计口径的理解。

使用场景

  • 按 ticker 或 CIK 定位公司后,批量下载近若干年的 10-K/10-Q,并用 `filing.obj().financials` 拉取利润表、资产负债表做多期对比
  • 监控特定发行人的 8-K 申报,读取 `EightK` 的 items 与 press_releases,整理重大事项时间线供事件研究使用
  • 从 13F-HR 申报解析 `ThirteenF` 的 infotable 与 total_value,对比相邻报告期的机构持仓变化
  • 追踪 Form 4 的 reporting_owner 与 transactions 字段,汇总内部人买卖记录并核对申报日期与交易明细

适合人员

  • 做美股基本面或因子研究的数据分析师,需要把 EDGAR 申报转成可脚本化的结构化财务与披露字段
  • 上市公司合规或 IR 支持岗,需按 CIK 检索最新申报类型并核对 8-K、DEF 14A 等披露要点
  • 负责 SEC 数据入库的数据工程师,要把 Filings 集合、附件与 XBRL 事实查询纳入定时 ETL 管道
  • 撰写竞品或持仓研究的投研助理,需从 ProxyStatement、Schedule13 等对象提取 executive_compensation 或 total_shares