AI 炒股，数据到底从哪儿来：零元到一年三万九，全测了一遍

先立两个前提

策略是人算出来的，AI 干的是执行提效的活儿——帮你把找数据、盯盘、跑流程加速，它不会替你变出来一个能赚钱的策略。所以这期不是投资建议，不推票、不讲买卖时机，只谈技术：AI 到底怎么拿数据、拿到的数据怎么才能信。

信息源其实分两块：交易数据和舆情。舆情水更深，这期不展开，只谈交易数据。

三层架构：选错层，全白忙

给 AI 喂股市数据，市面上是几条完全不同的路。很多人以为拿数据就是找个接口，真不是这样——这里面是三层。

通道层：命令行接口或直连 API，拿到的是 tick 级到秒级的行情，而且几乎不占 AI 的脑子。腾讯、新浪、东方财富的公开行情接口都在这一层。

方法层：各种 Skills 技能包——技术分析、缠论、希腊字母。技能包本身不产生数据，它有多新鲜，完全看背后连的是哪条通道：接到秒级通道上就能算秒级的东西，接到隔天数据上，算出来的就是隔天的。

查询层：各种 MCP。财报、股东、宏观数据是它的强项，但免费的 MCP 实测下来大多给的是十五分钟延迟甚至隔天的数据——它擅长的是广度，不是实时性。

免费这条路：一行命令，还能交叉自证

A 股秒级数据，零成本，一行命令就接上，门槛低到离谱。实测三个源同时打同一只票（茅台），三家的价格一分钱都不差——免费的东西还能交叉自证，这是这次调研最大的惊喜。

港股的坑更值得记住：同一个域名，代码前面多加两个字母拿到的是实时价（盘中实测与墙上的钟同一秒）；不加那两个字母，给你的是二十二分钟前的价，而且不报错。免费 MCP 问茅台，给的是前一天的收盘价，它也不报错、也不觉得有问题——这种「不报错但给你旧数据」比直接报错更危险。

还有一笔隐形账：Tushare 官方 MCP 两百多个工具、长桥一百四十多个，全量常驻在 AI 的上下文里。装得越多，AI 越容易挑错工具，Token 烧得也越快——上一期讲过的「工具税」。

价格阶梯：每一档钱买到什么

• 零元：A 股秒级 + 免费三源交叉验证，盘中看价够用
• 十九到二十九美金/月：买历史和广度（回测用），数据还是十五分钟延迟
• 九十九美金/月：美股全交易所真实时的最低门槛
• 一百九十九美金/月：tick 级数据 + 二十年历史 + 期权
• 万元级人民币/年：万得那种终端（单账号一年三万九千八，几年前媒体报道口径）——买的不只是数据，是授权、稳定、能对外引用的合规口径

券商是另一条路：长桥出了官方命令行工具，明说是给 AI 用的，tick 级、带盘口和经纪队列、能直接下单、有交易所授权；富途走本地网关同一个思路。机构那条路（Anthropic 金融版接 FactSet、标普全球、伦交所、晨星）报价不公开，知道有就行。

三条规矩：拿到数据不等于能信

一、每个数字必须带自己的时间戳回来，不许 AI 只说「最新价」——要几点几分几秒。

二、重要的数字两三个源同时打，对得上再往下走，对不上就停。

三、很多接口超了额度不报错，给你空值或者旧值，比报错更危险——拿时间戳自己验新鲜度。

二〇一〇年五月六号美股九分钟跌了近千点，监管报告里有个细节：纽交所的报价传到全国行情系统最多慢了五分钟，可报价上带的时间写的却是「当前」（报告结论说这个延迟不是当天暴跌的主因，但确认了现象真的发生过）。连官方系统都有时间戳名不副实的时候，自己接数据怎么能不验。

FinanceBench（二〇二三年的基准）发现：同一个模型，把原始财报整篇喂给它，跟让它自己去检索，成绩能差四倍。模型没换，变化的只是它拿到信息的方式。

这套方法论不只是股票——汇率、油价、竞品价格、库存，凡是要喂实时数据给 AI 的场景，思路都一样：先摸清数据来源的层次，再按场景选路，最后立好用数据的规矩。

商用红线

免费公开接口没有交易所授权、没有服务承诺，源站一改版就失效——只适合自己研究做原型。要进产品、对外发布，走券商或商业数据源，先谈许可。

来源:EP0070 数字人口播(pinpinvoice0717b 音色) · 文本=口播定稿真值 · 时间码 gemini-2.5-pro 逐句对齐(切段并发 ASR, 覆盖 98.2%)

[00:00] AI 炒股，数据到底从哪儿来？ 这个问题我最近花了 几天时间，从根上摸了一遍。 市面上所有能拿数据的路子， 我逐家实测， 价格逐家去官网核实， 最后做成了一个网页对照表。 价格、实时性、准确性， 三个维度拉出来横评， 挂在我的博客上， 大家可以去取用。 这期视频呢， 就是把我这次调研的成果， 梳理出来分享给大家。 那在正式开始之前， 有两件事我必须先讲清楚。

[00:27] 第一，策略是人算出来的，AI 干的是执行提效的活儿， 它不会替你变出来一个 能赚钱的策略。 这个认知大家一定要有。 第二，这期内容不是投资建议， 我不推票，不讲买卖时机， 我们只谈技术， 只谈怎么让 AI 把数据这件事儿干得更靠谱。 另外信息源其实分交易 数据和舆情两块，舆情水更深， 今天不展开， 我们只谈交易数据。 其实给 AI 喂股市数据， 市面上是几条完全不同的路，

[00:54] 差别特别大。 很多人以为， 拿数据不就是找个接口嘛， 但真不是这样。 我把它分成了三层架构， 大家可以理解成三个不同的层次。 最底层，我管它叫通道层。 就是那种命令行接口， 或者直连的 API， 拿到的是 tick 级到秒级的行情， 而且几乎不占 AI 的脑子。 像腾讯、新浪、 东方财富的公开行情接口， 都属于这一类。 它们的优势就是快，实时性高。 往上一层，是方法层， 也就是各种 Skills 技能包。

[01:21] 什么技术分析、缠论、希腊字母， 这些技能包本身不产生数据， 它们的数据有多新鲜， 完全看背后连的是哪条通道。 你给它接到秒级通道上， 它就能算秒级的东西； 接到隔天数据上， 算出来的就是隔天的。 再往上，是查询层，也就是各种 MCP。 财报、股东、宏观数据，这些是 MCP 的强项。 但是免费的 MCP，我实测下来， 大多给的是 十五分钟延迟甚至隔天的数据。

[01:48] 它擅长的是广度，不是实时性。 所以你看，同样是拿数据， 这三层架构的延迟、深度、 授权、价格，差别巨大。 这个认知如果没建立起来， 后面很容易踩坑。 那我们先说最让人意外的 一条路，就是免费的这条路。 A 股秒级数据，零成本， 一行命令就接上了， 门槛低到离谱。 我实测了三个源，腾讯、 新浪、东方财富的 公开行情接口。 一行命令打下去， 拿回来的数据带秒级时间戳，

[02:16] 还有五档盘口。 我把这三家同时打同一只票，茅台， 三家的价格一分钱都不差。 免费的东西，还能交叉自证， 这个是我这次调研最大的惊喜。 实话实说，我在测之前， 完全没想到免费接口能 做到这个程度。 那港股的坑就比较有意思了。 同一个域名， 你代码前面多加两个字母， 拿到的是实时价。 我盘中实测， 跟墙上的钟是同一秒。 不加那两个字母，它给你的， 是二十二分钟前的价，

[02:43] 而且不报错。 你如果不拿时间戳去验， 你根本不知道这个数据是旧的。 这个坑我踩了， 所以我一定要告诉大家。 那免费的 MCP 呢？ 我拿它去问茅台，它给我的， 是前一天的收盘价， 隔天的数据。 它也不报错，也不觉得有问题。 这种不报错但给你旧数据的 情况，比直接报错更危险， 因为你压根儿不知道出了问题。 而且还有一个问题， 就是工具说明书占脑子。 像 Tushare 的官方 MCP，两百多个工具，

[03:10] 长桥的，一百四十多个， 都是全量常驻在 AI 的上下文里。 你装得越多，AI 越容易挑错工具， Token 烧得也越快。 这个事儿我在上一期视 频里专门讲过， 我管它叫工具税。 所以不是工具越多越好， 你要按需来接。 那说完免费的， 我们来看整个价格阶梯， 以及不同的场景， 你到底该怎么选。 A 股盘中看价， 用免费三源交叉验证， 一分钱不花，秒级数据。 如果你需要历史和广度， 比如做回测，那价格是

[03:37] 十九到二十九美金一个月， 但数据还是十五分钟延迟的。 美股要真实时行情， 最低门槛是 九十九美金一个月， 这是全交易所真实时的最低档。 再往上，一百九十九美金 一个月，tick 级数据， 外加二十年历史， 期权数据也有。那再往上， 就是万元级人民币一年的 终端了，像万得那种， 一个账号一年三万九千八， 几年前媒体报的数。 它买的不只是数据， 是授权、稳定、 还有能对外引用的合规口径。 那券商这条路呢，

[04:05] 长桥出了官方的命令行工具， 明说了是给 AI 用的，tick 级， 带盘口和经纪队列， 还能直接下单，有交易所授权。 富途走本地网关， 也是这个思路。 港美股的深度盘口是 要花钱买的，这个大家要知道。 机构那条路， Anthropic 自己有个金融版， 今年五月上的， 接的是 FactSet、 标普全球、伦交所、晨星这些， 机构报价不公开， 那个不是个人玩的， 知道有这条路就行。 所以，不同的场景，

[04:31] 你选的路完全不一样。 我给大家几个典型的 决策参考：A 股盘中看价， 免费三源交叉，零成本。 美股要真实时行情， 九十九美金那档。 要 tick 级和期权， 一百九十九美金那档。 港美股要盘口深度还要下单， 走券商。 A 股财报、股东、宏观批量研究， Tushare 的积分制， 社区口径大概两百到五百元。 那有人可能就会问了， 为什么价格差这么多？ 其实背后的核心，

[04:57] 是授权、数据的深度和广度、 还有服务承诺。 免费接口没有授权， 没有承诺，源站一改版就失效。 商业数据源， 你花钱买的是 稳定性和合规性。 那拿到数据不等于能信， 你一定要立规矩。 我这次调研下来， 给自己定了三条铁律。 第一条，每个数字必须带 自己的时间戳回来。不许 AI 只说最新价， 我要看到那个时间戳， 我自己验新鲜度。 第二条，重要的数字， 两三个源同时打，

[05:25] 对得上再往下走。 免费三源交叉验证， 就是这条规矩的实践。 第三条，很多接口超了 额度不报错，给你空值， 或者给你旧值。 这个比报错更危险。 所以你一定要拿时间戳自己验。 那说到这，我想起一个案例。 二〇一〇年五月六号， 美股九分钟跌了将近一千点， 后来监管报告里有个细 节：纽交所的报价， 传到全国行情系统， 最多慢了五分钟， 可报价上带的时间， 写的却是当前。 报告结论说， 这个延迟不是当天暴跌的

[05:51] 主要原因， 但它确认了这个现象真的发生过。 你看，连官方系统都有这 种时间戳名不副实的情况， 我们自己接数据， 怎么能不验呢？ 还有一个研究，叫 FinanceBench， 二〇二三年的基准。 它发现同一个模型， 你把原始财报整篇喂给它， 跟让它自己去检索， 成绩能差四倍。模型没换， 变化的只是它拿到信息的方式。 这恰恰说明，数据喂法本身， 就是能力的一部分。 你喂的数据不准、不及时，

[06:18] AI 再聪明也给不出靠谱的结果。 那最后一点，商用红线。 免费公开接口， 没有交易所授权， 没有服务承诺， 源站一改版就失效。 只适合自己研究做原型。 你要进产品，对外发， 一定要走券商， 或者商业数据源，先谈许可。 这个雷不能踩。 搞清楚这套东西，AI 才能真正帮你干活。 而且这个方法论， 可以平移到一切实时数据上。 汇率、油价、竞品价格、库存，

[06:46] 但凡需要实时信息的场景， 思路都是一样的 先摸清数据来源的层次， 再按场景选路， 最后立好用数据的规矩。 完整的对照表，价格、实时性、 准确性横评， 我放在博客里了， 大家 Google 搜张拼拼就能找到。 这期内容就是这样， 我们下期再见，拜拜。