# 今年我買了一套很貴的美股資料，然後找到這份公開的

> 介紹一份公開的美股歷史資料：日線股價、法說會逐字稿、財務三表、公司新聞，而且下市公司的歷史都留著。一個付費用戶的實測心得，附開始使用的方法與一個該注意的地方。教育與方法論用途。

Published: 2026-09-04
Locale: zh-TW
Tags: data, backtest, education, methodology

TL;DR: 公開取得、每天更新、下市公司都留著。用之前先知道它的假設是什麼。


![今年我買了一套很貴的美股資料，然後找到這份公開的](/covers/free-us-stock-data-dividend-trap.png)

> *事莫明於有效，論莫定於有證。*<br/>
> —— 王充《論衡・薄葬》（東漢，約 1 世紀）

想自己做點美股研究的人，第一關通常卡在資料。

公開的來源大多只給最近幾年、只給還在交易的公司，或者查個幾十次就被擋。想要完整的，一年好幾百美元起跳。

我今年就付了這筆錢，買的是 Norgate，一個月 40 美元，一年將近五百。那是一套口碑很好的美股歷史資料庫。買的時候心裡是踏實的——資料乾淨、含下市公司、有專人維護，做研究就是需要這種東西。錢花得心甘情願。

上週我在找別的東西時，撞見一份公開的資料集。點進去看了一下，愣住了。

它有的，跟我付錢買的那套重疊得很多。

## 這份資料有什麼

網址：[defeatbeta/yahoo-finance-data](https://huggingface.co/datasets/defeatbeta/yahoo-finance-data)

整包下載，不用申請帳號，沒有次數限制，每天更新。

我連上去查了一遍（as-of 2026-09-04）：

- 日線股價：3,654 萬列、12,227 檔股票、1994 年 11 月至今
- 法說會逐字稿：238,638 場、6,511 檔股票、2005 年至今
- 財務三表、公司新聞全文、SEC 申報索引、營收拆解、配息與分割紀錄

我付費那套是 12,259 檔，這份是 12,227 檔。兩個數字放在一起的時候，我看了兩次。

## 兩個讓我意外的地方

第一個是下市的公司還在。

這比聽起來重要。很多資料只收現在還在交易的公司，倒閉的、被併購的、下市的都拿掉了。你用剩下的公司算績效，數字會很漂亮，因為輸家不在樣本裡。這叫生存者偏差，而它不會報錯——程式跑得好好的，結論卻是偏的。

我抽了 12 檔早就停止交易的代號去查，12 檔全部找得到，歷史保留到最後一天。AMED 停在 2025 年 8 月 15 日，MDRX 停在 2026 年 2 月 20 日。

第二個是法說會逐字稿已經按發言人拆好了。

不是一整塊文字要自己切，而是每一段都標好第幾段、誰講的。你可以直接查「哪家公司在哪一季講過某個詞」，也可以只看問答段落——分析師追問最兇的那一題，通常就是市場最不放心的地方。

## 一個要注意的地方

股價還原了分割，沒有還原配息。

分割那部分它做對了。一家公司做一比四分割，一股變四股，股價當天從四百變一百。資料如果沒處理，你的程式會以為它一天跌了七成五。我拿蘋果跟輝達的分割日去驗，兩個都對。

配息就沒處理。這代表拿它直接算長期報酬率會低估，高配息的股票低估得最多。這件事修得回來，但要先知道有這回事。

我不覺得這是缺點，只是它的假設。付費資料附一份文件告訴你每一欄怎麼算，公開資料通常只給你檔案。檔案不會說謊，但也不會主動告訴你它省略了什麼。

## 怎麼開始用

檔案是 parquet 格式，瀏覽器打不開，要用程式讀。好處是不下載也能查，直接對網址下指令：

```python
import duckdb
c = duckdb.connect()
c.execute("INSTALL httpfs; LOAD httpfs;")
u = "https://huggingface.co/datasets/defeatbeta/yahoo-finance-data/resolve/main/data/stock_prices.parquet"
print(c.execute(f"SELECT * FROM read_parquet('{u}') WHERE symbol='AAPL' LIMIT 5").fetchall())
```

想整包放本機也可以。大小參考：股價 462 MB、逐字稿 2.26 GB、新聞 1.1 GB，其餘都是幾 MB。

也有現成的套件：`pip install defeatbeta-api`。

## 拿到新資料的三個問題

這次的經驗讓我整理出三個問題，以後拿到任何一份新資料都先問一次。

第一，輸家還在不在。這份資料收不收已經失敗的樣本。只收活著的，算出來的平均值就會偏高。這不只適用於股票——健身課程的成效統計、創業成功率、投資達人的績效，都是同一個問題。

第二，它跟我已知的東西對不對得上。找一個你已經知道答案的例子去查。蘋果分割前一天該是多少、去年某天大盤收在哪裡，隨便什麼都行。對不上，先別急著用。

第三，也是我這次差點漏掉的——我的檢查有沒有能力分辨。

我第一次驗配息時抽到的股票不配息，所以怎麼驗都是「沒問題」。那個「沒問題」不是資料乾淨，是我的尺量不出來。換一批高配息股才看見差別。

一把永遠不會失敗的尺，量不出任何東西。

## 帶得走的一件事

當一個檢查「通過了」，先問一句：如果它有問題，這個檢查抓不抓得到？

抓不到，那個「通過」就不是好消息，只是沒有消息。

今天可以做的練習：想一件你最近確認過沒問題的事——體檢報告正常、專案進度沒落後、孩子在學校還好。挑一件，然後問自己：我當時是怎麼確認的？如果事情不對，我那個確認方式，會讓我發現嗎？

大部分時候答案是會。但總有一兩件，你會發現自己只是問了一個永遠會得到「沒事」的問題。