使用免费 FRED 数据 API
获取经济时间序列
申请免费 FRED API Key，搜索经济序列并获取 JSON 或 CSV 观测值，同时保留单位、频率、vintage 与来源元数据。
快速结论
免费 API Key、正确端点、FRED 序列 ID，以及一次经过验证的小范围请求。
搜索序列、读取元数据、获取观测值、检查发布记录与历史版本日期。
FRED 默认返回 XML，可指定 JSON；部分观测端点还支持 CSV 或 XLSX。
创建 Key，查询一个已知序列，验证单位与日期，再加入分页和缓存。
用户搜索免费 FRED 数据 API 时要完成什么
核心需求是确认 FRED API 是否免费、是否需要 API Key、哪个端点用于序列观测值，以及如何用 JSON 或 Python 发起真实请求。次要需求包括搜索序列、了解调用额度、读取发布信息，以及通过实时区间（real-time period）或历史版本日期（vintage date）完成可复现研究。
排名页面反复覆盖的数据与功能
反复出现的实体与字段包括圣路易斯联储、FRED、ALFRED、序列 ID、观测值、发布、分类、标签、单位、频率、季调、API Key、文件类型、额度、分页、realtime_start、realtime_end 和历史版本日期。
常用的免费 FRED 数据 API 端点
| 来源 | 典型覆盖 | 接口形式 | 使用前核对 |
|---|---|---|---|
| /fred/series/search | 按关键词、标签、筛选条件与排序查找序列。 | REST XML 或 JSON。 | 查询词、筛选、limit、offset 与序列 ID。 |
| /fred/series | 读取标题、单位、频率、季调、说明和日期。 | REST XML 或 JSON；需要 API Key。 | 序列 ID、来源说明、观测日期与元数据。 |
| /fred/series/observations | 按日期、单位、频率、聚合与实时区间获取观测值。 | 根据 file_type 返回 XML、JSON、CSV 或 XLSX。 | 缺失值、分页、数值转换和实时区间。 |
| 发布与历史版本端点 | 检查发布日历、发布项目下的序列，以及数值发生变化的日期。 | /fred/releases 与 /fred/series/vintagedates 下的 REST 资源。 | 发布时间、修订、历史版本选择与可复现性。 |
FRED API 可免费使用，但请求需要 API Key，并受当前条款与限制约束。应把 Key 放在服务端配置或密钥管理系统中，不能写入公开客户端代码。
如何调用免费 FRED 数据 API
1. 创建 Key 并选择序列 ID
创建 FRED 账户并申请 API Key，然后选择 GDP、CPIAUCSL、UNRATE 或 FEDFUNDS 等序列。不能只依据短 ID 判断含义；还要检查标题、单位、频率、季调、说明、来源与观测日期。
2. 先请求元数据，再获取观测值
下载数值前先调用 /fred/series 检查目标 ID。这可以确认序列存在，并取得准确标注图表或数据库字段所需的元数据。
3. 发起小范围 JSON 请求
curl "https://api.stlouisfed.org/fred/series/observations?series_id=GDP&api_key=YOUR_KEY&file_type=json&observation_start=2020-01-01" 可获取指定日期后的 GDP 观测值。运行时替换 YOUR_KEY，不要提交到公开代码仓库。
4. 加入缓存、重试和出处记录
按发布日程缓存，遵循重试建议，记录抓取时间和序列元数据，保留来源 URL，并监控数据结构变化。
发布前验证FRED API 响应
HTTP 请求成功只说明服务器已响应，并不能证明返回的 FRED 序列符合应用需求。应检查序列 ID、原始来源、频率、单位、缩放倍数、地区、季调口径、观测日期、实时区间和发布状态。缺失值不能转成零，并应把多个样本值与 FRED 序列页面或原始发布机构逐项核对。
保留原始数据、出处和修订历史
应把原始响应与请求 URL、参数、抓取时间、HTTP 状态和相关响应头一起保存；标准化记录仍需保留 FRED 序列 ID。经济时间序列可能更正、换基、重新季调，初值也可能被终值替代，因此要明确是展示最新版本，还是保存各个历史版本，并区分数据结构变化、异常空响应与网络错误。
官方 FRED API 与经济数据聚合 API 怎么选
需要准确使用 FRED 序列元数据、发布关系、实时区间或历史版本日期时，应优先使用官方 FRED API。聚合 API 可以用统一的数据结构简化多来源接入，但可能重命名字段、转换数值或晚于 FRED 更新；即使采用聚合服务，也应保留原始 FRED 序列 ID 和来源说明。
什么时候更适合使用聚合 API
需要统一查询多个国家或提供方时，聚合 API 更适合原型、跨国看板和 Agent 工具，但不会取代原始机构的权威性。应保存提供方、数据集与序列 ID、单位、频率、抓取时间和来源 URL，并检查数值转换、更新延迟和许可；重要结果仍需与官方门户核对。
使用前验证元数据、修订与数据质量
不要把序列名称当作完整定义
名称相似的序列可能衡量不同概念。“利率”可能是政策目标、隔夜利率或月度均值；通胀也有总体与核心、环比与同比、季调与未季调之分。入库前应保存定义、单位、倍数、频率、季调状态、地区和采集方法，并保留维度代码与标签的映射。
显式处理修订值与缺失观测
经济序列会因更正、换基或估算值转为终值而修订。应决定使用最新版本，还是保存各历史时点当时可得的数据，并记录抓取时间、发布批次或历史版本标识。不要把缺失值转成零；校验规则还应识别频率变化、重复时期、单位变化、异常断点和序列下线。
构建可靠的生产级数据接入
分离发现、抓取、标准化与交付
数据管道应分离发现、抓取、标准化和交付。抓取阶段保存原始响应、HTTP 状态、请求参数和时间；标准化阶段统一日期、单位和缺失值，但保留原始表达；交付阶段再向看板、数据库、API 或 Agent 提供已验证数据。保留原始响应便于重新处理。
让轮询、缓存和重试匹配发布日程
不同 FRED 序列按各自发布日程更新。应依据频率和发布元数据设置刷新周期、缓存稳定历史数据，并避免近期数值变化时重拉全部观测。只对临时错误有限重试；无效 Key 或序列 ID 不应无限重试。API Key 必须放在客户端代码之外，并监控陈旧数据、连续失败和异常空响应。
FRED 数据 API 的常见应用场景
研究、看板、提醒与 AI Agent
政策利率、通胀、汇率和货币总量可用于政策研究、跨国比较、内部看板、国家概览和发布提醒。历史研究强调可复现快照，运营看板需要最新值与更新时间，提醒系统则要避免把数据修订误判为新一期发布。
Python 应用应通过环境变量读取 API Key，设置请求超时，检查 HTTP 错误，并显式处理缺失观测标记。每批导入数据还应保存完整请求参数，以便复现相同的序列、日期范围、转换方式和实时区间。
面向 AI Agent 时，应把“获取最新利率”“按日期读取序列”“搜索元数据”等任务封装成范围明确的操作，并说明参数、地区、字段、单位、错误和出处。Agent 输出应注明发布机构、序列和观测日期，并区分检索到的事实与模型生成的解释。QVeris 可帮助调用和保留审计记录，官方机构仍是权威来源。
QVeris 如何帮助接入 FRED 数据 API
QVeris 可帮助 Agent 查找、检查和调用真实世界的工具，并保留审计记录。对于 FRED 数据，API 的输入、输出和出处应当可核查；QVeris 不拥有，也不会改变底层官方数据。
- 使用 QVeris 工具查找器探索经济或金融数据相关能力。
- 在 Agent 调用前检查操作参数和响应结构。
- 在下游记录中保留提供方 URL、时间戳、序列 ID 和许可信息。
FAQ
可以。FRED API 不需要付费订阅，但请求需要注册获得的 API Key，并应遵守当前条款、额度和数据使用要求。
创建 FRED 账户，在 API Keys 页面申请 Key，并将其存放在服务端配置或密钥管理系统中，不能提交到公开仓库。
在官方观测值端点中提供有效的 series_id、API Key，并设置 file_type=json，再验证分页和空值。
可以。序列观测值端点对兼容请求支持 CSV 和 XLSX；使用前应检查该端点当前的 file_type 规则与参数限制。
不会。QVeris 帮助 Agent 调用能力，原始提供方仍是数据、方法、许可和发布时间的权威来源。