我让 QVeris 把 Microsoft 历史数据拉回 1995 年：做长周期投研，第一步不是写策略

我让 QVeris 把 Microsoft 历史数据拉回 1995 年：做长周期投研，第一步不是写策略

QVeris · 数据实测

用户一说"回测"，很多 Agent 的第一反应是直接开始写策略：买入条件、卖出条件、收益曲线、最大回撤，听起来很完整。

但我现在越来越觉得，真正麻烦的不是策略代码，而是第一步：你到底有没有一条足够长、足够稳定、能被 Agent 调用的数据链路。

尤其是做老牌科技公司的长期研究时，5 年数据经常不够用。你想看 Microsoft，就不能只看最近几个季度，也不能只看过去一年股价。Microsoft 从 Windows 和 Office，到 Azure，再到 AI 基础设施，本身就是一条技术产业变迁的时间线。

所以这次我没有急着让 Agent 写一个"看起来很聪明"的策略。第一步，我只做了一件更朴素的事：让 QVeris 调 FMP，看能不能把 MSFT 的长周期历史数据拉回来。

我先不写回测，先查数据能不能跨过 5 年

这一步其实很重要。

之前计划里有一个提醒：QVeris wrapper 当前可能存在 5 年限制 bug，所以正式写"30 年回测"前必须确认修复。这个提醒不能跳过。公众号文章可以写得有趣，但不能把未验证的能力包装成已经跑通的能力。

所以我这次先采用更稳的测试方式：不直接宣称 Historical EOD 或 OHLCV 已经完整支持 30 年回测，而是先验证 QVeris 通过 FMP 能不能调用长周期历史类数据。

我测试的是 FMP 的 Historical Market Cap。它不是完整 OHLCV，也不能替代正式回测所需的每日 open、high、low、close、volume，但它非常适合做长周期公司价值变化的第一层观察：一家公司在市场眼里，过去几十年到底是怎么变大的。

MSFT 从 1995 年到 2026 年：历史市值数据能拉出来

我让 QVeris 调用 FMP，查询 MSFT 从 1995-01-01 到 2026-05-27 的 Historical Market Cap。

这次调用成功了。返回结果很长，QVeris 提示原始结果约 346752 bytes，并给出了完整结果文件。更关键的是，这次调用合计返回 7902 条有效记录；其中最新段单次返回 5000 条，早期段补齐 2902 条。

这里有两个信息很值得写出来。

第一，QVeris 确实成功调用了 FMP 的历史数据接口，不是只拿最近一天的 quote。第二，单次返回存在 5000 条记录边界，所以如果要做真正 30 年日频级别的完整回测，后续应该按时间窗口拆分请求，而不是假设一次请求能吞掉全部历史。

这组数字很直观。1995 年 1 月 3 日，FMP 返回的 Microsoft 市值约为 372.24 亿美元；2000 年 12 月 29 日，约为 2312.15 亿美元；到 2026 年 5 月 27 日，返回的市值约为 3.06 万亿美元。

这不是一个投资建议，也不是在说未来还会怎样。它只是说明：当 Agent 可以拿到这种长周期数据时，它终于不必只围着最近几个交易日打转。

长周期数据的价值，是让 Agent 先建立时间感

我觉得"时间感"是投研 Agent 很容易缺的一块能力。

很多普通 Agent 回答公司问题时，会像在读一张最新快照：最新股价、PE、市值、收入、净利润。信息都对，但没有历史纵深。

可是做公司研究时，很多判断都依赖时间。同样是万亿美元级公司，如果只看今天，它只是一个巨大数字；但如果把 1995 年、2000 年、2014 年、2020 年放在同一条时间线上，它就变成了一个公司长期产品周期、云转型、资本市场认知变化的结果。

这类数据对 Agent 的意义，不是让它直接喊"增长了多少倍"，而是让它能继续追问：MSFT 的市值扩张主要发生在哪些阶段？互联网泡沫前后，市场给 Microsoft 的定价发生了什么变化？云转型之后，市值增长和基本面增长是否同步？如果后续接上 OHLCV，哪些阶段适合做事件回测？如果再接财报数据，能不能把"市场重估"和"业务转型"放到同一条时间线上？

这才是长周期历史数据真正适合 Agent 的用法：先把时间轴铺开，再决定分析方法。

但我会把"30 年回测"先按暂停键

这里要讲清楚一个边界。

这篇文章目前不能写成"QVeris 已经跑通 30 年 OHLCV 回测"。原因很简单：完整回测需要 Historical EOD 或 Historical OHLCV，包括 open、high、low、close、volume，最好还要确认复权口径、拆股、分红、交易日缺失、时区和交易所日历。

我这轮确认的是：QVeris 可以通过 FMP 成功调用长周期历史市值数据；同时，大区间请求会碰到单次返回 5000 条记录的边界。

这句话听起来没那么"营销"，但它更真实。真实本身就是技术内容最好的可信度。

这对 QVeris Agent 意味着什么

如果把这件事放回 QVeris Agent 的能力里看，我觉得意义有三层。

第一，Agent 可以开始处理"长周期公司问题"，而不是只做短期行情问答。比如"Microsoft 从 1995 年到现在，市值扩张经历了哪些阶段？"这种问题，需要的不是一个最新 quote，而是一条历史序列。

第二，Agent 可以把历史数据和基本面数据接起来。前一篇我们已经验证过，QVeris 可以通过 FMP 调公司三大表、TTM 指标、财务比率和增长数据。现在再加上历史市值数据，Agent 就可以把"公司变贵了"与"公司真的变强了吗"放到同一个分析框架里。

第三，Agent 可以为后续回测做准备。真正的回测不是一句"跑 30 年"就完事。它需要确认数据长度、字段完整性、复权规则、交易日连续性和返回限制。QVeris 如果能把这些检查步骤也编排进 workflow，开发者做投研 Agent 时就不用每次从零搭数据管道。

我这次最想表达的，不是 Microsoft 涨了多少

这轮测试下来，我觉得这篇最值得讲的点不是"Microsoft 从几百亿美元变成几万亿美元"。这个故事当然很大，但只讲涨幅就太薄了。

更值得讲的是：Agent 做投研，不能只会看今天。它必须能把问题放回一条足够长的时间线里。

QVeris 接入 FMP 后，已经可以开始让 Agent 调用长周期历史类数据；这为长期公司研究、IPO 后全周期观察、历史估值变化、后续回测 workflow 打下了基础。

但我也会明确写出限制：本文只确认了 FMP Historical Market Cap 的 QVeris 调用结果；Historical EOD、EOD Bulk by date、Historical OHLCV 需要在 wrapper 限制修复后继续实测，再正式写"30 年回测"。

这不是保守，是对用户负责。

因为一个真正能用的投研 Agent，不应该只会把结论写得漂亮。它还应该知道：哪些数据已经跑通，哪些地方还要继续验证。