Historische ETF-Holdings-Endpoints: Zusammensetzungs-Snapshots nach Meldedatum

ETF-Holdings-Daten beschreiben die Zusammensetzung eines Fonds zu einem bestimmten Datum — welche Wertpapiere er hielt, in welchen Mengen und mit welchen Portfolio-Gewichten. Im Gegensatz zu einer aktuellen Momentaufnahme ermöglichen historische Aufzeichnungen, Veränderungen der Zusammensetzung im Zeitverlauf nachzuverfolgen, Fondszustände über Zeiträume hinweg zu vergleichen oder datierte Portfolio-Positionen für quantitative und KI-gestützte Workflows zu rekonstruieren. Die FinImpulse API bietet jetzt programmatischen Zugriff auf diese Daten für alle verfügbaren Meldedaten.

Workflow mit zwei Endpoints

Der Abruf historischer Holdings-Daten erfolgt in zwei Schritten. Die erste Anfrage ermittelt, welche Daten für den ausgewählten ETF verfügbar sind; die zweite ruft die tatsächliche Zusammensetzung für ein gewähltes Datum ab.

Schritt 1: Verfügbare Meldedaten abrufen

Der Endpoint v1/holdings/history/dates/{symbol} gibt die Liste der Daten zurück, für die Holdings-Daten zum angeforderten ETF verfügbar sind. Das Symbol wird als Path-Parameter übergeben; ein optionaler Parameter start_date schränkt die Ergebnisse auf Daten ab einem bestimmten Datum ein.

{
  "start_date": "2026-05-17",
  "limit": 3,
  "offset": 0
}

Die Antwort gibt eine paginierte Liste verfügbarer Meldedaten zurück:

"result": {
        "total_count": 7,
        "items_count": 3,
        "items": [
            {
                "type": "date",
                "history_date": "2026-05-18"
            },
            {
                "type": "date",
                "history_date": "2026-05-19"
            },
            {
                "type": "date",
                "history_date": "2026-05-21"
            }
        ]
    }

Schritt 2: Den Holdings-Snapshot abrufen

Sobald ein gültiges Meldedatum bestätigt ist, gibt der Endpoint v1/holdings/history die vollständige Portfoliozusammensetzung für dieses Datum zurück.

Ein Versuch, Holdings ohne gültiges Meldedatum abzufragen — also eines, das im Datensatz für dieses Symbol vorhanden ist — liefert ein leeres Ergebnis.

Die Anfrage erfordert zwei Parameter: symbol und date.

{
  "symbol": "SPY",
  "date": "2026-04-26"
}

Die Antwort gibt ein paginiertes Array mit Holdings-Datensätzen zurück, von denen jeder eine einzelne Position in der Zusammensetzung des Fonds zum angeforderten Datum darstellt:

"result": {
        "total_count": 502,
        "items_count": 10,
        "items": [
            {
                "asset": "AAPL",
                "name": "APPLE INC",
                "isin": "US0378331005",
                "cusip": "037833100",
                "shares": 174355685,
                "weight_pct": 6.576,
                "market_value": 47676787718,
                "updated_at": "2026-04-26T02:04:23Z"
            },
            {
                "asset": "ABNB",
                "name": "AIRBNB INC CLASS A",
                "isin": "US0090661010",
                "cusip": "009066101",
                "shares": 5019960,
                "weight_pct": 0.098,
                "market_value": 712219924,
                "updated_at": "2026-04-26T02:04:23Z"
            },
            ...
        ]
  }

Die vollständige Parameter-Referenz für beide Endpoints ist in der FinImpulse-API-Dokumentation verfügbar.

Abdeckung und Verfügbarkeit

Historische Holdings-Daten sind derzeit für rund 8.000 ETF-Symbole verfügbar. Die Abdeckung beginnt für die meisten Symbole am 1. Januar 2026; eine Teilmenge von etwa 500 ETFs verfügt über Aufzeichnungen bis zurück in die Jahre 2023–2025.

Die vollständige Liste der abgedeckten Symbole mit individuellen Start- und Enddaten steht hier zum Download bereit.

Use Cases für historische ETF-Holdings-Daten

Historische ETF-Holdings-Daten lassen sich direkt in einer Vielzahl analytischer, quantitativer und technischer Workflows einsetzen.

Verfolgung der Zusammensetzung im Zeitverlauf

Die unmittelbarste Anwendung dieser Endpoints ist das Nachverfolgen, wie sich die Positionen eines ETFs über die Meldedaten hinweg verändert haben. Durch Abfragen desselben Symbols über mehrere Stichtage — abgerufen über den Dates-Endpoint — lässt sich eine Zeitreihenansicht der Zusammensetzungsverschiebungen aufbauen: welche Positionen zwischen Zeiträumen hinzugefügt, entfernt oder neu gewichtet wurden. Das ist für jeden Workflow relevant, der die ETF-Zusammensetzung als dynamische Variable statt als statische Momentaufnahme behandelt.

Erkennung von Überschneidungen in den Positionen

Beim Vergleich von zwei oder mehr ETFs liefern Holdings-Daten zu einem bestimmten Datum die Grundlage, um den Grad der Überschneidung zu berechnen — den Anteil gemeinsamer Positionen nach Gewicht oder Anzahl. Das ist in Workflows zum Fondsvergleich relevant, bei denen Klumpenrisiken über korrelierte Fonds hinweg eine Rolle spielen.

Rekonstruktion historischer Zustände für quantitative Modelle

Viele quantitative Workflows setzen voraus, was ein Fonds zu einem bestimmten Zeitpunkt in der Vergangenheit hielt, nicht, was er aktuell hält. Das Backtesting eines Modells mit ETF-Replikation hängt beispielsweise von präzisen historischen Zusammensetzungsdaten ab, nicht von rückwirkend angewandten aktuellen Positionen. Diese Endpoints liefern die datierten Snapshots, die benötigt werden, um den Portfoliozustand zu einem bestimmten Zeitpunkt ohne Näherung zu rekonstruieren.

ETF-Analyse- und Vergleichstools

Für Entwickler und Teams, die ETF-Detailseiten, Fondsvergleichsansichten oder Portfolio-Analysetools erstellen, bieten diese Endpoints die Datenschicht für Holdings-Aufschlüsselungen, Visualisierungen von Positionsgewichten und die Filterung nach Zusammensetzung.

Der Holdings-Endpoint unterstützt serverseitiges Filtern und Sortieren — nach Gewichtsschwelle, Positionsgröße oder anderen verfügbaren Feldern — und reduziert so das übertragene Datenvolumen und den Verarbeitungsaufwand auf Client-Seite.

KI-gestützte Research-Workflows

Holdings-Snapshots können als strukturierte Eingabe für KI-Agenten und Sprachmodell-Pipelines dienen, die mit Finanzdaten arbeiten. Ein Agent, der das Verhalten eines Fonds zu einem bestimmten Datum bewertet, eine Zusammenfassung der wichtigsten Positionen erstellt oder die Zusammensetzungen zweier Fonds vergleicht, kann über diese Endpoints präzise Daten zu einem bestimmten Zeitpunkt abrufen, statt auf Näherungswerte zurückzugreifen.

Über all diese Workflows hinweg bilden die beiden Endpoints nun die Datenschicht für jeden Workflow, der die ETF-Zusammensetzung zu einem bestimmten Zeitpunkt benötigt — von der Überschneidungserkennung und vom Backtesting bis hin zu KI-gestützten Research-Pipelines.