金融数据集 🧪

金融数据集是一个开源Python库，它允许您使用大型语言模型（LLMs）创建金融问答数据集。通过这个库，您可以轻松地从10-K、10-Q、PDF和其他金融文本生成逼真的金融数据集。

使用方法

生成的数据集示例：

[
  {
    "question": "Airbnb在2023年的收入是多少？",
    "answer": "99亿美元",
    "context": "2023年，收入相比2022年增长了18%，达到99亿美元，主要归因于预订的夜晚和体验数量增加14%，达到5450万，同时平均日租金上涨推动总预订价值增加16%，达到100亿美元。"
  },
  {
    "question": "Airbnb的净收入在2023年相比上一年增长了多少百分比？",
    "answer": "153%",
    "context": "2023年的净收入相比上一年增长了153%，达到48亿美元，这得益于我们的收入增长、利息收入增加、成本结构管理的严格控制，以及29亿美元递延所得税资产估值准备金的部分释放。"
  }
]

示例#1 - 从任意文本生成

最灵活的选项。使用字符串列表texts生成数据集。Colab代码示例点击这里。

from financial_datasets.generator import DatasetGenerator

# 您的文本列表
texts = ...

# 创建数据集生成器
generator = DatasetGenerator(model="gpt-4-turbo", api_key="您的openai密钥")

# 从文本生成数据集
dataset = generator.generate_from_texts(
    texts=texts,
    max_questions=100,
)

示例#2 - 从PDF生成

仅使用PDF url生成数据集。Colab代码示例点击这里。

from financial_datasets.generator import DatasetGenerator

# 创建数据集生成器
generator = DatasetGenerator(model="gpt-4-turbo", api_key="您的openai密钥")

# 从PDF url生成数据集
dataset = generator.generate_from_pdf(
    url="https://www.berkshirehathaway.com/letters/2023ltr.pdf",
    max_questions=100,
)

示例#3 - 从10-K生成

使用ticker和year生成数据集。Colab代码示例点击这里。

from financial_datasets.generator import DatasetGenerator

# 创建数据集生成器
generator = DatasetGenerator(model="gpt-4-turbo", api_key="您的openai密钥")

# 从10-K生成数据集
dataset = generator.generate_from_10K(
    ticker="AAPL",
    year=2023,
    max_questions=100,
    item_names=["Item 1", "Item 7"],  # 可选 - 指定要使用的Item名称
)

安装

使用pip

您可以使用pip安装金融数据集库：

pip install financial-datasets

使用Poetry

如果您更喜欢使用Poetry进行依赖管理，可以将金融数据集添加到您的项目中：

poetry add financial-datasets

从存储库安装

如果您想直接从存储库安装库，请按以下步骤操作：

1. 克隆存储库：

   git clone https://github.com/virattt/financial-datasets.git
   

2. 进入项目目录：

   cd financial-datasets
   

3. 使用Poetry安装依赖：

   poetry install
   

4. 现在您可以在Python项目中使用该库了。

贡献

欢迎贡献！如果您发现任何问题或有改进建议，请提出issue或提交pull请求。

许可证

本项目采用MIT许可证。

贡献者