Hypergraph is more powerful. Transform unstructured text into structured knowledge with LLMs. Graphs, hypergraphs, and spatio-temporal extractions — with one command.
金融模板
金融文档分析和提取。
概述
金融模板针对从金融文档中提取结构化信息进行了优化。
模板
earnings_summary
类型:model
用途:从财报中提取关键指标
最适合:
- 季度财报(10-Q)
- 年度报告(10-K)
- 财报电话会议记录
字段:
| 字段 | 类型 | 描述 |
|---|---|---|
company_name |
str | 公司名称 |
quarter |
str | 财政季度 |
revenue |
float | 总收入 |
net_income |
float | 净收入 |
eps |
float | 每股收益 |
yoy_growth |
float | 同比增长率 |
=== "CLI"
```bash
he parse 10q.md -t finance/earnings_summary -l zh
```
=== "Python"
```python
ka = Template.create("finance/earnings_summary", "zh")
result = ka.parse(earnings_text)
print(f"收入: ${result.data.revenue}B")
print(f"EPS: ${result.data.eps}")
```
ownership_graph
类型:graph
用途:提取公司股权结构
最适合:
- 股东报告
- 代理声明
- 公司结构
实体:
- 公司
- 股东
- 子公司
关系:
owns— 所有权关系controls— 控制关系subsidiary_of— 子公司关系
=== "CLI"
```bash
he parse proxy.md -t finance/ownership_graph -l zh
```
=== "Python"
```python
ka = Template.create("finance/ownership_graph", "zh")
result = ka.parse(proxy_statement)
# 构建索引以支持可视化中的交互式搜索/对话
result.build_index()
result.show() # 显示带有交互功能的所有权网络
```
event_timeline
类型:temporal_graph
用途:提取带日期的金融事件
最适合:
- 公司事件历史
- 并购时间线
- 市场事件
特性:
- 事件日期
- 事件类型(合并、收购、IPO 等)
- 相关实体
=== "CLI"
```bash
he parse history.md -t finance/event_timeline -l zh
```
=== "Python"
```python
ka = Template.create("finance/event_timeline", "zh")
result = ka.parse(history_text)
print(f"事件数: {len(result.nodes)}")
for node in result.nodes:
print(f" - {node.name}")
```
risk_factor_set
类型:set
用途:提取唯一风险因素
最适合:
- 风险因素章节
- 尽职调查报告
- 风险评估
=== "CLI"
```bash
he parse 10k.md -t finance/risk_factor_set -l zh
```
=== "Python"
```python
ka = Template.create("finance/risk_factor_set", "zh")
result = ka.parse(risk_section)
print(f"发现 {len(result.data.items)} 个风险因素")
for risk in result.data.items:
print(f" - {risk}")
```
sentiment_model
类型:model
用途:提取情感指标
最适合:
- 新闻文章
- 分析师报告
- 社交媒体情感
字段:
| 字段 | 类型 | 描述 |
|---|---|---|
sentiment |
str | 整体情感(正面/负面/中性) |
confidence |
float | 置信度分数 |
key_points |
list[str] | 关键情感指标 |
=== "CLI"
```bash
he parse article.md -t finance/sentiment_model -l zh
```
=== "Python"
```python
ka = Template.create("finance/sentiment_model", "zh")
result = ka.parse(article_text)
print(f"情感: {result.data.sentiment}")
print(f"置信度: {result.data.confidence}")
for point in result.data.key_points:
print(f" - {point}")
```
用例
用例 1:季度报告分析
from hyperextract import Template
# 提取财报
ka = Template.create("finance/earnings_summary", "zh")
q1 = ka.parse(q1_report)
q2 = ka.parse(q2_report)
# 对比
print(f"Q1 收入: ${q1.data.revenue}B")
print(f"Q2 收入: ${q2.data.revenue}B")
print(f"增长: {(q2.data.revenue - q1.data.revenue) / q1.data.revenue * 100:.1f}%")
用例 2:股权结构
ka = Template.create("finance/ownership_graph", "zh")
ownership = ka.parse(proxy_statement)
# 查找主要股东
shareholders = [
e for e in ownership.data.entities
if e.type == "shareholder"
]
for sh in sorted(shareholders, key=lambda x: x.stake, reverse=True)[:5]:
print(f"{sh.name}: {sh.stake}%")
用例 3:风险评估
ka = Template.create("finance/risk_factor_set", "zh")
risk_factors = ka.parse(risk_section)
# 分类风险
for risk in risk_factors.data.items:
if "监管" in risk:
print(f"监管风险: {risk}")
elif "市场" in risk:
print(f"市场风险: {risk}")
数据源
这些模板适用于:
- SEC 文件(10-K、10-Q、8-K)
- 财报电话会议记录
- 投资者演示文稿
- 分析师报告
- 财经新闻
提示
- earnings_summary 用于快速指标 — 快速提取关键数字
- ownership_graph 用于结构 — 可视化公司层次结构
- event_timeline 用于历史 — 跟踪公司事件
- 组合模板 — 使用多个模板进行综合分析