Skip to content

Hypergraph is more powerful. Transform unstructured text into structured knowledge with LLMs. Graphs, hypergraphs, and spatio-temporal extractions — with one command.

5.0 KB
Raw Blame

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

  1. earnings_summary 用于快速指标 — 快速提取关键数字
  2. ownership_graph 用于结构 — 可视化公司层次结构
  3. event_timeline 用于历史 — 跟踪公司事件
  4. 组合模板 — 使用多个模板进行综合分析

参见