FinGLM

FinGLM 项目介绍

项目背景

FinGLM 是一个开放、公益且持久的金融大模型项目。该项目旨在通过开源的方式促进人工智能与金融领域的结合，具体地讲，希望利用AI技术来实现对复杂的金融文本进行高效分析，特别是解读上市公司年报中的专业术语和隐含信息。

项目目标

FinGLM 的终极目标是打造一个能产生类似专家分析效果的智能系统，帮助更多人轻松理解金融数据。这不仅能提高分析的效率和准确性，还能帮助用户轻松应对金融对话中的挑战。

项目框架

数据准备流程

1. PDF 转 TXT：将PDF文件转为TXT格式，确保保留原有的表格和合并单元格。
2. 数据切分：将数据分为基础信息、财务数据和综合信息等类别，以便更好地组织和分析。
3. 数据处理：进行基础公式计算、增长率计算、行业均值及排名计算等。
4. 存入数据库：数据最终存储在SQL、Mongo和ES等数据库中。

模型微调流程

• 对数据进行分类后，选择合适的微调策略（如ptuningv2、lora等），并执行微调过程。

问答流程

• 用户输入问题后，系统生成相应的查询语句，通过数据库查询并给出答案。

开源路线图

开源策略

FinGLM 项目致力于数据、代码和模型的全面开源，同时希望集结更多团队和个人参与项目的维护和优化，持续推动技术进步。此外，项目还提供了一系列的学习教程和资源，为开发者提供支持。

开源进度

项目的开源进度划分为多个阶段，包括数据集的开源、决赛项目开源等。各阶段内容逐步开放，确保开发者能及时获取资源和技术支持。

项目活动

FinGLM 项目参与了一系列的比赛，如SMP 2023 ChatGLM金融大模型挑战赛，旨在通过比赛促进技术交流与合作。多支参赛队伍在项目中亮相，展示了各自的解决方案和技术创新。

数据集与标注数据

FinGLM 项目提供了2019至2021年间的年报数据集，以及多个比赛阶段人工标注的数据。这些数据为金融分析提供了强大的支持，开发者可以通过提取文本和表格、构建金融数据库以及信息提取等手段来增强金融知识问答能力。

课程与学习资源

FinGLM 还提供了一系列关于 ChatGLM 模型使用的教程，包括 PPT、视频及技术文档等，为开发者和研究人员提供了丰富的学习资源。

贡献者招募

FinGLM 项目由多个团队协作维护，鼓励更多志同道合的开发者和团队参与。项目的所有资源均为公益性开放，致力于推动AI金融分析的普及和发展。

免责声明

FinGLM 为公益性项目，资源仅供研究和交流使用，商业用途请自行承担法律风险；如涉及到商业应用，请严格遵循相关模型的使用协议。