formal-mathfin-theorems

Formally Verified Mathematical Finance (Lean 4)是一个包含261个经过机器验证的数学金融定理的数据集，这些定理使用Lean 4定理证明器在Mathlib和BrownianMotion包中进行了形式化。每个数据样本代表一个定理，包括其Lean陈述和证明、所属领域（如数学金融、布朗运动、随机微积分），以及一个记录Lean陈述与数学声明匹配程度的保真度等级。该数据集从formal-mathfin库中提取，专门用于自动形式化和基于大语言模型的定理证明任务的评估与训练，填补了现有数学基准在量化金融领域覆盖不足的空白。数据集中包含221个完全保真度的定理（Lean陈述即为数学声明），18个库包装器定理（上游Mathlib结果的薄重新导出），以及22个简化核心定理（教科书声明的诚实特例或结构规范）。数据集采用Apache-2.0许可证，使用时需要引用原始库和配套论文。Formally Verified Mathematical Finance (Lean 4) is a dataset containing 261 machine-verified theorems in mathematical finance, formalized using the Lean 4 theorem prover on the Mathlib and BrownianMotion packages. Each data sample represents a theorem, including its Lean statement and proof, domain (e.g., mathematical finance, Brownian motion, stochastic calculus), and a fidelity level recording how closely the Lean statement matches the mathematical claim. The dataset is extracted from the formal-mathfin repository and is specifically designed for evaluation and training of automated formalization and large language model-based theorem proving tasks, addressing the gap in existing mathematical benchmarks for quantitative finance. It includes 221 full fidelity theorems (where the Lean statement is the mathematical claim), 18 library wrapper theorems (thin re-exports of upstream Mathlib results), and 22 simplified core theorems (faithful special cases or structural specifications of textbook claims). The dataset is licensed under Apache-2.0 and requires citation of the original repository and accompanying paper when used.

原始信息汇总

数据集概述

数据集名称：Formally Verified Mathematical Finance (Lean 4)
数据集地址：https://huggingface.co/datasets/raphaelrrcoelho/formal-mathfin-theorems
许可证：Apache-2.0
语言：英语
数据集大小：少于1000条（n<1K）
配置：默认配置，数据文件为 formal-mathfin-theorems.jsonl

内容描述

该数据集包含 261 个数学金融领域经过机器验证的定理，使用 Lean 4 形式化证明，构建于 Mathlib 和 Rémy Degenne 的 BrownianMotion 包之上。每条数据为一个定理，包含其 Lean 语句和证明、所属领域以及忠实度等级，用于衡量 Lean 语句与数学主张的匹配程度。

数据提取自 formal-mathfin 库，可作为自动形式化和基于 LLM 的定理证明领域的评估/训练材料，尤其适用于量化金融这一现有数学基准较少覆盖的领域。

创建者：Raphael Coelho（ORCID: 0009-0001-6601-1023）

字段说明

字段	描述
id	稳定的定理标识符
name	人类可读的定理名称
domain	基准领域（如 mathematical_finance、brownian_motion、stochastic_calculus）
formalization_status	忠实度等级（详见下文）
description	定理的自然语言陈述
lean_code	自包含的 Lean 4 代码片段（包括 import 和定理）
source_file	源自的基准文件

忠实度等级（Faithfulness Tiers）

等级	数量	含义
full	221	Lean 语句 就是 数学主张本身
library_wrapper	18	对上游 Mathlib 结果的薄层再导出
reduced_core	22	教科书陈述的诚实特例或结构规约（主要涉及连续时间）

其中 full 和 library_wrapper 共 239 条，为可直接交付的结果。

使用与加载

• 加载数据集： python from datasets import load_dataset ds = load_dataset("raphaelrrcoelho/formal-mathfin-theorems")

• 编译 Lean 代码：每个 lean_code 片段需依赖 formal-mathfin 库及其固定工具链（Lean v4.30.0-rc2、Mathlib c87cc97、BrownianMotion fa590b1），可重现构建环境为 ghcr.io/raphaelrrcoelho/mathfin-verify。

• 注意事项：代码片段是指向库的指针，而非独立证明，应以库为真相源。

引用与许可

• 许可证：Apache-2.0
• 引用建议：使用该数据集时，请引用 formal-mathfin 库（DOI: 10.5281/zenodo.20477782）及配套论文 arXiv:2606.01356。

搜集汇总

数据集介绍

构建方式

该数据集构建于Lean 4定理证明器之上，依托于Mathlib库与Rémy Degenne开发的布朗运动包。研究者从formal-mathfin库中提取出261条经过机器验证的数学金融定理，每条定理均包含其Lean语言陈述、证明过程、所属领域以及忠实性等级。数据以JSONL格式存储，每一行对应一条定理，确保结构化存储与便捷调用。

特点

数据集涵盖了数学金融、布朗运动与随机演算三大领域，其中221条定理达到完全忠实等级，18条为库封装，22条为简化核心版本，共计239条可直接交付使用。每个定理配备了稳定的标识符、人类可读的名称、自然语言描述以及自包含的Lean代码片段，后者可独立编译验证，确保了形式化验证结果的可复现性与可靠性。

使用方法

用户可通过HuggingFace的datasets库直接加载数据集，调用load_dataset函数即可获取全部定理。每条定理的lean_code字段提供了包含必要导入的完整Lean 4代码，用户需在指定的工具链环境（Lean v4.30.0-rc2、Mathlib c87cc97、BrownianMotion fa590b1）下编译运行。该数据集特别适用于自动形式化与基于大语言模型的定理证明任务的评估与训练。

背景与挑战

背景概述

形式化验证在数学与计算机科学交叉领域具有深远影响，尤其在高风险量化金融场景中，对定理的机器可检验性需求日益迫切。该数据集由Raphael Coelho于2025年创建，依托Lean 4证明助手及Mathlib与BrownianMotion库，系统整理了261条经机器验证的金融数学定理。核心研究问题在于弥合自然语言数学论述与形式化证明的鸿沟，推动自动形式化与基于大语言模型的定理证明在量化金融这一现有数学基准覆盖薄弱领域的发展。数据集中包含从纯数学表述到有限弱化的多层次忠实度标注，为评估形式化转换质量提供了可靠基准，其影响力延伸至可信人工智能与金融风险管理的自动化验证基础设施。

当前挑战

该数据集面临的核心挑战包括：其一，量化金融领域定理的形式化表达需兼顾数学严谨性与金融术语的语义保真度，现有大语言模型在复杂随机分析与连续时间拓扑领域的自动形式化能力仍不充分，导致约8%的定理（如连续时间边界）需降级为简化核心版本。其二，构建过程中需协调Lean 4生态的快速迭代（如依赖v4.30.0-rc2工具链及特定数学库提交版本），确保持续集成与可复现性构成工程挑战。此外，从原始论文到机器可读样式的转换需人工逐条比对定理陈述与形式化代码的语义等价性，这一过程耗时且易引入歧义。最终，261条定理规模有限，难以覆盖衍生品定价、最优停时等完整知识体系，制约了模型泛化能力的评估边界。

常用场景

经典使用场景

该数据集在自动形式化与定理证明领域开辟了全新的应用疆域。其核心使用场景是为深度学习模型提供一套严谨的金融数学定理形式化语料，涵盖布朗运动、随机微积分等核心分支。通过将261条人类可读的数学断言转换为Lean 4的可验证代码，它成为评估和训练大型语言模型在量化金融领域形式推理能力的标杆。研究者可利用其分层级的“忠实度”标签，精准测试模型从自然语言到形式逻辑的转换精度，尤其适用于需要高可靠性的金融衍生品定价与风险度量命题的自动化验证。

解决学术问题

该数据集填补了现有数学基准在量化金融形式化验证方面的显著空白。传统定理证明基准多集中于纯数学领域，而该工作系统性地解决了金融数学中连续时间模型、鞅理论等复杂概念的机器可验证难题。它通过引入分层忠实度体系（完整、库封装、降级核心），为评估自动形式化方法的保真度提供了量化框架，使研究者能够严格比较不同方法在金融定理上的表现，有力推动了形式化方法在风险敏感领域的学术探索与理论验证。

衍生相关工作

该数据集已催生了一系列开创性工作。其底层库`formal-mathfin`成为金融数学形式化领域的里程碑，被用于扩展随机分析的基础理论验证。依托该数据集，研究者开始探索将强化学习与定理证明器结合，以自动发现金融不等式的新证明路径。此外，它启发了面向衍生品定价的领域专用语言设计，以及基于忠实度标签的分阶段自动形式化课程学习策略，推动了大语言模型在专业数学推理任务上的性能突破与可解释性提升。