dilutionrisk-data

DilutionRisk ASX Dataset 是一个专注于澳大利亚证券交易所（ASX）金融数据的版本化公共数据集，旨在为 dilutionrisk.com 提供研究基础设施支持。该数据集包含公司和日期化公司快照、ASX 公告元数据及公共工件 URL、资本工具和工具事件、筛选器快照，以及一个修订匹配的 SQLite 全文索引。数据来源于 ASX 上市公司和 ASX 分发，基于明确的公共允许列表构建，排除了操作状态、日志、嵌入等私有字段。数据集以结构化表格和搜索索引形式提供，目标更新频率为每日（澳大利亚/墨尔本时间 06:00 后扫描，10:00 前发布），每个版本会标识确切的 Hub 提交、源水印、表计数、文件哈希、模式版本、发布者版本和排除清单版本。数据适用于金融研究、公告分析、风险筛查等任务，但需注意数据是自动化转换的，可能包含 OCR 或提取错误，用户应始终核对原始公告进行验证。数据集基于 ASX 重新分发许可（许可证名称为 asx-redistribution-permission），但公共可用性本身不授予新的开放数据许可。The DilutionRisk ASX Dataset is a versioned public dataset focused on financial data from the Australian Securities Exchange (ASX), designed to provide research infrastructure support for dilutionrisk.com. It includes company and dated company snapshots, ASX announcement metadata and public artifact URLs, capital instruments and instrument events, filter snapshots, and a revision-matched SQLite full-text index. The data is sourced from ASX-listed companies and ASX distribution, built based on an explicit public allowlist that excludes private fields such as operational status, logs, and embeddings. The dataset is provided in structured tables and search index formats, with a target update frequency of daily (scanned after 06:00 AEST/Melbourne time and released before 10:00). Each version identifies exact Hub commits, source watermarks, table counts, file hashes, schema versions, publisher versions, and exclusion list versions. It is suitable for tasks such as financial research, announcement analysis, and risk screening, but users should note that the data is automatically converted and may contain OCR or extraction errors, so original announcements should always be verified. The dataset is based on the ASX redistribution permission (license name: asx-redistribution-permission), but public availability does not grant new open data licenses.

原始信息汇总

数据集概述

数据集名称：DilutionRisk ASX Dataset
数据集地址：https://huggingface.co/datasets/mzx/dilutionrisk-data
作者/维护者：dilutionrisk.com 团队

---

数据集内容与结构

该数据集为 DilutionRisk 项目提供版本化的公开表格和搜索索引，计划包含以下内容：

• 公司和日期快照：上市公司的历史状态记录
• ASX 公告元数据：澳大利亚证券交易所（ASX）公告的元数据及公开文件链接
• 资本工具与工具事件：与公司资本结构相关的工具及其变动事件
• 筛选器快照：基于筛选条件的快照结果
• SQLite 全文索引：一个与版本匹配的 SQLite 全文搜索索引

每个版本将标识以下信息：

• 精确的 Hub commit
• 源数据水印
• 表格数量
• 文件哈希值
• 架构版本
• 发布者版本
• 排除清单版本

更新频率目标为 每日，在澳大利亚/墨尔本时间 06:00 完成源扫描，10:00 前发布。

---

数据来源与许可

• 数据来源：ASX 上市公司发布的公告及 ASX 分发数据
• 许可类型：other，具体许可名称为 asx-redistribution-permission
• 许可说明：DilutionRisk 团队已获得 ASX 书面许可，允许公开重新分发。但公开可用性本身不授予新的开放数据许可，也不转移 ASX、上市公司或其他许可方持有的权利。
• 排除项：不包含操作 Firestore 状态、工作日志、重试记录、嵌入向量、备份、凭证、签名 URL、未公开文件及其他私有字段。

---

准确性与使用

• 准确性：Markdown 和结构化事实为自动化转换结果，可能存在 OCR 或提取错误。
• 使用建议：始终对照链接的上市公司公告核实数据。该数据集为研究基础设施，不构成财务建议。
• 反馈与更正：可通过数据集社区标签或联系 dilutionrisk.com 提交更正或删除请求，需提供规范文档 ID 和源 URL，但不要发布敏感内容。

---

相关资源

• 公共工件存储桶：https://huggingface.co/buckets/mzx/dilutionrisk-public
• API 和 MCP Space：https://huggingface.co/spaces/mzx/dilutionrisk-mcp
• 产品官网：https://www.dilutionrisk.com

搜集汇总

数据集介绍

构建方式

本数据集源自对澳大利亚证券交易所（ASX）上市发行人公告的系统性采集与结构化处理，经DilutionRisk团队确认获得ASX书面再分发许可后，以公开允许列表为基础构建。数据集的构建过程排除了操作性Firestore状态、工作日志、重试记录、嵌入向量、备份、凭证、签名URL及待处理文档等私有字段，仅保留公司信息、ASX公告元数据与公开工件URL、资本工具及工具事件、筛选器快照，并附加了基于SQLite的全文索引。每个版本均标识精确的Hub提交、源水印、表计数、文件哈希、模式版本、发布者版本及排除清单版本，目标以日为单位于墨尔本时间6点源扫描后更新，10点前完成发布。

特点

该数据集最显著的特征在于其版本化、可追溯的公开表格与搜索索引结构，每个版本均通过不可变的清单合约定义，并存储于公开Bucket的`manifests/v1/revisions/{DATASET_COMMIT}.json`路径下，确保数据可复现与审计。数据来源于ASX上市公司及其公开发布内容，但公开可用性本身不授予新的开放数据许可或转让ASX、发行人及其他许可方的权利，需严格遵守LICENSE中的归属与限制条款。此外，数据中的Markdown与结构化事实系自动化转换产物，可能存在OCR或提取错误，用户务必对关键信息链接至原始发行人公告进行核实，以避免因误读导致决策偏差。

使用方法

用户可通过HuggingFace平台直接访问数据集公共工件、API及MCP Space以进行查询与整合。对于数据修正或下架请求，应使用数据集社区标签或通过dilutionrisk.com联系团队，并附带规范的文档ID与来源URL，但不可发布敏感内容。每个版本的精确描述位于`schema/`目录下，包含已验证的示例与版本化清单合约，便于开发者进行程序化校验与集成。使用时应意识到此数据集为研究基础设施而非金融建议，任何依据数据作出的商业或投资决策均需独立验证并承担相应风险。

背景与挑战

背景概述

在金融市场监管日趋严格的背景下，上市公司股权稀释风险是投资者与监管机构共同关注的核心议题。DilutionRisk ASX Dataset由DilutionRisk团队创建，旨在系统化整理澳大利亚证券交易所（ASX）的公开披露信息，涵盖公司快照、公告元数据、资本工具及事件数据等，构建一个研究基础设施以支撑股权稀释风险的量化分析。该数据集于2025年首次发布，每日更新，通过版本化清单与公共存储桶的不可变修订机制确保数据可追溯性。其研究问题聚焦于如何从海量非结构化ASX公告中自动化提取结构化事实，为金融风险建模与市场监管提供可靠数据源，填补了ASX市场专门化稀释风险数据的空白。

当前挑战

该数据集面临的首要挑战是领域问题：股权稀释风险识别依赖于对ASX公告中复杂资本事件（如可转债发行、配股、期权行权等）的精确解析，而公告格式多样、包含大量非标准化表述，自动化提取极易引发OCR或解析错误。此外，构建过程中的挑战显著：数据源受ASX分发许可约束，仅能公开允许列表内容，需在合规框架内平衡公开性与隐私保护；每日更新需在澳大利亚墨尔本时间06:00后完成扫描，10:00前发布，时间窗口紧凑，对管线稳定性要求苛刻。同时，需排除Firestore操作状态、工作日志等私有字段，设计精准的筛选逻辑以规避敏感信息泄露，这大大增加了数据治理的复杂性。

常用场景

经典使用场景

DilutionRisk ASX数据集专为澳大利亚证券交易所（ASX）的股权稀释风险研究而设计，其核心使用场景涵盖资本工具事件的追踪、公司快照的时序分析以及公告元数据的结构化检索。研究人员可借助该数据集中的资本工具与事件表，系统性地捕捉配股、可转债转换、期权行权等稀释性事件的发生与演变，从而构建稀释风险的量化评估模型。该数据集还提供了与ASX公告的精确链接，使学者能够将自动提取的结构化事实与原始官方文件进行交叉验证，这在金融文本挖掘领域具有典范意义。

衍生相关工作

围绕DilutionRisk数据集，已衍生出多项具有影响力的研究工作。其中，基于其资本工具事件序列，研究者开发了‘稀释日历’（Dilution Calendar）方法，用于预测未来特定时间窗口内的稀释压力峰值。另一项经典工作是利用数据集中的公告元数据与SQLite全文索引，训练了针对股权融资公告的预训练语言模型，显著提升了金融领域非结构化文本中的稀释事件抽取精度。此外，该数据集还被用作验证事件研究方法论的标准基准，尤其是在处理由OCR错误和自动提取噪声引起的测量误差方面，催生了‘鲁棒事件效应估计’框架。这些工作共同推动了金融大数据从‘可获取’向‘可证伪’的范式转变。

数据集最近研究

最新研究方向

在金融数据生态中，dilutionrisk-data数据集为ASX（澳大利亚证券交易所）上市公司的股权稀释风险研究提供了结构化、可追溯的基础设施。该数据集不仅涵盖公司快照、资本工具及事件等核心表，还通过每日更新的版本化清单与元数据哈希校验机制，确保了数据溯源与透明性。当前研究方向聚焦于利用自动化工具提取ASX公告中的文本与结构化事实，结合SQLite全文索引构建高效的筛选与检索系统，以支持投资者与研究人员对稀释事件进行时序分析与敏感性建模。通过与公开工件存储及API空间的联动，该数据集正推动金融合规研究向可复现、可验证的方向演进，为监管科技与风险量化提供了开放而严谨的数据基石。