FinRpt

FinRpt是一个用于自动生成股票研究报告的大型高质量的双语（中文和英文）基准数据集。该数据集旨在解决金融领域数据稀缺的问题，并促进大型语言模型在金融行业的发展。数据集的核心任务是给定公司的股票代码和特定日期，模型需要利用提供的多源异构财务数据生成结构良好、全面且逻辑连贯的研究报告。

原始信息汇总

FinRpt数据集概述

数据集基本信息

• 名称：FinRpt
• 许可证：CC-BY-4.0
• 任务类别：文本生成、摘要生成
• 语言：中文、英文
• 标签：金融、智能体
• 规模：1K<n<10K

数据集描述

FinRpt是一个大规模、高质量的双语（英文和中文）基准数据集，专为自动化生成股权研究报告而设计。该数据集旨在解决该领域数据稀缺问题，并促进大型语言模型在金融领域的发展。

核心任务：给定公司股票代码和特定日期，模型应利用提供的多源异构财务数据生成结构良好、全面且逻辑连贯的股权研究报告。

数据集特点

• 报告使用FinRpt-Gen多智能体框架生成，模拟人类金融分析师的工作流程
• 包含最终生成的报告以及每个智能体的中间输入和输出
• 通过数据集增强模块确保数据质量

支持任务

• 文本生成：训练模型生成完整的股权研究报告
• 指令调优：包含大量提示-响应对，适用于指令调优LLM
• 金融摘要：可用于训练模型从季度收益数据生成财务摘要

数据结构

数据字段

• id：唯一标识符，格式为股票代码_日期
• stock_code：股票代码
• date：分析日期
• 多个智能体的提示和响应字段：
  • 新闻分析智能体
  • 利润表分析智能体
  • 资产负债表分析智能体
  • 现金流量表分析智能体
  • 财务分析编写智能体
  • 新闻分析编写智能体
  • 管理与开发分析智能体
  • 风险分析智能体
  • 投资潜力与评级预测智能体

数据创建

• 创建理由：填补高质量长篇股权研究报告自动生成的空白
• 源数据：从公共金融数据API收集，整合七种不同数据类型
• 生成过程：使用FinRpt-Gen多智能体框架自动生成，GPT-4o作为核心LLM

使用注意事项

• 非投资建议：仅供学术研究使用，不构成任何形式的投资建议
• 数据时效性：数据集覆盖范围截至2024年11月初
• 模型偏差：数据由大型语言模型生成，可能继承其训练数据中的偏差

引用信息

bibtex @article{jin2025finrpt, title={FinRpt: Dataset, Evaluation System and LLM-based Multi-agent Framework for Equity Research Report Generation}, author={Jin, Song and Li, Shuqi and Zhang, Shukun and Yan, Rui}, journal={arXiv preprint arXiv:2511.07322}, year={2025} }

搜集汇总

数据集介绍

构建方式

在金融科技领域，自动化生成高质量研究报告的需求日益增长。FinRpt数据集通过多智能体框架FinRpt-Gen构建，模拟专业分析师的工作流程，整合公司档案、财务指标、新闻公告及市场数据等多源异构信息。生成过程采用GPT-4o作为核心语言模型，并经过数据集增强模块的三重优化：推荐评级校正确保投资建议与市场趋势一致，专家报告校正提升内容专业性，语言模型抛光增强文本可读性与逻辑连贯性。

特点

该数据集作为首个大规模双语股权研究报告生成基准，其突出特点在于完整保留了多智能体协作的中间过程。每个样本不仅包含最终研究报告，还囊括新闻分析、财务评估、风险识别等环节的提示与响应记录，形成层次化的分析链条。数据集覆盖中英文双语言环境，聚焦中国A股市场，兼具时序性与结构性，为模型训练提供深度可解释性支撑。

使用方法

研究人员可将该数据集应用于三大核心场景：通过端到端训练实现研究报告自动生成，利用丰富的提示-响应对进行指令微调以提升金融任务理解能力，或抽取特定模块开展财务摘要生成等子任务研究。使用前需注意数据时效性截至2024年11月，且生成内容含模型固有偏差，严禁作为实际投资决策依据。

背景与挑战

背景概述

随着金融科技领域的快速发展，自动化生成高质量研究报告成为学术界与产业界共同关注的焦点。FinRpt数据集由研究团队于2024年创建，旨在填补股权研究报告自动生成领域的数据空白。该数据集通过整合多源异构金融数据，构建了涵盖公司概况、财务指标、新闻公告等维度的双语基准，为大型语言模型在金融领域的深度应用提供了重要支撑。其创新性地采用多智能体框架模拟人类分析师工作流，不仅产出最终报告，更完整保留了中间推理过程，对推动可解释金融AI研究具有里程碑意义。

当前挑战

在解决股权研究报告自动生成这一核心问题时，需克服多重技术障碍：如何从异构数据源中提取有效特征，如何保证生成内容在投资建议与市场趋势间的一致性，以及如何确保专业术语与金融逻辑的准确表达。数据集构建过程中面临三大挑战：一是多模态金融数据的时序对齐与噪声过滤，二是通过评级校正模块消除模型生成偏差，三是依靠专家报告校正机制维持行业标准，这些难点共同构成了该领域技术突破的关键瓶颈。

常用场景

经典使用场景

在金融科技领域，FinRpt数据集为自动化生成股权研究报告提供了标准化实验平台。该数据集通过整合多源异构金融数据，包括公司财务指标、市场新闻、股价走势等信息，构建了完整的分析链条。研究人员可基于其结构化提示-响应对，训练模型模拟专业分析师的工作流程，从数据提取到最终报告生成实现端到端学习。

实际应用

在现实场景中，该数据集支撑的智能投研系统已应用于金融机构的初步研究环节。通过自动化处理海量金融数据，系统能够快速生成符合行业规范的研究报告框架，显著提升分析师的工作效率。部分券商机构正利用此类技术构建辅助决策系统，用于上市公司基本面分析的初步筛查和风险预警，但需注意其结论仍需专业人工复核。

衍生相关工作

基于该数据集衍生的经典研究包括多智能体协作框架的优化探索，如改进金融领域专用代理的决策逻辑。后续工作聚焦于跨市场泛化能力提升，尝试将A股市场验证的模型迁移至港股、美股市场。同时催生了金融报告自动评估体系的研究浪潮，推动了基于事实验证的生成质量量化标准建立。