Finance & Economics AI

This dataset is a **substantial, well-structured historical financial corpus** comprising over **2 million records** drawn from 10 authoritative financial publications spanning from **1843 to the early 1930s**. It has undergone rigorous OCR processing and paragraph reconstruction, resulting in excellent core data completeness.

****Please refer to documentation for AI readiness training report.***

Ten publications. Tens of thousands of pages. 75 years of financial history (1855‑1930). Cleaned. Structured. Bias‑audited.

<p><br/></p>

**Included publications:**

<p><br/></p>

🏦 Lloyds Bank Monthly (1930) – British banking perspective, corporate finance, international trade

📊 The Analyst (1913-1930) – Financial analysis, market commentary, investment research

💳 Business Credit (1893‑1930) – Commercial credit, trade finance, corporate lending

📈 Trusts & Estates (1904‑1930) – Trust administration, estate planning, fiduciary law

🏛️ NY Reserve Monthly Review (1919‑1930) – Federal Reserve Bank of New York economic commentary

🗽 Citibank Monthly Letter (1914‑1930) – Institutional banking analysis, economic conditions

🌍 The Economist (1843‑1930) – Global economics, finance, politics, trade (flagship)

📜 Commercial & Financial Chronicle (1865‑1930) – America's first national business weekly

📚 Credit World (1914‑1930) – Consumer credit, credit reporting, retail finance

🔒 Commercial & Financial Chronicle (1865‑1930) – Trust company operations, corporate trusteeship

<p><br/></p>

**Use this archive to:**

<p><br/></p>

- Train financial AI models on a century of banking, credit, and trust literature

- Extract financial entities: interest rates, bond yields, credit terms, trust structures

- Study the evolution of central banking, commercial credit, and international finance

- Support research in financial history, economic policy, and banking regulation

<p><br/></p>

All content is professionally OCR‑cleaned, structured as JSONL, and bias‑audited with historical context notices. 100% public domain (pre‑1930). Snowflake‑optimized.

<p><br/></p>

**Sample Cortex Agent Prompts:**

1. *What are the articles about banking or credit in the finance archive?*

<p><br/></p>

2. *How many articles does each publication have?*

<p><br/></p>

3. *What are the titles of finance articles that discuss interest rates or discount rates?*

<p><br/></p>

Row count: 2,016,509

Time period: 1843‑1930

Publications: 11

<p><br/></p>

原始信息汇总

数据集概述：Finance & Economics AI

该数据集是一个大规模、结构化的历史财务语料库，由Devin Media Corp.提供，AI训练准备度评分为84/100，被认为是适合RAG和金融AI应用的强候选数据集。

核心数据特征

• 记录数量：超过200万条记录（2,016,509行）
• 时间跨度：1843年至1930年代初
• 数据来源：来自10种权威金融出版物，经过专业OCR处理和段落重建，数据完整度优秀。
• 数据格式：经过专业OCR清洗，结构化为JSONL格式，已进行偏差审计，并附带历史背景说明。
• 数据状态：100%公共领域（1930年前内容）。
• 数据交付：通过安全共享方式交付，每月刷新。

包含的出版物

出版物	时间范围	内容侧重
🏦 Lloyds Bank Monthly	1930	英国银行业视角，企业金融，国际贸易
📊 The Analyst	1913-1930	金融分析，市场评论，投资研究
💳 Business Credit	1893-1930	商业信贷，贸易融资，企业借贷
📈 Trusts & Estates	1904-1930	信托管理，遗产规划，信托法律
🏛️ NY Reserve Monthly Review	1919-1930	纽约联邦储备银行经济评论
🗽 Citibank Monthly Letter	1914-1930	机构银行分析，经济状况
🌍 The Economist	1843-1930	全球经济，金融，政治，贸易（旗舰刊物）
📜 Commercial & Financial Chronicle	1865-1930	美国第一本全国性商业周刊
📚 Credit World	1914-1930	消费者信贷，信用报告，零售金融
🔒 Commercial & Financial Chronicle	1865-1930	信托公司运营，公司信托管理

注：出版物总计为11个。

数据结构与数据字典

数据集包含一个名为 FINANCE_ARCHIVE 的表，其关键字段如下：

• ISSUE (Varchar): 出版物期号
• TITLE (Varchar): 文章标题
• AUTHOR (Varchar): 作者
• TYPE (Varchar): 内容类型（例如：article）
• TEXT (Varchar): 全文文本
• INGESTION_DATE (Timestamp_NTZ): 数据摄取日期

业务应用场景

• 模型开发 (Model Development)：在银行、商业信贷、信托管理和央行政策文献上训练特定领域的LLM，支持模型预训练和微调，用于金融分析、信用风险评估和经济预测。
• 实体识别 (Entity Recognition)：从19-20世纪的金融文本中提取利率、债券收益率、信用条款、信托结构、银行名称、央行政策和经济指标等金融实体。
• 文本摘要 (Text Summarization)：利用全文金融文章与原始标题形成的自然源-摘要对，训练模型生成冗长市场评论、信用报告和经济分析的简明摘要。

定价模式

• 该数据集（Finance AI Historical Banking and Credit Archive）的定价信息未在页面详细列出，需联系获取。

用例示例（SQL查询）

• 查看数据集内容：选择 ISSUE, TITLE, AUTHOR，筛选类型为article，限制10条。
• 按主题查找文章：使用 ILIKE 搜索文本中包含banking或credit的内容。
• 按出版物统计文章数量：使用 SPLIT_PART 函数从字段中提取出版物名称进行分组统计。
• 搜索利率内容：使用 ILIKE 搜索文本中包含interest rate或discount rate的内容。