sec-ex10-exhibits

Hugging Face2026-06-02 更新2026-06-03 收录

上市公司合同文档分析

SEC信息披露检索

数据链接：

https://huggingface.co/datasets/arthrod/sec-ex10-exhibits 数据链接链接失效反馈

官方服务：

资源简介：

该数据集是SEC EDGAR系统中EX-10（重要合同）附件的实时镜像，由arthrod/sec-ex10-api捕获。它提供了一个永久、可查询的SQL目的地，与上游SQLite存储并行运行，并以单个Parquet文件（data/exhibits.parquet）形式快照。数据集包含以下列：id、accession、cik、form_type、doc_type、filename、description、sequence、filing_url、found_at、markdown_status、has_markdown、filing_metadata（JSON格式）和markdown。这些列映射自源表`ex10_exhibits`。数据仅包含公开的SEC备案信息，适用于金融、法律领域的合同分析、文档检索等任务。用户可以使用DuckDB等工具直接查询Parquet文件。

This dataset is a real-time mirror of EX-10 (material contracts) exhibits from the SEC EDGAR system, captured by arthrod/sec-ex10-api. It provides a permanent, queryable SQL destination that runs in parallel with the upstream SQLite storage and is snapshotted as a single Parquet file (data/exhibits.parquet). The dataset includes the following columns: id, accession, cik, form_type, doc_type, filename, description, sequence, filing_url, found_at, markdown_status, has_markdown, filing_metadata (in JSON format), and markdown. These columns are mapped from the source table `ex10_exhibits`. The data contains only publicly available SEC filing information and is suitable for tasks such as contract analysis and document retrieval in finance and legal domains. Users can directly query the Parquet file using tools like DuckDB.

创建时间：

2026-05-27

原始信息汇总

数据集概述

名称: SEC EX-10 Material Contract Exhibits (Live)
来源: 美国证券交易委员会（SEC）EDGAR系统
许可证: 其他（无明确开放许可标注）
标签: sec, edgar, contracts, finance, legal

数据集内容

该数据集是SEC EDGAR系统中EX-10（重大合同）附件的实时镜像，由 arthrod/sec-ex10-api 捕获。数据以单个Parquet文件（data/exhibits.parquet）的形式提供，并作为与上游SQLite存储并行运行的永久、可查询SQL目标。

列字段

镜像 ex10_exhibits 表结构，包含以下字段：

id: 记录标识符
accession: SEC接入号
cik: 公司CIK编号
form_type: 表单类型
doc_type: 文档类型
filename: 文件名
description: 描述
sequence: 序列号
filing_url: 提交文件URL
found_at: 发现时间
markdown_status: Markdown状态
has_markdown: 是否包含Markdown
filing_metadata: 提交元数据（JSON格式）
markdown: Markdown内容

使用方式

可通过DuckDB直接查询，示例SQL： sql SELECT accession, cik, doc_type, description, found_at FROM hf://datasets/arthrod/sec-ex10-exhibits/data/exhibits.parquet ORDER BY found_at DESC LIMIT 20;

注意事项

仅包含公开的SEC提交数据
不构成法律或投资建议
与SEC无关联

搜集汇总

数据集介绍

构建方式

该数据集构建于SEC EDGAR系统实时捕获的EX-10（重大合同）展品基础之上，依托arthrod/sec-ex10-api实现数据同步。其核心架构为一个永久运行的、可查询的SQL数据库，与上游SQLite存储并行运作，并最终将快照导出为单一Parquet文件格式，存储于data/exhibits.parquet路径下。这种设计确保了数据源的实时性与稳定性。

使用方法

用户可通过DuckDB直接查询该数据集，示例SQL语句如SELECT accession, cik, doc_type, description, found_at FROM 'hf://datasets/arthrod/sec-ex10-exhibits/data/exhibits.parquet' ORDER BY found_at DESC LIMIT 20;。这种查询方式利用DuckDB对远程Parquet文件的原生支持，无需本地下载即可进行交互式分析。此外，数据集镜像自上游SQLite存储，保持了与原始ex10_exhibits表相同的列结构，方便熟悉该架构的用户无缝迁移。

背景与挑战

背景概述

SEC EX-10 Material Contract Exhibits数据集由研究者Arthur D.于2023年创建并维护，旨在从美国证券交易委员会（SEC）的EDGAR系统实时捕获并归档上市公司的重要合同附件（即EX-10 exhibits）。该数据集聚焦于金融与法律交叉领域，服务于监管信息提取、合同分析及财务研究等核心问题。通过提供结构化的Parquet格式快照与可查询的SQL接口，它弥补了SEC原始数据分散、非结构化且难以实时获取的痛点，为金融科技、法规合规及学术研究领域提供了高价值的数据基础设施，显著提升了材料合同数据的可访问性与分析效率。

当前挑战

当前数据集面临的核心挑战包括：其一，领域问题层面的复杂性——EX-10 exhibit涵盖的合同类型（如雇佣协议、信贷安排）格式多样、法律术语晦涩，导致信息提取与标准化难度极高；其二，数据构建过程中的工程挑战——需持续同步SEC EDGAR的实时更新，处理高频增量数据流与上游SQLite存储的并发写入问题，同时保证长期镜像的完整性与一致性；其三，数据质量与合规风险——原始文件中可能包含敏感条款或格式错误，需在去匿名化与法律合规之间取得平衡，避免误导性投资决策。

常用场景

经典使用场景

在金融与法律交叉研究领域，sec-ex10-exhibits数据集为深度剖析美国上市公司重大合同披露行为提供了宝贵的结构化数据源。这一数据集通过实时镜像SEC EDGAR系统中的EX-10（重要合同）附件，并以可查询的Parquet格式持久化存储，使得研究者能够高效检索历史与最新的合同文本。其经典应用场景涵盖利用DuckDB等工具执行大规模SQL查询，以筛选特定公司（CIK）、时间段或文档类型的合同，为后续监管分析、合约语言特征提取以及市场反应研究奠定数据基础。

解决学术问题

该数据集精准回应了金融与会计学领域长期存在的关键挑战——如何系统性地获取并利用非结构化、分散发布的SEC合同附件进行实证分析。传统上，研究者需手动爬取EDGAR并清洗庞杂的HTML和文本文件，耗时且易出错。sec-ex10-exhibits通过提供标准化、带元数据的合同快照，解决了数据获取的重复性与可复现性问题，显著降低了进入门槛。这推动了关于高管薪酬契约、并购条款、债务协议等重大合同的文本分析研究，为理解合同条款对股价波动、公司治理及信息不对称的影响提供了可量化的大规模样本基础。

实际应用

在实际商业与合规领域，sec-ex10-exhibits数据集为投资银行、对冲基金及法律科技初创公司提供了竞争力工具。分析师可快速索引竞争对手或潜在合作伙伴的重大合同，以洞悉其商业模式关键约束（如排他性条款、最低购买承诺）或收入驱动因素（如特许权使用费）。此外，该数据集被嵌入自动化合规系统，帮助上市公司审计自身与同行的信息披露一致性，识别可能触发SEC问询的模糊表述。法律团队也利用其历史快照追踪合同演化路径，辅助尽职调查与诉讼证据检索，极大缩短了从EDGAR原始文本到决策洞察的时间周期。

数据集最近研究