HiDy 是 K-Quant 团队开源的大规模层次化动态金融知识库，包含多类实体和关系，并按宏观、产业、中观、公司等层次组织金融知识。项目页面提到数十万关系和多类实体，目标是为金融任务提供可检索、可评测的知识基础。

这个项目适合与 FinRED、FIRE、Financial Knowledge Graph 一起阅读。FinRED 和 FIRE 更偏从文本中抽取实体关系，Financial Knowledge Graph 更偏用公开行情/财务数据建图，而 HiDy 更强调层次化、动态化和大规模金融知识库。

对银行来说，层次化金融知识库很有启发。客户风险不是孤立的：宏观政策影响行业，行业周期影响企业经营，企业经营影响授信风险，关联企业和供应链又影响风险传导。HiDy 的层次结构可以帮助学习如何把这些关系组织起来。

• 项目方向是：层次化动态金融知识库，核心学习问题是：宏观、产业、公司和指标关系如何组织成大规模金融知识库。
• 能帮助理解金融场景中数据、模型、检索、推理、智能体、知识图谱或评测之间的衔接方式。
• 适合用公开数据做原型学习，再思考如何迁移到银行内部制度、产品、客户、风控或运营场景。
• 项目地址：https://github.com/K-Quant/HiDy。 ↗
• 开源协议标注为：Apache-2.0；若协议未明确，建议仅作学习研究参考。

重点学习金融知识库的层次化设计。宏观、行业、公司、指标和事件如果没有层级，很容易变成杂乱实体库。

还可以学习动态知识库的概念。金融关系会随时间变化，行业分类、公司关系、财务指标和风险事件都需要时间戳和版本管理。

• 金融知识图谱和行业链条分析。
• 对公客户风险传导路径和行业暴露分析。
• 金融大模型检索增强知识底座。
• 宏观—行业—公司多层级研究框架。
• 关系抽取模型和图推理模型评测。

知识库覆盖范围、更新时间和实体消歧质量会直接影响下游模型。银行内部使用时还要接入内部客户主数据、集团关系和授信数据，必须处理权限、脱敏和数据治理。