页面准备好后会自动显示。等待期间仍可使用顶部导航切换。
SEEKINGDAO / FIELD NOTES
从真实业务出发，看清 AI 如何落地。读懂做法、成效与边界，把案例变成自己的判断。
它解决了什么业务问题？用了哪些数据？披露的效果是实绩、试点，还是计划？
THE INDEX
找到 462 条
开源社区
QuantStats 是一个基于 Python 的量化绩效分析库，能够一行代码生成策略或投资组合的完整绩效报告，包括夏普比率、最大回撤、月度回报热力图、收益分布和基准对比等可视化输出。项目在 GitHub 拥有超过 7000 星，是量化投研领域被引用最频繁的绩效分析工具之一。 QuantStats 内部由三个子模块组成：stats 提供风险收益计算（alpha/beta/夏普/Sortino/Calmar 等）、plots 提供 matplotlib/plotly 可视化，r
量化绩效与风险分析 / 策略报告
开源社区
empyrical 是 Quantopian 开源的金融风险与绩效指标计算库，为 Zipline、pyfolio 等量化工具链提供底层指标运算。它实现了数十个常见的绩效和风险度量函数，包括最大回撤、Alpha/Beta、夏普比率、Sortino 比率、Omega 比率、年化收益、年化波动、上行/下行捕获率等。 empyrical 的核心价值在于它将金融绩效指标的计算抽象为纯函数：输入收益率序列（numpy array 或 pandas Series），输出标量或序列化指标值。
金融风险与绩效指标计算库
开源社区
yfinance 是 Python 生态中使用最广泛的金融数据获取库之一，提供对 Yahoo Finance 公开 API 的 Pythonic 封装。它可以获取全球股票、ETF、指数、期权、加密货币的历史行情（日/周/月/分钟级）、实时报价、财务报表（资产负债表/利润表/现金流量表）、公司基本面、分析师评级、持仓变动、股息和拆股信息等。GitHub 超过 22000 星，PyPI 月下载量超百万。 yfinance 的核心设计是 Ticker 对象：通过 yf.Ticker
全球金融市场数据接口 / Yahoo Finance
开源社区
edgartools 是一个现代化的 Python 库，将 SEC EDGAR 的各类公告（10-K/10-Q/8-K/13-F/Form 4 等）解析为结构化的 Python 对象。与直接下载 HTML/XML 原始文件不同，edgartools 提供 Company、Filing、Financials 等高级对象，可以直接获取资产负债表、利润表、现金流量表的 DataFrame，以及内幕交易、基金持仓等数据。GitHub 2000+ 星，维护活跃（2026 年仍有频繁发布
SEC EDGAR 数据分析与财报解析
开源社区
sec-edgar-downloader 是一个轻量级 Python 包，专门用于从 SEC EDGAR 数据库批量下载公司公告文件。它支持按 ticker 或 CIK 搜索，可以下载 10-K、10-Q、8-K、13-F、S-1、DEF 14A 等几乎所有 SEC 表单类型，并自动保存为本地文件目录结构。GitHub 660+ 星，长期维护。 sec-edgar-downloader 的设计哲学是“只做下载、做好下载”：它不试图解析文件内容，而是提供可靠、合规、可配置的批量
SEC EDGAR 公告批量下载工具
开源社区
sec-parser 是 Alphanome.AI 开源的 SEC EDGAR HTML 文件语义解析器。它的核心功能是将 SEC 公告的 HTML 文件（如 10-K/10-Q）解析为一棵语义元素树（semantic tree），其中每个节点对应文档的一个语义单元——标题、段落、表格、列表等——并标注其层级关系。这种“图像语义分割”概念应用到 HTML 文档的方法，使 LLM/RAG 应用可以按语义而非简单分块来处理 SEC 文件。 传统做法是用 BeautifulSoup
SEC 公告语义树解析 / AI 数据预处理
开源社区
FinEmotion 是 AI4Finance Foundation 开源的金融情绪标注算法项目，旨在为金融文本构建更细粒度的情绪标签，而不仅仅停留在“正面/负面/中性”三分类。项目基于 Text2Emotion 等情绪识别方法，结合金融语境做适配，用于生成或辅助生成金融情绪数据集。 传统金融情感分析往往只判断一句话对资产价格是利好、利空还是中性，但真实的市场文本更复杂：投资者可能表达焦虑、恐慌、兴奋、乐观、困惑或愤怒。FinEmotion 的学习价值在于提醒我们：金融 NL
金融情绪标注算法 / 情感数据增强
开源社区
StockEmotions 是一个发表在 AAAI 2023 的金融情绪数据集项目，包含 10,000 条从 StockTwits 平台收集的英文投资者发言，标注了 2 类情感（看涨/看跌）和 12 类情绪（乐观/恐慌/愤怒/困惑/兴奋等），同时附带对应时间段内 38 家公司的历史股价数据。项目旨在探索投资者情绪与股票价格变动之间的多变量时间序列关系。 与传统金融情感数据集（如 Financial PhraseBank 仅提供正/负/中性标签）不同，StockEmotions
金融社交情绪数据集 / 情感与时间序列
开源社区
Fraud-Detection-Handbook 是一本以 Jupyter Notebook 形式呈现的“可复现机器学习信用卡欺诈检测实践手册“，由布鲁塞尔自由大学（ULB）机器学习团队编写。项目包含完整的数据生成、特征工程、模型训练、评估和部署流水线，覆盖欺诈检测领域的关键方法论问题。GitHub 690+ 星。 手册的核心价值不是“又一个 sklearn 教程“，而是系统性地解决欺诈检测中的独特挑战：极端不平衡（欺诈样本不到 1%）、时序数据泄露（未来信息不能用于训练）、
信用卡欺诈检测 / 机器学习实践手册
开源社区
OctoBot 是 Drakkar-Software 开源的加密货币自动交易机器人，支持 AI、Grid、DCA、TradingView 信号和多交易所接入。与偏研究型的回测框架不同，OctoBot 更像一个完整的自动化交易工作台：用户可以配置策略、连接交易所、运行机器人、查看执行结果，并通过界面管理交易逻辑。 OctoBot 的金融 + AI 价值在于它把“策略信号”“资金执行”“风险限制”“用户界面”放在同一个系统里。很多学习者只会写一个预测模型，却不知道预测结果如何变成
AI / Grid / DCA 加密交易机器人
开源社区
FlowScope 是一个基于多部图（multipartite graph）的洗钱检测算法实现，对应论文“FlowScope: Spotting Money Laundering Based on Graphs“。它的核心思想是将银行账户间的资金转账建模为多部图，然后检测从源头到目的地的大额资金流——洗钱者通过多层中间账户转移资金的完整链路。 与传统欺诈检测方法（基于单笔交易特征的分类器或基于规则的阈值告警）不同，FlowScope 着眼于“资金流的全局结构“——它不看单笔交
洗钱流向检测 / 图算法
开源社区
FinDKG（Financial Dynamic Knowledge Graph）是一个将大语言模型（LLM）与时序知识图谱（Temporal Knowledge Graph）结合的金融研究项目。它从金融新闻和文档中抽取实体和关系，构建一个随时间变化的金融知识图谱，然后用图神经网络（KGTransformer）在时序图上做链接预测和异常检测。论文发表在学术期刊，GitHub 180+ 星。 FinDKG 的核心创新是“动态”——传统金融知识图谱是静态快照（某个时间点的公司-行
金融动态知识图谱 / LLM 驱动
内容整理自金融 AI 长期进化实验室。银行用例、开源项目与 Skill 工作流分开展示；商业合作、计划和试点的表述按原分析保留，披露指标不等同于独立审计结果。
业务分类和技术标签按公开规则归纳；同机构不同项目、同名但来源不同的 Skill 独立保留。总览与正文只计一次，相同机构项目或相同上游路径合并并保留来源版本。当前 462 条来源记录，合并 0 条重复记录。
每日检查公开仓库，更新时保留上一版有效内容；如果来源删除已有记录或结构发生变化，暂停覆盖，等待核对。最近检查：2026/11/14（香港时间）。当前来源修订：06778e55 ↗。