轻松解析SEC文件：使用AI工具简化投资分析

本文链接：https://blog.csdn.net/aehrutktrjk/article/details/143700306

引言

在金融世界中，SEC文件是一种至关重要的资源。它们提供了关于上市公司财务状况和经营活动的详细信息，是投资者和金融专业人士进行投资评估的重要依据。然而，海量的信息让许多新手和专业人士感到无从下手。本文将介绍如何使用Kay.ai与OpenAI结合的AI工具，快速高效地解析SEC文件。

主要内容

SEC文件简介

SEC文件是由美国证券交易委员会（SEC）要求公共公司、某些内部人员和经纪-自营商提交的财务报表或其他正式文件。常见的文件类型包括10-K、10-Q等，投资者利用这些文件来分析公司的财务健康、风险因素和运营表现。

使用Kay.ai和OpenAI解析SEC文件

我们可以通过Kay.ai提供的API，与OpenAI的自然语言处理能力相结合，快速获取和分析SEC文件中的关键信息。

准备工作

安装Kay软件包：在开始使用前，需要安装Kay的Python库。
获取API密钥：在https://kay.ai申请免费的API密钥，并将其设为环境变量。

# Setup API keys for Kay and OpenAI
from getpass import getpass
import os

KAY_API_KEY = getpass("Enter your Kay API key: ")
OPENAI_API_KEY = getpass("Enter your OpenAI API key: ")

os.environ["KAY_API_KEY"] = KAY_API_KEY
os.environ["OPENAI_API_KEY"] = OPENAI_API_KEY

构建检索链

利用KayAiRetriever结合OpenAI的GPT模型，构建一个用于对话式检索的链条。

from langchain.chains import ConversationalRetrievalChain
from langchain_community.retrievers import KayAiRetriever
from langchain_openai import ChatOpenAI

model = ChatOpenAI(model="gpt-3.5-turbo")
retriever = KayAiRetriever.create(
    dataset_id="company", data_types=["10-K", "10-Q"], num_contexts=6
)
qa = ConversationalRetrievalChain.from_llm(model, retriever=retriever)

查询示例

通过简单的查询，快速获取像Nvidia这样的公司的花费模式。

questions = [
    "What are patterns in Nvidia's spend over the past three quarters?"
]

chat_history = []

for question in questions:
    result = qa({"question": question, "chat_history": chat_history})
    chat_history.append((question, result["answer"]))
    print(f"-> **Question**: {question} \n")
    print(f"**Answer**: {result['answer']} \n")