FinanceInc/auditor_sentiment_finetuned
✨ 基于BERT微调的金融审计文本情感分类模型,适合财报语调与风险信号分析
🧭 AI 判断
仅供研究仅是微调BERT情感分类模型,面向审计文本,非量化交易工具,维护未知
基于BERT微调的金融情感分析模型,可直接用于财报/新闻情绪因子构建
- 近2天热度 +163,当日热度在涨
- 7天热度 +327,处于持续上升期
📊 综合评分
📈 热度走势
GitHub star / HF 下载量每日快照 · 自 2026-09-17(上限 30 天)+603(现 2,760 · 断点=当日未采集)
📖 工具介绍
基于 BERT 架构、经金融领域语料微调的文本情感分类模型(基于 auditor_sentiment 数据集训练),可对财报、审计类文本进行情感倾向判断,输出正面、中性、负面等分类结果。适合量化研究员、金融数据分析师等需要将财报文本转化为情感因子的用户,可通过 transformers 或 pytorch 直接调用。
text-classification · transformers, pytorch, bert, text-classification, autotrain, DEV
⚖️ 同类对比
| 维度 | auditor_sentiment_finetuned | quantstats | empyrical-reloaded | ffn |
|---|---|---|---|---|
| 结论 | 仅供研究 | 推荐 | 值得关注 | 值得关注 |
| 热度 | 2.8k | 7.7k | 127 | 2.7k |
| 7日增长 | +327 | +27 | +2 | 0 |
| 适合人群 | 专业量化 | 专业量化 | 专业量化 | 专业量化 |
| 主要用途 | 数据分析 / 策略研究 | 数据分析 / 策略研究 | 数据分析 / 策略研究 | 数据分析 / 策略研究 |
| 支持市场 | 多市场 | 多市场 | 多市场 | 多市场 |
| 技术栈 | Python | Python | Python | Python |
| 上手难度 | 简单 | 简单 | 简单 | 简单 |
| 活跃度 | 高 | 高 | 低 | 中 |
💡 新手优先 quantstats(上手简单);近7日 auditor_sentiment_finetuned 势头最猛(+
🧩 更多同类工具
一款基于 Python 的量化投资组合分析库，可计算 Sharpe Ratio、Sortino Ratio、最大回撤等各类绩效与风险指标，并支持生成可视化报告。适合量化研究员和交易者用于评估策略回测结果与组合表现。
一款基于 Python 的金融风险与绩效指标计算库，是 Quantopian 开源项目 empyrical 的社区维护分支。它提供年化收益率、最大回撤、Sharpe ratio、Sortino ratio 等常用风险与绩效指标的计算功能，适合量化研究人员和策略开发者在回测与组合分析中使用。
一个基于 Python 的金融函数库，提供收益率计算、绩效分析、风险指标评估等常用量化分析功能，并支持与 pandas 无缝配合处理金融时间序列数据。适合从事量化研究、投资组合分析的开发者和分析师使用。
这是由 bardsai 发布在 Hugging Face 上的金融情感分析模型,基于 BERT 架构,针对日语金融文本进行 text-classification 训练,支持 transformers、PyTorch 和 safetensors 格式。它可对日语财经新闻、报告等文本进行情感倾向判断,适合需要处理日语另类数据(如新闻情绪因子)的量化研究员和 NLP 开发者使用。
一款基于 Python 的量化绩效分析工具，是 quantstats 的现代化改进版本，在保留原有功能的基础上增加了新特性并优化了性能。它可用于计算和可视化投资组合的各类风险与收益指标，适合需要快速生成策略分析报告的量化研究员和交易者使用。
一款基于 Python 的机器学习量化交易开源项目，配套《Machine Learning for Algorithmic Trading》一书，提供全书代码与相关资源。内容涵盖特征工程、模型构建与回测等环节，适合希望将 machine learning 方法应用于算法交易的学习者和研究者参考使用。