温馨提示若页面不能正常显示数学公式和代码请阅读原文获得更好的阅读体验。丁闪闪(lianxhcn163.com)曾咏新 厦门大学(zengyongxinhpe163.com)提要本文系统整理了金融大语言模型 (LLM) 研究的核心资源包括 12 个主流金融数据集、8 个开源模型及 4 段完整代码示例涵盖情感分析、文本摘要、命名实体识别和 LoRA 微调等任务。通过详细的环境搭建与使用指南帮助读者快速上手金融 LLM 研究与应用。Title从零开始玩转金融LLM12个数据集8个模型完整代码实战Keywords大语言模型金融NLP开源模型FinBERTFinGPTQwenLoRA微调Financial PhraseBankFiNERREFinDFinREDECTSumFinQAFLUEPIXIUFinEval查看本系列推文大语言模型如何重塑金融研究0. 导言近年来大语言模型 (LLM) 在金融领域的应用日益广泛从情感分析、命名实体识别到财报摘要生成LLM 展现出强大的文本理解与生成能力。然而对于初学者和研究者而言如何快速找到合适的数据集、选择恰当的模型、搭建实验环境并复现基准结果仍然面临较高的门槛。本文旨在为金融 LLM 研究提供一个「系统化、可落地」的资源包帮助读者在较短时间内了解金融NLP领域的核心任务与主流数据集掌握开源模型的选择与调用方法搭建本地实验环境并运行示例代码使用标准化基准测试评估模型效果全文涵盖三个方面数据集资源按任务类型 (文本处理、情感分析、数据预处理) 整理了 12 个主流金融数据集每个数据集均提供获取方式、数据规模和适用场景说明。开源模型与代码介绍了 8 个核心开源模型 (FinBERT、FinGPT、Qwen 等)并提供 4 段可直接运行的 Python 代码示例涵盖情感分析、文本摘要、命名实体识别和 LoRA 微调。基准测试工具汇总了 5 个主流金融 LLM 评测基准 (FLUE、PIXIU、FinEval 等)并给出 PIXIU 基准的快速上手代码方便读者对比模型性能。适用人群金融科技方向的研究生希望快速入门金融NLP从事金融文本分析的数据科学家需要了解最新模型与工具对 LLM 在金融领域应用感兴趣的开发者代码与工具使用指南本文提供的所有代码均基于Python 3.8环境建议使用Anaconda进行环境管理。具体环境搭建步骤请参见第 2.2 节的详细说明。代码中使用的主要工具包括Hugging Face Transformers模型加载与推理PyTorch深度学习框架PEFT参数高效微调 (LoRA 等)Datasets数据集加载与处理所有代码已在 Ubuntu 20.04 CUDA 11.8 环境下测试通过读者可根据自身硬件条件调整配置 (如使用 CPU 模式或降低 batch size)。1. 数据集资源按任务分类附获取方式与适用场景金融文本数据具有专业术语密集、结构复杂、时效性强等特点高质量的标注数据集是训练和评估金融 LLM 的基础。本节按照任务类型对 12 个主流金融数据集进行分类整理涵盖命名实体识别、关系抽取、文本摘要、推理问答、情感分析等核心任务。每个数据集均提供以下信息任务类型数据集针对的具体 NLP 任务数据规模样本数量或数据覆盖范围获取方式GitHub 链接或官方网站适用场景推荐的使用场景与研究方向读者可根据自身研究需求选择合适的数据集进行模型训练或评测。1.1 金融文本智能处理数据集FiNER任务类型金融命名实体识别数据规模大规模金融 NER 标注数据集获取方式FiNER GitHub适用场景涵盖新闻、财报、研报等多类型文本支持复杂实体边界识别。适用于训练 NER 模型及研究跨领域 NER 迁移。REFinD任务类型金融关系抽取数据规模约 2.9 万条标注的「实体–关系–实体」三元组涵盖 20 余类金融关系获取方式REFinD GitHub适用场景专注于金融实体间的结构化关系识别支持跨句乃至跨文档的关系抽取任务。FinRED任务类型金融关系抽取数据规模数万条通过远程监督自动标注的训练实例获取方式FinRED GitHub适用场景涵盖企业新闻、财报电话会议等文本适用于构建与评估金融实体关系识别与分类模型。ECTSum任务类型金融长文本摘要数据规模约 2,400 条「公司财报电话会议转录文本人工撰写要点式摘要」样本获取方式ECTSum GitHub适用场景原文文本长度较长、结构松散摘要通常为专家撰写的要点列表。适用于金融领域长文本摘要模型训练、信息压缩与关键信息抽取。FinQA任务类型金融领域的推理问答数据规模包含约 8,300 个问答对这些问答对来自大约 2.8k 份真实财务报告获取方式FinQA GitHub适用场景用于评估 LLM 或混合检索–生成系统在金融报告上的信息理解 数值计算能力可用于发展金融智能问答、财报分析等研究。TAT-QA任务类型金融领域的推理问答数据规模包含 16,552 个问题涉及来自真实财务报告的 2,757 个混合情境获取方式TAT-QA适用场景每个语境由至少一个半结构化表格 至少两个相关文本段落组成结合结构化表格与报告说明生成自动解释。1.2 金融情感分析数据集Financial PhraseBank任务类型文本情感分析/分类数据规模约 4,840 条英文金融短语获取方式FPB GitHub适用场景标注为积极/消极/中性由金融领域背景的专家标注是金融情感分类的经典基准数据集适合作为模型基线验证与微调研究。FiQA任务类型文本情感分析 / 分类数据规模大约 1,110 条金融句子获取方式Hugging Face Datasets适用场景附带 sentiment score可用于情感正负 /强度分类可拓展到问答与语境情感联合任务。FinSen Financial Sentiment Dataset任务类型文本情感分析数据规模16 万条金融市场新闻记录获取方式FinSen GitHub适用场景整合了来自 197 个国家的经济和金融新闻文章以及股票市场数据涵盖 2007 年至 2023 年提供了丰富的全球视角。SEntFiN 1.0任务类型新闻实体情感分析数据规模约 10,700 条新闻标题实体情绪标注数据获取方式SEntFiN 1.0 GitHub适用场景对每个新闻标题中的多个实体分别标注情绪适用于实体级情感识别、情感冲突识别等研究。温馨提示若页面不能正常显示数学公式和代码请阅读原文获得更好的阅读体验。