معرفی شرکت ها
chafic-0.1.9
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشترتوضیحات
chakki Financial Report Corpus
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | chafic-0.1.9 |
| نام | chafic |
| نسخه کتابخانه | 0.1.9 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | icoxfog417 |
| ایمیل نویسنده | icoxfog417@yahoo.co.jp |
| آدرس صفحه اصلی | https://github.com/chakki-works/chaFiC |
| آدرس اینترنتی | https://pypi.org/project/chafic/ |
| مجوز | MIT |
# chaFiC: chakki Financial Report Corpus
[](https://badge.fury.io/py/chaFiC)
[](https://travis-ci.org/chakki-works/chaFiC)
[](https://codecov.io/gh/chakki-works/chaFiC)
We organized Japanese financial reports to encourage applying NLP techniques to financial analytics.
## Dataset
You can download dataset by command line tool.
```
pip install chafic
```
Please refer the usage by `--` (using [fire](https://github.com/google/python-fire)).
```
chafic --
```
Example command.
```bash
# Download raw file version dataset of 2014.
chafic download --kind F --year 2014
# Extract business.overview_of_result part of TIS.Inc (sec code=3626).
chafic parse business.overview_of_result --sec_code 3626
# Tokenize text by Janome (Janome or Sudachi is supported).
pip install janome
chafic tokenize --tokenizer janome
# Show tokenized result (words are separated by \t).
head -n 5 data/processed/2014/docs/S100552V_business_overview_of_result_tokenized.txt
1 【 業績 等 の 概要 】
( 1 ) 業績
当 連結 会計 年度 における 我が国 経済 は 、 消費 税率 引上げ に 伴う 駆け込み 需要 の 反動 や 海外 景気 動向 に対する 先行き 懸念 等 から 弱い 動き も 見 られ まし た が 、 企業 収益 の 改善 等 により 全体 ...
```
* About the parsable part, please refer the [`edinet-python`](https://github.com/chakki-works/edinet-python#2-extract-contents-from-xbrl).
### Raw dataset file
The corpora are separated to each financial years.
| fiscal_year | Raw file version (F) | Text extracted version (E) |
|-------------|-------------------|-----------------|
| 2014 | [.zip (9.3GB)](https://s3-ap-northeast-1.amazonaws.com/chakki.esg.financial.jp/dataset/release/chakki_esg_financial_2014.zip) | [.zip (269.9MB)](https://s3-ap-northeast-1.amazonaws.com/chakki.esg.financial.jp/dataset/release/chakki_esg_financial_extracted_2014.zip) |
| 2015 | [.zip (9.8GB)](https://s3-ap-northeast-1.amazonaws.com/chakki.esg.financial.jp/dataset/release/chakki_esg_financial_2015.zip) | [.zip (291.1MB)](https://s3-ap-northeast-1.amazonaws.com/chakki.esg.financial.jp/dataset/release/chakki_esg_financial_extracted_2015.zip) |
| 2016 | [.zip (10.2GB)](https://s3-ap-northeast-1.amazonaws.com/chakki.esg.financial.jp/dataset/release/chakki_esg_financial_2016.zip) | [.zip (334.7MB)](https://s3-ap-northeast-1.amazonaws.com/chakki.esg.financial.jp/dataset/release/chakki_esg_financial_extracted_2016.zip) |
| 2017 | [.zip (9.1GB)](https://s3-ap-northeast-1.amazonaws.com/chakki.esg.financial.jp/dataset/release/chakki_esg_financial_2017.zip) | [.zip (309.4MB)](https://s3-ap-northeast-1.amazonaws.com/chakki.esg.financial.jp/dataset/release/chakki_esg_financial_extracted_2017.zip) |
| 2018 | [.zip (10.5GB)](https://s3-ap-northeast-1.amazonaws.com/chakki.esg.financial.jp/dataset/release/chakki_esg_financial_2018.zip) | [.zip (260.9MB)](https://s3-ap-northeast-1.amazonaws.com/chakki.esg.financial.jp/dataset/release/chakki_esg_financial_extracted_2018.zip) |
## Statistics
| fiscal_year | number_of_reports | has_csr_reports | has_financial_data | has_stock_data |
|-------------|-------------------|-----------------|--------------------|----------------|
| 2014 | 3,724 | 92 | 3,583 | 3,595 |
| 2015 | 3,870 | 96 | 3,725 | 3,751 |
| 2016 | 4,066 | 97 | 3,924 | 3,941 |
| 2017 | 3,578 | 89 | 3,441 | 3,472 |
| 2018 | 3,513 | 70 | 2,893 | 3,413 |
* financial data is from [決算短信情報](http://db-ec.jpx.co.jp/category/C027/).
* We use non-cosolidated data if it exist.
* stock data is from [月間相場表（内国株式）](http://db-ec.jpx.co.jp/category/C021/STAT1002.html).
* `close` is fiscal period end and `open` is 1 year before of it.
## Content
### Raw file version (`--kind F`)
The structure of dataset is following.
```
chakki_esg_financial_{year}.zip
└──{year}
├── documents.csv
└── docs/
```
`docs` includes XBRL and PDF file.
* XBRL file of annual reports (files are retrieved from [EDINET]).
* PDF file of CSR reports (additional content).
`documents.csv` has metadata like following.
* edinet_code: `E0000X`
* filer_name: `XXX株式会社`
* fiscal_year: `201X`
* fiscal_period: `FY`
* doc_path: `docs/S000000X.xbrl`
* csr_path: `docs/E0000X_201X_JP_36.pdf`
### Text extracted version (`--kind E`)
Text extracted version includes `txt` files that match each part of an annual report.
The extracted parts are defined at [`edinet-python`](https://github.com/chakki-works/edinet-python#2-extract-contents-from-xbrl).
```
chakki_esg_financial_{year}_extracted.zip
└──{year}
├── documents.csv
└── docs/
```
نحوه نصب
نصب پکیج whl chafic-0.1.9:
pip install chafic-0.1.9.whl
نصب پکیج tar.gz chafic-0.1.9:
pip install chafic-0.1.9.tar.gz