EDGAR® ja SEC® ovat Yhdysvaltain arvopaperimarkkinakomission tavaramerkkejä.Tämä blogikirjoitus ja siihen liittyvä avoimen lähdekoodin projekti eivät ole sidoksissa Yhdysvaltain arvopaperimarkkinakomiteaan, eivätkä ne ole millään tavalla sidoksissa siihen. EDGAR® ja SEC® ovat Yhdysvaltain arvopaperimarkkinakomission tavaramerkkejä.Tämä blogikirjoitus ja siihen liittyvä avoimen lähdekoodin projekti eivät ole sidoksissa Yhdysvaltain arvopaperimarkkinakomiteaan, eivätkä ne ole millään tavalla sidoksissa siihen. yleiskatsaus Vuonna 1934 Yhdysvaltain kongressi perusti Securities and Exchange Commissionin (SEC) valvomaan rahoitusmarkkinoita ja suojelemaan sijoittajia. Virasto perustuu yksinkertaiseen periaatteeseen: sijoittajat ansaitsevat tarkkoja, totuudenmukaisia ja täydellisiä tietoja yrityksistä, joihin he haluavat sijoittaa. ”Niiden, jotka haluavat hyödyntää muiden ihmisten rahaa, on oltava täysin rehellisiä niiden tosiasioiden suhteen, joista sijoittajan tuomiota pyydetään.” Franklin Delano Roosevelt, Yhdysvaltain 32. presidentti ”Niiden, jotka haluavat hyödyntää muiden ihmisten rahaa, on oltava täysin rehellisiä niiden tosiasioiden suhteen, joista sijoittajan tuomiota pyydetään.” Franklin Delano Roosevelt, Yhdysvaltain 32. presidentti Lähes vuosisadan ajan SEC on toiminut rahoitusmaailman avoimuuden valvojana, joka vaatii julkisia yrityksiä paljastamaan kaiken neljännesvuosittaisista voitoista johtajien korvauksiin, liiketoiminnan riskeistä suurtapahtumiin. Sen kautta ) järjestelmä (käynnistetty 1990-luvulla) SEC on tehnyt nämä tiedostot vapaasti saatavilla kenelle tahansa, jolla on Internet-yhteys. Tietojen kerääminen, analysointi ja palauttaminen ( EDGAR Teoriassa tämä luo tasapuolisen toimintaympäristön, jossa yksittäiset sijoittajat voivat käyttää samoja tietoja kuin ammattimaiset sijoittajat. Institutionaalisilla sijoittajilla on analyytikoita, hienostunutta ohjelmistoa ja miljoonia teknologian infrastruktuuria analysoida, analysoida ja poimia oivalluksia SEC: n hakemuksista. Heidän on manuaalisesti navigoitava tiheiden, monimutkaisten asiakirjojen läpi, jotka kattavat usein satoja sivuja. Retail investors don’t For example, a single Apple annual report ( 10-K filing) contains over 100 pages of financial data, business descriptions, and risk factors. Ammattimaiset sijoittajat poimivat järjestelmällisesti tiettyjä mittareita, vertailevat trendejä neljännesvuosien ja vuosien välillä, analysoivat segmentin suorituskykyä ja tunnistavat kuvioita, joita olisi lähes mahdotonta havaita manuaalisen tarkastelun avulla. The problem goes beyond just having access to data. But today things have changed, individual investors can now keep up. Suuret kielimallit, Model Context Protocol ja ohjelmallinen pääsy SEC EDGAR-tietoihin tekevät viime kädessä hienostuneesta rahoitustutkimuksesta yksittäisten sijoittajien saatavilla.Nyt voit käyttää tekoälyä hyödyntämään keskeisiä taloudellisia mittareita, suorittamaan monimutkaisia analyyseja useissa yrityksissä ja aikaväleissä ja löytämään oivalluksia, jotka aiemmin vaativat erikoistunutta asiantuntemusta ja kalliita työkaluja. Miten tämä toimii käytännössä? sukelletaan tekniseen perustaan, joka mahdollistaa tämän: (julkaistu versiolla 21. heinäkuuta 2025), avoimen lähdekoodin ohjelmisto, joka on rakennettu julkisesti ja jota ylläpitää yhteisö, joka muuttaa tapaa, jolla sijoittajat ovat vuorovaikutuksessa taloudellisen tutkimuksen kanssa. Lisätiedot SEC EDGAR MCP Server 1-alpha Miten kaikki muuttuu Ennen kuin sukellamme teknisiin yksityiskohtiin, ymmärrämme, mikä tekee tästä lähestymistavasta olennaisesti erilaisen kuin perinteiset taloudelliset tutkimustyökalut ja työnkulut. Model Context Protocol (MCP) on avoin standardi, jonka avulla AI-avustajat voivat muodostaa turvallisen yhteyden ulkoisiin tietolähteisiin ja työkaluihin. Ajattele sitä universaalina liittimenä, jonka avulla AI-avustajasi voi käyttää ja puhua suoraan tietokantoihin, API-sovelluksiin ja palveluihin, mukaan lukien SEC: n EDGAR-järjestelmä. Perinteinen taloudellinen tutkimus liittyy usein hyppäämiseen useiden alustojen välillä: yritysten etsiminen yhdeltä sivustolta, tiedostojen lataaminen toiselta ja sitten manuaalinen kopiointi laskentataulukoihin analysointia varten. With an MCP server, your AI assistant can do all of this seamlessly in a single conversation. Raaka-aineista älykkyyteen Katsotaanpa käytännön esimerkkiä. Oletetaan, että haluat analysoida Microsoftin taloudellisia tietoja. Perinteisesti tähän sisältyy: MSFT:n viimeaikaisten 10-Q (neljännesvuosiraportti) tai 10-K (vuosiraportti) tiedostojen löytäminen EDGARista Lataa ja avaa useita PDF-tiedostoja Manuaalinen etsiminen segmenttien tulotiedoista Numeroiden kopiointi laskentataulukkoon Kasvuvauhtien ja suuntausten laskeminen SEC EDGAR MCP:n avulla koko prosessi muuttuu yksinkertaiseksi keskusteluksi: AI-avustaja käsittelee kaiken teknisen monimutkaisuuden kulissien takana ja esittelee sinulle puhtaat, muotoillut tulokset: "Näytä minulle Microsoftin tase, tuloslaskelma ja kassavirran tiedot." https://youtu.be/HEWTR15-xZc?embedable=true Toinen esimerkki olisi analysoida Applen viimeisimpiä tuloja: https://youtu.be/T-6H3zF8fWU?embedable=true Tai luo kaavioiden ohjauspaneeli, joka perustuu viimeisimpiin NVIDIA:n taloudellisiin tietoihin: https://youtu.be/UH2JPfhuoGU?embedable=true Voimme myös etsiä viimeisimpiä sisäpiirikauppoja Amazonissa: https://youtu.be/k4sVFcHpmfg?embedable=true Tai tutkia yrityskohtaisia tietueita Applen tiedostoista ja piirtää ne: https://youtu.be/V2rSkgYZXGg?embedable=true Tämän työnkulun käyttämiseksi tarvitset käynnissä olevan LLM: n, joka tukee MCP-protokollaa, kuten (käytetään demoissa). Palvelin toimii paikallisesti Dockerin kautta. Pääosat Desktop Voit seurata ohjeita siitä, miten se asennetaan ja käytetään . Täällä Mutta odota, SEC tarjoaa API: t EDGAR-tietojen käyttämiseen, joten miksi ei vain käytä niitä suoraan? Miksi EEGAR API? Vastaus on monimutkaisuus ja käytettävyys. SEC: n REST-API: t ovat tehokkaita, mutta vaativat teknistä asiantuntemusta tehokkaaseen käyttöön. Sinun on ymmärrettävä yrityksen tunnisteet (CIK), arkistointitaksonomioita, XBRL-rakenteita ja monimutkaisten JSON-vasteiden navigointia. Yksinkertainen kysymys, kuten sinun täytyy kirjoittaa ohjelmisto löytää Applen (Central Identifier Key), etsi oikea tiedosto, tarkista Tiedot, ja poimia erityinen taloudellinen käsite.Kaikki tämä ennen kuin edes päästä analyysiin. Mikä oli Applen viimeisen neljänneksen liikevaihto? CIK XBRL Tämä monimutkaisuus johtaa luonnollisesti toiseen kysymykseen: miksi ei vain kysy ChatGPT:ltä tai muilta AI-avustajilta suoraan taloudellisista tiedoista ilman MCP-palvelinta? Miksi ei yleisiä LLMs? Haasteena tässä on tarkkuus ja valuutta. Yleiskäyttöön tarkoitetut AI-mallit koulutetaan tietoihin, joilla on leikkauspäivämäärät, mikä tarkoittaa, että niillä ei ole viimeaikaista taloudellista tietoa. Vaikka he voivat navigoida verkossa ja yrittää löytää taloudellisia tietoja, he saattavat jättää tärkeitä yksityiskohtia. Kun teet sijoituspäätöksiä, tarvitset nykyisiä, todennettuja ja täydellisiä tietoja lähteestä. Tämä on juuri se ongelma, jonka SEC EDGAR MCP -palvelin on suunniteltu ratkaisemaan. Kuten näette tästä , MCP-palvelimeen kytketty LLM pystyy kuluttamaan tiedot alkuperäisen tiedoston perusteella, joka on paras saatavilla oleva tietolähde: Keskustelua Kaikki tiedot ovat peräisin suoraan NVIDIA: n SEC EDGAR-tiedostosta (lomake 10-Q, toimitettu 28. toukokuuta 2025, Liittymänumero: 0001045810-25-000116) tarkasti säilytettynä alkuperäisistä XBRL-tiedoista. Kaikki tiedot ovat peräisin suoraan NVIDIA: n SEC EDGAR-tiedostosta (lomake 10-Q, toimitettu 28. toukokuuta 2025, Liittymänumero: 0001045810-25-000116) tarkasti säilytettynä alkuperäisistä XBRL-tiedoista. MCP-palvelimen sisäiset toiminnot Tämä avoimen lähdekoodin paketti on vapaasti saatavilla kenelle tahansa käyttää, muokata ja parantaa. paketti tarjoaa yli 20 erikoistyökalua LLM: lle, joka käsittelee kaikkea yrityksen hakemusten löytämisestä monimutkaisten taloudellisten mittareiden poistamiseen: Voit lukea tarkemmin jokaisesta työkalusta . Dokumentaatio Tässä on, mikä tekee siitä voimakkaan: : Sen sijaan, että paketti analysoi manuaalisesti satoja sivuja taloudellisia asiakirjoja, se voi automaattisesti poimia erityisiä mittareita, kuten tuloja maantieteellisten segmenttien mukaan, neljännesvuosittaisia vertailuja tai johtajien korvaustietoja. Smart data extraction and parsing Paketti napauttaa useita SEC-tietovirtoja, EDGAR-tietokannasta reaaliaikaisiin RSS-syötteisiin uusista tiedostoista, jotta sinulla on pääsy sekä historiallisiin tietoihin että uusimpiin yrityksen päivityksiin. Multiple data sources : Nykyaikaiset SEC-tiedostot käyttävät XBRL: tä (eXtensible Business Reporting Language), jäsenneltyä muotoa, joka tekee taloudellisista tiedoista koneellisesti luettavia. XBRL analysis Eri yritykset raportoivat tiedoista eri tavoin.Apple voi jakaa tulot "Amerikkaan, Eurooppaan ja Kiinaan", kun taas Microsoft käyttää eri alueellisia luokkia.Paketti löytää ja mukautuu dynaamisesti kunkin yrityksen erityiseen raportoinnin rakenteeseen. Company-specific insights Avoin lähdekoodi, miksi sillä on väliä? The decision to make this package open source isn't just about free access, it's about transparency and community-driven innovation. Kun teet sijoituspäätöksiä, sinun on luotettava paitsi tietoihin, mutta menetelmiin, joita käytetään sen poistamiseen ja analysointiin. Avoin lähdekoodi tarkoittaa, että voit tarkastella tarkalleen, miten paketti toimii, tehdä parannuksia ja mukauttaa sitä erityistarpeisiisi. Katsomassa eteenpäin SEC on kerännyt yritysten paljastuksia lähes 90 vuoden ajan.Tiedot ovat kaikki siellä, vapaasti saatavilla kenelle tahansa.Mutta tähän mennessä merkityksellisten oivallusten saaminen näistä tiedoista vaati aikaa, syvällistä teknistä asiantuntemusta ja kalliita analyyttisiä työkaluja. MCP: n ja LLM: n avulla yksittäiset sijoittajat voivat esittää kysymyksiä yksinkertaisella englanniksi ja saada tarkkoja vastauksia, joita tukevat viralliset SEC-hakemukset. Se ei ole vallankumouksellinen tekniikka, se on yksinkertaisesti hyvä tekniikka, jota sovelletaan todelliseen ongelmaan. SEC EDGAR tarjoaa jo API: t, yritykset jo tiedostoja jäsennellyissä muodoissa, AI-avustajat ovat jo olemassa. The MCP just connects these pieces together in a way that's actually useful for investors. Roosevelt halusi markkinoita, joissa yksittäiset sijoittajat voisivat tehdä tietoon perustuvia päätöksiä. Se, mitä analyytikkojoukkueet käyttivät ennen, voidaan nyt tehdä keskustelussa kenen tahansa. Now open-source tools are providing the accessibility Maybe the information advantage that Wall Street has held for decades is disappearing. Tunnustukset Tämä työ ei olisi mahdollista ilman monien muiden perustuksia. ansaitsee tunnustusta uskomattomasta työstä ylläpitää yhtä maailman kattavimmista ja helposti saatavilla olevista yritysten julkistamisjärjestelmistä. EDGAR-tietokanta ja REST-sovellusliittymät tarjoavat luotettavan tietopohjan, joka mahdollistaa tällaiset työkalut. The US SEC luotiin Model Context Protocol -standardi ja jatkaa AI-turvallisuuden ja -ominaisuuksien kehittämistä.Heidän sitoutumisensa avoimiin standardeihin mahdollistaa yhteentoimivuuden, joka hyödyttää kaikkia. Anthropic vasemmalle SEC EDGAR MCP -paketti GitHubin tallennus: https://github.com/stefanoamorelli/sec-edgar-mcp Asiakirjat: https://sec-edgar-mcp.amorelli.tech SEC Resurssit EDGAR tietokanta: https://www.sec.gov/edgar SEC REST API:t: https://www.sec.gov/edgar/sec-api-documentation EDGAR Yrityksen haku: https://www.sec.gov/edgar/searchedgar/companysearch SEC Investor.gov: osoitteessa https://www.investor.gov/ Sijoittaja.gov Käyttöliittymän mallin protokolla (MCP) MCP eritelmä: https://modelcontextprotocol.io/ Antrooppinen MCP-dokumentaatio: https://docs.anthropic.com/en/docs/build-with-claude/computer-use MCP palvelimet Tallennus: https://github.com/modelcontextprotocol/servers Avoimen lähdekoodin paketit edgartools (käyttäen Dwight Gunning): https://github.com/dgunning/edgartools datamule (käyttäjä John Friedman): https://github.com/john-friedman/datamule-python Taloudelliset tiedot ja analyysi XBRL Kansainvälinen: https://www.xbrl.org/ SEC XBRL Tiedot: https://www.sec.gov/structureddata/osd-inline-xbrl.html OpenFIGI (rahoitusvälineiden globaali tunniste): https://www.openfigi.com/ Taloudellisten tietojen läpinäkyvyyslaki: https://www.congress.gov/bill/117th-congress/house-bill/2989 Historiallinen konteksti Vuoden 1933 arvopaperilainsäädäntö: https://www.investor.gov/introduction-investing/investing-basics/role-sec/laws-govern-securities-industry#secact1933 Vuoden 1934 arvopaperipörssilaki: https://www.investor.gov/introduction-investing/investing-basics/role-sec/laws-govern-securities-industry#secexact1934 Franklin D. Rooseveltin presidentin kirjasto: https://www.fdrlibrary.org/
