EDGAR® e SEC® sono marchi registrati della U.S. Securities and Exchange Commission. Questo post sul blog e il relativo progetto open source non sono affiliati, approvati o in alcun modo connessi con la U.S. Securities and Exchange Commission. EDGAR® e SEC® sono marchi registrati della U.S. Securities and Exchange Commission. Questo post sul blog e il relativo progetto open source non sono affiliati, approvati o in alcun modo connessi con la U.S. Securities and Exchange Commission. Panoramica Nel 1934 il Congresso degli Stati Uniti creò la Securities and Exchange Commission (SEC) per supervisionare i mercati finanziari e proteggere gli investitori. L'agenzia è stata costruita su un semplice principio: gli investitori meritano informazioni accurate, veritiere e complete sulle società in cui vogliono investire. “Coloro che cercano di trarre i soldi degli altri devono essere completamente onesti riguardo ai fatti su cui viene chiesto il giudizio dell’investitore”. Franklin Delano Roosevelt, 32° presidente degli Stati Uniti d’America “Coloro che cercano di trarre i soldi degli altri devono essere completamente onesti riguardo ai fatti su cui viene chiesto il giudizio dell’investitore”. Franklin Delano Roosevelt, 32° presidente degli Stati Uniti d’America Per quasi un secolo, la SEC è stata il supervisore della trasparenza nel mondo finanziario, richiedendo alle società pubbliche di rivelare tutto, dai guadagni trimestrali alle compensazioni esecutive, dai rischi aziendali agli eventi aziendali principali. Attraverso il suo Il sistema (lanciato negli anni 90) la SEC ha reso questi file liberamente disponibili a chiunque abbia una connessione a Internet. Raccogliere, analizzare e recuperare dati elettronici ( EDGAR In teoria, questo ha creato un campo di gioco equo in cui gli investitori individuali potrebbero accedere agli stessi dati degli investitori professionisti. Gli investitori istituzionali hanno analisti, software sofisticato e milioni in infrastruttura tecnologica per analizzare, analizzare e estrarre informazioni dai file della SEC. Hanno bisogno di navigare manualmente attraverso documenti densi e complessi che spesso coprono centinaia di pagine. 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. Gli investitori professionisti estraggono sistematicamente metriche specifiche, confrontano le tendenze su trimestri e anni, analizzano le prestazioni del segmento e identificano modelli che sarebbero quasi impossibili da individuare attraverso la revisione manuale. The problem goes beyond just having access to data. But today things have changed, individual investors can now keep up. I grandi modelli linguistici, il protocollo Model Context e l'accesso programmatico ai dati SEC EDGAR stanno finalmente rendendo la ricerca finanziaria sofisticata accessibile agli investitori individuali. ora è possibile utilizzare l'IA per estrarre metriche finanziarie chiave, eseguire analisi complesse su più società e periodi di tempo e scoprire informazioni che in precedenza richiedevano competenze specialistiche e strumenti costosi. Come funziona esattamente questo in pratica?Stiamo immergendoci nelle basi tecniche che lo rendono possibile: il (Rilasciato con versione il 21 luglio 2025), un software open source costruito in pubblico e mantenuto dalla comunità che trasforma il modo in cui gli investitori interagiscono con la ricerca finanziaria. SEC EDGAR MCP Server 1-alpha Come cambia tutto Prima di immergersi nei dettagli tecnici, comprendiamo cosa rende questo approccio fondamentalmente diverso dagli strumenti e dai flussi di lavoro di ricerca finanziaria tradizionali. Il Model Context Protocol (MCP) è uno standard aperto che consente agli assistenti AI di connettersi in modo sicuro a fonti e strumenti di dati esterni.Pensatelo come un connettore universale che consente al tuo assistente AI di accedere e parlare direttamente a database, API e servizi, compreso il sistema EDGAR della SEC. La tradizionale ricerca finanziaria comporta spesso il salto tra più piattaforme: la ricerca di aziende su un sito, il download di file da un altro, quindi la copia manuale dei dati in fogli di calcolo per l'analisi. With an MCP server, your AI assistant can do all of this seamlessly in a single conversation. Dai dati grezzi all’intelligenza Supponiamo di voler analizzare i dati finanziari di Microsoft. Tradizionalmente, ciò comporterebbe: Trovare i recenti file di MSFT 10-Q (relazione trimestrale) o 10-K (relazione annuale) su EDGAR Scaricare e aprire più documenti PDF Ricerca manuale dei dati di fatturato dei segmenti Copia dei numeri in un foglio di calcolo Calcolare i tassi di crescita e le tendenze Con il SEC EDGAR MCP, tutto questo processo diventa una semplice conversazione: L'assistente AI gestisce tutta la complessità tecnica dietro le quinte e vi presenta risultati puliti e formattati: "Mostraci il bilancio di Microsoft, la dichiarazione dei ricavi e i dati sul flusso di cassa". https://youtu.be/HEWTR15-xZc?embedable=true Un altro esempio sarebbe quello di analizzare gli ultimi ricavi di Apple: https://youtu.be/T-6H3zF8fWU?embedable=true Oppure creare un dashboard con grafici, in volo, sulla base degli ultimi dati finanziari NVIDIA: https://youtu.be/UH2JPfhuoGU?embedable=true Potremmo anche cercare le ultime transazioni di insider su Amazon: https://youtu.be/k4sVFcHpmfg?embedable=true O indagare sulle voci di dati specifiche per l'azienda dai file Apple e pianificarle: https://youtu.be/V2rSkgYZXGg?embedable=true Per utilizzare questo flusso di lavoro, avrai bisogno di un LLM in esecuzione che supporta il protocollo MCP, come ad esempio: Il server viene eseguito localmente tramite Docker. Giuseppe Desktop Puoi seguire le istruzioni su come installarlo e utilizzarlo . qui Ma aspettate, la SEC fornisce API per accedere ai dati EDGAR, quindi perché non usarli direttamente? Perché non fare il fuoco? La risposta sta nella complessità e nell'usabilità. Le API REST della SEC sono potenti, ma richiedono competenze tecniche per essere utilizzate in modo efficace. Devi comprendere gli identificatori aziendali (CIK), le tassonomia dei file, le strutture XBRL e come navigare nelle complesse risposte JSON. Per una semplice domanda come dovresti scrivere un software per trovare il software di Apple (Central Identifier Key), localizzare il file giusto, analizzare dati, e estrarre il concetto finanziario specifico. Tutto questo prima che si arriva ad analisi. Quali sono stati i ricavi di Apple nell’ultimo trimestre? CIK XBRL Questa complessità porta naturalmente a un'altra domanda: perché non chiedere direttamente a ChatGPT o ad altri assistenti AI sui dati finanziari, senza un server MCP? Perché non gli LLM generali? La sfida qui è la precisione e la valuta. I modelli di intelligenza artificiale a scopo generale sono addestrati sui dati con date di taglio, il che significa che mancano di informazioni finanziarie recenti. Mentre possono navigare sul web e cercare di trovare i dati finanziari, potrebbero perdere dettagli importanti. Questo è esattamente il problema che il server MCP SEC EDGAR è stato progettato per risolvere. Come potete vedere da questo , il LLM collegato al server MCP è in grado di consumare le informazioni basate sul file originale, la migliore fonte di informazioni disponibili: Conversazione Tutti i dati provengono direttamente dal file SEC EDGAR di NVIDIA (Form 10-Q, depositato il 28 maggio 2025, numero di accesso: 0001045810-25-000116) con la precisione esatta preservata dai dati XBRL originali. Tutti i dati provengono direttamente dal file SEC EDGAR di NVIDIA (Form 10-Q, depositato il 28 maggio 2025, numero di accesso: 0001045810-25-000116) con la precisione esatta preservata dai dati XBRL originali. Funzionamento interno del server MCP Questo pacchetto open source è liberamente disponibile per chiunque possa utilizzare, modificare e migliorare.Il pacchetto fornisce oltre 20 strumenti specializzati per i LLM, che gestiscono tutto, dalla ricerca di file aziendali all'estrazione di metriche finanziarie complesse: Puoi leggere di più in dettaglio su ciascun strumento nel . Documentazione Ecco cosa lo rende potente: Invece di analizzare manualmente centinaia di pagine di documenti finanziari, il pacchetto può estrarre automaticamente metriche specifiche come i ricavi per segmento geografico, i confronti trimestrali o i dati sulle compensazioni esecutive. Smart data extraction and parsing Il pacchetto tocca diversi flussi di dati SEC, dal database principale EDGAR ai feed RSS in tempo reale di nuovi file, in modo da avere accesso sia ai dati storici che agli ultimi aggiornamenti aziendali. Multiple data sources I moderni file SEC utilizzano XBRL (eXtensible Business Reporting Language), un formato strutturato che rende i dati finanziari leggibili a macchina.Il pacchetto comprende XBRL in modo nativo, consentendo di estrarre concetti finanziari precisi piuttosto che consumare l'intero documento. XBRL analysis Le varie società segnalano i dati in modo diverso. Apple potrebbe suddividere i ricavi per "America, Europa e Cina" mentre Microsoft utilizza diverse categorie regionali. Company-specific insights Open Source, perché è importante? The decision to make this package open source isn't just about free access, it's about transparency and community-driven innovation. Quando si stanno prendendo decisioni di investimento, è necessario fidarsi non solo i dati, ma i metodi utilizzati per estrarre e analizzarlo. Open source significa che puoi esaminare esattamente come funziona il pacchetto, apportare miglioramenti e adattarlo alle tue esigenze specifiche. Guardando avanti La SEC raccoglie le divulgazioni aziendali da quasi 90 anni.I dati sono tutti lì, liberamente disponibili a chiunque.Ma fino ad ora, estrarre informazioni significative da quei dati ha richiesto tempo, profonda competenza tecnica e costosi strumenti analitici. Con MCP e LLM, gli investitori individuali possono porre domande in inglese semplice e ottenere risposte precise supportate da documenti ufficiali della SEC. Non è una tecnologia rivoluzionaria, è semplicemente una buona ingegneria applicata a un problema reale.La SEC EDGAR fornisce già API, le aziende già file in formati strutturati, assistenti AI esistono già. The MCP just connects these pieces together in a way that's actually useful for investors. Roosevelt voleva i mercati in cui gli investitori individuali potessero prendere decisioni informate. Ciò che ha richiesto team di analisti prima può ora essere fatto in una conversazione da chiunque. Now open-source tools are providing the accessibility Maybe the information advantage that Wall Street has held for decades is disappearing. Riconoscimenti Questo lavoro non sarebbe stato possibile senza la fondazione posta da molti altri. merita il riconoscimento per l'incredibile lavoro di mantenimento di uno dei sistemi di divulgazione aziendale più completi e accessibili al mondo.Il database EDGAR e le API REST forniscono la base dati affidabile che rende possibili strumenti come questo. The US SEC ha creato lo standard Model Context Protocol e continua a avanzare nel campo della sicurezza e delle capacità dell'IA. Il loro impegno per gli standard aperti consente il tipo di interoperabilità a beneficio di tutti. Anthropic sinistra Pacchetto SEC EDGAR MCP Repositorio di GitHub: https://github.com/stefanoamorelli/sec-edgar-mcp Documentazione: https://sec-edgar-mcp.amorelli.tech Risorse della SEC Base dati EDGAR: https://www.sec.gov/edgar SEC REST API: https://www.sec.gov/edgar/sec-api-documentation Ricerca di società EDGAR: https://www.sec.gov/edgar/searchedgar/companysearch SEC Investor.gov: https://www.investor.gov/ Investimento.gov Modello di protocollo di contesto (MCP) Specificazione MCP: https://modelcontextprotocol.io/ Documentazione antropica MCP: https://docs.anthropic.com/en/docs/build-with-claude/computer-use Servitori MCP Repository: https://github.com/modelcontextprotocol/server Pacchetti Open Source edgartools (da Dwight Gunning): https://github.com/dgunning/edgartools Datamule (da John Friedman): https://github.com/john-friedman/datamule-python Dati finanziari e analisi XBRL International: https://www.xbrl.org/ SEC XBRL Informazioni: https://www.sec.gov/structureddata/osd-inline-xbrl.html OpenFIGI (Identificatore globale degli strumenti finanziari): https://www.openfigi.com/ Legge sulla trasparenza dei dati finanziari: https://www.congress.gov/bill/117th-congress/house-bill/2989 Il contesto storico Legge sui titoli del 1933: https://www.investor.gov/introduction-investing/investing-basics/role-sec/laws-govern-securities-industry#secact1933 Securities Exchange Act del 1934: https://www.investor.gov/introduction-investing/investing-basics/role-sec/laws-govern-securities-industry#secexact1934 Biblioteca Presidenziale di Franklin D. Roosevelt: https://www.fdrlibrary.org/
