AI 分析 · 由大模型根据 README 与仓库数据生成 · 2026年11月17日
开源金融大语言模型项目,提供可低成本微调的金融LLM与数据工具。
FinGPT 是 AI4Finance 基金会维护的开源金融大语言模型项目,目标是为金融领域提供可访问的 LLM 方案。它包含金融情感分析、多任务基准、预测器(Forecaster)等模型,并在 HuggingFace 上发布训练好的模型。项目强调轻量微调与互联网规模金融数据的自动整理,以降低金融 LLM 的使用门槛。
推荐指数
金融 LLM 方向少有的开源全栈项目,模型、数据、基准齐全,适合研究与原型验证。
近 7 天
+37
新增 Star
总 Star 排名
#343
雷达追踪的 3,958 个 AI 仓库中
创建于
2023
2023年2月12日
核心亮点
1开源金融模型
在 HuggingFace 发布情感分析、多任务、预测器等多个金融微调模型。
2低成本微调
README 称单次微调成本可低于 300 美元,远低于从头训练。
3数据自动整理
提供互联网规模金融数据的自动整理流程,支持模型及时更新。
4基准与论文
附带 FinGPT-Benchmark 和多篇 NeurIPS、IJCAI 等接收论文。
5在线演示
FinGPT-Forecaster 提供 HuggingFace Space 演示,无需安装即可试用。
适用场景
金融文本情感分析
例如:用发布的 fingpt-sentiment 模型对财报新闻或推文做情绪判断。
金融问答与预测原型
例如:基于 FinGPT-Forecaster 演示,输入股票代码获取走势分析参考。
金融 LLM 微调实验
例如:用 LoRA 在自有金融语料上微调开源基座模型,验证任务效果。
教学与论文复现
例如:在课程或研究中复现 FinGPT-Benchmark 的多任务评测结果。
它是怎么工作的
第 1 步
数据整理
从互联网收集金融文本,经自动流程清洗整理为训练数据。
第 2 步
轻量微调
基于开源基座模型(如 Llama2)用 LoRA 等方式做指令微调。
第 3 步
模型发布
训练好的模型上传至 HuggingFace,供直接下载或在线试用。
第 4 步
基准评测
用 FinGPT-Benchmark 在多个金融任务上对比基座模型效果。
快速上手
- 1
克隆并安装
克隆仓库后安装依赖和包本身。
git clone https://github.com/AI4Finance-Foundation/FinGPT.git && cd FinGPT && pip install -r requirements.txt && pip install -e . - 2
在线试用
访问 HuggingFace Space 直接体验 FinGPT-Forecaster,无需本地环境。
- 3
选择运行方式
无 GPU 可设 FINGPT_LLM_PROVIDER=openai 走云 API;本地模型需 GPU 并参考 SETUP.md。
export FINGPT_LLM_PROVIDER=openai
适合谁
- 金融 NLP 方向的研究者
- 想验证金融 LLM 原型的开发者
- 需要金融情感分析模型的数据科学家
- 学习 LLM 微调的学生
不太适合
- 需要开箱即用生产级交易系统的团队
- 没有 GPU 且不愿使用云 API 的个人
成熟度
- 活跃度最近一次推送在 2026 年 10 月,仓库持续维护。
- 文档README 含安装、演示、SETUP 与 FAQ 指引,较完整。
- 社区2.1 万 star、3 千 fork,开放 issue 仅 53 个,有 Discord 社区。
- 上手难度提供在线演示,但本地运行需 GPU 和按 SETUP 配置,有一定门槛。
同类项目怎么选
- BloombergGPT闭源商业模型,训练成本高,FinGPT 主打开源与低成本微调。
- FinBERT专注金融情感分类的小模型,FinGPT 覆盖多任务生成式 LLM。
使用前注意
- · 采用 MIT 许可,商用前仍需确认模型与数据的附加条款。
- · 本地微调与推理依赖 GPU,硬件成本需提前评估。
- · 金融预测类输出仅供参考,不应直接作为投资决策依据。
- · README 中成本与效果数据来自项目方,实际使用需自行验证。
