envirosia

Envirosie?

Envirosia rationalise les workflows d'analyse des fonds ESG en intégrant la puissance de GPT-4 avec des données en temps réel. Construit par le fan de Yuchao.

Démo

Envirosia_demo_v2.mp4

Envirosia_demo_pt_2.mp4

Motivation

L'ESG devient une considération de plus en plus importante pour les décisions d'investissement des institutions et des individus. Pour répondre à cette demande, les agences de notation fournissent désormais une variété de scores ESG pour les actions et les fonds individuels. Cependant, les cotes ESG peuvent être très incohérentes entre les agences, et les cotes de fonds globales peuvent être opaques. Il faut d'abord examiner les fonds sous-jacents et considérer les données d'un panel diversifié de sources avant de conclure.

Nous avons parlé à de nombreux analystes ESG, qui ont identifié deux points de douleur clés dans ce processus: 1. En agrégeant les données pertinentes et 2. Le traitement initial et l'analyse des données pour extraire des informations clés. Le premier point est partiellement atténué si vous avez un terminal Bloomberg, mais le dernier point reste un problème (et le terminal a un coût élevé).

Envirosia fournit une solution de bout en bout qui aborde ces deux points de douleur et est conçue pour être beaucoup plus accessible; Nous voulons démocratiser l'investissement ESG. Cette preuve de concept est construite à l'aide du cadre de rationalisation, et la seule entrée requise de l'utilisateur est le nom du fonds qu'il souhaite analyser. Yahoo Finance et DuckDuckgo-Search sont d'abord utilisés pour extraire les fonds de fonds et les métadonnées de base. Il y a alors deux caractéristiques de base:

1. En utilisant le crampage Web asynchrone (Asyncio / AIOHTTP) et l'analyseur XML BeautifulSoup, nous sommes en mesure de collecter rapidement les dernières données ESG des trois grandes agences de notation ESG: MSCI, raffiniv et duralytique. Aucune d'entre elles n'a des API gratuites destinées à une utilisation extérieure; Cependant, en suivant les demandes de XHR, j'ai pu rétorquer les points de terminaison de l'API sous-jacents qui servent leurs sites Web. DynamoDB est utilisé à des fins de mise en cache.
2. Avec une ingénierie rapide minutieuse, toutes ces données sont transmises à l'API GPT-4. GPT-4 fournit une analyse initiale des données numériques ESG, telles que la façon dont un stock donné fonctionne par rapport à ses pairs, et résume également les données de texte. La réponse GPT-4 est diffusée à l'utilisateur, et les données sont visualisées à l'aide de pandas et de tracé.

Environnement coulant

Créez un fichier .env dans le répertoire parent qui contient ce qui suit:

 OPENAI_API_KEY = 1234567890

AWS_ACCESS_KEY_ID = ABCDEFGH

AWS_SECRET_ACCESS_KEY = ABCDEFGH

Installation des exigences:

 pip install requirements.txt

Pour exécuter l'application Streamlit:

 streamlit run Home.py

Plans de développement futurs

• Ajouter plus de sources de données, comme le vent (pour la Chine)
• Intégrer les plugins Web pour permettre à GPT-4 de rechercher les dernières nouvelles concernant un stock donné
• Améliorez le grattage asynchrone pour utiliser un sémaphore (actuellement, nous n'utilisons pas pleinement la fonctionnalité asynchrone pour éviter de bloquer notre IP)
• Migrer vers un cadre approprié approprié