FinGPT

开源金融大模型，低成本微调，快速落地投研分析

开源 🏷️定价信息待确认 ✅ 目前可打开对话助手 🍴 复刻 3045 🐛 待处理 53 👀 关注 314

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 21541

维护状态较活跃

是否开源开源

定价模式 🏷️定价信息待确认

项目预览

项目数据

分类对话助手

开发团队AI4Finance-Foundation

官网地址https://fingpt.io

GitHubhttps://github.com/AI4Finance-Foundation/FinGPT

定价模式🏷️定价信息待确认

价格说明定价信息待确认

访问状态✅ 目前可打开

是否开源是

开源协议MIT

主要语言Jupyter Notebook

技术栈/模型chatgpt,finance,fingpt,fintech,large-language-models,machine-learning,nlp,prompt-engineering,pytorch,reinforcement-learning,robo-advisor,sentiment-analysis,technical-analysis

GitHub 星标★ 21541

上线时间2023-02-11 00:00:00

代码更新2026-10-25

仓库体积12.9 MB

本站数据更新2026-11-09

维护状态较活跃

收录时间2026-08-09

浏览次数8

项目介绍

FinGPT 是一个开源的金融大语言模型项目，旨在为金融领域提供可定制、可访问的 LLM 解决方案。它解决了金融文本处理中数据隐私、高成本和领域适配难题，通过数据抓取、微调和部署的全流程框架，支持情感分析、新闻摘要、投研问答等任务。核心能力包括基于 LoRA 的高效微调、多源金融数据采集（如新闻、财报）、以及针对金融场景的强化学习优化。项目提供预训练权重和 Colab 教程，降低使用门槛，适合个人和机构快速构建金融 AI 应用。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 21541

技术标签

chatgpt finance fintech large-language-models machine-learning

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：入门约 15 分钟部署方式：本地安装 5 步

环境要求

已安装 Python 及 pip 环境（README 未指定具体版本）
能访问 GitHub 与 HuggingFace（模型与 Demo 托管在 HuggingFace）
具体硬件要求（含 GPU 显存、磁盘空间）需查看仓库内 SETUP.md
Jupyter Notebook 环境（项目主要语言为 Jupyter Notebook）

安装与启动步骤

1克隆仓库

把 FinGPT 源码下载到本地，后续所有安装和示例都基于该目录。
```
git clone https://github.com/AI4Finance-Foundation/FinGPT.git
```
2进入项目目录

切换到克隆下来的 FinGPT 文件夹，再执行后续安装命令。
```
cd FinGPT
```
3安装依赖

按 README 的 Installation 说明，用 requirements.txt 安装项目所需第三方依赖。
```
pip install -r requirements.txt
```
4以可编辑模式安装

执行 README 中的第二行安装命令，把当前项目以可编辑方式装入环境。
```
pip install -e .
```
5阅读 SETUP 指南

README 提示详细本地或 Replit 部署步骤、硬件要求和排错都在 SETUP.md 中，先按其说明继续。

如何确认成功

两条 pip 安装命令均无报错返回即完成依赖安装；再按仓库 SETUP.md 中的示例脚本运行确认可用。

常见问题

Q：安装完成后怎么运行示例？

A：README 的 Basic Usage 只指向 SETUP.md，未给出可直接复制的示例命令，请打开仓库根目录的 SETUP.md 按其说明执行。

Q：本地部署需要什么硬件？

A：README 未列出具体配置，只说明硬件要求、Replit 部署方式和常见问题都写在了 SETUP.md 中，请查阅该文件。

Q：可以不用本地部署直接体验吗？

A：可以。README 提到 FinGPT-Forecaster 提供 HuggingFace Demo 空间和已发布的 LoRA 模型，可直接在线试用。

Q：在哪里获取预训练权重？

A：模型托管在 HuggingFace 的 FinGPT 组织页面（https://huggingface.co/FinGPT），README 还给出了 Forecaster 的模型地址。

注意事项

README 中给出的可直接执行命令只有 pip install -r requirements.txt 和 pip install -e .，其余细节均在 SETUP.md，请以该文件为准。
项目主要用 Jupyter Notebook 组织代码和教程，实际使用建议配合 notebook 环境。
模型与 Demo 均托管在 HuggingFace，首次使用需能正常访问该站点。