FinAI Research Workflow

Flujo de Trabajo de Artículos e Informes de Investigación · FinAI Research Workflow

Una frase sobre tu tema de investigación → recibe un borrador LaTeX verificable. Describe your research topic → receive a verifiable LaTeX draft.

---

Inicio Rápido (30 segundos)

# ── 推荐方式：PyPI wheel 安装（首次约 60s）────────────────────────────
# Debian/Ubuntu：先创建虚拟环境，避免与系统 Python 冲突
python3 -m venv .venv && source .venv/bin/activate
pip install "finai-research-workflow[extras]"

# 配置 LLM（DeepSeek 直连，免费）
export DEEPSEEK_API_KEY=sk-xxxx

# 启动流水线（wheel 安装后的写作入口；加 --use-hitl 启用阶段门控）
finai-pipeline --topic "Carbon trading and green innovation" --use-hitl
# 或
python -m finai.pipeline --topic "碳排放权交易与企业绿色创新" --use-hitl

# ── 源码安装（推荐贡献者 / 想改代码的用户）────────────────────────────
git clone https://github.com/csmar432/finai-research.git && cd finai-research
pip install -e ".[extras]"
cp .env.example .env.local   # 编辑 .env.local：DEEPSEEK_API_KEY=sk-...
# 新用户：先澄清（不自动开跑）→ 再写作；或澄清时加 --continue
python scripts/start_research.py --topic "Carbon trading and green innovation"
python scripts/agent_pipeline.py --topic "Carbon trading and green innovation" --use-hitl

# ── Debian/Ubuntu apt 系统 Python ─────────────────────────────────────
# apt 的 Python 被系统管理，直接 pip install 会触发 PEP 668 冲突。
# 解法：使用虚拟环境（见上方），或加 --break-system-packages
pip install --break-system-packages "finai-research-workflow[extras]"

Aviso importante: si falta DEEPSEEK_API_KEY, finai-pipeline sale por defecto con el código de salida 4 (modo estricto) e imprime instrucciones claras. Puedes usar finai-doctor para diagnosticar el origen de la configuración.

PyPI: finai-research-workflow · 0.3.1 · MIT · La instalación por defecto de pip install finai-research-workflow no incluye fastapi/streamlit (para evitar conflictos con PyJWT/apt) · Paquete web: pip install 'finai-research-workflow[web]' DOI: 10.5281/zenodo.21262689

Demostración Rápida

Este recorrido guiado por la interfaz muestra los hosts de agentes compatibles, el punto de control del informe de investigación, las pistas separadas de escritura y empírica, el enrutamiento de datos con cierre ante fallos y el paquete de entrega verificable. Intencionalmente no se presenta como una ejecución de investigación en vivo y no contiene coeficientes simulados, citas ni afirmaciones estadísticas. Regenera esto de forma determinista con python scripts/demo/gen_quick_demo.py; consulta .github/demo/README.md para conocer el contrato visual.

Una entrada → pipeline de 8 etapas: generación de ideas → revisión de literatura → verificación de novedad → diseño empírico → obtención de datos → análisis → redacción del artículo → revisión adversarial. Cada etapa requiere confirmación del investigador.

---

3 Capacidades Principales

43 fuentes de datos MCP	Finanzas A-share / acciones de EE. UU. / macro (FRED/IMF/Banco Mundial) / artículos académicos (OpenAlex/ArXiv), 28 sin necesidad de clave API
58 módulos econométricos	Cubre DID estándar / DID escalonado (CS/SunAb/Borusyak) / IV / RDD / control sintético / GMM de panel, pruebas de robustez de nivel JF/JFE
30 plantillas de revistas	JF / JFE / RFS / 经济研究 / 金融研究 / 管理世界, en cuatro idiomas: chino, inglés, japonés y alemán

⚠️ Las estrategias de identificación causal, los resultados estadísticos y las citas generados por IA deben ser verificados de forma independiente por el investigador antes de su envío. ⚠️ Los datos simulados / sintéticos están deshabilitados por defecto; solo se pueden activar con autorización explícita del usuario, y la salida debe llevar la marca ⚠️ MOCK DATA.

---

Documentación completa: 使用指南.md · CLAUDE.md · ejecuta python scripts/setup_wizard.py --guided

---

¿Por qué FinAI Research Workflow?

• Diseñado para economistas, no para demos genéricas de IA — cada valor por defecto está calibrado según el estándar del Journal of Finance / 经济研究 (DID con efectos de tratamiento heterogéneos, errores estándar robustos por conglomerados a nivel de empresa, 19 comprobaciones de robustez, gráficos de tendencias paralelas).
• 43 directorios de servidores MCP — cubre finanzas A-share, acciones de EE. UU., macro global (FRED/Banco Mundial/FMI/OCDE/BEA) y más de 400 millones de artículos académicos (OpenAlex). El registro contiene 28 directorios sin clave, 12 con clave API, 0 simulados y 3 de riesgo legal opcionales; la clasificación se mantiene mediante scripts/count_assets.py.
• 58 módulos de métodos econométricos, no solo OLS — DID estándar, estudio de eventos, descomposición de Bacon, diagnósticos de tratamiento heterogéneo, control sintético, variables instrumentales (linearmodels opcional), GMM de panel, RDD, mediación y más. Los métodos que requieren un backend externo fallan de forma visible cuando no está disponible; consulta CLAUDE.md para las notas de dependencias.
• 30 plantillas de revistas, en inglés/chino/japonés/alemán — JF, JFE, RFS, JAE, Econometrica, 经济研究, 金融研究, 管理世界, 会计研究, 中国工业经济.
• 18 habilidades de IA especializadas (Claude Code / Cursor / GitHub Copilot) — descubrimiento de ideas, revisión de literatura, verificación de novedad, diseño experimental, adquisición de datos, redacción de artículos, generación de figuras, compilación LaTeX, ciclos de revisión.
• Humano en el circuito, nunca fabricación autónoma — cada etapa requiere aprobación explícita en el punto de control; las fuentes de datos se verifican antes de su uso; no se generan datos sintéticos sin consentimiento del usuario.

¿Por qué no usar simplemente ChatGPT?

FinAI está diseñado específicamente para la investigación económica y financiera. Esto es lo que hace que los LLM generales no pueden:

Capacidad	ChatGPT / Claude (General)	FinAI (Especializado)
Datos financieros A-share	Descarga manual, propensa a errores	✅ 43 servidores MCP de obtención automática
DID con 19 comprobaciones de robustez	Respuesta genérica	✅ Errores estándar robustos por conglomerados, descomposición de Bacon, estudios de eventos
Plantillas LaTeX JF / 经济研究	Formato manual	✅ 30 plantillas de revistas, un solo comando
Estrategia de identificación causal	Sugerencias genéricas	✅ Conocimiento experto en econometría integrado
Revisión de literatura con procedencia	Citas copiadas y pegadas	✅ Seguimiento de fuentes, verificación de citas
Pipeline de múltiples etapas con puntos de control	Respuestas puntuales	✅ Pipeline de 8 etapas con aprobación humana

[!TIP] Empieza ahora sin configuración: Abrir en GitHub Codespaces. No requiere instalación local.

Para usuarios chinos: La guía más completa es 使用指南.md — un manual completo de 13 capítulos que cubre instalación, flujos de trabajo, fuentes de datos, métodos econométricos, redacción de artículos y preguntas frecuentes.

---

¿Para quién es esto?

Audiencia	Caso de uso
Estudiantes de doctorado / investigadores	Diseñar estudios empíricos, ejecutar análisis econométricos, generar manuscritos LaTeX para JF/JFE/RFS/经济研究/金融研究
Profesores de finanzas	Automatizar revisiones de literatura, rastrear experimentos de política, comparar con artículos publicados
Estudiantes de posgrado	Aprender métodos econométricos (DID/IV/RDD) con validación automatizada y comprobaciones de robustez
Analistas cuantitativos	Acceder a datos A-share, ejecutar análisis de factores, generar informes de investigación de nivel institucional
Investigadores de IA/ML	Explorar aplicaciones de LLM en la automatización de la investigación financiera, seguimiento de procedencia, diseño HITL

¿No estás seguro? Si alguna vez has pasado días descargando datos, ejecutando regresiones, formateando tablas LaTeX o buscando trabajo relacionado — esta herramienta es para ti.

---

Perfil del Servidor MCP: Elige lo que se adapta a ti

register_mcp_servers.py admite 4 perfiles de tipo de usuario — elige el que coincida con tu hardware y caso de uso:

Perfil	Servidores	Inicio	Memoria	Mejor para
minimal	5	~1s	~30 MB	Demostración/Enseñanza (Demo / Teaching) — portátiles de gama baja
academic	18	~4s	~100 MB	Estudiante/Investigador individual (Student / Individual) — sin cuenta institucional
quant	30	~8s	~180 MB	Institucional/Cuantitativo (Quant / Institution) — tiene Tushare/Wind/CSMAR
full	43	~12s	~220 MB	Usuario avanzado (Power User) — todas las fuentes de datos, RAM ≥ 16 GB

# 1) Dry-run first (推荐先看)
python scripts/register_mcp_servers.py --profile academic --prune --dry-run

# 2) Actually apply
python scripts/register_mcp_servers.py --profile academic --prune

# 3) List current registration
python scripts/register_mcp_servers.py --list

Consulta config/mcp_profiles.json para ver las listas completas de servidores y el capítulo de instalación en 使用指南.md para instrucciones paso a paso.

Comportamiento por defecto: sin --profile, se registran los 43 servidores MCP (coincide con el perfil full). Usa --prune para eliminar servidores fuera del perfil.

---

Instalación Multiplataforma

El proyecto admite macOS, Linux y Windows con puntos de entrada específicos por plataforma:

Sistema operativo	Script de entrada	Requisitos previos
macOS (12+)	./run.sh	Python 3.10+ (se recomienda Homebrew)
Linux (Ubuntu 20.04+, Debian 11+, Fedora 35+)	./run.sh	sudo apt install python3.10 python3-venv (o equivalente de la distribución)
Windows (10/11)	run.bat	Python 3.10+ (python.org) — marca "Add to PATH" en el instalador

Elige tu camino

Este proyecto admite dos puntos de entrada — elige el que coincida con tu flujo de trabajo:

Camino A: Agente de IA (Recomendado)

El agente de IA gestiona todo el pipeline de principio a fin. No necesitas recordar comandos.

# 1) Install once
./run.sh                    # macOS / Linux
run.bat                     # Windows

# 2) Health check
python scripts/health_check.py

# 3) Start an AI Agent (Claude Code / Cursor / Codex) and describe your research:
# "帮我研究关税政策对A股出口型企业创新的影响，设计一篇发表在经济研究的实证论文"

El agente de IA llama automáticamente a las 8 etapas del pipeline, las fuentes de datos MCP y los generadores LaTeX. Cada etapa requiere tu aprobación en el punto de control antes de continuar.

Camino B: CLI (Control a nivel de script)

Ejecuta scripts individuales directamente para un control detallado:

# Writing track
python scripts/agent_pipeline.py --topic "Carbon trading and green innovation" --use-hitl

# Empirical track (production modern DID)
python -m scripts.research_framework.enhanced_pipeline --topic "Carbon trading and green innovation"

# Empirical demo TWFE smoke only
python scripts/research_framework/pipeline.py --mode full --topic "Carbon trading and green innovation"

# Demo: institutional-grade financial report
python scripts/demo_research_report.py --stock 000001.SZ

# MCP tool discovery
python scripts/core/mcp_tool_market.py --search "gdp" --report

# Journal template generation
python scripts/journal_template.py --list
python scripts/journal_template.py --generate JFE output/paper.tex

Notas específicas por plataforma

• macOS: Keychain es nativo; keyring usa KeychainBackend automáticamente
• Linux: Keyring usa SecretService (gnome-keyring). Para fuentes chinas, instala fonts-noto-cjk:

  sudo apt install fonts-noto-cjk fonts-wqy-zenhei
  

• Windows: Keyring usa Credential Manager. Las fuentes chinas (SimHei, Microsoft YaHei) vienen preinstaladas

Qué funciona en todas las plataformas

• ✅ Todos los puntos de entrada scripts/*.py
• ✅ 43 servidores MCP (stdlib puro de Python)
• ✅ Punto de control (fcntl.flock recurre a no-op en Windows)
• ✅ Pruebas unitarias (pytest --collect-only; matriz CI: Ubuntu + macOS + Windows; el modo daemon usa bucle de sondeo en Windows)

Limitaciones conocidas entre plataformas

• ⚠️ event_monitor.py usa signal.pause() que es solo Unix; en Windows recurre a un bucle de sondeo
• ⚠️ keychain_setup.py es específico de macOS; para Windows/Linux, usa el keyring multiplataforma mediante scripts/keychain_manager.py
• ⚠️ core/sandbox.py usa os.fork (solo Unix); recurre a subprocess en Windows
• ⚠️ event_monitor.py --daemon usa os.fork; en Windows el daemon sale con un mensaje amigable "use --interval 300 instead" al inicio (auditoría T2 2026-07-12)
• ✅ Sincronización de habilidades: knowledge/skills/, .claude/skills/ y .github/skills/ se mantienen sincronizados mediante python scripts/sync_skills.py (sin enlaces simbólicos, seguro para Windows). Ejecuta después de editar cualquier documento de habilidad.
• ✅ Soporte Codex: AGENTS.md en la raíz + .agents/skills/<name>/SKILL.md por habilidad (frontmatter con name y description). Ambos sincronizados por sync_skills.py.

---

Muéstrame qué hace

Describe tu investigación en chino sencillo — el agente se encarga del resto:

帮我研究关税政策对A股出口型企业创新的影响，设计一篇发表在经济研究的实证论文

Lo que el agente produce automáticamente:

Etapa	Salida
Diseño de investigación	Estrategia de identificación DID/IV/RDD + plan de obtención de datos
Análisis empírico	58 módulos econométricos, pruebas de robustez automatizadas (19 tipos)
Borrador del artículo	Manuscrito LaTeX en formato de revista (JF/JFE/RFS/经济研究/金融研究/管理世界)
Bucle de revisión	Revisión adversarial asistida por IA con verificación requerida del investigador

Nota sobre los números: La tabla anterior describe las etapas de salida del pipeline principal. La generación de ideas, la verificación de novedad y la revisión de literatura son etapas separadas que se ejecutan antes o en paralelo. El recuento de servidores MCP incluye 43 servidores registrados; algunos requieren cuentas institucionales/de pago (Tushare Pro, Wind, CSMAR, CEIC) mientras que otros funcionan sin claves API (yfinance, akshare, Banco Mundial, FMI, OCDE, FRED, ArXiv, NBER, OpenAlex). Consulta las notas de dependencias en CLAUDE.md.

Descripción general de la arquitectura:

Arquitectura de doble vía gobernada: un informe de investigación alimenta una vía de escritura y una vía empírica separada; puntos de control humanos, procedencia y archivos de brecha explícitos conectan ambas vías con el paquete de investigación final.

Nota: Los recursos de demostración están en .github/demo/ y docs/assets/. El proyecto se mantiene activamente.

---

Configuración para Colaboradores

Obtención del código fuente

# 1. Clone the repository
git clone https://github.com/csmar432/finai-research.git
cd finai-research

# 2. Install the package with all common optional integrations
python3 -m venv .venv && source .venv/bin/activate
pip install -e ".[extras]"
# extras includes Tushare, akshare, yfinance, MCP, dashboard, and document-processing packages.

# Optional: install econometrics packages (linearmodels, pandas-datareader, pandasql, honestdid)
pip install -e ".[econometrics]"

# 3. Configure API key (at least one required)
cp .env.example .env
# Edit .env and add: DEEPSEEK_API_KEY=sk-your-key
# Other supported: ANTHROPIC_API_KEY, OPENAI_API_KEY

# 4. Clarify the topic first (recommended)
python scripts/start_research.py --topic "碳排放权交易对企业绿色创新的影响"

# Then run the governed writing track
python scripts/agent_pipeline.py --topic "碳排放权交易对企业绿色创新的影响" --use-hitl

# Run real empirics as a separate hand-off
python -m scripts.research_framework.enhanced_pipeline --topic "碳排放权交易对企业绿色创新的影响" --explore

Números clave (generados automáticamente por scripts/count_assets.py):

Métrica	Recuento
Directorios de servidores MCP	43 (28 gratuitos, 12 con clave API, 0 simulados, 3 opcionales)
Módulos de métodos econométricos	58
Plantillas de revistas	30
Habilidades de IA	18
Direcciones de investigación	45 registradas
Archivos de prueba / funciones de prueba	674 / 12,783
Módulos research_framework con pruebas	56/58

Ejecuta python scripts/count_assets.py para regenerar estos números. Están incluidos en el README como una instantánea del recuento más reciente; CI es la fuente de verdad.

---

Descripción General de las Herramientas MCP

43 servidores en total: 28 funcionan sin claves API, 12 requieren claves API, 3 son de riesgo legal opcionales. Consulta MCP Tool Marketplace para el catálogo completo.

Insignia	Significado
💰 De pago	Requiere cuenta institucional/de pago (Tushare Pro / Wind / CSMAR / CEIC)
⚠️ Limitado	Nivel gratuito disponible pero con límite de tasa o requiere registro
✅ Gratuito	Sin cuenta requerida — funciona directamente

MCP Server	Función	Costo	Nivel Gratuito
user-tushare	Datos de acciones A (cotizaciones, estados financieros, margen)	💰 De pago	Alternativa a akshare
user-yfinance	Acciones de EE. UU., ETF, opciones, estados financieros	✅ Gratis	Completo
user-sec-edgar	Presentaciones SEC 10-K/10-Q/8-K	✅ Gratis	Completo
user-financial	Macroeconomía de China (PIB/IPC/M2)	✅ Gratis	Completo
user-eodhd	Curva de rendimiento de EE. UU., calendario económico	⚠️ Limitado	Requiere registro
user-fed-data	Reserva Federal, FOMC, Beige Book	✅ Gratis	Completo
user-wb-data	API de Datos del Banco Mundial	✅ Gratis	Completo
user-imf-data	Perspectivas de la Economía Mundial del FMI	✅ Gratis	Completo
user-oecd-data	Datos Económicos de la OCDE	✅ Gratis	Completo
user-bea-data	Oficina de Análisis Económico (PIB de EE. UU.)	✅ Gratis	Completo
user-eastmoney-reports	Informes de investigación, noticias, rankings de analistas	✅ Gratis	Completo
user-enhanced-finance	Forex, índices de envío, materias primas	✅ Gratis	Completo
user-openalex	Más de 400 millones de artículos académicos + gráfico de citas	✅ Gratis	Completo
user-arxiv	Búsqueda y descarga de artículos académicos	✅ Gratis	Completo
user-context7	Recuperación de texto completo para artículos (ArXiv/DOI)	✅ Gratis	Completo
user-semantic-scholar	Búsqueda de artículos mejorada con IA	⚠️ Limitado	Clave API opcional
user-nber-wp	Documentos de trabajo del NBER	✅ Gratis	Completo
user-brave-search	Búsqueda web (chino/inglés)	⚠️ Limitado	Requiere registro
user-chinese-literature	Búsqueda estilo CSSCI, CNKI	⚠️ Limitado	Ver aviso legal en SECURITY.md

Usuarios de acciones A sin cuentas institucionales: user-yfinance (EE. UU./ADR) y user-financial (nivel gratuito de akshare) cubren las necesidades básicas de acciones y macroeconomía. Los datos de pago de acciones A (CSMAR/Wind/Tushare Pro) requieren cuentas institucionales.

Consulte el Tutorial del Mercado de Herramientas MCP para ver el catálogo completo.

---

Habilidades Disponibles (18)

Cada habilidad está documentada en .claude/skills/ (Claude Code) y .github/skills/ (GitHub Copilot). En Cursor, use el comando Skill: directamente.

Habilidad	Descripción	Módulos Clave
fin-full-pipeline	De extremo a extremo: tema → PDF de artículo	scripts/agent_pipeline.py
fin-idea-discovery	Generación de ideas + validación de datos	idea_data_checker.py, MCP
fin-lit-review	Revisión sistemática de literatura	literature_download.py, MCP multifuente
fin-generate-idea	8-12 ideas clasificadas con validación empírica	Validación de datos MCP
fin-novelty-check	Novedad frente a literatura reciente (SS/OpenAlex)	NoveltyGate / --novelty-check
fin-experiment-design	Diseño empírico completo	modern_did.py, regression_engine.py
fin-paper-writing	Orquestación de escritura	report_generator.py
fin-paper-draft	Generación de texto del cuerpo (LaTeX)	journal_template.py
fin-paper-plan	Generación de esquemas	30 plantillas de revistas
fin-paper-figure	Generación de gráficos (≥300 DPI)	fin_charts.py, chart_factory.py
fin-paper-convert	Compilación de LaTeX	xelatex/pdflatex + plantillas de revistas
fin-review-loop	Revisión adversarial de múltiples rondas	Puntuación de 5 dimensiones
fin-submit-check	Lista de verificación previa al envío	Auditoría de formato, DPI, citas
fin-data-acquisition	Obtención de datos + scripts de regresión	43 servidores MCP
fin-brief-generator	Generación automática de FIN_BRIEF.md	5 herramientas mejoradas
fin-ref-paper	Gestión de referencias BibTeX	API CrossRef DOI
fin-viz-launch	Lenguaje natural → gráficos académicos	chart_pipeline.py, más de 20 tipos

---

Tutoriales

Tutorial	Descripción	Tiempo
01 - Inicio Rápido	Configuración y ejecución de su primer flujo de trabajo	5 min
02 - Informes Financieros	Generar informes de investigación institucional	10 min
03 - Direcciones de Investigación	Diseñar estudios empíricos con DID/RDD/IV	15 min
04 - Mercado MCP	Descubrir y agregar herramientas MCP	15 min
05 - Investigación Impulsada por Eventos	Automatizar la investigación mediante monitoreo de eventos	20 min

---

Documentación

Documento	Descripción
SETUP_GUIDE.md	Configuración del entorno, claves API, Docker
使用指南.md	Guía de uso completa (chino)
docs/tutorials/01-quickstart.md	Inicio rápido de 5 minutos
CLAUDE.md	Configuración y capacidades del agente
CONTRIBUTING.md	Directrices de contribución
docs/tutorials/	Tutoriales paso a paso
docs/api_reference.md	Documentación de la API
docs/MOCK_DATA_POLICY.md	Política de datos simulados (5 servidores deshabilitados por defecto)
docs/DOCKER_INSTALL.md	Guía de instalación de Docker
docs/CITATION_GUIDE.md	Guía de citas para trabajos derivados
docs/GITHUB_DISCUSSIONS_SETUP.md	Habilitación de GitHub Discussions
docs/ARCHITECTURE.md	Resumen de la arquitectura del sistema

---

Comandos Comunes

# Paper pipeline
python scripts/research_framework/pipeline.py --topic "碳排放权交易对企业绿色创新的影响"

# Financial report
python scripts/demo_research_report.py --stock 000001.SZ

# MCP tool marketplace
python scripts/core/mcp_tool_market.py --search "gdp" --report

# Event monitor
python scripts/event_monitor.py --interval 300 --test

# Literature review
python scripts/literature_download.py "carbon trading innovation" --source arxiv,semantic,openalex --limit 20

# Or use an AI Agent directly
# "帮我做碳交易创新领域的文献综述"

# Journal template
python scripts/journal_template.py --list
python scripts/journal_template.py --generate JFE output/paper.tex

# Dashboard
streamlit run scripts/dashboard.py --server.port 8050

---

Cobertura de Datos

Mercado	Fuente	Tipos de Datos
Acciones A	user-tushare (gratis)	Cotizaciones diarias, estados financieros, margen, flujo norte
Acciones de EE. UU.	yfinance + Finviz (gratis)	Cotizaciones, estados financieros, ESG, opciones, presentaciones SEC
Macroeconomía (Global)	Banco Mundial + FMI + OCDE (gratis)	PIB, IPC, población, comercio, deuda
Macroeconomía (China)	user-financial + NBS (gratis)	IPC, PPI, PMI, M2, IED, ventas minoristas
Macroeconomía (EE. UU.)	FRED + BEA + Fed (gratis)	NIPA, FOMC, Beige Book, curva de rendimiento
Renta Fija	EODHD (clave) / user-financial (gratis)	Rendimientos de tesorería, precios de bonos, diferenciales de crédito
Forex y Materias Primas	user-enhanced-finance + user-financial (gratis)	Tipos de cambio, índices de envío, metales preciosos
Informes de Investigación	东方财富 (gratis)	Informes de analistas, noticias, análisis sectorial
Académico	arXiv + NBER (gratis)	Documentos de trabajo, citas

---

Extensión del Sistema

Agregar un Nuevo Servidor MCP

1. Crear directorio: mcp_servers/user_your_server/
2. Agregar SERVER_METADATA.json
3. Agregar definiciones de herramientas en tools/*.json
4. Registrar en la configuración MCP de Cursor
5. Reconstruir el registro: python scripts/core/mcp_tool_market.py --dir mcp_servers

Consulte el Tutorial del Mercado MCP para obtener la guía completa.

Agregar una Nueva Dirección de Investigación

1. Crear archivo: scripts/research_directions/carbon_economics.py (copiar de una dirección existente como green_finance.py como plantilla)
2. Definir la clase ResearchDirection con:
   • Preguntas de investigación
   • Requisitos de datos
   • Derivación de hipótesis
   • Estrategia empírica
3. Agregar a scripts/research_directions/__init__.py

---

Contribuciones

¡Las contribuciones son bienvenidas! Por favor:

1. Haga un fork del repositorio
2. Cree una rama de características (git checkout -b feature/amazing-feature)
3. Confirme los cambios (git commit -m 'Add amazing feature')
4. Envíe a la rama (git push origin feature/amazing-feature)
5. Abra una Solicitud de Extracción (Pull Request)

Consulte CONTRIBUTING.md para obtener las directrices completas.

---

Licencia

Este proyecto está licenciado bajo la Licencia MIT. Consulte LICENSE para obtener más detalles.

---

Agradecimientos

• El modo de clarificación interactiva de 5 rondas está diseñado según Night Owl Research Agent (renombrado el 27-06-2026)
• Inspirado en la arquitectura multiagente de PaperOrchestra
• Datos impulsados por akshare, yfinance, API del Banco Mundial y Tushare Pro

---

Historial de Estrellas

---

Construido Con

Capa	Tecnología
Orquestación de IA	Claude Code / Cursor / Codex, Claude API, OpenAI API, Anthropic API
Datos (43 servidores)	user-tushare, user-yfinance, user-financial, user-sec-edgar, user-eastmoney-*, API del Banco Mundial, API del FMI
Econometría	statsmodels, linearmodels, scipy
Visualización	matplotlib, seaborn, plotly
Flujo de trabajo	Python 3.10+
Pruebas	pytest, ruff
Documentación	MkDocs Material
Contenedores	Docker, Docker Compose

---

Diagramas de Arquitectura

Ruta de Escritura (5 Artefactos + Puntos de Control Humanos)

Nota de doble ruta: La escritura (agent_pipeline.py) tiene 5 etapas (esquema → literatura → gráficos → escritura → refinamiento) con HITL opcional. La parte empírica es una transferencia separada: enhanced_pipeline / modern_did para estimadores reales; research_framework/pipeline.py es solo una demostración de TWFE + estructura de diseño. Consulte docs/ARCHITECTURE.md §0.

Enrutamiento de Datos (43 directorios: 28 sin clave + 12 con clave API + 3 legales opcionales)

Los paneles empíricos locales se verifican primero. La falta de una variable exacta se detiene de manera visible; no desencadena una sustitución no anunciada de datos sintéticos o proxy.

Selección de Estimadores DID Modernos

El estimador sigue el momento del tratamiento, la disponibilidad del grupo de comparación y el estimando objetivo. TWFE sigue siendo una línea base de diagnóstico en lugar de una prueba automática de identificación.

---

Cómo Encaja FinAI en el Ecosistema

FinAI se centra en el flujo de trabajo de extremo a extremo de la investigación empírica en economía y finanzas: idea de investigación → revisión de literatura → diseño empírico → adquisición de datos → análisis → borrador de artículo → envío.

Las bibliotecas generales de inferencia causal (por ejemplo, dowhy, StatsPAI, diff-diff) se centran en la capa de algoritmo de IC. FinAI se centra en la capa de flujo de trabajo de investigación que envuelve datos, econometría, plantillas de revistas y puertas de control humano en el circuito en un solo flujo de trabajo.

Este enfoque aporta características complementarias para economistas:

• 43 fuentes de datos MCP para finanzas de acciones A (Tushare/CSMAR/Wind), acciones de EE. UU. (yfinance), macroeconomía global (FRED/Banco Mundial/FMI/OCDE/BEA) y más de 400 millones de artículos académicos (OpenAlex/ArXiv).
• 58 módulos de métodos econométricos que incluyen DID escalonado moderno (Callaway-Sant'Anna, Sun-Abraham, Borusyak), control sintético/DiD, IV/2SLS, GMM de panel, RDD, triple diferencia, cuantil de panel, regresión espacial, etc.
• 30 plantillas de revistas (EN+ZH+JP+DE) que cubren JF / JFE / RFS / JPE / Econometrica / 经济研究 / 金融研究 / 管理世界 / 会计研究 / ZWiSt / JNS y más.
• Puertas de control humano en el circuito en cada etapa del flujo de trabajo para prevenir alucinaciones de LLM.

Consulte Proyectos Relacionados a continuación para ver herramientas que funcionan junto con FinAI.

---

Mantenedor

Este proyecto es mantenido por @csmar432.

• 🐛 Informes de errores y solicitudes de funciones: GitHub Issues
• 💬 Preguntas e ideas: GitHub Discussions
• 🔒 Divulgaciones de seguridad: GitHub Security Advisories
• 💖 Patrocinar / apoyar: GitHub Sponsors · 爱发电

Las contribuciones de todos los tamaños son bienvenidas — consulte CONTRIBUTING.md para el flujo de trabajo.

Citar Este Trabajo

Si este proyecto ayuda a su investigación, déle una ⭐ — le indica a otros economistas que el proyecto vale su tiempo.

Si utiliza FinAI Research Workflow en investigaciones publicadas, por favor cítelo como:

@software{finai2026,
  title  = {FinAI Research Workflow: An End-to-End AI Agent Pipeline for Economic and Financial Research},
  author = {csmar432},
  year   = {2026},
  month  = jun,
  url    = {https://github.com/csmar432/finai-research},
  note   = {GitHub repository. For a permanent DOI, publish on Zenodo and update this field.}
}

Proyectos Relacionados

• dowhy — biblioteca de inferencia causal (8.2K ⭐)
• StatsPAI — kit de herramientas de inferencia causal nativo de agentes (274 ⭐)
• moderndid — DiD moderno acelerado por GPU (25 ⭐)
• diff-diff — DiD estilo sklearn en Python (280 ⭐)
• PaperOrchestra — escritura de artículos multiagente de Google (82 ⭐)
• E2ER-project — flujo de trabajo de investigación empírica de extremo a extremo (1 ⭐)
• econ-paper-studio — CLI nativo de agentes para economía empírica (2 ⭐)

Licencia MIT — consulte LICENSE para el texto completo.