Datasetpublic

alireza-fallah/bourse-assistant-rl

Bourse Assistant RL Dataset این مخزن داده‌ها را برای پروژه دست‌یار بورس [لینک پروژه] منتشر می‌کند. مجموعه‌داده‌ای برای فاین‌تیون با روش یادگیری تقویتی یک دستیار هوش مصنوعی در حوزه بورس اوراق بهادار ایران. هر نمونه شامل مجموعه‌ای از خبرهای مربوط به یک نماد بورسی مشخص در یک تاریخ معین است، و مدل باید روند قیمت (مثبت/منفی) را همراه با توضیح تخمین بزند. محتوای مجموعه‌داده (Dataset Summary) داده به دو زیرمجموعه تقسیم شده، بر اساس تعداد نمادهای بورسی پوشش داده‌شده:… See the full description on the dataset page: https://huggingface.co/datasets/alireza-fallah/bourse-assistant-rl.

sourceHugging Faceapache-2.0updated 1d agoView on Hugging Face

1likes41downloads

Dataset Card

Bourse Assistant RL Dataset

این مخزن داده‌ها را برای پروژه دست‌یار بورس [[لینک پروژه]](https://github.com/alireza-fallah/bourse-assistant) منتشر می‌کند. مجموعه‌داده‌ای برای فاین‌تیون با روش یادگیری تقویتی یک دستیار هوش مصنوعی در حوزه بورس اوراق بهادار ایران. هر نمونه شامل مجموعه‌ای از خبرهای مربوط به یک نماد بورسی مشخص در یک تاریخ معین است، و مدل باید روند قیمت (مثبت/منفی) را همراه با توضیح تخمین بزند.

محتوای مجموعه‌داده (Dataset Summary)

داده به دو زیرمجموعه تقسیم شده، بر اساس تعداد نمادهای بورسی پوشش داده‌شده:

Config	تعداد نمادها	Train
`syms_14`	۱۴ نماد	`preference_data_14.jsonl` (32 MB)
`syms_47`	۴۷ نماد	`preference_data_47.jsonl` (71.7 MB)

لیست کامل نام و نماد سهام‌های موجود در هر زیرمجموعه در فایل `StockNames.pdf` آمده است.

بارگذاری با کتابخانه `datasets`

python

from datasets import load_dataset

# زیرمجموعه ۱۴ نمادی
ds_14 = load_dataset("alireza-fallah/bourse-assistant-rl", "syms_14")

# زیرمجموعه ۴۷ نمادی
ds_47 = load_dataset("alireza-fallah/bourse-assistant-rl", "syms_47")

print(ds_14["train"][0])

ساختار داده (Data Fields)

هر رکورد یک شیء JSON با ساختار زیر است:

json

{
  "chosen": [
    {"role": "user", "content": "..."},
    {"role": "assistant", "content": "..."}
  ],
  "rejected": [
    {"role": "user", "content": "..."},
    {"role": "assistant", "content": "..."}
  ],
  "prompt": "..."
}

—`chosen` و `rejected`: لیستی با دقیقاً دو پیام:
—user: شامل فهرستی از خبرها درباره یک نماد در یک تاریخ مشخص و تغییرات شاخص‌های قیمتی، به‌همراه دستورالعمل قالب پاسخ.
—assistant: پاسخ شامل برچسب روند (مثبت یا منفی) و یک پاراگراف توضیح مبتنی بر نکته‌های داده‌شده.
—`prompt`: شامل فهرستی از خبرها درباره یک نماد در یک تاریخ مشخص و تغییرات شاخص‌های قیمتی، به‌همراه دستورالعمل قالب پاسخ.

نحوه‌ی جمع‌آوری داده (Data Collection)

—اخبار از کانال‌های تلگرامی بورسی جمع‌آوری شده و پیش پردازش شده‌اند.
—برچسب روند قیمت بر اساس داده‌های واقعی سایت بورس تهران TSETMC تعیین شده است.
—داده‌ها مربوط به بازه زمانی 31 شهریور 401 تا 31 شهریور 404 است.

کاربرد مورد نظر (Intended Use)

آموزش/فاین‌تیون مدل‌های زبانی برای دستیارهای تحلیل بورس که با ورودی اخبار و قیمت شاخص‌ها، خروجی برچسب‌دار و توضیح تولید می‌کنند.

محدودیت‌ها و ریسک‌ها (Limitations & Risks)

—این داده صرفاً برای مقاصد آموزشی/تحقیقاتی است و توصیه سرمایه‌گذاری محسوب نمی‌شود.
—برچسب‌های مثبت/منفی بازتاب‌دهنده شرایط بازار در بازه زمانی خاص جمع‌آوری داده هستند و ممکن است در شرایط دیگر بازار تعمیم‌پذیر نباشند.
—مدل‌های آموزش‌دیده با این داده نباید به‌عنوان تنها منبع تصمیم مالی استفاده شوند.

مجوز (License)

apache-2.0

ارجاع (Citation)

bibtex

@misc{bourse_assistant_rl,
  author = {Alireza Fallah},
  title = {Bourse Assistant RL Dataset},
  year = {2026},
  publisher = {Hugging Face},
  url = {https://huggingface.co/datasets/alireza-fallah/bourse-assistant-rl}
}