Disclosure Alpha

Disclosure Alpha

SEC 提出書類を決定論的に分析 — 解析、スコアリング、差分比較を行います。LLM は不要です。
セクションを抽出し、トーンや定型文を測定し、前年比の変化を検出して、同業他社をスクリーニングします。

• クイックスタート
• 概要
• 統合方法
• OpenBB Workspace
• 提出書類レビュー UI
• 機能
• 出力例
• 研究に基づく裏付け
• ドキュメント

クイックスタート

Python 3.11+ が必要です。

1. PyPI からインストール

pip install "disclosure-alpha"

HTTP API と MCP を利用する場合は、pip install "disclosure-alpha[api,mcp]" を実行してください。すべてのオプションについては、インストールをご覧ください。

2. SEC User-Agent を設定する（--ticker / EDGAR を利用する場合は必須です。ローカルの --html スコアリングでは不要です）

export SEC_USER_AGENT="YourName [email protected]"

SEC EDGAR の設定をご覧ください。

3. 提出書類をスコアリングする

disclosure-alpha score --ticker AAPL --fiscal-year 2025 --form 10-K \
  | jq '.scores.overall_disclosure_risk_score'

from disclosure_alpha import score_filing_ticker
result = score_filing_ticker("AAPL", 2025, form_type="10-K")
print(result.scores.overall_disclosure_risk_score)

概要

10-K と 10-Q の HTML を対象とする、オープンソースの決定論的な SEC 提出書類分析ツールです。テキスト指標、ブール値のリスクフラグ、セクションの差分から再現可能な JSON スコアを生成します。CLI、Python SDK、HTTP API、OpenBB Workspace、MCP で共通のパイプラインを使用します。8-K はローカルの --html または MCP Builder バンドルでのみサポートされます（--ticker、EDGAR、HTTP のティッカールートでは利用できません）。

対象外：

• 投資助言や取引シグナルではありません
• 提出書類を読むことの代わりにはなりません

対象範囲と制限について詳しくは、対象範囲と主張をご覧ください。

統合方法

7つのエントリーポイント、1つの決定論的なパイプラインです。どれを選べばよいか分からない場合は、利用方法の選択をご覧ください。

対象	エントリー	追加インストール
ターミナル／スクリプト	disclosure-alpha	(基本)
ノートブック／アプリ	import disclosure_alpha	(基本)
REST スクリーナーまたはダッシュボード	disclosure-alpha-api	[api]
開示書類をレビューするアナリスト	disclosure-alpha-api → /app/	[api]
OpenBB Workspace のアナリスト	disclosure-alpha-api + OpenBB ガイド	[api,mcp]
AI エージェント（ティッカーのスコアリング）	disclosure-alpha-mcp-analyst	[mcp]
生の HTML を扱うエージェント	disclosure-alpha-mcp-builder	[mcp]

HTTP のマトリックス階層は、単一ティッカーの GET GET /v1/company/{ticker}/disclosure-matrix のみに適用されます。tier=lite（見出しスコア）、tier=standard（構成要素と指標）、tier=analyst（監査用の来歴情報）があります。パネルの POST /v1/panel/disclosure-matrix には tier パラメーターがありません。include／fields を使用してください。詳しくはHTTP ガイドをご覧ください。

disclosure-alpha-api              # HTTP + OpenBB Workspace backend on :8000
disclosure-alpha-mcp-analyst      # MCP analyst bundle

ガイド、Postman コレクション、MCP リファレンスについては、**ガイド**をご覧ください。

開示書類レビュー UI

セルフホスト可能なアナリストビューでは、OpenBB 形式のスコアカードと開示書類リーダーを組み合わせています。検出されたフラグを選択すると、分析に使用した整形済み開示書類セクション内の該当箇所がハイライト表示されます。

pip install "disclosure-alpha[api]"
export SEC_USER_AGENT="YourName [email protected]"
disclosure-alpha-api

http://127.0.0.1:8000/app/ を開いてください。元の SEC 開示書類へのリンクはレビューヘッダーにあります。開発および API の詳細については、開示書類レビューガイドをご覧ください。

OpenBB Workspace

セルフホスト型バックエンドを使用して、OpenBB Workspace で開示書類をスコアリングできます。総合スコア、構成要素、有効なフラグ、セクションの変更を1つのウィジェットに表示します。

pip install "disclosure-alpha[api,mcp]"
export SEC_USER_AGENT="YourName [email protected]"
disclosure-alpha-api

Workspace で、Apps → Connect backend → http://127.0.0.1:8000 → My Apps → Disclosure Alpha → Company → Run の順に選択します。アプリページから Disclosure Alpha Analyst MCP を接続すると、Copilot のスコアリングツールを利用できます。

OpenBB Copilot はウィジェットの内容を要約できます。これは OpenBB の機能であり、Disclosure Alpha の一部ではありません。

クイックスタート：OpenBB Workspace · 完全ガイド：OpenBB ガイド

機能

決定論的なスコア — 10 個の算出コンポーネント（うち 9 個は見出しスコアに加重、0～100）、セクションの抽出、前年比の変化検出。正式なコンポーネント一覧：スコアカタログ。スコアの尺度：スコアの見方。

タスク	方法
1 社のスコアを算出する	disclosure-alpha score --ticker AAPL --fiscal-year 2025 --form 10-K
OpenBB Workspace でスコアを算出する	disclosure-alpha-api + Workspace connect → OpenBB クイックスタート
最大 25 銘柄をスクリーニングする	HTTP POST /v1/panel/disclosure-matrix（tier は指定せず、include / fields を使用）
前年比で比較する	--prior-html prior.html または HTTP compare=prior
オフラインで作業する（EDGAR なし）	disclosure-alpha score --html filing.html --form 10-K
未加工のシグナルを調べる	disclosure-alpha metrics … または GET /disclosure-metrics
真偽値のリスクフラグを取得する	GET /disclosure-flags

# Screen a peer set (start disclosure-alpha-api first)
curl -s -X POST "http://localhost:8000/v1/panel/disclosure-matrix" \
  -H "Content-Type: application/json" \
  -d '{"tickers": ["AAPL", "MSFT", "GOOGL"], "fiscal_year": 2025, "form_type": "10-K"}'

# Year-over-year from local HTML (no network)
disclosure-alpha score --html current.html --form 10-K --prior-html prior.html

コピーして使えるレシピ：ワークフロー。パイプラインの概要：方法論。

出力例

単一提出書類のスコア（合成 10-K）：

{
  "scores": {
    "overall_disclosure_risk_score": 17.84,
    "score_coverage_ratio": 0.7778,
    "components": {
      "risk_factor_intensity_score": 8.62,
      "boilerplate_risk_score": 42.53,
      "legal_regulatory_risk_score": 25.34
    }
  },
  "versions": {
    "parser_version": "section_extractor_v1",
    "metrics_engine_version": "text_metrics_v4",
    "dictionary_version": "built_in_dictionaries_v3",
    "scoring_model_version": "deterministic_scoring_v2",
    "analytics_config_id": "builtin_default"
  }
}

その他の例：サンプル集およびワークフロー。

研究に裏付けられています

S&P 500 FY2025 Item 1A · deterministic_scoring_v2 · 証拠の全文 →

検証項目	結果
分析対象コホート	478 社（503 社からなる母集団）
NER に対する具体性	スピアマン ρ ≈ 0.87（n=478）
LS4-gram 代理指標に対する定型文	スピアマン ρ ≈ 0.92（n=478）
提出後のボラティリティ（90 日）	Q5/Q1 ≈ 1.15（n=435）

構成概念の検証には独立した参照情報を使用しています。ボラティリティとの関連は記述的なものにすぎず、投資助言でもアルファでもありません。対象範囲：対象範囲と主張。

ドキュメント

知りたいこと…	こちらから
5 分で動作を確認する	初回の正常な実行
信頼できるかどうかを評価する	証拠と検証
数値を理解する	スコアの見方
ターミナルでスコアを算出する	CLI クイックスタート
スクリーナーを構築する	HTTP ガイド → ワークフロー
Python で使用する	Python クイックスタート
OpenBB Workspace でスコアを算出する	OpenBB クイックスタート
コピーして使える例を見る	サンプル集

ライセンス

Apache-2.0。LICENSEをご覧ください。変更履歴 · リリース

コントリビューター

開発環境のセットアップ、テスト、ドキュメントのビルドについてはCONTRIBUTING.mdをご覧ください。セキュリティ上の問題はSECURITY.mdから報告してください。