S&P 500 Earnings Transcripts

Corpus exhaustif de transcriptions financières trimestrielles d’entreprises du S&P 500 sur 20 ans, idéal pour l’analyse sémantique, temporelle et stratégique.

Télécharger le dataset

Taille

33 362 transcriptions texte structurées par intervenant, format JSON

Licence

MIT

Description

‍

Le dataset S&P 500 Earnings Transcripts regroupe plus de 33 000 transcriptions d’appels financiers trimestriels provenant de 685 entreprises américaines du S&P 500, couvrant la période 2005–2025. Chaque appel est structuré par intervenant, offrant ainsi une base riche pour les travaux de NLP appliqués à la finance et à l’analyse des dialogues économiques.

‍

À quoi sert ce dataset ?

‍

Analyser le sentiment du marché à travers les prises de parole des dirigeants
Entraîner des modèles de résumé automatique pour des contenus économiques longs
Construire des modèles spécialisés pour le question answering financier ou la détection de signaux faibles

‍

Peut-on l’enrichir ou l’améliorer ?

‍

Oui, ce corpus peut être enrichi avec des annotations de tonalité, des tags thématiques (finance, croissance, risque) ou des liens vers des données boursières pour corrélation. Il est aussi possible de coupler les transcriptions avec des modèles vocaux pour l’alignement audio-texte.

‍

🔎 En résumé

Critère	Évaluation
🧩 Facilité d’utilisation	⭐⭐⭐⭐✩ (Structuré proprement par intervenant et par trimestre)
🧼 Besoin de nettoyage	⭐⭐⭐⭐⭐ (Faible – les transcriptions sont textuelles et déjà formatées)
🏷️ Richesse des annotations	⭐⭐⭐⭐✩ (Bonne – intervenants, date, entreprise, métadonnées complètes)
📜 Licence commerciale	✅ Oui (MIT)
👨‍💻 Idéal pour les débutants	🌟 Oui – pas besoin de traitement complexe initial
🔁 Réutilisable en fine-tuning	🎯 Oui – adapté aux LLMs spécialisés finance/langage formel
🌍 Diversité culturelle	⚠️ Limité au contexte économique nord-américain