Годовая консолидированная отчётность российских эмитентов по МСФО доступна на сайтах пяти информационных агенств, официально аккредитованных Банком России на раскрытие информации о ценных бумагах и иных финансовых инструментах.

Среди этих агенств:

1. агентство «Интерфакс» (с 2015 года)
2. агентство «АК&М» (2001 года)
3. агентство «АЗИПИ» (с 1995 года)

4. агентство «ПРАЙМ Раскрытие» (с 2007 года)
5. агентство «СКРИН» (с 2012 года)

Кроме информационных агентств, объемную коллекцию корпоративной отчетности содержит сайт ИНИОН РАН, где она собрана в исследовательских целях.

Наконец, данные по отчетам МСФО можно найти в хранилище крупнейшего в рунете тематического портала для инвесторов и трейдеров Смартлаб.

Баланс (BS)

Это некий "показатель здоровья" компании,
который позволяет увидеть финансовое
состояние с разных сторон

Отчёт о прибылях и убытках (PnL)

Зарабатывает компания или несет убытки

Что есть у компании

Откуда пришли и куда ушли деньги

Как меняется стоимость бизнеса и его владельцев

Отчёт о движении денежных средств (CF)

Отчёт о об изменении капитала(EQ)

Получаем от команды "Скрейпинга" данные

• Многообразие форматов файлов

(как справлялись: ... кратко)

• Неверная(?) кодировка

(как справлялись: ... кратко)

• Английский

(как справлялись: ... кратко)

• Ложные срабатывания

(как справлялись: ... кратко)

• Страницы с нестандартной ориентацией

(как справлялись: ... кратко)

• Скошенные страницы

(как справлялись: ... кратко)

Какие характеристики моделей важны для нашей задачи:

• распознавание структуры сложных таблиц (Table Structure Recognition)
• распознавание русскоязычного текста
• хорошие показатели работы с финансовыми таблицами без

обязательного дообучения

• единый встроенный пайплайн для распознавания текста и табличной структуры и их сопоставления
• открытые веса
• возможность коммерческого использования
• вес модели для возможности тестирования в Colab Free

Обзор позволил выделить следующие решения:

GLM-OCR (State-of-the-art согласно бенчмарку OmniDocBench V1.5)
PaddleOCR-VL-0.9B
PaddleOCR (classic)
DeepSeek-OCR
Kimi-VL-A3B (3B)
Qwen2.5-VL (3B)
MinerU (1.2B)

Однако, остальные выделенные модели при тестировании в Colab Free приводили к CUDA Out of Memory либо к несовместимости версии CUDA колаба с версиями CUDA, под которые были написаны библиотеки моделей.

Оптимальным выходом из ситуации стал сервис openrouter.ai, предоставляющий доступ к большому количеству моделей от различных провайдеров, включая мультимодальные модели для работы с изображениями и документами.

Optical Character Recognition - технология оптического распознавания текста с изображений

Тут три пикчи с MinerU красиво проматывающихся, с подписями

Пример результата тестирования модели MinerU 3.0.0.

Инференсы с использованием OpenRouter API:

Финальный промпт:
Extract the table structure from the scanned image and the text within table elements. Provide your answer in Markdown format. Ignore everything outside the table. Keep the text within table elements unchanged. Preserve the table structure completely.

добавить звездочки-сноски?

S3-подобное хранилище - это тут про S3 тут про S3 тут про S3 тут про S3 тут про S3 тут про S3 тут про S3 тут про S3 тут про S3 тут про S3 тут про S3 тут про S3 тут про S3 тут про S3 тут про S3 тут про S3 тут про S3 тут про S3 тут про S3 тут про S3 тут про S3 тут про S3 тут про S3 тут про S3 тут про S3 тут про S3 тут про S3 тут про S3 тут про S3 тут про S3 тут про S3 тут про S3 тут про S3 тут про S3 тут про S3 тут про S3 тут про S3 тут про S3 тут про S3 тут про S3 тут про S3 тут про S3 тут про S3 тут про S3 тут про S3 тут про S3 тут про S3 тут про S3 тут про.

тут скрин как с3 выглядит

5 этап

Создание сайта

Текст про крутость сайта Текст про крутость сайта Текст про крутость сайта Текст про крутость сайта Текст про крутость сайта Текст про крутость сайта Текст про крутость сайта

Приводим показатели разных компаний к единой структуре и номенклатуре, чтобы обеспечить сопоставимость данных между отчетами

Корреспонденция (гармонизация)

3 этап

Проверяем логическую и математическую согласованность показателей на основе контрольных соотношений IFRS Taxonomy и выявляем потенциальные ошибки

Артикуляция (валидация)

4 этап