巴西证券委员会法规汇编 Markdown 数据集
数据集简介
法规汇编的定位与用途
该仓库是巴西证券委员会(Comissão de Valores Mobiliários,CVM)规范性文件的 Markdown 汇编,面向浏览器查阅、RAG 知识库、法规分析与合规工具等场景。它不只提供文本,还附带从官方来源采集、核对、合并和更新这些文本的程序,使语料能够随官方发布持续刷新。
收录范围与文件结构
汇编覆盖 CVM 的多类规范性文件:决议、指令、审议、指导意见、通函、说明性说明以及公开听证材料。仓库按文件类型分目录组织,例如 acervo/resolucoes/ 下按年份建立子目录,同一规范同时保留合并文本与原文两个版本,如 2022/resolucao-cvm-175.md(合并文本)与 resolucao-cvm-175.original.md(原文);acervo/instrucoes/、acervo/deliberacoes/、acervo/pareceres-de-orientacao/、acervo/oficios-circulares/、acervo/notas-explicativas/ 分别对应其他类型。公开听证材料按年份归档,如 acervo/audiencias-publicas/2020/sdm-2020-sdm0820.md;AIR 豁免理由单独存放,如 acervo/justificativas-air/2025/resolucao-cvm-233.md。总索引为 acervo/README.md,acervo/cobertura.csv 则按种类与年份记录覆盖率。
文件格式与头部元数据
每个文本文件以 YAML 头部承载结构化元数据,字段包括:id、titulo、especie、numero、ano、ementa、data_edicao、data_publicacao_dou、inicio_vigencia、situacao、situacao_fonte、ficha_oficial、versao、fonte、relacoes。头部同时记录文本来源:官方文件 URL、下载字节的 SHA-256、采集日期,以及规范状态及其依据来源。仓库顶层还包含 .github、acervo、docs、scripts、src/repositorio_cvm、tests 等目录,分别承载自动化配置、语料、文档、脚本、程序源码与测试。
覆盖现状与缺口
截至 2026-11-06 核对,库内共有 1,366 项现行规范与 119 项已废止规范(合计 1,485 项),对应官方现行 1,367 项、已废止 1,134 项,总覆盖率 59.4%,现行覆盖率 99.9%。其中决议 249 项(231 项现行、18 项废止)均具备全文。此外还收录 8 项公开听证(公告与报告)与 68 项 AIR 豁免理由。已废止规范仍是覆盖缺口的主要部分。
许可与引用注意
代码采用 AGPL-3.0 许可,语料采用 CC-BY-4.0 许可,公开仓库可自由访问。项目明确声明自身不是官方出版物,与 CVM 无关联;引用任何文本前,应核对各文件头部标注的官方来源,以官方文件为准。