bctc-vn30: tải, đọc và chấm điểm BCTC của 30 mã VN30 (HOSE)

Web: https://vietnhat-1305.github.io/bctc-vn30/

Web có 4 tab:

• Bảng điểm: mỗi công ty 1 thẻ, có lọc.
• Thư viện BCTC: tra cứu và tải BCTC, link thẳng về web công ty.
• Nguồn dữ liệu: 30 web IR và độ trễ của CafeF.
• Phương pháp: cách thu thập dữ liệu và công thức chấm điểm.

Web là một file HTML tĩnh (docs/index.html, đã chứa sẵn dữ liệu) do GitHub Pages phục vụ. Cập nhật web: python dang_web.py.

Rổ VN30 đang dùng là kỳ hiệu lực từ 03/08/2026, gồm 30 mã: ACB BID BSR CTG FPT GAS GVR HDB HPG LPB MBB MCH MSN MWG SAB SHB SSB SSI STB TCB TCX VCB VHM VIB VIC VJC VNM VPB VPL VRE.

Bước	File	Việc
1	website_30cty.xlsx, LINKS.md, companies.json, kiem_tra_ir.py	Danh sách web đăng BCTC của 30 công ty và kết quả kiểm tra tool đọc được từng web
2	bctc.py, ir_adapters.py	Tải BCTC từ web công ty (nguồn đăng sớm nhất); CafeF chỉ để dự phòng
3	pdf2txt.py, ocr_so.py	PDF thường hoặc PDF scan → TXT (OCR tiếng Việt, giữ hàng/cột của bảng số). Trang báo cáo dạng scan được đọc lại bằng PP-OCRv6 để lấy số chính xác
4	phan_tich.py	Gemini đọc BCTC → DT, LNG, LNST, Tổng tài sản, Nợ, Nợ vay, Lưu chuyển tiền từ 1 BCTC: quý này so với cùng kỳ năm trước, cân đối so với đầu năm → Excel
5	cham_diem.py, dashboard.py	Chấm điểm thang 10 → dashboard mỗi công ty 1 thẻ, lọc nhanh (VD DT tăng > 20%, nợ vay giảm > 10%)

Chạy nhanh

pip install -r requirements.txt     # aiohttp, pymupdf, google-genai, pydantic, openpyxl, cryptography
# Lấy API key Gemini miễn phí: https://aistudio.google.com/apikey -> dán vào file .env: GEMINI_API_KEY=...

python kiem_tra_ir.py      # (tuỳ chọn) kiểm tra 30 web công ty còn đọc được không -> website_30cty.xlsx
python phan_tich.py        # tải 1 BCTC quý mới nhất/mã từ web công ty -> Gemini -> chấm điểm -> đối chiếu Vietcap
                           # -> ket_qua/so_sanh_quy.xlsx + ket_qua/dashboard.html (mở bằng trình duyệt)

Lần sau chỉ cần chạy lại python phan_tich.py, rồi python dang_web.py để đưa kết quả lên web. BCTC và kết quả Gemini đã có được dùng lại, chỉ BCTC mới mới phải tải và hỏi Gemini.

Bước 1: Danh sách website (website_30cty.xlsx)

python kiem_tra_ir.py đi vào web của từng công ty và kiểm tra 3 việc: đọc được danh sách BCTC, có BCTC quý mới nhất (hợp nhất), tải thử được file và đúng là file PDF. Kết quả ghi vào website_30cty.xlsx, mỗi công ty một dòng gồm: web, trang BCTC, cách tool đọc, PASS/FAIL, kỳ mới nhất trên web và trên CafeF, CafeF đăng chậm bao nhiêu ngày, link file mới nhất, ghi chú kỹ thuật.

Kết quả ngày 15/10/2026: PASS 30/30, đọc xong cả 30 web trong khoảng 20–35 giây.

Đo trên BCTC Q2/2026 ở 14 mã có đủ ngày để so: CafeF đăng sau web công ty trung vị 1,4 ngày, chậm nhất 5,5 ngày (GVR, SSI). Vì vậy nguồn chính là web công ty.

Chạy lại script này khi tool báo lỗi một mã, vì các web hay đổi giao diện.

Bước 2: Tải BCTC từ web công ty (bctc.py)

python bctc.py                                   # 30 mã, 2 năm gần nhất (mặc định --source ir-first)
python bctc.py --periods Q1,Q2,Q3,Q4 --latest 2 --scope HN   # 2 BCTC quý hợp nhất gần nhất
python bctc.py --tickers VNM,FPT --years all     # toàn bộ lịch sử (năm cũ web không còn thì lấy CafeF)
python bctc.py --list-only                       # chỉ lập danh mục link (data/index.csv)
python bctc.py --source cafef                    # chỉ dùng CafeF (nhanh nhất nhưng chậm hơn web công ty 1-5 ngày)

Mỗi web công ty dùng một kiểu khác nhau, nên tool có nhiều cách đọc. Cách đọc từng web nằm trong companies.json, xem bảng đầy đủ ở LINKS.md:

Cách đọc	Các mã	Ghi chú
HTML tĩnh, có thể chia theo năm/quý	BID BSR CTG FPT GVR HPG SAB SSI VJC VNM VRE MCH MSN TCX VIB	VIB dùng User-Agent curl để qua Akamai; MSN, MCH, TCX đọc bằng curl vì Cloudflare chặn TLS của Python
API JSON	LPB STB TCB VCB VPB SHB	SHB đi qua Chrome headless vì Cloudflare chặn mọi request thường
2 bước: danh sách → bài chi tiết → file	GAS SSB
Adapter riêng (ir_adapters.py)	ACB HDB MBB MWG	ACB: API theo mã danh mục năm; HDB: giải mã AES; MBB: token XSRF; MWG: danh mục động
Chrome headless (Cloudflare)	VHM VIC VPL SHB	Chrome hoặc Edge có sẵn trên máy, chạy ẩn, giữ cookie, tối đa 3 trang cùng lúc

Luồng của một mã:

companies.json ──► đọc web công ty ──┐   (song song)
                └► đọc CafeF ─────────┤
                                      ▼
   phân loại: tên file + tiêu đề → (năm, kỳ Q1-Q4/6T/NAM, HN/RIENG, KT/SX); bỏ giải trình, công văn, thường niên
   gộp IR-first: mỗi kỳ giữ 1 bản từ web công ty (ưu tiên tiếng Việt, "bản tra cứu" có sẵn chữ);
                 CafeF chỉ bù kỳ web không có; bản khác cùng kỳ làm dự phòng khi link hỏng
   không nhận ra BCTC nào (web đổi giao diện) → AI dự phòng: Gemini đọc danh sách link trên trang và tự chọn
                                      ▼
   tải song song (4 kết nối/host, stream, resume, kiểm tra %PDF, bỏ file trùng sha256) → data/<mã>/<năm>/

Số đo ngày 15/10/2026:

Việc	Kết quả
Đọc danh mục 30 web công ty + CafeF	khoảng 12–35 giây (5 web cần Chrome mất 5–30 giây)
Tải 2 BCTC quý gần nhất của 30 mã từ web công ty	61 file, 486 MB, 75 giây, 0 lỗi
Chạy lại khi không có BCTC mới	12 giây
BCTC dùng cho phân tích lấy từ web công ty	60/60

Tên file: data/VNM/2026/VNM_2026_Q2_HN.pdf = <mã>_<năm>_<kỳ>_<phạm vi>[_<kiểm toán>]. Kỳ: Q1–Q4, 6T (bán niên), NAM. Phạm vi: HN (hợp nhất), RIENG, CHUNG (công ty không có công ty con như LPB, TCX). Kiểm toán: KT, SX (soát xét).

Bước 3: PDF → TXT (pdf2txt.py)

python pdf2txt.py                          # mọi PDF trong data/ -> txt/ (giữ cấu trúc <mã>/<năm>/)
python pdf2txt.py data/ACB                 # một mã hoặc một file
python pdf2txt.py --pages 1-20             # chỉ 20 trang đầu (đủ chứa 3 báo cáo chính)

Khoảng 90% BCTC VN30 là PDF scan (đo trên 473 file: 427 file scan). Tool xét từng trang:

• Trang có lớp chữ tốt: lấy chữ trực tiếp, vài ms/trang.
• Trang scan, trang chỉ có chữ ký số, font lỗi (TCVN3/VNI, mất dấu kiểu "h p nh t") hoặc lớp chữ do công ty tự OCR kém (kiểm tra bằng tỷ lệ âm tiết tiếng Việt hợp lệ, ngưỡng 0,8): OCR tiếng Việt, khoảng 1–3 giây/trang.
• Trang scan nằm ngang (VD file trên web Vinhomes, không ghi thuộc tính xoay): khi OCR ra nhiều chữ rác, tool thử xoay 90°/270°/180° và giữ góc cho chữ giống tiếng Việt nhất. Trang không tự dò được thì theo góc đa số của file.

OCR dùng Tesseract có sẵn trong PyMuPDF, chỉ cần thư mục tessdata/, không phải cài gì. Bảng số giữ đúng hàng và cột. Tool chạy song song theo số nhân CPU thật; đo trên máy 6 nhân, 12 tiến trình còn chậm hơn 6.

OCR tầng 2 cho trang báo cáo scan: PP-OCRv6 (ocr_so.py)

Tesseract đọc dấu tiếng Việt tốt nhưng hay đọc sai chữ số (1 → 4, 6 → 8, cắt cụt số dài). Vì vậy các trang 3 báo cáo đã chọn được đọc lại bằng PP-OCRv6 của PaddleOCR (Apache-2.0), chạy qua RapidOCR + ONNX Runtime trên CPU, không cần GPU hay cài Paddle. Cấu hình: det small + rec small, lang_type="vi", ảnh 200 dpi, cạnh dài tối đa 2000 px, 6 luồng.

Đo ngày 18/10/2026 trên 5 BCTC scan (OCB, HCM, PNJ, DGC, KDH; 29 trang báo cáo). Đáp án là 145 con số đã được kiểm độc lập trên ảnh trang:

Engine	Số đúng	Tốc độ
Tesseract vie (tessdata_fast)	134/145 (92,4%)	~1,6 s/trang
PP-OCRv6 small, vi	145/145 (100%)	~5–10 s/trang
PP-OCRv6 rec medium	như bản small trên trang thử	~81 s/trang, bỏ

Chia việc: Tesseract đọc nhanh cả file để tìm trang báo cáo; PP-OCRv6 chỉ đọc lại 4–16 trang báo cáo. Chữ của PP-OCRv6 hay mất dấu ("Tài sn ngn hn") và có lúc xếp số vào nhầm dòng ở bảng nhiều cột, nên AI vẫn đối chiếu với ảnh trang. Kết quả lưu cạnh txt của Tesseract: txt/<mã>/<năm>/<file>.ppocr.txt. Không cài rapidocr thì luồng tự dùng Tesseract như cũ.

pip install rapidocr onnxruntime                    # lần chạy đầu tự tải model (~30 MB)
python ocr_so.py data/PNJ/2026/PNJ_2026_Q2_HN.pdf 4-7  # OCR thử vài trang

Bước 4: Gemini đọc BCTC (phan_tich.py)

python phan_tich.py                        # 30 mã
python phan_tich.py --tickers VNM,ACB,SSI
python phan_tich.py --dry-run              # không gọi API: tải, chọn trang, lưu PDF nhỏ vào ket_qua/debug để xem trước

MỖI MÃ CHỈ 1 BCTC: quý mới nhất (công bố sớm nhất, có cột riêng quý) - báo cáo đã có sẵn kỳ so sánh
 → quét VÙNG TIÊU ĐỀ (30% đầu trang, ~0,25 s/trang) tìm Bảng CĐKT / KQKD / LCTT, bỏ mục lục, dừng ở Thuyết minh
 → OCR đầy đủ chỉ các trang báo cáo (4–16 trang thay vì 30–97)
 → PDF nhỏ (trang scan → JPEG xám 200 dpi) + văn bản OCR làm gợi ý
 → Gemini 3.5 Flash-Lite, structured output (JSON theo schema), temperature 0; prompt kèm SỔ BÀI HỌC (quy tắc + lưu ý từng mã)
 → kiểm tra chéo: TS = Nợ + VCSH (cuối quý và đầu năm), LCTT thuần = KD + ĐT + TC (năm nay và năm trước), số tháng lũy kế
 → tự sửa lỗi đã biết: LNST cổ đông mẹ không tách → bằng LNST; dòng LCTT in "-" → 0
 → TỰ ĐỐI CHIẾU VIETCAP IQ (doi_chieu.py): lệch > 1% → ghi vào sổ bài học để xét
 → cache ket_qua/json theo sha256 file + phiên bản sổ bài học (thêm quy tắc mới → trích lại theo quy tắc mới)

Một BCTC quý có đủ dữ liệu để so sánh, không cần BCTC quý trước:

Báo cáo	Kỳ này	So với
Kết quả kinh doanh	Quý này (VD Q2/2026) và lũy kế từ đầu năm	Cùng quý năm trước (Q2/2025) và lũy kế cùng kỳ
Bảng cân đối	Cuối quý (30/06/2026)	Đầu năm (01/01/2026) - BCTC quý không có số cuối quý năm trước
Lưu chuyển tiền	Lũy kế từ đầu năm (6T/2026)	Lũy kế cùng kỳ năm trước (6T/2025)

Khi chưa có Gemini key: Claude trích số (claude_trich.py)

Số liệu Q2/2026 so với Q1/2026 đang có trên web do Claude (Anthropic) đọc. Cách làm như sau:

1. python phan_tich.py --dry-run cắt riêng các trang 3 báo cáo ra ket_qua/debug/.
2. Claude đọc ảnh trang cùng chữ OCR, rồi ghi kết quả theo đúng schema BCTC ở trên: python claude_trich.py ghi <MÃ> 2026 <QUÝ> file.json. Lệnh này kiểm tra cân đối (Tổng TS = Nợ + VCSH, LCTT thuần = KD + ĐT + TC) rồi mới lưu vào ket_qua/json/.
3. python phan_tich.py --tong-hop so sánh hai quý, chấm điểm và dựng web từ ket_qua/json/, không gọi AI.

Đợt 16/10/2026 có 60/60 BCTC qua kiểm tra cân đối. Chỗ nào OCR đọc sai số thì đã sửa theo ảnh trang. Có vài điểm cần biết khi đọc số:

• Phần lớn ngân hàng không in dòng "Tổng thu nhập hoạt động". Số này được tính bằng tổng các mục I–VII, và đã đối chiếu với LN trước dự phòng + chi phí hoạt động.
• Từ năm 2026, BCTC dùng mẫu mới (Thông tư 99/2025), nên chỉ tiêu được nhận theo tên chứ không theo mã số.

Có Gemini key thì chạy python phan_tich.py như bình thường. Kết quả Gemini sẽ ghi đè các quý mới.

Học từ sai sót: sổ bài học + tự đối chiếu (tri_thuc.py, doi_chieu.py)

AI không tự nhớ giữa các lần chạy, nên "học" nằm ở luồng:

1. Sổ bài học tri_thuc/bai_hoc.json: quy tắc rút ra từ lỗi đã gặp (mẫu BCTC 2026 đổi mã số, ngân hàng không in dòng tổng thu nhập, OCR đọc sai chữ số đầu, cùng kỳ trình bày lại...) và lưu ý riêng từng mã. Mỗi lần trích, quy tắc được đưa vào system prompt, lưu ý của mã được đưa vào prompt của BCTC đó (cả Gemini lẫn Claude: claude_trich.py huong_dan).
2. Tự đối chiếu sau mỗi lần chạy: doi_chieu.py so từng chỉ tiêu (năm nay và kỳ so sánh) với Vietcap IQ, ghi ket_qua/doi_chieu.json, thẻ trên web hiện "Đối chiếu Vietcap: x/y khớp". Chỗ lệch > 1% tự vào mục cần xem xét của sổ.
3. Xét và rút bài học: python tri_thuc.py xem các mục cần xét; lỗi đọc thì python tri_thuc.py them-quy-tac "..." hoặc them-luu-y MÃ "..." (sổ tăng phiên bản → lần chạy sau Gemini trích lại theo quy tắc mới); khác phiên bản báo cáo (Vietcap dùng bán niên soát xét / năm kiểm toán cho quý 2, quý 4) thì python tri_thuc.py da-xet <số>.

python doi_chieu.py            # đối chiếu lại với Vietcap
python tri_thuc.py             # xem sổ: quy tắc, lưu ý theo mã, mục cần xem xét

Bước 5: Chấm điểm và dashboard

phan_tich.py chạy xong sẽ tự tạo:

• ket_qua/dashboard.html: mở bằng trình duyệt, không cần mạng.
• ket_qua/so_sanh_quy.xlsx: gồm 3 sheet là Chấm điểm, So sánh quý và Dữ liệu từng BCTC.

Muốn dựng lại dashboard mà không gọi API thì chạy python dashboard.py.

Dashboard gồm:

• Chỉ số tổng hợp: số mã đạt 10/10, điểm trung bình, số mã có DT tăng, LNST tăng, nợ vay giảm, số mã có cảnh báo dữ liệu.
• Bộ lọc: tìm mã/tên, loại hình, điểm tối thiểu, DT tăng ≥ X%, LNST tăng ≥ X%, nợ vay giảm ≥ X%, dòng tiền kinh doanh dương, sắp xếp. Nút lọc nhanh: Đạt 10/10, Từ 8 điểm, Doanh thu tăng > 20%, Nợ vay giảm > 10%, LNST tăng + dòng tiền dương.
• Thẻ từng công ty: điểm /10, xếp loại, KQKD quý và lũy kế kèm % so với cùng kỳ năm trước, bảng cân đối kèm % so với đầu năm (▲▼ có dấu, không chỉ dựa vào màu), chi tiết từng tiêu chí, cảnh báo, ghi chú cách lấy số, kết quả đối chiếu Vietcap, link BCTC gốc và web IR.
• Có thể chuyển sang dạng bảng, và đổi giao diện sáng/tối.

Công thức chấm điểm (thang 10): 4 bộ riêng theo loại hình

BCTC của ngân hàng, công ty chứng khoán, bảo hiểm và doanh nghiệp thường khác nhau về mẫu biểu, tên khoản mục và giới hạn an toàn pháp lý. Vì vậy mỗi loại hình có một bộ tiêu chí riêng. Bộ nào cũng tối đa 10 điểm và cho phép nửa điểm. Điểm do code tính từ số liệu, không phải AI tự cho.

Loại hình	Khung tham chiếu	Chế độ BCTC	Nhóm (điểm tối đa)
Doanh nghiệp	Piotroski F-score	TT 99/2025/TT-BTC	Tăng trưởng 4 · Lợi nhuận 1 · Hiệu quả 1 · Dòng tiền 2 · Đòn bẩy & vốn 2
Ngân hàng	CAMELS + IMF FSI	QĐ 16/2007/QĐ-NHNN (sửa bởi TT 49/2014, 22/2017, 27/2021)	C Vốn 1,5 · A Chất lượng tài sản 2 · E Hiệu quả 3,5 · L Thanh khoản 1 · Tăng trưởng 2
Chứng khoán	Trần pháp lý (TT 121/2020, QĐ 87/QĐ-UBCK), IOSCO	TT 210/2014 + 334/2016/TT-BTC	Hiệu quả 3 · Tăng trưởng 2 · Chất lượng thu nhập 2 · Đòn bẩy & rủi ro 2 · Vốn 1
Bảo hiểm phi nhân thọ	CARAMELS (IMF) + combined ratio	TT 232/2012/TT-BTC	Nghiệp vụ 3 · Đầu tư 2 · Hiệu quả 2 · Tăng trưởng 1,5 · Vốn & dự phòng 1,5

• Tiêu chí lưu dưới dạng dữ liệu trong cham_diem.TIEU_CHI: mã, nhóm, công thức, ngưỡng, điểm, lý do, nguồn. Danh mục nguồn đã kiểm chứng nằm trong cham_diem.NGUON.
• python tai_lieu_cham_diem.py sinh 2 trang từ chính dữ liệu đó. dang_web.py tự gọi lệnh này mỗi lần dựng web.
  • docs/cham-diem.html: bộ tiêu chí chuẩn hoá. Gồm khoản mục lấy từ BCTC, công thức, thang điểm, lý do, nguồn, kèm ví dụ thật.
  • docs/bao-cao-cham-diem.html: báo cáo vì sao chọn bộ tiêu chí này. Gồm so sánh bộ cũ và bộ mới, ngưỡng so với phân bố thực tế, các giới hạn còn lại, nguồn tham chiếu.
• Ngân hàng, chứng khoán, bảo hiểm cần thêm khoản mục riêng (trường nh_*, ck_*, bh_* trong schema). Với BCTC đã trích phần chung, bổ sung bằng python claude_trich.py bo_sung MÃ NĂM QUÝ file.json.
• Tỷ lệ năm hoá = số lũy kế × 4 / số quý, chia cho bình quân đầu năm và cuối quý. Thiếu số liệu thì tiêu chí đó được 0 điểm, thẻ ghi rõ.
• Xếp loại: 9–10 Rất tốt, 7–8,5 Tốt, 4–6,5 Trung bình, 0–3,5 Yếu.
• Điểm theo bộ cũ (2 bộ dùng chung, kỳ Q2/2026) được lưu ở ket_qua/diem_bo_cu_Q2_2026.json để báo cáo so sánh.
• Đây là điểm sức khỏe của một quý BCTC, chưa phải khuyến nghị đầu tư.

Từ điển 500 thuật ngữ (tu_dien.py)

Gồm 500 thuật ngữ thuộc 5 nhóm, mỗi nhóm khoảng 100: kinh tế vĩ mô, kế toán và BCTC, phân tích tài chính và định giá, ngân hàng và tín dụng, chứng khoán và đầu tư. Mỗi thuật ngữ có:

• Tên tiếng Việt, viết tắt, tên tiếng Anh, nhóm.
• Định nghĩa biên soạn: 2–3 câu, gắn với BCTC Việt Nam, có công thức nếu là chỉ số.
• Đoạn trích Wikipedia nếu có bài phù hợp: ưu tiên vi.wikipedia; nếu không có thì tra tên tiếng Anh trên en.wikipedia, theo liên kết sang bài tiếng Việt nếu có, còn không thì trích nguyên văn bài tiếng Anh. Hiện có 292/500 thuật ngữ có nguồn Wikipedia; các bài khớp tên nhưng sai nghĩa đã được loại thủ công (WIKI_BO_QUA, WIKI_BO_QUA_EN). Tool đi theo trang chuyển hướng, bỏ trang định hướng, và kiểm tra đúng chủ đề (ví dụ "CAR" dẫn sang bài Cộng hòa Trung Phi thì bị loại). Mỗi đoạn trích ghi nguồn và giấy phép CC BY-SA 4.0.
• Các định nghĩa liên quan: bấm vào là nhảy sang thuật ngữ đó.

python tu_dien.py          # gộp tu_dien/nguon/*.json + tra Wikipedia (có cache) -> tu_dien/tu_dien.json + tu_dien_500.xlsx
python dang_web.py         # đưa lên tab "Từ điển" của web

Muốn sửa hoặc thêm thuật ngữ thì sửa file trong tu_dien/nguon/ rồi chạy lại 2 lệnh trên.

Thêm hoặc sửa nguồn web của một công ty (companies.json)

{"ticker": "VNM", "fetch_mode": "static_html", "year_url": "https://...financial?year={year}"}      // chia theo năm
{"ticker": "VIB", "fetch_mode": "static_html", "ua": "curl/8.4.0",
 "year_url": "https://.../thong-tin-tai-chinh/{year}/bao-cao-quy-{q}?..."}                          // năm + quý
{"ticker": "SAB", "fetch_mode": "static_html", "bctc_url": "...", "year_links": "href=\"([^\"]*/(20\\d\\d)[^\"]*)\""}
{"ticker": "STB", "fetch_mode": "json_api", "api": {"url": "...json", "params": {"year": "{year}"}}}
{"ticker": "GAS", "fetch_mode": "two_step", "bctc_pages": ["<API danh sách>"], "follow_regex": "...", "href_regex": "..."}
{"ticker": "VHM", "fetch_mode": "static_html", "fetcher": "browser"}                                 // Cloudflare
{"ticker": "HDB", "fetch_mode": "custom", "adapter": "hdb"}                                          // ir_adapters.py

Các tuỳ chọn khác:

• link_regex: link nằm trong JSON/JS, nhóm 1 là link.
• href_regex: link tải không có đuôi .pdf.
• page_is_bctc: trang chỉ đăng BCTC.
• title_from_row: lấy tiêu đề theo hàng chứa link.
• bctc_pages: liệt kê nhiều trang, có thể dùng {year}.
• fetcher: http (mặc định), curl hoặc browser.

Lưu ý

• Hãy đối chiếu thành phần VN30 với thông báo của HOSE (hsx.vn) ở mỗi kỳ review (tháng 1 và tháng 7), rồi sửa companies.json.
• Đường dẫn API nội bộ của web công ty (khoá AES của HDB, mã danh mục MWG, tham số ACB, fragment VIB...) có thể đổi khi web cập nhật. Chạy kiem_tra_ir.py để phát hiện. Khi luật không còn nhận ra BCTC nào, AI dự phòng sẽ tự chọn link (cần API key).
• Hãy xem cột Cảnh báo trước khi dùng số liệu. Cảnh báo nghĩa là AI có thể đã đọc sai dòng hoặc cột; mở BCTC gốc (link trên thẻ) để đối chiếu.
• Chỉ dùng cho mục đích học tập và nghiên cứu, với tốc độ truy cập vừa phải (tool đã giới hạn số kết nối).

Ghi nguồn: tessdata/ (vie, eng) lấy từ tesseract-ocr/tessdata_fast, giấy phép Apache-2.0.