大多数现有的事件抽取（EE）方法仅在句子范围内提取事件参数。然而，这种句子级别的事件抽取方法难以应对来自新兴应用领域（如金融、立法、健康等）中不断增长的文档数量，因为在这些领域中，事件参数通常分散在不同的句子中，甚至同一文档中经常存在多个此类事件提及。为了解决这些挑战，我们提出了一种新的端到端模型——Doc2EDAG，该模型可以生成基于实体的有向无环图（DAG），从而有效地实现文档级别的事件抽取（DEE）。此外，我们重新定义了文档级别的事件抽取任务，采用了无触发词设计以简化文档级别的事件标注。为了验证Doc2EDAG的有效性，我们构建了一个大规模的真实世界数据集，该数据集包含具有上述挑战的中文金融公告。广泛的实验和全面的分析表明，Doc2EDAG在性能上优于现有最先进的方法。相关数据和代码可在https://github.com/dolphin-zs/Doc2EDAG 获取。