Câștiguri:
- Capacitatea de a curăța datele economice brute (observații lipsă, confuzia unităților, nepotrivirea frecvenței) și de a le pregăti pentru analiză cu ajutorul inteligenței artificiale
- Abilitatea de a imprima transformări economice standard, cum ar fi conversia nominală reală, indexarea, rata de creștere, ajustarea sezonieră ca cod în inteligență artificială și de a le verifica manual
- Abilitatea de a recunoaște datele prin analiza exploratorie a datelor (statistici rezumate, distribuție, valori aberante, corelație) și de a citi critic rezumatele inteligenței artificiale
Datele economice sunt rareori pregătite pentru analiză. Într-un tabel pe care l-ați descărcat de pe TURKSTAT, lipsesc câteva luni, o coloană vine ca text cu o mie de paranteze, cursul de schimb este în format turcesc ca „1.234,56”, o serie este lunară și cealaltă este trimestrială. Cea mai mare parte a timpului economistului este petrecut nu în analiză, ci în pregătirea datelor pentru analiză. Aici AI este un accelerator real, cu risc scăzut: sugerează pași de curățare, scrie panda (biblioteca de procesare a datelor Python), codifică transformările economice standard. Dar această unitate are și o regulă imuabilă: citești fiecare transformare scrisă de inteligența artificială și o verifici manual în cel puțin o observație. Dacă ciclul real-nominal este pe un picior greșit, întreaga analiză decade în liniște.
Curățare: ce probleme, cum să le rezolvi?
Cele mai frecvente probleme în datele economice și logica lor:
- Observație incompletă. O lună/trimestru este gol. Soluția depinde de context: dacă nu există efectiv, se lasă goală; Dacă există un decalaj tehnic, se face o interpolare atentă - dar linia dintre fabricație este subțire.
- Confuzia de unități și formate. Textul „12.345.6” trebuie convertit într-un număr; milion/miliard ar trebui să devină consistente.
- Nepotrivire de frecvență. Pentru a combina o serie lunară și trimestrială, una este agregată (lunar la trimestrial) - dacă este medie, totală sau sfârșit de perioadă depinde de natura indicatorului (diferențierea stoc/flux).
- Valori aberante (extreme). Dacă o observație se abate foarte mult: este un eveniment real (criză, creșterea prețurilor) sau o eroare de date? Se înțelege înainte de ștergere.
- Alinierea datei. Formatele de date și definițiile perioadelor diferitelor serii sunt sincronizate.
Atenție: completarea datelor lipsă pare inocentă, dar este o decizie economică. Completarea unei luni de criză cu „media lunilor vecine” înseamnă ștergerea acelei crize din analiză. Înainte de a completa, întrebați „de ce există acest gol?” Răspunde la întrebare.
Transformări economice standard
Transformări și definițiile lor în repertoriul zilnic al unui economist:
- Nominal → Real. Ajustarea pentru impactul prețului: valoarea reală = valoarea nominală / indicele prețului × 100. Anul de bază al deflatorului (indicele de ajustare) determină baza rezultatului.
- Indexarea. Redimensionarea unei serii astfel încât o perioadă selectată = 100; Este util pentru compararea serii de diferite dimensiuni.
- Rata de creștere. Anual: (aceeași perioadă în această perioadă / anul trecut − 1) × 100. Rata periodică și anualizată sunt lucruri diferite; Confuzia este o greșeală comună.
- Corecție sezonieră. Purificarea efectelor sezoniere regulate (turism de vară, vacanțe); Seria brută și seria ajustată sezonier spun povești diferite.
- Media mobilă. Atenuarea zgomotului și vizibilitatea tendinței.
- Logaritmi și diferențieri. Pentru a examina dinamica creșterii și staționaritatea (se va aprofunda în unitatea de serie de timp).
Sfat: La fiecare conversie veți fi întrebat „ce s-a întâmplat cu unitatea și cu baza?” intreaba. Baza seriei reale este baza deflatorului; Baza seriei indexate este perioada pe care o alegeți. Păstrarea acestui lucru în scris previne greșelile viitoare.
Analiza exploratorie a datelor (EDA)
Este necesar să recunoașteți datele înainte de a le introduce în model. Analiza exploratorie a datelor (EDA) include: statistici rezumative (medie, mediană, abatere standard, min-max), forma distribuției, cursul în timp, valori aberante și corelația dintre serii. AI generează rapid codul pentru acești pași; Treaba ta este să citești rezultatul cu un ochi economic: „Este această medie rezonabilă? Este această corelație o coincidență sau o relație cunoscută?”
Atenție: Corelația este doar un mijloc de identificare aici, nu o dovadă de cauzalitate. Faptul că două serii se mișcă împreună (de exemplu, vânzările de înghețată și înecurile - ambele declanșate de vară) nu indică neapărat că una duce la cealaltă. Vom aprofunda această distincție în unitatea 7.
trei mini cutii
Cazul 1 — Baza incorectă a deflatorului. Un analist a avut codul de scriere a inteligenței artificiale pentru a realiza seria de salarii. Codul a funcționat, rezultatul părea rezonabil - dar analistul a calculat manual 2020 în pasul CALCULATE și nu a funcționat. Problemă: inteligența artificială a folosit deflatorul cu o bază 2003=100 și a solicitat seria de salarii cu prețuri 2015; Bazele erau conflictuale. Codul a fost reparat cu o singură linie de remediere, întreaga serie a căzut la loc.
Cazul 2 — Eroare de volum silențios. O instituție a redus datele de export în mii de dolari și importurile în milioane de dolari. Când inteligența artificială le-a eliminat pe cele două pentru „balanța comercială externă”, rezultatul a fost un deficit absurd. Vizualizarea min-max în EDA a dezvăluit eroarea: ordinul de mărime al celor două serii diferă cu un factor de 1000. Odată ce unitatea a fost egalizată, echilibrul a fost corect.
Cazul 3 — Nu ștergerea valorii aberante. O lună dintr-o serie a fost extraordinar de scăzută. AI a sugerat „outlier, hai să-l curățăm”. Analistul a investigat: producția s-a oprit de fapt din cauza unui dezastru natural în acea lună. Valoarea era reală; Ștergerea acestuia ar distorsiona istoricul. În loc de ștergere, a fost notă de subsol. Recomandarea „clară” a AI nu a fost urmată orbește.
Tabel de validare a conversiei
Conversie
esența formulei
punct de control manual
realizarea
nominal / indice de preț × 100
Baza deflatorului = baza rezultatului?
crestere anuala
(t / t-12lună − 1)×100
Calculați o perioadă pe hârtie
indexarea
serie/perioada de bază × 100
Valoarea perioadei de bază este 100?
Lunar→trimestrial
flux: colectare / stoc: sfârşitul perioadei
Metoda corectă de colectare?
medie mobilă
media ultimei n perioade
Lungimea ferestrei este corectă?
Patru șabloane copiabile
1) Plan de curățare:
Am aceste date brute: [columns and sample rows]. Veniți cu un plan de curățare pentru a vă pregăti pentru analiză: valoarea lipsă, problema unității/formatului, alinierea datei, alinierea frecvenței, posibile valori aberante. Explicați într-o propoziție de ce este necesar fiecare pas. Nu scrie cod încă; Lasă-mă să confirm mai întâi planul.
2) cod de curățare panda:
Scrieți codul panda conform planului pe care l-am aprobat. Lasă codul să indice ce face la fiecare pas cu o linie de comentariu; Tipărește numărul de rânduri și valorile lipsă după conversie. Nu ștergeți în tăcere nicio observație; Raportați fiecare rând pe care îl ștergeți.
3) Realizare (verificabil):
Realizați această serie nominală cu [indice de preț]. Scrieți clar anul de bază al deflatorului când îl utilizați; Specificați care este baza seriei rezultate. Arată-mi contul pas cu pas pentru o singură perioadă, astfel încât să îl pot verifica manual.
4) Rezumatul analizei exploratorii:
Scrieți codul de analiză exploratorie pentru următoarele date curățate: statistici rezumate, diagramă a seriei de timp, scanare anormală și matrice de corelație. Când interpretați rezultatele, precizați clar că corelațiile pe care le găsiți nu sunt CAUZALE și enumerați 3 puncte care ies în evidență pentru mine.
Prompt slab / Prompt puternic
Prompt slab:
Ștergeți aceste date.
AI acţionează cu presupuneri fără să ştie ce să cureţe; Puteți șterge observații, schimba unități, nu veți observa.
Solicitare puternică:
În aceste date lunare despre comerțul exterior, exporturile sunt în „mii USD”, iar importurile sunt în „milioane USD”. Faceți cele două egale în „milioane USD”, marcați lunile lipsă, dar NU COMPLETați, aliniați datele la sfârșitul lunii. Tipăriți câte rânduri sunt afectate la fiecare pas; ștergeți fără liniște niciun rând. Apoi arată soldul pentru o singură lună într-un mod pe care îl pot verifica manual.
Greșeli comune
- Rularea codului de conversie fără a-l citi. Baza/unitatea greșită corupe în tăcere întreaga analiză.
- Completați datele lipsă fără să vă gândiți. Stergerea perioadei de criza/dezastru cu media.
- Eliminați automat valorile aberante. Confundarea unui eveniment real cu o eroare de date.
- Creșterea sezonieră și anuală confuză. Cele două au dimensiuni diferite.
- Combinarea greșită a frecvențelor. Colectarea seriei stoc și prelucrarea acesteia ca flux.
- Confundarea corelației în EDA cu cauzalitatea. Confundarea instrumentului de recunoaștere ca dovadă.
În concluzie
Curățarea și transformarea datelor reprezintă 80% invizibil, dar decisiv, din analiza economică. Inteligența artificială accelerează dramatic această muncă mecanică; dar depinde de tine să citești fiecare pas de curățare și fiecare transformare și să verifici manual cel puțin o observație. Deciziile de bază, unitatea, frecvența și valorile aberante ale deflatorului sunt decizii economice și nu pot fi lăsate orbește în seama inteligenței artificiale. Analiza exploratorie introduce date, dar corelația nu există cauzalitate.
Sarcina de aplicare
Descărcați o serie brută reală (de exemplu, IPC lunar și o serie de salariu/venit nominal). Creați un plan de curățare cu primul șablon, generați codul cu al 2-lea șablon și realizați seria cu al 3-lea șablon. Apoi calculați valoarea reală a unei singure perioade pe hârtie și comparați-o cu rezultatul inteligenței artificiale. Dacă găsiți o nepotrivire, diagnosticați și corectați sursa acesteia (bază/unitate) și notați progresul.
lista de verificare
- [ ] Am revizuit și am aprobat planul de curățare înainte ca codul să fie scris.
- [ ] Am avut fiecare linie ștearsă/schimbată de inteligența artificială raportată; Fără ștergere silențioasă.
- [ ] Când completați datele lipsă, puteți întreba „de ce este gol?” Am răspuns la întrebare.
- [ ] Am investigat dacă valoarea anormală a fost un eveniment real sau o eroare de date.
- [ ] În realizarea, am verificat că baza deflatorului și baza rezultatului se potrivesc.
- [ ] Am recalculat manual conversia a cel puțin o perioadă.
- [ ] Nu am prezentat corelații în EDA ca cauzalitate.