ලාභ:
- අමු ආර්ථික දත්ත පිරිසිදු කිරීමේ හැකියාව (අතුරුදහන් නිරීක්ෂණ, ඒකක ව්යාකූලත්වය, සංඛ්යාත නොගැලපීම) සහ කෘතිම බුද්ධිය ආධාරයෙන් එය විශ්ලේෂණය සඳහා සූදානම් කිරීම
- සැබෑ-නාමික පරිවර්තනය, සුචිගත කිරීම, වර්ධන වේගය, කේතයක් ලෙස සෘතුමය ගැලපීම වැනි සම්මත ආර්ථික පරිවර්තනයන් කෘතිම බුද්ධියට මුද්රණය කර ඒවා අතින් සත්යාපනය කිරීමේ හැකියාව
- ගවේෂණාත්මක දත්ත විශ්ලේෂණය හරහා දත්ත හඳුනාගැනීමේ හැකියාව (සාරාංශ සංඛ්යාලේඛන, බෙදා හැරීම, පිටස්තර, සහසම්බන්ධය) සහ කෘතිම බුද්ධි සාරාංශ විවේචනාත්මකව කියවීම
ආර්ථික දත්ත විශ්ලේෂණයට සූදානම් වන්නේ කලාතුරකිනි. ඔබ TURKSTAT වෙතින් බාගත කළ වගුවක, මාස කිහිපයක් අස්ථානගත වී ඇත, එක් තීරුවක් වරහන් දහසක් සහිත පෙළ ලෙස පැමිණේ, විනිමය අනුපාතිකය "1.234,56" වැනි තුර්කි ආකෘතියෙන්, එක් මාලාවක් මාසික වන අතර අනෙක කාර්තුමය වේ. අර්ථශාස්ත්රඥයාගේ කාලයෙන් වැඩි කොටසක් වැය වන්නේ විශ්ලේෂණයට නොව දත්ත විශ්ලේෂණයට සූදානම් කිරීමට ය. AI සැබෑ, අඩු අවදානම් ත්වරකයක් වන්නේ මෙහිදීය: එය පිරිසිදු කිරීමේ පියවර යෝජනා කරයි, පැන්ඩා ලියයි (Python's data processing library), සම්මත ආර්ථික පරිවර්තන කේතනය කරයි. නමුත් මෙම ඒකකයට වෙනස් කළ නොහැකි රීතියක් ද ඇත: ඔබ කෘතිම බුද්ධිය විසින් ලියන ලද සෑම පරිවර්තනයක්ම කියවා අවම වශයෙන් එක් නිරීක්ෂණයකින් එය අතින් සත්යාපනය කරන්න. සැබෑ-නාමික චක්රය වැරදි පදනමක් මත නම්, සම්පූර්ණ විශ්ලේෂණය නිහඬව දිරාපත් වේ.
පිරිසිදු කිරීම: කුමන ගැටළු, ඒවා විසඳන්නේ කෙසේද?
ආර්ථික දත්තවල වඩාත් පොදු ගැටළු සහ ඒවායේ තර්කනය:
- අසම්පූර්ණ නිරීක්ෂණය. මාසයක්/කාර්තුවක් හිස්. විසඳුම සන්දර්භය මත රඳා පවතී: එය ඇත්ත වශයෙන්ම නොපවතී නම්, එය හිස්ව තබයි; තාක්ෂණික පරතරයක් තිබේ නම්, ප්රවේශමෙන් මැදිහත්වීමක් සිදු කරනු ලැබේ - නමුත් නිෂ්පාදනය අතර රේඛාව තුනී වේ.
- ඒකක සහ ආකෘති ව්යාකූලත්වය. "12.345.6" යන පාඨය අංකයකට පරිවර්තනය කළ යුතුය; මිලියන/බිලියන ස්ථාවර විය යුතුය.
- සංඛ්යාත නොගැලපීම. මාසික සහ ත්රෛමාසික මාලාවක් ඒකාබද්ධ කිරීම සඳහා, එකක් (මාසිකව සිට කාර්තුමය දක්වා) එකතු කරනු ලැබේ - එය සාමාන්යය, සම්පූර්ණ හෝ කාලපරිච්ඡේදයේ අවසානය දර්ශකයේ ස්වභාවය (තොග/ප්රවාහ වෙනස) මත රඳා පවතී.
- බාහිර (අන්ත) අගයන්. නිරීක්ෂණයක් දරුණු ලෙස වෙනස් වන්නේ නම්: එය සැබෑ සිදුවීමක් (අර්බුද, මිල ඉහළ යාම) හෝ දත්ත දෝෂයක් ද? මකා දැමීමට පෙර එය තේරුම් ගනී.
- දින පෙළගැස්ම. විවිධ ශ්රේණිවල දින ආකෘති සහ කාල නිර්වචන සමමුහුර්ත කර ඇත.
අවධානය: නැතිවූ දත්ත පිරවීම අහිංසක බව පෙනේ, නමුත් එය ආර්ථික තීරණයකි. අර්බුදකාරී මාසය "අසල්වැසි මාසවල සාමාන්ය" වලින් පුරවා ගැනීම යනු එම අර්බුදය විශ්ලේෂණයෙන් මකා දැමීමයි. පිරවීමට පෙර, "මෙම පරතරය පවතින්නේ ඇයි?" ප්රශ්නයට පිළිතුරු දෙන්න.
සම්මත ආර්ථික පරිවර්තනයන්
අර්ථශාස්ත්රඥයෙකුගේ දෛනික ප්රසංගය තුළ පරිවර්තනයන් සහ ඒවායේ නිර්වචන:
- නාමික → සැබෑ. මිල බලපෑම සඳහා ගැලපීම: සැබෑ අගය = නාමික අගය / මිල දර්ශකය × 100. deflator හි පාදක වර්ෂය (ගැලපුම් දර්ශකය) ප්රතිඵලයේ පදනම තීරණය කරයි.
- සුචිගත කිරීම. තෝරාගත් කාල සීමාවක් = 100 වන පරිදි ශ්රේණියක් නැවත ප්රතිනිර්මාණය කිරීම; විවිධ ප්රමාණවලින් මාලාවක් සංසන්දනය කිරීම සඳහා එය ප්රයෝජනවත් වේ.
- වර්ධන වේගය. වාර්ෂික: (මෙම කාල සීමාව / පසුගිය වසරේ - 1) × 100. කාලානුරූප සහ වාර්ෂික අනුපාතය වෙනස් දේවල් වේ; ව්යාකූලත්වය පොදු වැරැද්දකි.
- සෘතුමය නිවැරදි කිරීම. නිතිපතා සෘතුමය බලපෑම් පිරිසිදු කිරීම (ගිම්හාන සංචාරක, නිවාඩු); අමු ශ්රේණි සහ සෘතු අනුව සකස් කරන ලද මාලාව විවිධ කථා කියයි.
- චලනය වන සාමාන්යය. ශබ්දය සුමට කිරීම සහ ප්රවණතාවය දෘශ්යමාන කිරීම.
- ලඝුගණක සහ වෙනස්කම්. වර්ධන ගතිකත්වය සහ නිශ්චලතාව පරීක්ෂා කිරීමට (කාල ශ්රේණියේ ඒකකයේ ගැඹුරු වනු ඇත).
ඉඟිය: එක් එක් පරිවර්තනය සමඟ ඔබෙන් අසනු ඇත "ඒකකයට සහ පදනමට සිදු වූයේ කුමක්ද?" අහන්න. සැබෑ ශ්රේණියේ පාදය ඩෙෆ්ලේටරයේ පදනමයි; සුචිගත ශ්රේණියේ පදනම ඔබ තෝරා ගන්නා කාල සීමාවයි. මෙය ලියා තබා ගැනීමෙන් අනාගත වැරදි වළක්වා ගත හැකිය.
ගවේෂණාත්මක දත්ත විශ්ලේෂණය (EDA)
ආකෘතියට ඇතුල් කිරීමට පෙර දත්ත හඳුනා ගැනීම අවශ්ය වේ. ගවේෂණාත්මක දත්ත විශ්ලේෂණයට (EDA) ඇතුළත් වන්නේ: සාරාංශ සංඛ්යාලේඛන (මධ්යන්ය, මධ්ය, සම්මත අපගමනය, අවම-උපරිම), බෙදා හැරීමේ හැඩය, කාලයත් සමඟ පාඨමාලාව, පිටස්තර සහ ශ්රේණි අතර සහසම්බන්ධය. AI ඉක්මනින් මෙම පියවර සඳහා කේතය ජනනය කරයි; ඔබේ කාර්යය වන්නේ ආර්ථික ඇසකින් ප්රතිදානය කියවීමයි: "මෙය සාමාන්ය සාධාරණද? මෙම සහසම්බන්ධය අහම්බයක්ද නැතිනම් දන්නා සම්බන්ධයක්ද?"
අවවාදයයි: සහසම්බන්ධය මෙහි හඳුනාගැනීමේ මාධ්යයක් පමණක් වන අතර, හේතු සාධක සනාථ කිරීමක් නොවේ. ශ්රේණි දෙකක් එකට ගමන් කිරීම (උදා: අයිස්ක්රීම් අලෙවිය සහ දියේ ගිලී මියයෑම්-දෙකම ගිම්හානය මගින් අවුලුවන) එකක් අනෙකකට මඟ පෙන්වන බව අවශ්යයෙන්ම ඇඟවෙන්නේ නැත. අපි ඒකක 7 හි මෙම වෙනස ගැඹුරු කරන්නෙමු.
කුඩා නඩු තුනක්
නඩුව 1 - වැරදි deflator පදනම. වැටුප් ශ්රේණිය සාක්ෂාත් කර ගැනීම සඳහා විශ්ලේෂකයෙකු සතුව කෘතිම බුද්ධිය ලිවීමේ කේතය තිබුණි. කේතය ක්රියාත්මක විය, ප්රතිඵලය සාධාරණ බව පෙනේ - නමුත් විශ්ලේෂක විසින් ගණනය කිරීමේ පියවරේදී 2020 අතින් ගණනය කළ අතර එය ක්රියා කළේ නැත. ගැටලුව: කෘතිම බුද්ධිය 2003=100 පදනමක් සහිත ඩෙෆ්ලේටරය භාවිතා කළ අතර 2015 මිල ගණන් සමඟ වැටුප් මාලාවක් ඉල්ලා සිටියේය; පදනම් පරස්පර විය. කේතය තනි පේළි සවි කිරීමකින් අලුත්වැඩියා කරන ලදී, සම්පූර්ණ මාලාවම ස්ථානයට වැටුණි.
නඩුව 2 - නිහඬ පරිමාව දෝෂය. ආයතනයක් අපනයන දත්ත ඩොලර් දහසකින් ද ආනයනය ඩොලර් මිලියන ගණනින් ද අඩු කර තිබුණි. කෘතිම බුද්ධිය "විදේශ වෙළඳ ශේෂය" සඳහා දෙකම ඉවත් කළ විට, ප්රතිඵලය වූයේ විකාර හිඟයකි. EDA හි min-max view මගින් දෝෂය අනාවරණය විය: ශ්රේණි දෙකේ විශාලත්වයේ අනුපිළිවෙල 1000 ගුණයකින් වෙනස් විය. ඒකකය සමාන කළ පසු ශේෂය නිවැරදි විය.
නඩුව 3 - පිටස්තරය මකා නොදැමීම. මාලාවක මාසයක් අසාමාන්ය ලෙස අඩු විය. AI යෝජනා කළේ "පිටතට, අපි එය පිරිසිදු කරමු" යනුවෙනි. විශ්ලේෂකයා විමර්ශනය කළේය: එම මාසයේ ස්වාභාවික විපතක් හේතුවෙන් නිෂ්පාදනය සැබවින්ම නතර විය. වටිනාකම සැබෑ විය; එය මකා දැමීම ඉතිහාසය විකෘති කරයි. මකා දැමීම වෙනුවට එය පාද සටහන් කර ඇත. AI හි "පැහැදිලි" නිර්දේශය අන්ධ ලෙස අනුගමනය නොකළේය.
පරිවර්තන වලංගු කිරීමේ වගුව
පරිවර්තනය
සූත්ර සාරය
අතින් මුරපොල
අවබෝධය
නාමික / මිල දර්ශකය × 100
Deflator පදනම = ප්රතිඵල පදනම?
වාර්ෂික වර්ධනය
(t / t-12මාස - 1)×100
කඩදාසි මත කාල පරිච්ඡේදයක් ගණනය කරන්න
සුචිගත කිරීම
ශ්රේණි/පාදක කාලය × 100
මූලික කාල අගය 100 ද?
මාසික→කාර්තුමය
ප්රවාහය: එකතු කිරීම / තොගය: කාලසීමාව අවසන් වීම
නිවැරදි එකතු කිරීමේ ක්රමය?
චලනය වන සාමාන්යය
අවසාන n කාලපරිච්ඡේදයේ සාමාන්යය
කවුළුවේ දිග නිවැරදිද?
පිටපත් කළ හැකි සැකිලි හතරක්
1) පිරිසිදු කිරීමේ සැලැස්ම:
මා සතුව මෙම අමු දත්ත තිබේ: [තීරු සහ නියැදි පේළි]. විශ්ලේෂණය සඳහා සූදානම් වීමට පිරිසිදු කිරීමේ සැලැස්මක් ඉදිරිපත් කරන්න: නැතිවූ අගය, ඒකක/ආකෘතියේ ගැටලුව, දින පෙළගැස්ම, සංඛ්යාත පෙළගැස්ම, විය හැකි පිටස්තරයන්. එක් එක් පියවර අවශ්ය වන්නේ මන්දැයි එක් වාක්යයකින් පැහැදිලි කරන්න. තවමත් කේතය ලියන්න එපා; මට මුලින්ම සැලැස්ම තහවුරු කරන්න දෙන්න.
2) පැන්ඩා පිරිසිදු කිරීමේ කේතය:
මම අනුමත කරපු සැලැස්මට අනුව pandas code ලියන්න. විවරණ රේඛාවක් සමඟ එක් එක් පියවරේදී එය කරන්නේ කුමක්ද යන්න කේතයට දැක්වීමට ඉඩ දෙන්න; එය පරිවර්තනයෙන් පසු පේළි ගණන සහ නැතිවූ අගයන් මුද්රණය කරයි. කිසිම නිරීක්ෂණයක් නිශ්ශබ්දව මකා දමන්න එපා; ඔබ මකා දමන සෑම පේළියක්ම වාර්තා කරන්න.
3) අවබෝධය (තහවුරු කළ හැකි):
[මිල දර්ශකය] සමඟ මෙම නාමික ශ්රේණිය අවබෝධ කර ගන්න. ඔබ deflator භාවිතා කරන විට එහි පාදක වර්ෂය පැහැදිලිව ලියන්න; ප්රතිඵල මාලාවේ පදනම කුමක්දැයි සඳහන් කරන්න. මට එය හස්තීයව සත්යාපනය කිරීමට හැකි වන පරිදි තනි කාල සීමාවක් සඳහා පියවරෙන් පියවර ගිණුම මට පෙන්වන්න.
4) ගවේෂණාත්මක විශ්ලේෂණ සාරාංශය:
පහත පිරිසිදු කළ දත්ත සඳහා ගවේෂණාත්මක විශ්ලේෂණ කේතය ලියන්න: සාරාංශ සංඛ්යාලේඛන, කාල ශ්රේණියේ කුමන්ත්රණය, පිටත ස්කෑන්, සහ සහසම්බන්ධ අනුකෘතිය. ප්රතිඵල අර්ථකථනය කිරීමේදී, ඔබ සොයා ගන්නා සහසම්බන්ධතා හේතු නොවන බව පැහැදිලි කර මට කැපී පෙනෙන කරුණු 3ක් ලැයිස්තුගත කරන්න.
දුර්වල ක්ෂණික / ශක්තිමත් විමසුම
දුර්වල ක්ෂණික:
මෙම දත්ත හිස් කරන්න.
AI පිරිසිදු කළ යුතු දේ නොදැන උපකල්පන සමඟ ක්රියා කරයි; ඔබට නිරීක්ෂණ මකා දැමිය හැකිය, ඒකක වෙනස් කළ හැකිය, ඔබ නොදකිනු ඇත.
බලවත් විමසුම:
මෙම මාසික විදේශ වෙළඳ දත්තවල අපනයන "USD දහසකින්" සහ ආනයන "ඇමරිකානු ඩොලර් මිලියන" වේ. දෙකම "මිලියන USD" වලින් සමාන කරන්න, නැතිවූ මාස සලකුණු කරන්න, නමුත් පුරවන්න එපා, මාසය අවසානයට දින පෙළගස්වන්න. එක් එක් පියවරේදී පේළි කීයක් බලපාන්නේද යන්න මුද්රණය කරන්න; නිශ්ශබ්දව පේළි මකන්න එපා. ඊට පස්සේ මට මැනුවල් එක චෙක් කරන්න පුළුවන් විදිහට එක මාසයක් ශේෂය පෙන්වන්න.
පොදු වැරදි
- පරිවර්තන කේතය කියවීමෙන් තොරව ධාවනය කිරීම. වැරදි පදනම/ඒකකය නිශ්ශබ්දව සමස්ත විශ්ලේෂණයම දූෂිත කරයි.
- සිතීමකින් තොරව නැතිවූ දත්ත පිරවීම. සාමාන්යය සමඟ අර්බුද/ආපදා කාලය මකා දැමීම.
- පිටස්තරයන් ස්වයංක්රීයව ඉවතලන්න. දත්ත දෝෂයක් සඳහා සැබෑ සිදුවීමක් වරදවා වටහා ගැනීම.
- අවුල් සහගත සෘතුමය හා වාර්ෂික වර්ධනය. දෙක වෙනස් ප්රමාණයේ.
- සංඛ්යාත වැරදි ලෙස ඒකාබද්ධ කිරීම. කොටස් මාලාව එකතු කිරීම සහ එය ප්රවාහයක් ලෙස සැකසීම.
- EDA හි සහසම්බන්ධය හේතුකාරකය සඳහා වරදවා වටහා ගැනීම. හඳුනාගැනීමේ මෙවලම සාක්ෂියක් ලෙස වරදවා වටහා ගැනීම.
සාරාංශයකින්
දත්ත පිරිසිදු කිරීම සහ පරිවර්තනය ආර්ථික විශ්ලේෂණයේ අදෘශ්යමාන නමුත් තීරණාත්මක සියයට 80කි. කෘතිම බුද්ධිය නාටකාකාර ලෙස මෙම යාන්ත්රික කාර්යය වේගවත් කරයි; නමුත් සෑම පිරිසිදු කිරීමේ පියවරක්ම සහ සෑම පරිවර්තනයක්ම කියවා අවම වශයෙන් එක් නිරීක්ෂණයක්වත් අතින් සත්යාපනය කිරීම ඔබට භාරයි. Deflator පදනම, ඒකකය, සංඛ්යාතය සහ පිටස්තර තීරණ ආර්ථික තීරණ වන අතර ඒවා කෘතිම බුද්ධියට අන්ධ ලෙස භාර දිය නොහැක. ගවේෂණාත්මක විශ්ලේෂණය දත්ත හඳුන්වා දෙයි, නමුත් සහසම්බන්ධය හේතු සාධක නොමැත.
යෙදුම් කාර්යය
සත්ය අමු මාලාවක් බාගන්න (උදා. මාසික CPI සහ නාමික වැටුප්/ආදායම් මාලාවක්). 1 වන අච්චුව සමඟ පිරිසිදු කිරීමේ සැලැස්මක් සාදන්න, 2 වන අච්චුව සමඟ කේතය ජනනය කර, 3 වන අච්චුව සමඟ මාලාව අවබෝධ කර ගන්න. ඉන්පසු කඩදාසි මත තනි කාල පරිච්ඡේදයක සැබෑ අගය ගණනය කර එය කෘතිම බුද්ධියේ ප්රතිදානය සමඟ සසඳන්න. ඔබ නොගැලපීමක් සොයා ගන්නේ නම්, එහි මූලාශ්රය (පදනම/ඒකකය) හඳුනාගෙන නිවැරදි කර ප්රගතිය සටහන් කරන්න.
පිරික්සුම් ලැයිස්තුව
- [ ] මම කේතය ලිවීමට පෙර පිරිසිදු කිරීමේ සැලැස්ම සමාලෝචනය කර අනුමත කළෙමි.
- [ ] මා විසින් වාර්තා කරන ලද කෘත්රිම බුද්ධිය මගින් සෑම පේළියක්ම මකා/වෙනස් කර ඇත; නිහඬ මකාදැමීමක් නැත.
- [ ] නැතිවූ දත්ත පිරවීමේදී ඔබට "ඇයි එය හිස්ද?" මම ප්රශ්නයට උත්තර දුන්නා.
- [ ] මම පිටගැස්ම සත්ය සිදුවීමක් ද දත්ත දෝෂයක් ද යන්න විමර්ශනය කළෙමි.
- [ ] අවබෝධ කර ගැනීමේදී, deflator පදනම සහ ප්රතිඵල පදනම ගැළපෙන බව මම තහවුරු කළෙමි.
- [ ] මම අවම වශයෙන් එක් කාල පරිච්ඡේදයක පරිවර්තනය හස්තීයව නැවත ගණනය කළෙමි.
- [ ] මම හේතු සාධක ලෙස EDA හි සහසම්බන්ධතා ඉදිරිපත් නොකළෙමි.