Lợi nhuận:
- Khả năng so sánh các nguồn dữ liệu kinh tế lớn (TURKSTAT, CBRT EVDS, IMF WEO, World Bank, Eurostat, FRED) theo mục đích, phạm vi, tần suất cập nhật và độ tin cậy và chọn nguồn phù hợp
- Khả năng sử dụng trí tuệ nhân tạo để tìm nguồn dữ liệu, khớp mã/mô tả nối tiếp và tạo mã tải xuống cũng như xác nhận từng kết quả với nguồn chính thức
- Khả năng xem sự khác biệt về phiên bản (bản sửa đổi), năm cơ sở, đơn vị và định nghĩa làm gián đoạn quá trình phân tích và hình thành thói quen xác minh siêu dữ liệu như thế nào
Mọi phân tích kinh tế đều bắt đầu bằng dữ liệu và chất lượng phân tích không bao giờ có thể vượt quá chất lượng của dữ liệu. Nguyên tắc “rác vào, rác ra” vận hành không thể tránh khỏi trong kinh tế học: ngay cả mô hình tao nhã nhất, dựa trên cơ sở sai, định nghĩa sai hoặc thời kỳ sai, cũng sai. Trong phần này, chúng ta sẽ sử dụng trí tuệ nhân tạo để tìm dữ liệu phù hợp, khớp mã nối tiếp và viết mã tải xuống; Nhưng một nguyên tắc vàng sẽ không thay đổi: Con số đến từ nguồn chính thức chứ không phải từ trí tuệ nhân tạo. AI có thể chỉ cho bạn đường đến nguồn; bạn lấy dữ liệu từ nguồn đó.
Hãy tìm hiểu các nguồn chính
La bàn của một nhà kinh tế bao gồm các nguồn lực sau. Mục đích, phạm vi và nhịp độ cập nhật của mỗi loại là khác nhau.
TURKSTAT (Viện Thống kê Thổ Nhĩ Kỳ). Cơ quan thống kê chính thức của Türkiye. Lạm phát (CPI/PPI), GDP, lực lượng lao động, ngoại thương, sản xuất công nghiệp, dân số. Đây là nguồn chính cho các số liệu cụ thể về Türkiye.
CBRT EVDS (Hệ thống phân phối dữ liệu điện tử). Cổng thông tin dữ liệu của Ngân hàng Trung ương. Tỷ giá hối đoái, lãi suất, cung tiền, cán cân thanh toán, cán cân vãng lai, dự trữ, khảo sát kỳ vọng. Điểm dừng đầu tiên cho dữ liệu tài chính và tiền tệ.
IMF (Quỹ tiền tệ quốc tế). Đặc biệt là cơ sở dữ liệu WEO (World Economic Outlook): GDP so sánh giữa các quốc gia, lạm phát, nợ, cán cân tài khoản vãng lai và các dự báo. Lý tưởng để so sánh quốc tế; Nhưng dự đoán là dự đoán chứ không phải hiện thực hóa.
Ngân hàng Thế giới (Ngân hàng Thế giới - WDI). Các chỉ số phát triển thế giới: các chỉ số về phát triển, nghèo đói, giáo dục, y tế, cơ sở hạ tầng; loạt lịch sử dài và so sánh quốc gia.
Eurostat. Cơ quan thống kê của Liên minh Châu Âu; Dữ liệu hài hòa (có thể so sánh) của các nước EU. Các chuỗi như HICP (lạm phát hài hòa) được sử dụng trong tiêu chuẩn của EU.
FRED (Dữ liệu kinh tế dự trữ liên bang). Loạt phim đồ sộ của St. Louis Fed; Cung cấp quyền truy cập nhanh và có thể lập trình (API) cho dữ liệu tài chính vĩ mô toàn cầu và của Hoa Kỳ.
OECD. Các chỉ số so sánh, chỉ số hàng đầu, chuỗi năng suất và phúc lợi dành cho các nền kinh tế phát triển.
Mẹo: Câu trả lời cho câu hỏi “nguồn chính xác” phụ thuộc vào mục đích. TURKSTAT cho lạm phát chính thức của Türkiye; IMF/Ngân hàng Thế giới so sánh Türkiye với 30 quốc gia; FRED vì lợi ích của Hoa Kỳ. Lấy cùng một chỉ báo từ nguồn sai là một sai lầm thầm lặng.
Nguồn lỗi im lặng: sửa đổi, năm cơ sở, đơn vị, mô tả
Những lỗi nguy hiểm nhất trong dữ liệu kinh tế là những sai sót không có tiếng ồn. Làm quen với bốn:
- Bản sửa đổi (phiên bản). Nhiều chỉ số (GDP, cán cân thanh toán) được điều chỉnh nhiều tháng sau khi chúng được công bố lần đầu tiên. Con số “tạm thời” hôm nay, con số “cuối cùng” sau ba tháng sẽ khác. Biết bạn đang sử dụng phiên bản cổ điển nào.
- Năm cơ sở. Các chỉ số được thiết lập dựa trên năm cơ sở (=100). Việc so sánh trực tiếp hai chuỗi có năm cơ sở khác nhau là sai lầm.
- Đơn vị. Triệu hay tỷ, TL hay đô la, giá hiện tại hay cố định? Sự nhầm lẫn đơn vị là lỗi phân tích phổ biến nhất.
- Định nghĩa/phạm vi. Định nghĩa "thất nghiệp" là gì? "Lạm phát lõi" loại trừ những mặt hàng nào? Hai dòng có cùng tên có thể đo những thứ khác nhau.
Thận trọng: Nếu số liệu của cùng một chỉ báo từ hai nguồn không khớp nhau, giả định đầu tiên của bạn không phải là "ai đó đang nói dối" mà là "có sự khác biệt về định nghĩa/cơ sở/phạm vi/bản sửa đổi". Căn chỉnh siêu dữ liệu (trích dẫn dữ liệu) trước.
Từng bước: Thu thập dữ liệu được hỗ trợ bởi AI
- Làm rõ sự cần thiết. Chỉ số nào, quốc gia/tỉnh nào, thời kỳ nào, tần suất nào (tháng/quý/năm), định nghĩa nào?
- Chọn nguồn. Giải thích mục đích cho AI và đề xuất nguồn chính phù hợp cũng như tên bộ truyện đầy đủ.
- Xác thực siêu dữ liệu. Xác nhận đơn vị, năm cơ sở, mô tả và ngày cập nhật của chuỗi đã chọn trên trang chính thức.
- Tạo mã tải xuống. Đối với những người có API, như FRED/World Bank, hãy viết mã Python cho AI; Xóa các bước tải xuống cho TURKSTAT/EVDS.
- Kiểm tra đầu tiên. Sau khi dữ liệu đến, hãy kiểm tra số hàng/cột, giá trị còn thiếu, giá trị ngoại lệ và phạm vi ngày.
- Xác nhận nguồn. So sánh ít nhất một vài quan sát với công bố chính thức; Nó có khớp chính xác không?
ba trường hợp nhỏ
Trường hợp 1 - Bẫy năm cơ sở. Một nhà phân tích thu được chỉ số sản xuất công nghiệp từ hai nghiên cứu riêng biệt; một cái dựa trên 2015=100 và cái kia dựa trên 2021=100. “Kết hợp những thứ này lại,” anh nói với trí tuệ nhân tạo. Nếu anh ta bỏ qua việc kiểm tra siêu dữ liệu, anh ta sẽ đặt các chỉ số cạnh nhau và thấy một bước nhảy giả. Anh ta nắm bắt được sự khác biệt cơ bản trong bước điều khiển, biến cả hai thành một cơ sở chung rồi kết hợp chúng lại. Sự nảy giả đã biến mất.
Trường hợp 2 - Đầu ra API được chế tạo. Một nhà nghiên cứu đã nói với trí tuệ nhân tạo rằng: "Hãy vẽ GDP bình quân đầu người của Türkiye từ Ngân hàng Thế giới"; AI trả về cả mã và bảng số dưới dạng "đầu ra mẫu". Người nghiên cứu không sử dụng bảng; vừa chạy mã và tìm nạp dữ liệu từ API thực. Sau đó, anh nhận ra rằng những con số do trí tuệ nhân tạo viết ra làm "ví dụ" thực ra đã giảm 10-15%. Công cụ viết mã, không phải số; Đây là hành vi đúng đắn.
Trường hợp 3 - Sự khác biệt trong sửa đổi. Trong một báo cáo được công bố sáu tháng trước, một tổ chức đã viết rằng mức tăng trưởng hàng quý là 4,0%; Trong dữ liệu TÜİK hiện tại, cùng quý đã được sửa đổi thành 3,5%. Trong báo cáo mới, nhà phân tích đã nêu rõ trong phần chú thích phiên bản nào ông đã sử dụng và giải thích sự khác biệt giữa hai số liệu bằng một bản sửa đổi. Minh bạch bảo đảm uy tín.
Bảng chọn nguồn
Mục đích
Nguồn chính phù hợp
Chú ý
Lạm phát Thổ Nhĩ Kỳ (CPI/PPI)
TURKSTAT
Năm cơ sở, sự khác biệt cốt lõi/tiêu đề
Tỷ giá, lãi suất, số dư vãng lai, dự trữ
CBRT EVDS
Sửa đổi, định nghĩa loạt
So sánh GDP/lạm phát giữa các nước
IMF WEO
Dự kiến ≠ hiện thực hóa
Sự phát triển/loạt lịch sử dài
Ngân hàng Thế giới WDI
Bảo hiểm, số năm mất tích
Các chỉ số hài hòa của EU
Eurostat
định nghĩa HICP
Tài chính vĩ mô Hoa Kỳ/toàn cầu, API
FRED
Tình trạng điều chỉnh theo mùa
Bốn mẫu có thể sao chép
1) So khớp nguồn và chuỗi:
Tôi cần chỉ báo sau: [chỉ báo, quốc gia/tỉnh, thời kỳ, tần suất, mô tả]. Đề xuất nguồn chính thức chính thức phù hợp nhất và tên bộ truyện đầy đủ cho việc này. Liệt kê những điểm tôi cần xác minh về đơn vị, năm cơ sở và mô tả của chuỗi. Đừng đưa ra con số; Chỉ cần cho tôi biết nơi và làm thế nào để mua nó.
2) Mã tải xuống FRED/Ngân hàng Thế giới:
Viết mã bằng Python với API [FRED/World Bank] để tải xuống chuỗi sau: [mã/tên chuỗi], [phạm vi ngày]. Mã lấy dữ liệu vào pandasDataFrame, in 5 hàng đầu tiên/cuối cùng và số giá trị còn thiếu. Đừng cho tôi một ví dụ/con số bịa đặt; chỉ cần cung cấp mã làm việc.
3) Danh sách xác thực siêu dữ liệu:
Tôi sẽ sử dụng loạt bài sau: [loạt phim]. Tạo danh sách kiểm tra siêu dữ liệu bạn cần xác minh trước khi sử dụng: khối lượng, năm cơ sở, trạng thái điều chỉnh theo mùa, định nghĩa/phạm vi, ngày cập nhật, trạng thái sửa đổi. Với mỗi mục, hãy viết “xác nhận điều gì và ở đâu” trong một câu.
4) Hai chẩn đoán không khớp tài nguyên:
Tôi nhận được cùng một chỉ báo từ hai nguồn và các con số khác nhau: Nguồn A: [giá trị, dấu ấn]. Nguồn B: [giá trị, dấu ấn]. Liệt kê các lý do vô tình có thể có cho sự khác biệt này (định nghĩa, cơ sở, phạm vi, điều chỉnh theo mùa, sửa đổi, đơn vị tiền tệ) và cho tôi biết cách kiểm tra từng lý do. Đừng nói “một người sai”; Đầu tiên hãy giúp tôi giải thích sự khác biệt.
Dấu nhắc yếu / Dấu nhắc mạnh
Dấu nhắc yếu:
Hãy cho tôi dữ liệu tăng trưởng của Türkiye trong 10 năm qua.
AI đưa ra một hình ảnh từ bộ nhớ của nó, có thể đã cũ và bịa đặt một phần; Không có nguồn hoặc dấu ấn.
Lời nhắc mạnh mẽ:
Tôi sẽ sử dụng tốc độ tăng trưởng GDP thực tế hàng năm của Türkiye giai đoạn 2014-2023. Hãy cho tôi biết nguồn chính của nội dung này (TURKSTAT) và tên bộ truyện đầy đủ; cho tôi biết liệu chuỗi này có phải là giá cố định hay không và tìm ở đâu để xác minh năm cơ sở. Đồng thời cung cấp các bước/mã để tải xuống dữ liệu này. Đừng tự mình tạo ra những con số.
Những lỗi thường gặp
- Nhầm bảng "đầu ra mẫu" của trí tuệ nhân tạo với dữ liệu thật. Những con số đó có thể là bịa đặt; chỉ cần sử dụng mã/hướng dẫn.
- So sánh hai chuỗi mà không căn chỉnh siêu dữ liệu. Sự khác biệt về cơ sở/đơn vị/định nghĩa tạo ra kết quả giả.
- Nhầm tưởng tượng với thực tế. Con số năm tới của IMF WEO chỉ là ước tính.
- Bỏ qua việc sửa đổi. Không nói rõ bạn đang sử dụng phiên bản nào.
- Tần số không phù hợp. Kết hợp chuỗi hàng tháng với chuỗi hàng quý mà không cần chỉnh sửa.
- Không ghi nguồn ở phần chú thích. Một con số không thể theo dõi được là một con số không thể xác định được.
Tóm lại
Sức mạnh của phân tích là sức mạnh của dữ liệu. Sử dụng AI để tìm đúng nguồn, khớp bộ truyện và viết mã tải xuống; nhưng luôn lấy số liệu từ nguồn chính thức chính (TURKSTAT, EVDS, IMF, Ngân hàng Thế giới, Eurostat, FRED). Vô hiệu hóa các nguồn lỗi thầm lặng như bản sửa đổi, năm gốc, tập và mô tả bằng cách căn chỉnh siêu dữ liệu. Nếu hai nguồn xung đột, hãy so sánh ghi công trước.
Nhiệm vụ ứng dụng
Chọn một chỉ báo mà bạn sử dụng thường xuyên trong doanh nghiệp của mình. Yêu cầu AI trích xuất danh sách kiểm tra nguồn và siêu dữ liệu với các mẫu 1 và 3 ở trên. Sau đó tìm cùng một chỉ số từ hai nguồn khác nhau (ví dụ: TURKSTAT và Ngân hàng Thế giới) và so sánh các số liệu; Nếu có sự khác biệt, hãy chẩn đoán nguyên nhân bằng mẫu 4 và ghi lại phát hiện của bạn trong ba câu.
danh sách kiểm tra
- [ ] Tôi đã chọn nguồn chính phù hợp với mục đích của mình (Tôi đã phân biệt giữa so sánh chính thức / quốc tế của Türkiye).
- [ ] Tôi đã xác minh đơn vị, năm cơ sở, mô tả và ngày cập nhật của bộ truyện từ trang chính thức.
- [ ] Tôi sử dụng dữ liệu lấy từ nguồn thật chứ không phải "số liệu mẫu" do trí tuệ nhân tạo đưa ra.
- [ ] Tôi đã so sánh nguyên văn ít nhất một vài quan sát với ấn phẩm chính thức.
- [ ] Tôi đã kiểm tra trạng thái sửa đổi/phiên bản và ghi lại phiên bản tôi đang sử dụng.
- [ ] Tôi đã giải thích hai xung đột nguồn bằng cách căn chỉnh siêu dữ liệu.
- [ ] Tôi đã tạo nguồn của mỗi hình mà tôi sử dụng có thể theo dõi được bằng chú thích cuối trang.