收益：
- 能够解释通货膨胀 (CPI/PPI)、GDP 增长、失业和经常账户余额等基本指标及其定义、衡量标准和陷阱
- 能够利用人工智能将指标包转化为连贯的经济故事并标记矛盾
- 能够识别常见的解释错误，例如基本效应、核心标题分离和指标修订，并针对这些陷阱审核人工智能摘要
经济学家最明显的工作就是将分散的指标转化为连贯的故事。通货膨胀在当月第一天公布，失业率在第三周公布，经济增长在季末公布；它们各自都是一个数字，但综合起来描述了经济状况。人工智能能够非常快地将这些指标放在一起并构建解释草案。然而，宏观解释的陷阱很多，人工智能经常陷入其中：它错过了基数效应，混淆了核心标题的区别，看不到修正后的数字，将相关性解释为因果关系。本单元规则：你逐行控制人工智能建立的宏观故事，有定义和陷阱信息；最后的评论是你的。
四个关键指标及其陷阱
通货膨胀（CPI/PPI）。 CPI是消费者价格的变化，PPI是生产者价格的变化。了解两个区别：总体通胀是包罗万象的；核心通胀通过排除波动性项目（食品、能源）来反映基本趋势。随着整体数据下跌，核心可能仍处于高位——这表明下跌可能是暂时的。最大的陷阱是基数效应：年利率还受到去年比较期低还是高的影响。总体下降可能是由于去年的高基数，而不是真正的放缓。
增长（国内生产总值）。查看实际（价格调整后）增长；名义增长包括通货膨胀。季度增长有两种读数：年度（相对于去年同季度）和季度（相对于上一季度，经季节调整）。两人讲述着不同的故事。 GDP也大幅修正。
失业。单一数字具有误导性。如果劳动力参与率下降，失业率可能看起来“有所改善”——因为那些停止寻找工作的人并不被视为失业。闲置劳动力（广义定义：灰心丧气、就业不足）可能远高于狭义失业率。青年失业和非正规性是分开解读的。
当前余额。一国与外界的商品、服务和收入流动的净平衡。经常账户赤字并不总是坏事（它可能是投资驱动的），盈余并不总是好事。其融资的性质（直接投资或短期热钱）与赤字本身同样重要。
提示：对于每个指标，“修改了哪个定义、哪个时期的比较？”询问一下三人组的情况。这三个问题从一开始就消除了大多数宏观解释错误。
将指标与故事联系起来
好的宏观评论不会列出个别数字，而是会列出具体数字。它将它们编织成一个连贯的叙述并标记出矛盾。例如：“总体通胀正在下降，但核心通胀呈粘性；按季度增长正在放缓；失业率稳定，但参与率正在下降。”这些句子共同描绘了一幅“需求已经降温，但价格压力尚未完全打破”的画面。人工智能使这种合成速度变得更快；但你的工作是检查内部一致性：这些数字是否相互矛盾？人工智能陷入陷阱了吗？
注意：人工智能常常说得太精确、太因果。他可以轻松地说出诸如“通货膨胀下降，因为利率上升”之类的句子。然而，同一时期有数十种因素。将因果语言拉成“一起行动/似乎相关”的语言更为诚实。
三个迷你箱子
案例 1——基础效应被捕获。记者在人工智能起草的草案中看到了“年度通胀下降5个百分点，通货紧缩强劲”这句话。他查看了 TurkStat 的数据，发现月度增幅仍然很高：年度下降完全来自去年非常高的基数。他更正了这句话：“年率因基数效应下降，月度增幅仍然较高。”避免了误导性标题。
案例 2——失业参与陷阱。 “失业率下降，劳动力市场正在走强”是写给分析师的。分析师查看了参与率：同期劳动力参与率也有所下降，这意味着人们已经停止寻找工作。真实的情况不是“赋权”，而是“退出劳动力市场”。这一评论与闲置劳动力指标相平衡。
案例 3 — 季度增长与年度增长。一家机构的 AI 表示“经济增长了 4%”，但没有具体说明是哪个比较。经济学家查了一下：年增长率（去年同一季度）为 4%，但经季节调整后的季度增长率几乎为零——这意味着增长势头已经停滞。这两个读数都清楚地写在报告中；单一数字就能产生的错误乐观情绪被阻止了。
指标注释表
指标
主要陷阱
审核问题
通货膨胀
基础效果，袖口/核心
每月增幅是多少？内核说什么？
成长
年度与季度、修订
哪个比较？这是真的吗？
失业
参与率、闲置劳动力
参与方向是什么？广义的定义是什么？
当前余额
融资性质
赤字如何融资？
四个可复制模板
1）指标包合成：
以下是本月的官方指标（来源：TURKSTAT/CBRT）：[通货膨胀标题+核心、年度增长+季度增长、失业率+参与度、经常余额]。将它们连接成一个连贯的三段评论。还要标记您发现矛盾的地方。建立因果关系主张；使用“相关/一起行动”的语言。
2）基础效果控制：
在解释年度通胀变化之前，请检查基数效应：去年同月的增幅如何？年率变化有多少是由于本月的发展，有多少是由于市场效应？也呈现出逐月增加的趋势。
3）失业深度阅读：
解读这个失业数据，但不要只看狭义的失业率：要一起评估劳动力参与率、闲置劳动力/广义定义和青年失业率的变化。通过考虑这三个方面来建立“改善”或“恶化”的判断。
4）因果语言控制：
检查这个宏观评论并标记过于因果/精确的陈述。将每一项翻译成有数据支持的更谨慎的语言（“一起行动”、“可能相关”、“可能部分解释”）。揭示隐藏不确定性的句子。
弱提示/强提示
弱提示：
解读本月经济数据。
如果不指定它使用哪些定义，人工智能会生成可能过于乐观/精确的文本，从而忽略了基本效果。
强力提示：
解读以下官方指标（我已指定来源和时期）： 总体通胀突出袖口/核心区别；写出成长的两个读物；将失业与参与一起解读；不要主张因果关系。在单独的标题下列出矛盾。最后写下我需要从原始来源确认哪些数字。
常见错误
- 绕过基础效应。将年度下降误认为是真正的经济放缓。
- 混合标题和核心。将暂时的衰退误认为是永久性的。
- 混淆了对增长的两种解读。认为年度和季度是一样的。
- 独立于参与度来解读失业情况。将退出误认为恢复。
- 忽略修改后的数字。与旧版本交谈。
- 按原样使用人工智能的因果语言。认为唯一的因素就是整个故事。
综上所述
解释宏观指标就是利用定义和陷阱的知识将数字编织成一个连贯的故事。通胀的基数效应和核心/标题、增长的年度/季度区分和修正、失业中的参与率和闲置劳动力以及当前余额中的融资质量是关键的控制点。 AI加快了合成速度，但容易出现过于精确和随意的语音；你控制故事的内部一致性和语言的诚实性。
应用任务
从官方来源收集最新公布的实际指标包（通货膨胀、增长、失业）。让AI与第一个模板进行合成，然后使用第二个和第三个模板应用基础效果和考勤控制。识别并修复您在人工智能初稿中发现的至少一个陷阱（基础效应、混乱的增长读数、错过的参与）并记下更正。
清单
- [ ] 我验证了每个指标的定义、比较周期和修订状态。
- [ ] 我检查了通货膨胀的基本效应和核心/标题区别。
- [ ] 我分别写了年度和季度增长读数。
- [ ] 我将失业与参与度和闲置劳动一起解读。
- [ ]我对当前余额融资质量进行了评价。
- [ ] 我提请人们注意人工智能过于因果/精确的语言，而不是谨慎的语言。
- [ ] 我保留最终解释权和内部一致性控制。