timeseries-detrending
Rozkład szeregów czasowych na trend i cykl dla analiz makroekonomicznych
Instalacja
Wybierz klienta i sklonuj repozytorium do odpowiedniego katalogu skilli.
Instalacja
O skillu
Umiejętność do dekompozycji danych ekonomicznych na komponenty trendu i cyklu biznesowego. Wykorzystaj filtr Hodricka-Prescotta (HP), transformacje logarytmiczne i analizę korelacji, aby wyodrębnić długoterminowe trendy z krótkoterminowych wahań w PKB, konsumpcji i inwestycjach. Idealna dla ekonomistów i analityków zajmujących się cyklami koniunkturalnymi.
Jak używać
Zainstaluj umiejętność w swoim środowisku Claude/Copilot, wskazując repozytorium benchflow-ai/skillsbench z folderu timeseries-detrending.
Przygotuj szereg czasowy danych ekonomicznych (np. PKB, konsumpcja, inwestycje) w formacie numerycznym z informacją o częstotliwości danych (roczne, kwartalne lub miesięczne).
Wybierz parametr λ (lambda) dla filtru HP na podstawie częstotliwości Twoich danych: użyj λ=100 dla danych rocznych, λ=1600 dla kwartalnych, λ=14400 dla miesięcznych. Pamiętaj, że błędny wybór λ może spowodować nadmierne wygładzenie trendu i utratę ważnych dynamik cyklicznych.
Zastosuj filtr Hodricka-Prescotta, aby rozłożyć szereg na komponent trendu (długoterminowy) i cykliczny (krótkoterminowe wahania). Filtr minimalizuje odchylenie danych od trendu, jednocześnie penalizując nagłe zmiany w tempie wzrostu trendu.
Przeprowadź analizę korelacji między komponentami cyklicznymi różnych zmiennych, aby zidentyfikować zmienne wiodące i opóźnione w cyklu biznesowym oraz porównać zmienność między szeregami.
Rozważ zastosowanie transformacji logarytmicznych dla szeregów wzrostu przed detrendingiem, aby poprawić stabilność wariancji i interpretację wyników.