经济周期指标:领先同步滞后数据实战应用

📚 共计 30 章节
01
经济周期入门
什么是经济周期、四个阶段(繁荣、衰退、萧条、复苏),为何对投资与商业决策至关重要。
基础认知
02
领先指标详解
定义与特征,常见领先指标(PMI、新屋开工、消费者信心指数),如何预测经济拐点。
领先预测
03
同步指标详解
定义与特征,常见同步指标(GDP、工业增加值、就业数据),如何确认当前经济状态。
同步确认
04
滞后指标详解
定义与特征,常见滞后指标(失业率、CPI、企业利润),验证经济趋势持续性。
滞后验证
05
指标分类实战
区分领先/同步/滞后,2008金融危机案例,常见误区与避坑指南。
实战案例
06
数据获取与清洗
宏观数据来源(国家统计局、Wind、FRED),Python实战(pandas-datareader, requests),缺失值处理。
Python数据
07
指标可视化基础
Matplotlib绘制经济指标折线图,多指标对比,商业级图表输出。
可视化Matplotlib
08
领先指标组合构建
筛选有效领先指标,构建综合指数(CLI),实战:中国版领先经济指标指数。
指数领先组合
09
同步指标组合构建
选择与权重分配,构建同步综合指数,实战:GDP Nowcasting模型。
Nowcasting同步
10
滞后指标组合构建
滞后指标确认作用,构建滞后综合指数,实战验证经济周期拐点。
滞后拐点
11
时间序列基础
基本概念,平稳性与非平稳性,自相关与偏自相关分析。
时间序列统计
12
时间序列分解
趋势、季节、周期、残差分解,statsmodels STL分解,实战分解中国GDP。
STL分解
13
移动平均与平滑
简单移动平均(SMA)、指数加权移动平均(EWMA),实战识别周期拐点。
平滑拐点
14
HP滤波法
HP滤波原理与参数选择,提取周期成分,宏观经济应用实战。
滤波周期
15
转折点识别算法
Bry-Boschan算法原理,Python实现,自动识别经济周期峰谷。
BB算法峰谷
16
马尔可夫区制转换模型
区制转换原理,statsmodels MS模型估计,识别扩张/收缩。
区制转换状态
17
主成分分析(PCA)降维
PCA原理与宏观经济应用,从多指标提取公共因子,构建景气指数。
PCA降维
18
动态因子模型
动态因子模型简介,Python估计,从高频数据提取周期信号。
动态因子高频
19
机器学习在周期预测中的应用
随机森林与XGBoost,特征工程,实战预测GDP增速。
MLXGBoost
20
LSTM神经网络预测
LSTM原理与时间序列预测,Keras构建模型,预测经济周期转折点。
LSTM深度学习
21
周期策略设计
基于周期信号的交易策略,仓位管理与风险控制,周期轮动策略实战。
策略轮动
22
行业轮动与周期
不同行业在周期中的表现,周期敏感型与防御型,构建行业轮动组合。
行业轮动
23
债券市场与周期
利率周期与债券价格,收益率曲线与经济周期,实战预测衰退。
债券收益率曲线
24
商品市场与周期
大宗商品超级周期,原油与铜的周期特征,商品价格作为领先指标。
商品原油
25
汇率与周期
汇率与经济周期互动,美元周期与新兴市场,汇率指标在周期分析中的应用。
汇率美元
26
全球周期联动
全球经济周期同步性,主要经济体对比,构建全球周期监测仪表盘。
全球联动
27
周期分析报告撰写
报告结构与逻辑,数据可视化与解读,撰写完整周期分析报告。
报告写作
28
自动化监测系统
Python自动化数据更新,定时任务与邮件预警,搭建实时监测系统。
自动化监测
29
回测框架搭建
回测系统设计,绩效评估(夏普比率、最大回撤),周期策略历史回测。
回测绩效
30
综合实战项目
从数据获取到策略输出完整流程,项目总结与进阶学习路径。
综合毕业项目