通胀因子预测 · 能源与工资联动分析

📚 共计 30 章节

课程导论：通胀因子

通胀是什么？为什么能源价格和工资是核心驱动因子？课程目标与学习路径。

数据获取：EIA原油价格

使用pandas-datareader获取美国能源信息署(EIA)的原油价格数据。

数据清洗与重采样

处理缺失值、异常值检测、时间序列重采样。

清洗预处理

工资数据获取：FRED

从FRED数据库获取平均时薪(AHE)数据。

数据合并：时间索引

基于时间索引合并能源价格与工资数据。

合并DataFrame

描述性统计

计算均值、方差、偏度、峰度，理解数据分布。

可视化：双轴折线图

使用matplotlib绘制双轴折线图，观察联动趋势。

matplotlib可视化

相关性分析 & 热力图

计算皮尔逊相关系数，绘制热力图。

相关系数热力图

滞后效应分析

为什么工资对能源价格反应滞后？计算滞后相关性。

平稳性检验：ADF

ADF检验，判断时间序列是否平稳。

一阶差分与季节差分，让数据变平稳。

差分平稳化

Engle-Granger两步法，检验长期均衡关系。

协整长期均衡

格兰杰因果检验

能源价格是否格兰杰导致工资变化？

简单线性回归

以能源价格为自变量，工资为因变量。

多元线性回归

加入CPI、失业率等控制变量。

多元控制变量

残差分析、异方差检验(Breusch-Pagan)。

诊断异方差

自相关处理

Durbin-Watson检验与ARIMA模型引入。

识别(p,d,q)阶数，建模预测工资。

向量自回归，捕捉双向动态关系。

脉冲响应分析

能源价格一个冲击，工资如何响应？

预测误差中，能源价格贡献了多少？

机器学习引入

为什么传统模型不够？用随机森林试试。

构造滞后特征、滚动窗口统计量。

随机森林回归

训练、调参、特征重要性排序。

调参重要性

梯度提升，进一步提升预测精度。

RMSE、MAE、MAPE，对比传统与ML模型。

通胀情景模拟

设定油价上涨10%，工资如何变化？

央行加息、财政补贴对工资-能源链条的影响。

实战项目：预测仪表盘

搭建一个完整的通胀因子预测仪表盘(Streamlit)。

Streamlit项目

课程总结与进阶

核心知识点回顾、常见误区、进阶学习路径。