Likely Spurious

假设您是一名研究人员、数据科学家或分析师,并且有一些时间序列数据,您想要了解影响它的因素。您可以将其上传到 Likely Spurious,该应用程序将根据我们超过 1百万个数据集,包括经济、新闻 ngram、书籍 ngram、健康和天气系列。我们使用经典和先进的因果建模过程,考虑了人口、通货膨胀和其他模式等混杂因素,这些因素是虚假关联的常见原因。

输出是可能影响您的时间序列或至少提供预测能力的候选序列列表,但这些并不是唯一的用例,我们还提供协整指标或您是否需要代理。以较高频率测量的系列通常可以提供帮助,虽然 Likely Spurious 不会向您提供数据,但我们会提供来源链接。

虽然提供系列的描述性名称,但不是必需的,如果您这样做,我们将使用生成式人工智能来为您的系列中可能造成冲击的事件提供候选项,例如新法规、供应链问题和市场波动。

因此,当您准备好开始时间序列研究并可以利用一些灵感时,上传您的数据,并在几个小时内获得用于建模的潜在变量列表。但请记住,结果可能是虚假的。

–

–