CanariaView/GlobalCopperSupplyForecastingDataset

本数据集包含构建铜供应预测模型所需的经济和工业指标。覆盖时间范围：2000年1月至2023年3月的月度数据，共计279个月。列描述及来源：`Copper price`（铜价）来自MacroTrends，`Cash Costs`（Antofagasta的纯采矿成本）和`Transport`（Antofagasta的运输成本）来自Antofagasta年度报告，`Stock`（LME铜库存）来自MacroMicro，`Oil Price`（油价）来自EIA，`M_GDP`（智利铜矿GDP）来自Banco Central de Chile。数据预处理方法包括对数据结构的全面分析、缺失值的处理、将日度（如铜价、油价）和季度数据（如现金成本、运输成本、M_GDP）统一扩展为月度数据。由于Antofagasta年度报告从2000年开始可用，因此数据收集从2000年开始。

原始信息汇总

CanariaView Global Copper Supply Forecasting Dataset

描述

该数据集包含构建铜供应预测模型所需的经济和工业指标。

覆盖期间：2000年1月至2023年3月的月度数据，共279个月。

列描述和来源：

• Copper price：MacroTrends
• Cash Costs (Antofagastas Pure Mining Costs)：Antofagasta Annual Report
• Transport (Antofagastas Transportation Cost)：Antofagasta Annual Report
• Stock (LME Copper Stock)：MacroMicro
• Oil Price：EIA
• M_GDP (Chile Copper Mining GDP)：Banco Central de Chile

预处理方法和数据收集细节：

• 对数据结构进行全面分析后进行必要的预处理。
• 适当处理缺失值。
• 将每日（如铜价、油价）和季度数据（如现金成本、运输、M_GDP）统一扩展到月度时间尺度以保持一致性。
• 由于Antofagasta年度报告从2000年开始可用，因此数据收集从2000年开始。

搜集汇总

数据集介绍

构建方式

在资源经济学与工业预测领域，构建高质量的时间序列数据集是模型可靠性的基石。本数据集通过整合多元异构的经济与工业指标，系统性地构建了全球铜供应预测的数据基础。数据收集覆盖2000年1月至2023年3月，共计279个月的月度观测值，来源包括MacroTrends、Antofagasta年报、MacroMicro、EIA及智利中央银行等权威机构。针对原始数据中存在的日度与季度频率差异，研究团队采用了科学的时序扩展方法，将铜价、油价等日度数据与现金成本、运输费用等季度数据统一插值至月度尺度，并严谨处理了缺失值，确保了时间序列的一致性与完整性。

特点

该数据集在矿业与大宗商品预测领域展现出鲜明的专业特征。其核心在于精选了六项关键驱动变量：铜价、现金成本、运输成本、伦敦金属交易所铜库存、油价以及智利铜矿开采GDP，这些指标从市场价格、生产成本、物流运输、库存水平、能源成本及宏观经济活动等多维度刻画了铜供应链的动态。数据集的时间跨度长达二十余年，涵盖了多个经济周期与行业波动，为捕捉长期趋势与结构性变化提供了丰富样本。此外，所有变量均经过标准化预处理，形成了清洁、规整的表格结构，可直接应用于时间序列建模，显著降低了数据清洗的复杂度。

使用方法

对于从事时间序列分析与预测的研究者而言，本数据集为开发铜供应预测模型提供了即用型输入。典型应用场景包括利用长短期记忆网络等序列模型，以前述经济指标作为特征，对未来数月的铜供应量或相关变量进行回归预测。在使用时，建议将数据集按时间顺序划分为训练集、验证集与测试集，以评估模型的泛化能力。由于数据已预处理为月度频率，用户可直接加载并进行特征工程或标准化缩放。该数据集亦适用于多变量时间序列分析、格兰杰因果检验等计量经济学研究，以深入探究各经济因素对铜供应链的传导机制与影响程度。

背景与挑战

背景概述

在全球经济与工业发展进程中，铜作为关键的基础金属，其供应链的稳定性对众多产业具有深远影响。CanariaView/GlobalCopperSupplyForecastingDataset由CanariaView团队于2023年构建，旨在整合多源经济与工业指标，为铜供应预测提供高质量时序数据基础。该数据集覆盖2000年1月至2023年3月的月度观测，核心研究问题聚焦于通过铜价、现金成本、运输费用、库存水平、油价及智利铜矿GDP等多维变量，揭示铜供应市场的动态机制与预测规律，对资源经济学与供应链管理领域的量化分析具有重要参考价值。

当前挑战

在铜供应预测领域，核心挑战在于准确捕捉高度波动的市场价格与复杂生产成本之间的非线性关联，以及全球宏观经济变动对供应链的传导效应。数据集构建过程中，面临多源异构数据整合的难题，包括日度与季度频率数据的时序对齐、缺失值处理，以及从企业年报（如Antofagasta报告）与公共数据库中提取并统一指标口径，确保长达23年的跨周期数据在一致性与可比性上的严谨性。

常用场景

经典使用场景

在资源经济学与工业预测领域，CanariaView全球铜供应预测数据集为时间序列分析提供了关键支撑。该数据集整合了铜价、现金成本、运输费用、库存水平、油价及智利铜矿GDP等多维月度指标，覆盖2000年至2023年的长期观测窗口。其经典应用场景集中于构建基于LSTM等深度学习模型的铜供应量预测框架，研究者通过融合宏观经济与产业特定变量，能够精准模拟铜供应链的动态波动，为矿业生产规划与市场趋势研判奠定数据基础。

衍生相关工作

围绕该数据集，已衍生出多项经典研究工作。例如，学者们基于其多维时间序列特性，开发了融合注意力机制的LSTM变体模型，以捕捉铜价与宏观经济变量的非线性关联；另有研究将数据集与地理空间数据结合，拓展了区域铜供应链韧性分析框架。这些工作不仅深化了时间序列预测在矿业领域的应用，还促进了资源经济学与机器学习方法的交叉创新，为后续研究提供了方法论参考。

数据集最近研究

最新研究方向

在矿业经济与资源预测领域，全球铜供应链的稳定性对绿色能源转型和工业发展具有关键影响。CanariaView/GlobalCopperSupplyForecastingDataset整合了铜价、开采成本、运输费用及宏观经济指标等多维度时间序列数据，为铜供应预测模型提供了坚实的数据基础。当前前沿研究聚焦于融合深度学习方法，如长短期记忆网络（LSTM）与注意力机制，以捕捉铜市场中的非线性动态和长期依赖关系。热点方向包括结合环境政策与地缘政治事件，分析其对铜供应波动的冲击效应，旨在提升预测精度并支持可持续资源管理决策。该数据集的应用不仅推动了矿业智能化的进程，还为全球供应链韧性研究提供了实证支撑，具有重要的学术与实用价值。