EconomicTermDevelopments/predictolysis-economics

---
language:
- en
license: mit
task_categories:
- tabular-classification
tags:
- economics
- predictolysis
- computational-economics
- behavioral-economics
- emerging-terminology
pretty_name: predictolysis Economics Dataset
size_categories:
- n<1K
---

# predictolysis Economics Dataset

## Dataset Description
### Summary
Synthetic 200-row dataset for `predictolysis` measurement and computational experiments.

### Supported Tasks
- Economic analysis
- Behavioral economics research
- Computational economics

### Languages
- English (metadata and documentation)
- Python (code examples)

## Dataset Structure
### Data Fields
- `id`: Unique observation id
- `period`: Synthetic monthly period
- `model_drift`: Distribution shift in predictive features
- `regime_shift_intensity`: Strength of structural regime change
- `policy_shock_magnitude`: Magnitude of policy shocks
- `data_staleness`: Lag between data generation and model update
- `forecast_error`: Normalized forecasting error
- `uncertainty_spread`: Forecast interval dispersion
- `model_refresh_rate`: Frequency of model re-estimation
- `predictolysis_index`: Composite term index

### Data Splits
- Full dataset: 200 examples

## Dataset Creation
### Source Data
Synthetic data generated for demonstrating predictolysis applications.

### Data Generation
Channels are sampled from controlled distributions with correlated structure. The term index is computed from normalized channels and directional weights.

## Considerations
### Social Impact
Research-only synthetic data for method development and reproducibility testing.

## Additional Information
### Licensing
MIT License - free for academic and commercial use.

### Citation
@dataset{predictolysis2026,
title={{predictolysis Economics Dataset}},
author={{Economic Research Collective}},
year={{2026}}
}

搜集汇总

数据集介绍

构建方式

在计算经济学与行为经济学领域，合成数据集为方法验证提供了可控的实验环境。predictolysis经济学数据集通过模拟经济预测中的关键变量构建而成，其生成过程基于受控分布采样，各通道间具有相关性结构。具体而言，数据生成器从预设分布中抽取模型漂移、制度转变强度、政策冲击幅度等特征，并依据归一化通道与方向性权重计算合成术语指数，最终形成包含200条观测的表格数据。

特点

该数据集聚焦于经济预测中的动态变化与不确定性量化，其核心特征体现在多维度的合成变量设计上。数据集涵盖了模型漂移、制度转变、政策冲击及数据陈旧度等关键经济指标，并提供了预测误差与不确定性利差等结果变量。这些特征相互关联，模拟了现实经济环境中预测模型面临的复杂挑战，尤其适用于研究预测退化现象及其驱动机制。

使用方法

数据集主要服务于经济分析、行为经济学研究及计算经济学实验等任务。使用者可通过加载表格数据，以预测误差或预测退化指数为目标变量，构建回归或分类模型，探究各经济特征对预测性能的影响。鉴于其合成性质，该数据集特别适合方法开发、算法测试与可重复性研究，为经济预测领域的模型评估提供了基准数据。

背景与挑战

背景概述

在计算经济学与行为经济学交叉领域，预测模型的稳定性与适应性始终是核心研究议题。predictolysis经济学数据集由经济研究集体于2026年创建，旨在通过合成数据量化预测模型在动态经济环境中的退化现象。该数据集聚焦于经济预测中模型漂移、制度变迁与政策冲击等多重因素的交互影响，为探索预测误差的生成机制提供了结构化实验平台。其合成设计支持对新兴术语‘predictolysis’的测量方法进行标准化验证，推动了计算经济学在模型鲁棒性评估方面的理论发展。

当前挑战

该数据集致力于解决经济预测领域模型性能退化的量化挑战，具体涉及在存在分布漂移、结构性突变及数据陈旧化等复杂情境下，如何准确分离并度量各因素对预测误差的贡献。在构建过程中，挑战主要源于合成数据的生成需模拟真实经济变量的相关结构与动态演化，同时确保‘predictolysis指数’的计算既具有理论依据又能反映多通道影响的复合效应。此外，在有限样本规模下保持统计显著性并避免过拟合，亦是方法验证阶段的关键难点。

常用场景

经典使用场景

在经济学与计算社会科学领域，预测模型性能的衰减现象日益受到关注。predictolysis-economics数据集通过合成数据模拟了经济预测中常见的分布漂移、制度变迁与政策冲击等复杂情境，为研究人员提供了一个标准化的实验平台。该数据集常用于评估预测模型在动态经济环境下的稳健性，特别是在行为经济学与计算经济学研究中，用于量化预测误差与不确定性传播之间的关系，从而深化对预测失效机制的理解。

解决学术问题

该数据集主要针对经济预测中模型性能随时间退化这一核心学术问题。通过整合模型漂移、制度变迁强度与政策冲击幅度等多维特征，它使得研究者能够系统探究结构性变化对预测准确性的影响。其意义在于为预测科学提供了可重复的基准测试框架，促进了计算经济学中关于模型适应性与稳健性的理论发展，并为行为经济学中决策偏差的量化分析奠定了数据基础。

衍生相关工作

围绕该数据集，已衍生出一系列关于预测稳定性与自适应学习的研究。经典工作包括基于合成数据的经济预测模型鲁棒性评估框架，以及将predictolysis指数应用于行为经济学中的预期形成研究。这些工作进一步拓展了计算经济学中关于模型漂移检测与修正的方法论，并为跨学科融合提供了实证基础，推动了预测科学在经济分析中的前沿进展。