FRED US Macro Core Data

核心美国宏观经济历史和重放就绪市场事件数据，来源于FRED。该仓库现在发布了用于市场重放的高影响力P1宏观数据集。旧的广泛数据集（其事件覆盖范围实际上始于2019年）已被删除，并替换为所选核心发布的完整可用历史记录。

Core U.S. macroeconomic historical and replay-ready market event data sourced from FRED. This repository has now released the high-impact P1 macroeconomic dataset for market replay. The original extensive dataset, whose event coverage effectively began in 2019, has been removed and replaced with the complete available historical records of the selected core releases.

原始信息汇总

数据集概述

这是一个聚焦于美国核心宏观经济历史的开源数据集，数据来源于FRED（联邦储备经济数据），专为市场回放事件分析而设计。

核心内容

• 历史数据文件: data/fred-us-macro-history.json，包含原始FRED观测值。
• 事件数据文件: data/fred-us-macro-events.json，包含可直接用于回放的市场事件记录。
• 元数据文件:
  • metadata/series-catalog.json：系列元数据、事件类型、覆盖率及来源URL。
  • metadata/dataset-metadata.json：数据集生成信息、统计与范围说明。
  • metadata/excluded-series.json：因版权或再分发限制被排除的第三方FRED系列。

当前覆盖范围

• 核心系列数量: 15个高影响力系列。
• 历史观测值: 18,359条。
• 回放事件: 11,986条。
• 最早观测日期: 1913-01-01。
• 最早事件时间: 1914-01-01T13:30:00.000Z。
• 最新事件时间: 2026-04-23T12:30:00.000Z。
• 含FRED发布日期的回放事件: 5,752个。
• 含近似日期的回放事件: 6,234个。

核心系列列表

FRED ID	事件值	市场用途
DFEDTARU	联邦基金目标利率上限	美联储政策利率变动
CPIAUCNS	消费者物价指数（CPI）同比百分比	总体通胀
CPILFENS	核心CPI同比百分比	核心通胀
PPIACO	生产者物价指数（PPI）同比百分比	生产者通胀
PCEPI	个人消费支出（PCE）同比百分比	美联储偏好的通胀趋势
PCEPILFE	核心PCE同比百分比	美联储偏好的核心通胀
UNRATE	失业率水平	劳动力市场松弛程度
PAYEMS	非农就业月变化	就业增长
ADPMNUSNERSA	ADP就业月变化	私营部门就业预览
CES0500000003	平均时薪月环比百分比	工资通胀
ICSA	首次申请失业金人数	高频劳动力紧张程度
JTSJOL	JOLTS职位空缺数	劳动力需求
GDP	名义GDP季度环比年化百分比	经济增长
GDPC1	实际GDP季度环比年化百分比	实际经济增长
RSAFS	零售销售月环比百分比	消费需求

注意：DFEDTARU为每日来源系列，但该数据集仅在政策利率变动时发行回放事件，不发布每日噪声事件流。

实际值与预期值

FRED不提供市场共识预测或预期值字段，因此事件记录仅包含实际值、前期值、变化量、百分比变化、原始FRED观测值及发布日期元数据。预测差异数据需另行从授权或自维护的预期数据源中添加。

数据格式

历史数据 (fred-us-macro-history.json):

• 包含 generatedAt, historyStart, sourceId, sourceLabel, stats, series 数组。
• series 包含：id, label, labelZh, title, category, frequency, frequencyShort, observationStart, observationEnd, units, unitsShort, sourceUrl, observations 数组（含 date 和 value）。

事件数据 (fred-us-macro-events.json):

• 按最新事件优先排序，包含 generatedAt, sourceId, sourceLabel, stats, events 数组。
• events 包含：id, createdAt, primaryCategory, text, textEn, textZh, url, metadata。
• metadata 包含：seriesId, observationDate, releaseDate, releaseDateApproximate, rawValue, value, valueKind, valueUnit, previousValue, change, pctChange。
• 对于转换后的事件系列，metadata.value 为用于回放的市场实际值（如CPI/PCE/PPI事件为同比百分比，非农事件为周期变化值，GDP事件为年化季度环比百分比），metadata.rawValue 保留原始FRED观测值。

发布日期说明

• 可获取FRED发布日期的观测点，其事件时间戳采用该发布日期并附加市场标准发布时间。
• 早期观测值通常缺少FRED发布日期，但仍适用于长期回放上下文，此类记录标记为 metadata.releaseDateApproximate: true。

归属与来源

• 数据集来源于FRED及各系列的原始数据所有者。展示或再分发时需保留来源归属，建议格式为：Source: Original series owner via FRED, Federal Reserve Bank of St. Louis。
• 具体系列来源URL参见 metadata/series-catalog.json。

重要说明

• 该数据集为聚焦的核心宏观经济数据集，并非FRED的完整镜像。用户需自行检查原始来源条款以符合自身使用场景。

上游参考链接

• FRED API 概览: https://fred.stlouisfed.org/docs/api/fred/overview.html
• FRED API 使用条款: https://fred.stlouisfed.org/docs/api/terms_of_use.html
• FRED 法律条款: https://fred.stlouisfed.org/legal/terms/

搜集汇总

数据集介绍

构建方式

该数据集源自美联储经济数据库（FRED），聚焦于美国宏观经济的核心高频指标。构建过程中，研究团队从FRED原始观测数据中提取了15个高影响力序列，涵盖利率、通胀、就业、产出及消费等领域。通过对原始历史观测值进行清洗与结构化处理，生成了包含18,359个历史观测点的历史数据集。在此基础上，进一步将观测值转化为可直接用于市场回测的事件记录，共计11,986个事件，并标注了FRED发布日期或近似日期，确保时效性与准确性。

特点

数据集的核心特色在于其针对市场回测场景进行了专门优化。每个事件记录不仅包含即时市场反应所需的实际值，还提供了上一期数值、变化量及百分比变化，方便用户计算意外冲击。同时，序列覆盖从1913年至今的长期历史，最新事件更新至2026年，兼顾深度与广度。此外，元数据文件详细标注了序列来源、频次、单位及排除的第三方受限序列，便于用户合规引用与二次开发。

使用方法

用户可直接加载`data/fred-us-macro-events.json`文件，利用其中的事件记录进行市场回测或策略模拟。每个事件包含`textEn`、`value`、`previousValue`、`change`等字段，便于量化分析。对于需要原始观测值的场景，可调用`data/fred-us-macro-history.json`中的`series`数组，按`id`索引某序列的全部历史观测点。元数据目录`series-catalog.json`提供了序列的FRED链接与统计摘要，辅助用户深入核查数据来源。

背景与挑战

背景概述

FRED US Macro Core Data数据集由美国圣路易斯联邦储备银行（FRED）维护，于2025年创建，旨在为宏观经济研究与市场回测提供标准化的核心美国宏观历史数据。该数据集聚焦15条高影响力经济指标，涵盖联邦基金利率、通胀指数（CPI、PCE、PPI）、就业数据（非农就业、失业率）及GDP等关键变量，共收录18,359条历史观测值与11,986条可回溯事件记录。其核心研究问题在于构建一个结构统一、时间跨度长（自1913年起）且可直接用于市场事件回放的高质量宏观数据库，显著降低了研究者从FRED原始API中提取并清洗数据的成本。该数据集在量化金融、宏观经济学及算法交易领域具有重要的基准价值，为宏观事件驱动的策略开发与验证提供了可靠的基础设施。

当前挑战

该数据集面临的核心挑战在于宏观经济数据的异质性与时效性问题。首先，由于FRED本身不提供市场共识预测值，事件记录仅包含实际观测值与历史变化，无法直接反映预期差（surprise），这限制了其在事件驱动交易策略中的应用深度。其次，部分早期观测值（约6,234条）缺乏FRED官方发布时间戳，需依赖近似日期标记，影响了事件序列的精确性与回测可靠性。此外，构建过程需协调15个系列不同的发布频率（日度、月度、季度）与数据修订惯例，例如DFEDTARU虽为日度数据但仅需在利率变动时生成事件，这要求开发者设计精细的过滤与对齐逻辑。数据集还需处理来自第三方版权限制的系列排除问题，确保在合法前提下最大化覆盖范围。

常用场景

经典使用场景

该数据集汇集了15条高影响力的美国核心宏观时间序列，涵盖联邦基金利率、CPI、核心CPI、PPI、PCE及核心PCE通胀指标、失业率、非农就业、ADP就业、平均时薪、初请失业金、JOLTS职位空缺、名义与真实GDP以及零售销售等关键变量。经典的使用场景是构建具有历史深度的宏观事件回放系统，研究者可将这些序列转化为包含实际值、前值、变动量及发布时间的标准化事件记录，用于模拟并回溯市场对宏观数据发布的即时反应。这些序列的时间跨度可追溯至1913年，为长周期实证分析提供了坚实基础。

解决学术问题

该数据集有效解决了宏观金融学中长期存在的两个核心问题：一是分散来源的宏观数据缺乏统一、可回放的事件格式，导致研究可重复性差；二是不同频次和发布时间的数据难以对齐，使得事件研究法（Event Study）的实施门槛极高。通过提供标准化的事件记录与元数据，该数据集显著降低了学术研究中的数据预处理成本，使研究者能够聚焦于资产价格对宏观新闻的反应函数、货币政策传导机制、预期形成与信息冲击的定量识别等问题，大幅提升了实证研究的外部效度和结论的稳健性。

衍生相关工作

围绕该数据集已衍生出多项具有影响力的研究工作。在学术层面，基于事件回放框架的资产定价研究系统性地量化了不同宏观指标对股票、债券及大宗商品收益率的预测能力，揭示了市场对不同指标反应的非对称性。在工具链层面，研究者开发了自动化的宏观事件日历生成器与多资产行情同步对齐工具，进一步降低了数据使用的门槛。另有工作利用该数据集的长时间跨度特点，构建了跨不同货币政策体制的宏观模型，检验了通胀、就业与利率之间的动态关系在时代变迁中的稳定性与结构断裂点。