china-macro-trade-monthly-dataset

该数据集提供了基于国际货币基金组织（IMF）和世界银行数据的中国宏观经济与商品贸易月度指标。数据来源包括IMF数据门户（SDMX 2.1 API）和世界银行开放数据API。具体指标包括：按COICOP分类的消费者价格指数（CPI）、工业生产指数、商品贸易总额、汇率、国际储备，以及中国与200多个伙伴经济体的月度商品进出口数据。此外，还包含17个世界银行世界发展指标（WDI）的年度背景指标，用于长期趋势分析。所有数值均按来源发布值提供，不进行插补。数据以Parquet格式存储，包含一个配置：indicators_annual_wb，该配置共有937行，包含以下字段：country（国家）、indicator_code（指标代码）、indicator_label（指标标签）、period（时期）、value（值）、unit（单位）、_source_url（来源URL）、_collected_at（采集时间）。该数据集适用于宏观研究人员追踪中国通胀、生产和储备的月度变化；贸易分析师监测与200多个伙伴经济体的双边商品流动；量化团队构建基于官方来源时间序列的中国风险信号；以及记者和政策分析师引用IMF/世界银行基准数据。许可证为CC BY-NC 4.0（学术/个人使用需署名并回链至data.zalize.com），商业使用需获得DataForge商业许可。上游数据中，世界银行WDI为CC BY 4.0，IMF表格未包含在本数据集中。This dataset provides monthly indicators of Chinas macroeconomy and merchandise trade based on data from the International Monetary Fund (IMF) and the World Bank. Data sources include the IMF Data Portal (SDMX 2.1 API) and the World Bank Open Data API. Specific indicators include: Consumer Price Index (CPI) by COICOP classification, Industrial Production Index, total merchandise trade, exchange rates, international reserves, and monthly merchandise import and export data between China and over 200 partner economies. Additionally, it includes 17 annual background indicators from the World Banks World Development Indicators (WDI) for long-term trend analysis. All values are provided as published by the sources without imputation. The data is stored in Parquet format and includes a configuration: indicators_annual_wb, which has 937 rows and contains the following fields: country, indicator_code, indicator_label, period, value, unit, _source_url, _collected_at. This dataset is suitable for macro researchers tracking monthly changes in Chinas inflation, production, and reserves; trade analysts monitoring bilateral goods flows with over 200 partner economies; quantitative teams building China risk signals based on official source time series; and journalists and policy analysts citing IMF/World Bank benchmark data. The license is CC BY-NC 4.0 (academic/personal use requires attribution and backlink to data.zalize.com), commercial use requires a DataForge business license. For upstream data, World Bank WDI is CC BY 4.0, and IMF tables are not included in this dataset.

原始信息汇总

数据集概述

数据集名称: China Macro & Trade Monthly Indicators — IMF/World Bank Basis
英文标识: china-macro-trade-monthly-dataset
数据来源: IMF Data Portal（SDMX 2.1）与 World Bank Open Data API
许可协议: CC BY-NC 4.0（学术/个人使用需署名并回链；商业使用需另购许可）
任务类型: 时间序列预测
语言: 英语
数据量级: n<1K
配置: indicators_annual_wb

---

数据内容

该数据集整合了中国宏观与商品贸易的月度指标，主要包括以下类别：

• 月度消费价格指数（CPI），含COICOP分类细分
• 工业生产指数
• 商品贸易总额
• 汇率与国际储备
• 中国对200多个贸易伙伴国的月度商品进出口数据（基于IMF IMTS）
• 17项世界银行WDI年度背景指标（覆盖长期趋势分析）

所有数值均按源数据原样发布，不进行插补处理；源空值已剔除并在QC报告中说明。

---

数据结构

当前仓库包含一个Parquet文件：

表名	行数	大小
indicators_annual_wb.parquet	937	0.0 MB

表结构（indicators_annual_wb）：

列名	类型	说明
country	large_string	国家
indicator_code	large_string	指标代码
indicator_label	large_string	指标标签
period	large_string	时间周期
value	double	数值
unit	large_string	单位
_source_url	large_string	源数据URL
_collected_at	large_string	数据采集时间

---

主要用途

• 宏观经济研究：跟踪中国月度通胀、生产与储备变化
• 贸易分析：监控与200多个贸易伙伴的双边商品流动
• 量化团队：基于官方来源构建中国敞口信号
• 新闻与政策分析：引用IMF/世界银行口径数据，具备来源可追溯性

---

数据获取与使用示例

可直接通过Hugging Face加载：

python from datasets import load_dataset

ds = load_dataset("zalizedata/china-macro-trade-monthly-dataset", "indicators_annual_wb", split="train") print(ds[0])

所有文件亦可通过机器可读开放数据索引访问：

• 索引地址: https://dl.zalize.com/open-data
• 规范页面: https://data.zalize.com/datasets/china-macro-trade-monthly-dataset

---

许可说明

• 学术/个人用途: 采用CC BY-NC 4.0许可，需署名并回链至 https://data.zalize.com
• 商业用途: 需购买DataForge商业许可证
• 上游数据: 世界银行WDI数据遵循CC BY 4.0（需保留世界银行署名）；IMF来源表未包含在本数据集中

---

引用格式

建议引用格式：

text DataForge (data.zalize.com), built from World Bank WDI (CC BY 4.0) — https://data.zalize.com/datasets/china-macro-trade-monthly-dataset

---

相关数据集

其他DataForge开放数据集（宏观、贸易、能源与房地产领域）包括：

• Global Macro & Trade Indicators
• US Grid Hourly Operations & Power Plants (EIA)
• US Residential Properties & Sale Events (Government Records)

完整目录（25个数据集）: https://data.zalize.com/open-data

搜集汇总

数据集介绍

构建方式

该数据集汇集了源自国际货币基金组织（IMF）数据门户（SDMX 2.1接口）及世界银行开放数据API的中国宏观经济与商品贸易月度指标。数据构建遵循原始发布口径，涵盖消费者价格指数及其按COICOP分类的细项、工业生产指数、商品贸易总额、汇率、国际储备，并与全球200多个经济体的月度商品进出口数据及17项世界银行WDI年度背景指标相融合。所有观测值均以Parquet原生格式存储于各数据表下，未进行任何插补处理，缺失值经质量控制报告记录并剔除。

特点

数据集特色在于其多维度覆盖与高颗粒度，能够细致刻画中国宏观经济动态和全球贸易格局。其以月度频率提供IMF与世行双源校验的数据，保证了时间序列的连续性与可比性。尤为突出的是，其双边贸易数据触及逾200个伙伴经济体，为分析中国对外贸易结构提供了微观基础。同时，每项记录均附有原始来源链接与采集时间戳，确保了数据的可追溯性和学术引用的严谨性，契合宏观研究的高标准要求。

使用方法

该数据集可直接通过HuggingFace的datasets库加载使用，例如调用load_dataset函数并指定配置项'indicators_annual_wb'与划分'train'即可获取DataFrame对象进行后续分析。其原生Parquet格式兼容主流数据处理框架，便于与Pandas、Polars等工具无缝衔接。研究者和量化团队可据此进行时间序列预测、周期性波动分析、双边贸易流量监控等任务，亦可结合年度WDI指标构建长周期复合模型。数据集的许可条款要求学术及个人使用时注明出处并回链至DataForge平台。

背景与挑战

背景概述

该数据集由DataForge开放数据项目创建，整合了国际货币基金组织（IMF）数据门户（SDMX 2.1）与世界银行开放数据API，旨在提供中国宏观经济与商品贸易的月度指标。其核心研究问题聚焦于追踪中国通胀（CPI）、工业生产指数、国际储备、汇率以及超过200个贸易伙伴的双边货物流动，为宏观经济学家、贸易分析师及量化团队提供基于官方来源的高频时间序列数据。数据集的构建遵循严格的数据溯源原则，不进行插补，确保数值与原始发布一致，从而为实证研究提供可靠的基础。其影响力体现在为学术研究、政策分析和商业决策提供了标准化的、可复现的中国宏观与贸易数据接口，填补了市场上对高频、细粒度中国数据的需求空白。

当前挑战

该数据集面临的领域挑战在于宏观经济与贸易数据的高频、多源整合难题。一方面，国际货币基金组织与世界银行的数据在口径、更新频率及覆盖范围上存在差异，需要细致的对齐与清洗；另一方面，月度货物贸易数据涉及200多个经济体，数据量大且缺失值处理需谨慎，因其会直接影响时间序列预测的准确性。构建过程中的挑战则包括确保数据源许可合规（如IMF表格未包含在开放许可内），以及维护数据的时效性与版本控制。此外，数据集的规模较小（不足1000行）限制了基于机器学习的深度模型应用，需依赖传统统计方法进行长周期分析。这些挑战要求数据生产者持续优化数据管道，以维持数据质量与可用性。

常用场景

经典使用场景

该数据集为宏观经济学与国际贸易领域的研究者提供了按月更新的中国核心经济指标，涵盖居民消费价格指数（CPI）及其细项分类、工业生产指数、货物贸易总额、汇率及国际储备等关键变量，并延伸至超过200个贸易伙伴的双边进出口数据。此数据集特别适用于需要对高频宏观数据进行追踪和分析的场景，如构建中国通胀压力监测模型、评估工业生产周期波动，或进行国际资本流动与汇率动态的实证研究。其数据源自IMF和世界银行官方接口，保证了时间序列的权威性与连续性，为严谨的计量分析奠定了坚实基础。

实际应用

在实际应用层面，该数据集是量化投资团队、贸易分析机构及政策研究部门的宝贵工具。量化团队可依据官方发布的月度数据构建中国风险敞口信号，优化资产配置策略；贸易分析师能通过追踪与200多个伙伴国的货物流向，洞察供应链变化和市场需求脉动，辅助企业决策；记者和政策分析师则能援引具有明确出处和溯源体系的IMF/世界银行口径数据，用于撰写深度报道、评估经贸政策效果或进行国际比较研究。其每月更新的节奏和标准化的格式，极大地方便了自动化数据管线的集成，使得实时监控和动态预警成为可能。

衍生相关工作

围绕此数据集，已衍生出若干值得关注的关联性工作。数据提供方DataForge推出了更广泛的全球宏观与贸易指标数据集，构建了多国可比的经济数据库；同时，其开放数据项目下的其他数据集（如美国电网运营、房地产交易记录）也拓展了经济研究的边界。在学术社群，该数据集的标准化结构鼓励了基于python的快速调用（如通过datasets库），催生了自动化数据清洗与质量控制流程的探讨；此外，其明确的许可条款和数据溯源机制，也为如何在共享经济背景下建立学术数据引用规范提供了实践范例，推动了数据密集型研究范式的普及。