Likely Spurious

Utilizamos procesos de modelización causal clásicos y avanzados, teniendo en cuenta los factores de confusión, como la población, la inflación y otros patrones, que son las causas comunes de asociaciones falsas.

El resultado es una lista de series candidatas que pueden influir en tu serie temporal o, al menos, proporcionar poder predictivo. Pero esos no son los únicos casos de uso. También proporcionamos indicadores de cointegración o, si necesitas una serie sustitutiva medida con una frecuencia mayor, el análisis normalmente puede ayudarte con eso. Si bien Likely Spurious no te proporciona datos, sí que proporcionamos enlaces a las fuentes.

Si bien no es necesario dar un nombre descriptivo de la serie, si lo haces, utilizaremos la IA generativa para encontrar candidatos a los eventos que puedan haber provocado cambios en tu serie, como nuevos reglamentos, problemas de la cadena de suministro y fluctuaciones del mercado.

Así que cuando estés listo para empezar tu investigación de series temporales y te venga bien algo de inspiración, sube tus datos y en unas horas tendrás una lista de posibles variables para modelar. Pero recuerda que es probable que los resultados sean falsos.