| name | trend-analysis |
| description | 趋势分析 — 分析业务/财务数据的趋势模式，识别周期性、季节性和结构性变化， 辅助业务预测和决策。 适用情形：用户要求"趋势分析"、"看历史走势"、"分析同比环比"时执行。 核心：时间序列分解 + 季节性识别 + 趋势预测 + 异常检测。
|
| argument-hint | [分析对象：收入/成本/利润/运营指标] [分析期间：3年/5年] [数据维度：按月/按季] |
| last_reviewed | 2026-06 |
| version | 1.0.0 |
| risk_level | low |
加载上下文
首次使用时： 读取 ../../CLAUDE.md 获取场景级配置（历史数据来源/季节性定义/预测模型）。
/trend-analysis — 趋势分析
Examples
→ 示例：用户说"帮我们分析一下近三年毛利率的变化趋势，找出结构性原因"，系统应调用本技能，执行趋势分解和归因分析。
→ 示例：用户说"供应商集中度在上升，帮我做一下这个风险的趋势分析"，系统应调用本技能，执行供应风险趋势分析。
→ 示例：用户说"主要产品的市场份额连续下滑，需要看趋势报告给董事会看"，系统应调用本技能，生成市场份额趋势报告。
第一步：数据获取与准备
数据提取：
□ 数据来源：[BI 系统/ERP/财务系统]
□ 分析对象：[指标名称，如"收入"]
□ 分析维度：[按月/按季/按年]
□ 分析期间：[YYYY-MM 至 YYYY-MM]（[X] 期数据点）
□ 粒度：[月度/季度/年度]
□ 数据记录数：[X] 条
数据质量检查：
□ 缺失值：[X] 期 — 处理方式 [插补/删除区间]
□ 异常值：[X] 个 — [描述]
□ 数据可比性：[✅ 一致（口径未变）/ ⚠️ 口径变化 [描述]]
□ 总体质量：[✅ 高 / ⚠️ 中 / 🔴 低]
第二步：趋势分解
时间序列分解模型：
□ 分解方法：[加法模型（Y = T + S + C + I）/ 乘法模型（Y = T × S × C × I）]
□ 选择依据：[数据特征]
□ 趋势成分（T, Trend）：
→ 长期增长/下降方向：[上升/下降/平稳]
→ 年均增速：[X]%（复利）
→ 趋势方程：[Y = [系数] × t + [截距]]（如线性拟合）
□ 季节成分（S, Seasonality）：
→ 季节模式：[有/无] — [描述]
→ 旺季：[Q4/月12/月1/月2]（收入最高）
→ 淡季：[Q1/月1/月2/月3]（收入最低）
→ 季节波动幅度：[X]%（旺季 vs 淡季均值差异）
□ 周期成分（C, Cycle）：
→ 周期长度：[X] 年（经济周期/行业周期）
→ 当前所处周期位置：[复苏/繁荣/下行/触底]
□ 不规则成分（I, Irregular）：
→ 不规则波动幅度：[X]%（标准差/均值）
→ 是否存在显著异常：[是/否 — [描述]]
第三步：趋势分析
历史趋势统计：
□ 增长/下降总结：
→ 分析期间总变化：[+X]%（从 [X] 到 [X]）
→ 年均复合增长率（CAGR）：[X]%
→ 最高点：[YYYY-MM] — 值 [X]
→ 最低点：[YYYY-MM] — 值 [X]
□ 阶段性分析：
→ 阶段 1（[YYYY-Q1] 至 [YYYY-Q2]）：
· 趋势：[快速增长/稳定/下降]
· 增速：[X]%（季环比）
· 主要驱动：[因素]
→ 阶段 2：[...]
季节性分析（如存在）：
□ 季节指数（以年度均值 = 100 为基准）：
| 月份/季度 | 季节指数 | 说明 |
|-----------|---------|------|
| 1月/Q1 | [X] | 低于均值 |
| 2月/Q1 | [X] | 低于均值 |
| ... | ... | ... |
| 12月/Q4 | [X] | 高于均值 |
□ 季节性调整：
→ 原始值：[X] 万
→ 季节调整后：[X] 万（去除季节性影响）
第四步：预测建模
预测模型选择：
□ 模型选择依据：[数据特征/样本量/预测长度]
□ 采用模型：[简单移动平均/指数平滑/Holt-Winters/线性回归]
□ 模型参数：
→ 移动平均期数（如适用）：[X] 期
→ 趋势平滑系数（α）：[X]
→ 季节平滑系数（β）：[X]
□ 模型拟合度：
→ R²（决定系数）：[X]
→ MAPE（平均绝对百分比误差）：[X]%
→ RMSE（均方根误差）：[X]
未来预测：
□ 预测期间：[YYYY-MM 至 YYYY-MM]（[X] 期）
□ 预测值：
| 期间 | 预测值 | 95% 置信区间 |
|------|--------|------------|
| [YYYY-MM] | [X] | [X-X] |
| [YYYY-MM] | [X] | [X-X] |
□ 趋势预测（季节调整后）：
→ 未来 [X] 期趋势方向：[上升/下降/平稳]
→ 预测增速：[X]%（季环比/年环比）
第五步：异常检测
异常点识别：
□ 识别方法：[3σ 原则/IQR 方法/统计检验]
□ 异常阈值：[X]%（偏离趋势 [X]% 以上）
□ 识别出的异常点：
| 期间 | 实际值 | 趋势预测值 | 偏离度 | 类型 |
|------|--------|-----------|--------|------|
| [YYYY-MM] | [X] | [X] | [+X]% | [高点/低点/异常] |
□ 异常原因分析（初步）：
→ [异常点1]：[可能原因]
→ [异常点2]：[可能原因]
第六步：生成趋势分析报告
═══════════════════════════════════════
趋势分析报告
分析对象：[指标名称]
分析维度：[按月/按季]
分析期间：[YYYY-MM 至 YYYY-MM]
生成时间：[YYYY-MM-DD HH:MM]
═══════════════════════════════════════
【趋势概览】
□ 长期趋势：[上升/下降/平稳] — 年均 [X]%
□ 季节性：[有（波动 [X]%）/无]
□ 周期：[有（[X]年周期）/无]
【关键指标】
□ 分析期间起点值：[X]
□ 分析期间终点值：[X]
□ 总变化：[+X]%
□ CAGR：[X]%
□ 最高点：[YYYY-MM] — [X]
□ 最低点：[YYYY-MM] — [X]
【季节性】（如有）
□ 旺季：[Q4/月12]
□ 淡季：[Q1/月2]
□ 季节波动幅度：[X]%
【预测】
□ 模型：[方法]
□ 模型拟合度：R²=[X]，MAPE=[X]%
□ 未来 [X] 期预测：
| 期间 | 预测值 | 置信区间 |
|------|--------|---------|
| [YYYY-Q1] | [X] | [X-X] |
| [YYYY-Q2] | [X] | [X-X] |
【异常点】
□ 识别 [X] 个异常点
□ 主要异常：[YYYY-MM] — 偏离 [X]% — 原因 [初步判断]
【趋势拐点信号】（如有）
□ [指标] 趋势由正转负/由负转正：[日期]
□ 结构性变化信号：[描述]
═══════════════════════════════════════
置信度：[✅ 高（基于 [X] 期数据）/ ⚠️ 中（数据较短）/ 🔴 低]
模型可靠性：[✅ 良好 / ⚠️ 存在异常点干扰]
═══════════════════════════════════════
升级触发条件
- 发现趋势出现拐点（增长转下降或反之）
- 预测模型 MAPE > [X]%（模型拟合度差）
- 存在重大异常点影响趋势判断
- 季节性模式发生变化（旺季/淡季移位）
- 预测值与预算/目标存在重大偏差（> [X]%）
- 周期成分显示经济/行业周期转折信号
Finance Skills — trend-analysis atomic skill
