# Trend Analysis

> 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。

- Skill: `vivy-yi/trend-analysis` (Agent Skill)
- Install (CLI): `npx skillmds@latest add vivy-yi/trend-analysis`
- Raw SKILL.md: https://api.skillmd.com/api/skills/vivy-yi/trend-analysis/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: vivy-yi (https://skillmd.com/u/vivy-yi)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/vivy-yi/trend-analysis

---


## 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*