用途
scienceclaw-benchmark-for38 是一个年度宏观面板预测基准，适用于需要提前数年预测国家级经济序列的任务，例如预测人均 GDP 水平或失业率，基准中的预测视野（horizon）为 4 年。
任务定义
输入包括：
- 一个面板表，列为 economy_id、region、income_level、indicator，随后是每个时期 t-31 到 t0 的一列，NaN 表示缺失。
- 每个条目的历史序列 (n, L)，按最旧在前排列，以及其指标类型。
- 协变量 (n, k, L)，即同一经济体在所有类型上的数据，附带 covariate_indicators。
- 指标类型描述 indicator_kinds。
交付物为浮点数组 (n, H)，表示 t0 之后 H 个时期的水平预测（伴随基准中 H = 4），要求使用每个条目自身的单位，数值有限且非负；百分比类指标最多为 100。
质量度量
质量以平均 sMAPE（百分比）衡量，公式为 200/H * sum_h |y - yhat| / (|y| + |yhat|)，越低越好（scilib.forecast.smape）。资料指出，无变化（随机游走）预测在宏观序列上很难被超越，应始终将其作为参考基线报告。跨越零点的序列（如增长率、通胀率）仅作为协变量使用，因为 sMAPE 在此定义不良。
主要能力与使用方式
核心接口为 scilib.macro.fit_predict，参数包括 train_panel、history、indicator、indicator_kinds、covariates、covariate_indicators、economy_id、region、income_level、horizon。它通过算子 annual_panel_forecast_pooled 和 annual_panel_forecast_with_covariates 预测对数比率 ln(y[t+h]/y[t])，成员来自 macro.MEMBERS。默认 DEFAULT_MEMBERS = (ridge, huber, lgbm_core, robdrift)，等权组合；weights="auto" 会在滚动起点回测上拟合权重，并与等权按 50:50 混合；return_info=True 会附加每个成员、类型和起点的回测 sMAPE。
可用模块包括：
- rolling_backtest：多起点滚动回测。
- fit_weights：拟合集成权重。
- period_profile：跨经济体的每期中位变化，用于识别共同冲击期。
- local_forecast(x, "flat"|"drift"|"revert"|"theta"|"holt", horizon)：局部预测，对应算子 annual_series_local_forecast。
预训练模型对比：scilib.tsfm.forecast(histories, H, quantiles=(0.5,), model="chronos_2")，可用资产包括 chronos_2、chronos_bolt_base，对应算子 chronos_quantile_forecast；结果需裁剪到每种类型的合理范围。可检查 tsfm.available() 和 scienceclaw_tools(operation=weights)。
适用场景
适用于年度国家级经济面板数据的多年期水平预测，尤其是人均 GDP、失业率等指标。可用于比较不同预测成员、集成策略、局部方法与预训练时间序列模型在宏观序列上的表现。
限制与注意事项
- 不得使用预测起点之后的任何数值。fit_predict 会将面板限制在其前 n_periods 列（默认等于历史长度），因此在缩短历史上的回测不会看到后续列；不要将后续值追加到任何历史或面板中。
- 单起点验证划分是噪声较大的指引：几十个值的目标会受到最后观测期所遭遇冲击的影响。在替换等权默认之前，应在多起点 rolling_backtest（info["backtest_by_origin"]）上比较成员，并检查 period_profile。
- 百分比类指标（如失业率）是难点：共同冲击后，来自其他类型的特征可能分布外，因此在这些指标上应优先使用自身序列成员。
- 记忆污染风险：这些是公开统计数据，预训练预测器或 LLM 可能已经见过实际值。不得回忆或查找实际值；除非增益在留出区域或经济体组上成立，否则应报告为可能受污染。