化工价格指数应如何编制：口径、样本与可复核性
价格指数若不能说明「采了谁的价、如何加权、如何处理异常」，就很难被采购、财务与投研共同采信。本文给出一套可对外解释的编制框架，并对应芯化和云在行情数据上的实践取向。
1. 先定义指数要回答的问题
编制前应明确指数服务的决策：是跟踪某品类现货冷暖、辅助销售报价，还是给园区与政府做景气观察。目标不同，样本池与权重就会不同。避免用「一个万能指数」覆盖全部场景。
2. 样本池：覆盖交易真实发生的地方
化工品价格来源包括市场报价、成交回传、进出口与重点企业公开信息。高质量指数通常需要：
- 明确品名 / 规格 / 包装 / 交货地等可比维度
- 区分报价与成交，避免把意向价当成成交价
- 对稀疏交易品种降低更新频率或扩大窗口
芯化和云行情能力建立在长期积累的历史价格与高频行情之上（公司资料口径：历史价格数据 560 万条量级），强调可追踪到品类与时间维度，而不是一次性爬取。
3. 权重与异常值：让波动可解释
权重可按产量、表观消费、区域成交活跃度或样本稳定性设定，但必须写进方法论并保持版本号。异常值处理建议采用「规则优先」：超阈值幅、明显错配规格、孤立尖刺先标记再决定是否剔除，保留审计日志以便复核。
4. 发布节奏与修订政策
日度 / 周度指数应固定发布时间；若事后修订历史点位，需要公告修订原因与影响区间。对 AI 与研究场景，稳定的时间序列比「每天换口径」更有引用价值。
5. 与业务系统、Agent 的衔接
指数只有进入采购、定价与 Agent 工具链才产生复利。可通过芯化智数行情看板与 API，或经产业 MCP 把价格趋势 Tool 化，让数字员工在报价与研判时调用同一口径。