居民消费价格指数的季节调整及短期预测

文章首先论述了季节调整方法的发展过程;然后把居民消费价格指数的同比数据转换为定基比数据.运用国际上最新流行的X-12-ARIMA程序对我国居民消费价格指数时间序列进行季节调整:再运用TRAMO/SEATS方法剔除中国特有的春节假日因素;最后对CPI进行短期预测,得出了我国的通货膨胀可能还会持续一段时间的结论.     

基于季节调整技术的我国物价波动实证研究

 本文首先对季节调整方法的发展及应用进行说明,并对X-12-ARIMA和TRAMO/SEATS进行方法与实证比较,得出这两种方法调整效果基本相同;其次使用X-12-ARIMA方法对我国CPI时间序列数据做了实证研究,分离出最终趋势成分、季节成分等;然后通过PBC版X-12-ARIMA分理处时间序列中的春节因素;最后通过调整后的CPI序列进行短期预测,并对其展开了一定的分析讨论。     

季节调整方法在CPI指数中的应用

文章首先对季节调整方法的发展及应用进行了说明,着重介绍了国际上使用最广泛的两种方法:X-12-ARIMA和TRAMO/SEATS;然后用X-12-ARIMA方法对我国居民消费价格指数序列进行了季节调整,探测了交易日、闰年、异常值和春节对CPI指数的影响,比较了三种季节调整模型之间的优劣并进行调整,得出了我国CPI指数只受春节因素的影响的结论,相应的最优模型也是春节效应模型;最后用这种模型对我国CPI指数进行季节调整,分离出趋势成分、季节成分和不规则成分,得到了最终的季节调整序列。     

环比增长率测算季节调整模型的评价和选择

季节调整使子年度数据可比,有利于环比增长率测算和经济监测。国际上季节调整模型众多,模型选择是季节调整的首要任务。以国际常用的X-12-ARIMA和TRAMO/SEATS模型的选择为目标、以两模型理论差异分析为基础、以中国2001—2010年的月度CPI数据为样本,通过谱分析方法检验剩余季节性、幂等、平滑间距和修正历史等方法检验模型稳定性、通过Friedman和Kruskal-Wallis等非参数方法检验季节稳定性,得出模型之间更具体的差异,为满足实践需要进行模型选择提供科学依据。     

德国BV4.1模型修正与中国CPI季节调整

居民消费价格指数(CPI)是衡量通货膨胀程度和经济活动水平的重要指标,通常要剔除季节性因素影响.本文对国际最新的BV4.1季节调整模型进行了系统的研究和软件开发,编写R程序增强了其实用性.首先考虑到了中国的节日因素,交易日因素和异常值,对2001年1月至2015年3月的CPI数据进行了预处理.在分离出季节成分以及日历成分之后,采用平滑区间和修正历史法进行模型诊断的研究.研究认为:CPI的趋势在短期内具有二阶多项式发展特征,节日因素、交易日影响和异常值不显著;实证结果表明,BV4.1的季节调整结果与其他模型如X-12-ARIMA和TRAMO/SEATS相比具有很强的稳定性.     

春节模型的设计与应用

 季节调整是经济数据预处理中非常重要的一个步骤。现有的主流季节调整方法X-12-ARIMA 和TRAMO/SEATS中都包含节假日因素的调整。由于不同的国家节假日一般不同,因此各国在进行经济数据的季节调整时,都需要结合本国的假日对季节调整方法进行修正。春节是中国最为重要而且持续时间最长的节日,具体日期可以出现在一月也可以在二月。本文基于X-12-ARIMA方法,同时考虑春节对经济指标的正负性影响效应、春节影响的变化速率以及春节效应的时长三个因素,设计了十二个不同类型的春节模型。本文应用Eviews软件和Demetra软件,采集不同的经济指标,对所设计的春节模型进行了应用研究,并根据异常值改善标准,对最佳的春节模型进行了选择与比较分析。     

中国主要价格指数季节变动模式测定方法的选择

文章论述了对我国主要价格指数进行季节调整和季节变动模式测定的意义;比较了用X-12ARIMA和TRAMO/SEATS两种方法在我国四个主要价格指数年内季节变动模式测定结果上的联系和差异;最后,提出了在我国进行季节变动模式测定的若干建议。     

我国CPI季节调整模型预测

文章基于考虑春节效应的X-12-ARIMA季节调整模型,对我国2002年1月至2013年12月的CPI序列月度数据进行季节调整,并进行季节波动性分析及短期预测.实证结果表明:我国的CPI变动存在明显的季节性特征,春节效应对其有显著影响;CPI序列的短期波动主要是受季节性成分影响,而长期波动主要受趋势-循环成分影响;利用该模型进行短期预测效果较好,预测误差绝对值控制在1.5％之内.     

Prophet-X-12-ARIMA组合模型及交通运输量预测

由于受到经济社会因素的影响，交通运输量数据具有趋势多变及季节性明显的复杂特征。现有的预测模型，如X-12-ARIMA模型、ARIMA模型和Prophet模型等的预测准确性有待改进。文章构建Prophet-X-12-ARIMA组合模型，综合了Prophet模型灵活拟合趋势成分的优势以及X-12-ARIMA模型能准确分解出季节成分的优点。采用该模型预测某城市的七种交通运输量序列，结果显示Prophet-X-12-ARIMA组合模型的半年度和年度预测效果明显优于Prophet模型、X-12-ARIMA模型及ARIMA模型。进一步研究发现，当原始序列趋势变化剧烈时，Prophet-X-12-ARIMA组合模型的预测效果更优。     

X-12-ARIMA方法的SAS程序实现及应用

本文介绍了利用SAS系统实现X-12-ARIMA季节调整方法的具体过程,并应用该方法对中国入境旅游外汇收入序列进行了季节调整分析.     

季节调整新方法及其原理研究

本文的主要工作是从频域的角度对季节调整中“季节滤子”的设计及估计问题进行研究。通过将直接信号提取（DSEF）方法引入到季节调整的应用之中,突破现有季节调整方法中仅能处理季度或月度数据的限制,且该方法下季节调整后的序列是理论季节调整后序列的“均方误差”最小估计。将DSEF方法应用于对中国季度进出口总额序列的季节调整分析中。分析结果显示,相比于X-11和SEATS方法,DSEF方法季节调整结果的离差较小且稳健性较好。     

Spectral properties of the concurrent and forecasting seasonal linear filters of the X-11-ARIMA method

This study analyzes the properties of the linear filters of the X-11-ARIMA seasonal adjustment method applied for current seasonal adjustment. It provides the general formula for the combined weights that result from the ARIMA model extrapolation filters with the X-11 seasonal-adjustment filters. The three cases studied correspond to the three ARIMA models automatically tested by the X-11-ARIMA program, namely, (0, 1, 1)(0, 1, 1), (0, 2, 2)(0, 1, 1), and (2, 1. 2)(0, 1,1). The parameter values chosen reflect different degrees of flexibility of the trend-cycle and seasonal components. It is shown that the X-11-ARIMA linear filters for current seasonal adjustment are very flexible; they change with both the ARIMA extrapolation model and its parameter values, contrary to those of the X-11 program, which are fixed for a given set of options.     

A comparison of indicators for evaluating x-11-arima seasonal adjustment

Summary The evaluation of the performance of seasonal adjustment procedures is an issue of practical importance in view of the unobservable nature of the components. Looking at just one indicator when judging the overall quality of a procedure may be misleading, even though this is common practice when many series are involved. The main purpose of this paper is to compare the information content of different synthetic indicators with reference to the X-11-ARIMA procedure. Sixty-six different types of monthly seasonal series are generated and the seasonal component then extracted by carrying out X-11-ARIMA with standard options. The correlation between the pseudo-true error for each series and various synthetic indicators allows us to compare the latter's reliability, under both the hypotheses of minimum and maximum variance of the pseudo-true seasonal component. We show that the overall quality indexQ-the indicator most commonly adopted by users of the X-11-ARIMA-is always outperformed by the simpler diagnostics based on the stability of the estimates. In particular, the “sliding-spans” indicator, proposed by Findley et al. (1990) and included in the diagnostics of the new X-12 procedure, shows a much stronger correlation with the pseudo-true error in the seasonal adjustment. We also show that the total forecasting errors in the one-year-ahead extrapolation of the seasonal component have a good informative power and perform almost as well as the “sliding-spans” indicator.     

中国粮食价格波动特征研究——基于X-12-ARIMA模型和ARCH类模型

以小麦和大豆为例,研究2002年1月至2012年6月中国粮食价格波动特征。首先利用X-12-ARIMA模型对价格序列进行季节调整,然后运用ARCH类模型对剥离季节因素的价格序列进行波动分析。结果发现:中国粮食价格季节性波动逐年减弱;粮食价格具有明显的波动集簇性,前期价格波动和外部冲击对后期价格的影响具有持续性;粮食市场不存在"高风险、高回报"特征;小麦价格波动的非对称性不显著,而大豆价格波动则呈现明显的非对称特征,且上期价格上涨信息引发的波动要大于下跌信息。     

将房价因素计入中国CPI的实证研究

近年来中国房价的快速上涨与下跌和相对稳定的CPI不配比问题,引起国人对CPI指标的质疑,已影响到政府统计公信力。运用中国2010年CPI的月度数据与各月CPI分类数据,在借鉴美国使用成本法和澳大利亚获取法的基础上,重新建立中国CPI在住房消费方面的两种核算方法。通过对两种方法核算的CPI数据比较发现,澳大利亚获取法核算符合中国社会经济发展现状,能更真实反映中国城乡居民消费价格水平。鉴于中国房价对CPI的显著影响,中国应该采用获取法核算CPI,将房价直接计入CPI核算中,进而提高CPI指标的公信力。     

基于频域的X-13ARIMA-SEATS季节调整过滤器诊断

本文从频域角度对X-13ARIMA-SEATS季节调整程序的对称和并行过滤器进行研究,考察不同的模型非季节和季节移动平均参数和不同过滤器长度对平方增益函数和相位延迟函数的影响,并以中国采购经理人指数（PMI）和居民消费价格指数（CPI）季节序列诊断为例,从频域角度比较X-11和以ARIMA为基础的（AMB）方法的平方增益函数和相位延迟函数来选择更优的季节调整方法。得出的结论：①非季节移动平均参数增大时,两种过滤器平方增益函数有下降趋势,季节移动平均参数增大时,平方增益函数有上升趋势。长度较短的过滤器波动更剧烈,季节频率上波谷宽度更宽;②季节移动平均参数越大时,相位延迟函数震荡越剧烈,非季节移动平均参数越大时,季节频率上的相位延迟增大。单个非季节频率区间内相位延迟函数与平方增益函数有反向关系;③AMB方法在非季节频率区间上的增益函数比X-11方法更趋于1,过滤器的凹槽比X-11方法更窄,且频率分量的相位失真更小,在PMI季节调整中更好;X-11方法对称过滤器的平方增益函数更小且更趋于1,在非频率区间上的相位延迟函数比AMB方法更小,更适用CPI的季节调整。④与传统季节调整质量诊断相比,频域诊断在估计季节成分的稳定性和过滤器的延迟特性方面具有优势,在季节调整方法选择时可综合两方面的结论。     

中国核心通货膨胀的指数测算、分类特征与冲击传导

为了测算和分析我国核心通货膨胀指数，本文在动态因子模型分析框架下引入了时变因子载荷系数、随机扰动和异常值调整，构建了基于我国城市环比CPI的UCSVO模型和基于八大类城市环比CPI及消费支出权重的MUCSVO模型。研究发现：①UCSVO模型识别出的CPI异常变动时间点符合经济现实，由其测算得出的核心通货膨胀指数适用于我国通货膨胀的实时监测；②MUCSVO模型中共同的趋势成份因子及其载荷系数能体现宏观冲击与价格粘性的现实经济含义，价格粘性的差异是各大类核心通货膨胀指数对宏观冲击产生异质性响应的重要原因；③MUCSVO模型所测算的核心通货膨胀指数的分类权重与消费支出成正比、与波动性成反比，在测算分类以及总体核心通货膨胀指数的同时，还能准确反映各大类CPI的变化特征。     

中国季度GDP的季节调整：结构时间序列方法

 内容提要：本文利用结构时间序列方法讨论了中国季度GDP的季节调整问题,从季节单位根、季节自相关、周期自相关等多个方面对不同季节模式的调整结果进行了比较。结论认为,随机虚拟变量形式和三角函数形式得到的调整结果非常相似;结构时间序列方法更好地捕捉到了时变季节特征,明显优于X-11和SEATS方法;非高斯稳健季节调整的结果表明,高斯结构时间序列方法具有较好的稳定性。