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.     

基于季节调整的CPI统计环比指数研究

本文首先阐述了季节调整与统计环比指数的必要性,简要介绍了X-12-ARIMA与TRAMO/SEATS季节调整原理,然后运用X-12-ARIMA程序对中国1997年1月至2010年5月CPI月度数据进行季节调整,再运用TRAMO/SEATS方法解决季节调整程序中中国春节因素问题。接着由季节调整后的数据计算得到月环比CPI,对月环比CPI和同比增加率进行了比较,结果显示月环比CPI领先同比CPI。最后利用TRAMO/SEATS程序建立ARIMA模型（210）（011）进行了24个月的预测,预测结果显示,未来24个月内我国消费者物价指数温和上升,不会发生大的通货膨胀,但是存在一定的通胀压力。     

季节调整方法综述及比较

一、前言所谓季节调整,就是将某一统计指标的时间序列中的季节性因素和偶然性因素剔除,从而使经过季节调整的时间序列能够较为准确地反映出社会经济运行基本态势。早在20世纪的上半叶人们就开始了从时间序列中分解季节因素、调整季节变动的尝试。季节调整的问题首先是由美国经济学家1919年提出的,此后,有关季节调整的方法不断的出现和改进。1931年麦考利(Macauley)提出了用移动平均比率法进行季节调整,成为季节调整方法的基础。1954年Shiskin在美国普查局首先开发了在计算机上运行的程序对时间序列进行季节调整,称为X1,此后,季节调整的方…     

CPI月度环比指数季节调整及CPI折年率方法研究

内容提要：CPI中长期变动趋势的预测一直是困扰经济学界的一个问题。本文研究了CPI月度环比指数的季节调整,并建立了CPI中长期预测的模型,并利用该模型对我国今年CPI上涨趋势进行了预测。     

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。     

季节调整方法在中国的发展与应用

随着我国社会主义市场化经济程度的不断提高,人们逐渐开始使用环比数据监控宏观经济重要指标,而环比数据质量的好坏取决于对季节调整方法的了解与掌握程度.在简要介绍了季节调整方法及相应软件的发展现状之后,本文对季节调整研究在我国的发展与应用状况进行了总结.在季节调整发展部分,文章主要介绍了中国人民银行PBC版X-12-ARIMA季节调整软件和国家统计局版NBS-SA季节调整软件的特点;在季节调整应用部分,则分别以春节效应和结构时间序列模型为主线对我国季节调整文献进行了梳理.最后在小结部分,本文给出了一些建设性意见.     

基于存量数据的我国货币供应量季节调整研究

文章以存量数据-货币供应量(M0)作为主要研究对象,设计了生成存量数据解释变量的程序化、可操作化过程,并建立了登记日在每个月月末的三段式货币供应量(M0)季节调整模型.运用建立的模型对2012年货币供应量(M0)进行预测,其平均相对误差为2.87％,属于2级精度,适合中长期预测.     

货币供应量季节调整中消除春节因素的实证研究

一、概述以月度或季度作为观测单位的时间序列数据通常会受到季节因素的影响,这种影响往往会掩盖经济发展中的其他变化规律,给我们分析宏观经济金融形势造成困难和麻烦。因此,在对月度或季度时间序列进行经济分析时,必须去掉季节因素的影响,将季节因子从原序列中剔除,这就是“季节调整”。在我国,季节调整有其特殊性。阳历(Gregoriancalendar or solar calendar)是包括我国在内的大多数国家采用的官方日历,而我国的另外一些重要节日则是由阴历(lunar calendar)所决定,例如中国的阴历新年。从阳历来看,中国的阴历假日日期是不固定的,通常称…     

季节调整后的蔬菜价格波动——兼论货币供应量的影响

利用X-12-ARIMA季节调整模型及ARCH类模型分析大宗蔬菜白菜、黄瓜、西红柿、菜椒和四季豆价格的季节性波动特点和短期变动特征,并探寻货币供应量对蔬菜价格长期趋势的影响。结果表明:蔬菜价格季节性波动特征明显,但波幅有缩小的趋势;蔬菜价格的趋势变动与货币供应量紧密联系,当流通中的货币量增加1万亿元时,白菜、黄瓜、西红柿、菜椒和四季豆每公斤分别上涨0.43元、0.76元、0.83元、1元和1.2元左右;白菜、黄瓜、菜椒和四季豆的价格具有明显的波动集簇性,白菜和黄瓜价格的外部冲击的影响会持续到下一期,菜椒和四季豆价格过去外部冲击和波动影响会比较持久;四种蔬菜均没有显现出显著的风险报酬特征,上期正负外部冲击对本期菜椒价格波动的影响具有非对称性,而对白菜、黄瓜和四季豆的影响是对称的。     

季节调整方法及其在我国的应用研究综述

根据国内外理论研究和应用实践发现,季节调整方法在中国的理论发展和应用前景非常广阔.因此,将季节调整方法作为研究对象,对国外先进季节调整方法进行系统梳理和研究综述,并对比、归纳各种方法的优缺点,从抽样角度对季节调整方法在中国的改进和实践应用进行综述,总结出存在的不足和未来研究的趋势.     

农产品价格指数的季节调整方法研究

文章通过对农产品批发价格指数的季节调整,分析了农产品批发价格指数季节波动规律和经济含义。研究了春节效应在预调整中的处理方法,通过对春节效应模型的连续模拟,发现时间间隔与模型解释能力存在非线性关系,提出了适用于农产品批发价格指数春季效应预调整的最优时间间隔,以便更好的分析其季节波动特征。     

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.     

统计环比指数季节调整方法与应用

由于反映前后两个时期变化的统计环比指数能及时准确体现经济运行的近期变化,再加上科学地季节调整,能及时察觉经济的趋势性变化,也能尽早采取相应的政策措施,因此,准确运用季节调整后的统计环比指数已成为加强和改善宏观调控的重要手段。针对我国主要节假日以农历计算,各公历月度之间节假日和周末分布很不固定和不均匀的问题,从理论与方法上探索了适合中国特点的X-12-AKIMA季节调整方法,并有效地在实践中加以应用。     

X-12-ARIMA方法的SAS程序实现

X-12-ARIMA方法是以X-11项目以及X-11-ARIMA88(D)方法为基础的季节调整方法,具有广泛的实际应用价值。本文介绍了利用SAS系统实现该方法的具体过程,弥补了国内教材的不足。     

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。     

季节调整方法的历史演变及发展新趋势

本文梳理了季节调整方法的历史演变过程,深入分析了当前季节调整方法的理论、实践的最新发展趋势,找出我国在季节调整理论研究和实践应用方面存在的差距,提出加强我国季节调整理论研究和实践应用的建议。     

入境旅游数据的季节调整方法研究

X-13ARIMA-SEATS是美国普查局最新的季节调整程序,能够处理异常值和边界值的问题,并能够考虑不同国家经济数据的移动假日效应和交易日效应的特殊情况.该程序的最大优点在于既能考虑数据随机性特征,又能充分反映确定的经济意义.文章运用该方法所具有的预调整功能,充分考虑中国特殊的移动假日因素,探索入境游数据的预处理方法.分析我国旅游业入境游数据的季节调整因子的经济意义,研判我国旅游业入境游的发展趋势、季节性变化规律和重要的临界点.     

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。     

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。     

CPI质量调整及方法改进问题新探

产品质量变化是CPI偏差的主要来源,质量调整问题是CPI统计理论与实践的难点之一。进入大数据时代,CPI质量调整的必要性和可行性都显著上升,常用的一些质量调整方法将更具操作性,而且质量偏差调整的效果也将明显改善。基于大数据的支持,经典的Hedonic方法可采用加权时间―虚拟Hedonic指数和加权时间―产品―虚拟Hedonic指数对质量发生改变的规格品进行价格虚拟,结果更加合理准确,并能保证CPI质量调整的及时性和动态性。目前中国CPI统计尚未引入质量偏差调整,为进一步提高数据质量,应尽快研究和实施CPI质量调整。