关于季节指数约束条件和极大似然估计的研究——基于三种加法和乘法模型

使用科学的方法观测并计算某种社会经济现象的季节性变动,对于把握其真实的环比变动具有重要的现实意义。使用经典方法计算季节指数以反映现象的季节性变动,因其结果不够严谨和完备,是一个至今尚未获得完满解决的问题。为了提高计算季节指数结果的科学性、严谨性、完备性,基于符合三种加法和乘法模型的社会经济现象,解析其中各季节指数之间存在的约束条件,运用数理统计中极大似然估计理论与方法,推导出与经典方法算式相近的季节指数的约束极大似然估计算式,给出季节指数的区间估计,并举例对获得的结果做了计算和对比验证。     

利用虚拟变量对季节指数的估计

本文利用季节虚拟变量建立回归模型,通过季节虚拟变量的参数估计间接地估计季节指数,并且利用模型进行了一些传统的季节指数方法无法进行的推断统计。这是一种分析季节指数和季节变动的新思路。     

基于分层随机抽样的季节指数的抽样估计研究

由于传统的季节指数分析方法是一种描述统计,本文提出了采用分层随机抽样的季节指数估计量,给出了估计量的偏误和均方误差以及均方误差的估计,并在此基础上分析了季节指数的假设检验以及最优估计量的确定。     

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。     

基于神经网络模型的沪深300指数预测

文章对选取沪深300指数收盘价序列进行了正态性检验和Hurst指数的计算,得出价格序列的非正态和长记忆性特征.随后选择了适当的结构建立Elman神经网络模型,结合技术分析中的K线图理论,对沪深300指数隔夜开盘价进行了预测.经过求解和趋势检验,以及与相同输入输出结构线性模型的比较,发现该模型取得了良好的预测效果.     

鲜菜、鲜果指数计算方法的探讨

受气候影响,鲜菜、鲜果的生产与消费,随着季节和供求关系的变化,其价格经常上下波动,表现出一定的季节性周期。在我国北方省份这种价格的季节性周期变化,表现尤为明显,因此鲜菜、鲜果价格指数的计算,不可能与一般商品保持同样的连续性和可比性。为了准确反映居民消费价格总水平的变化情况,消除鲜菜、鲜果价格季节性变动对物价总水平的影响,对季节性鲜菜、鲜果价格指数的计算必须作特殊的处理。下面,我们就从现行的鲜菜、鲜果月距环比指数计算方法入手,研究并提出新的鲜菜、鲜果月距环比指数计算方法,其目的是解决鲜菜、鲜果价格季节性波动对环比指数的影响。     

中国运输服务指数的编制及应用研究

借鉴美国运输服务指数编制方法,并结合中国交通运输业的现状特征,设计出了中国运输服务指数的编制方案,依据该方案计算得出2002年1月至2011年7月的货运服务指数、客运服务指数以及运输服务综合指数,通过与同期宏观经济景气指数中的一致性指数进行比对,得出货运服务指数为宏观经济的先行指标,客运服务指数为一致性指标的重要结论.     

Census X12季节调整下的黑龙江零售品销售总额的预测研究

文章在对季节调整方法进行理论总结的基础上,采取Census X12季节调整办法对黑龙江零售品销售总额序列(2003～2008)进行剥离,得到长期趋势TC和季节因素S,并计算出季节因素的影响系数—季节指数;对长期趋势TC序列进行时间序列回归预测季节调整后的2009年1～12月值,再运用季节指数得到2009年1～12月的总序列预测结果;运用配对检验预测得到的2009年1～7月份数据与实际观测值在95%显著性水平下不存在显著差异。     

大数据指数是否可以替代统计调查指数

2014年7月,澳盛银行首次将阿里巴巴系列指数纳入通胀观察标的,标志着大数据指数已经开始对传统的统计调查指数提出质疑和挑战。本文基于阿里巴巴aSPI指数和官方公布的CPI指数的比较研究,首次提出了aSPI指数显著优于CPI指数的一些基本特征;同时,通过实证分析对比了两种指数的同步性特征和分解性特征,即首先运用协整检验方法确定二者的同步性;其次通过EMD模型对二者进行序列分解,得出各自的波动成分和增长趋势;最后,在EMD对aSPI指数分解的基础上,通过Lasso回归估计了CPI指数。研究表明,随着对大数据研究的广泛性、科学性以及方法论和软件工具的进步,大数据指数对传统统计调查的佐证、补充乃至融合将会成为一种新趋势,通过实证、应用与发展,逐步产生新的CPI编制方法和分析体系,将是大数据指数理论和实践的根本出路。     

季节指数的研究现状及存在的问题

文章对季节指数的描述统计和推断统计进行了简单的综述,总结了季节指数的研究现状并分析了季节指数现有研究中存在的问题。     

基于随机指数方法的人民币汇率指数计算

国际上许多机构和国家都用汇率指数来表示一篮子货币的汇率总水平,用于评估一国的汇率水平、衡量货币稳定性等.这些汇率指数都采用了传统的指数编制方法,计算结果存在一定的误差,但又无法计算出误差的大小.随机指数方法则是对传统指数计算方法的一种改进,它不但可以计算出指数的估计值,还可以计算出指教的标准差.文章探讨了用随机指教方法计算汇率指教的思路,并运用此方法对我国人民币汇率指数的编制进行了实证分析.     

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。     

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。     

信息化水平与电力消费量的数量化关系考察

本文在讨论信息化的测度方法的基础上,分别从信息产业角度和信息化指数角度对信息化与电力需求的关系进行了考察,得出一些初步的探讨性结论.     

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。     

国际视野下指数研究与实践的进展、动向与挑战

指数是国际统计学界和经济学界一个非常活跃的研究领域,近年来指数理论研究和编制实践取得了很大的进展.本文首先介绍了国际上指数研究的近况,总结了指数领域国际统计标准的进展.其次,从指数构建方法、基本价格指数计算方法、链式指数、最佳指数、Hedonic质量调整方法、大数据应用于价格指数的编制等方面分析了国际上指数理论与实践的动向.指数理论与实践还面临巨大的挑战,包括价格指数编制中的质量调整和大数据应用、房地产价格指数编制与CPI中自有住房的处理、季节性产品的处理、服务价格指数的编制等.最后,本文得出了一些富有启发性的结论.     

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。     

带线性约束的多元线性回归模型参数估计

本文首先构造线性约束条件下的多元线性回归模型的样本似然函数,利用Lagrange法证明其合理性。其次,从似然函数的角度讨论线性约束条件对模型参数的影响,对由传统理论得出的参数估计作出贝叶斯与经验贝叶斯的改进。做贝叶斯改进时,将矩阵正态-Wishart分布作为模型参数和精度阵的联合共轭先验分布,结合构造的似然函数得出参数的后验分布,计算出参数的贝叶斯估计;做经验贝叶斯改进时,将样本分组,从方差的角度讨论由子样得出的参数估计对总样本的参数估计的影响,计算出经验贝叶斯估计。最后,利用Matlab软件生成的随机矩阵做模拟。结果表明,这两种改进后的参数估计均较由传统理论得出的参数估计更精确,拟合结果的误差比更小,可信度更高,在大数据的情况下,这种计算方法的速度更快。     

季节性需求多阶段库存控制策略研究

研究了确定型季节模型多阶段库存控制策略.具体的思路为:首先把各时期需求的季节指数求出,季节调整后进行密度估计.当需求有关的分布函数得到后,按照多阶段库存系统的最优策略公式可以得到季节调整后库存最优策略.然后再加入季节指数,就得到了随季节变动的库存最优策略.     

沪深300指数极值VaR的分析与计算

文章将GARCH模型和EVT理论相结合,对沪深300指数的风险价值进行分析与计算,并将其与传统基于正态分布假设计算的VaR、GARCH模型计算的VaR以及基于EVT理论计算的VaR进行比较,发现采用GARCH模型和EVT理论相结合而得到的极值VaR能更好地反应沪深300指数的风险。