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。     

关于我国统计指标消除季节因素影响方法的探讨

 从方法论上说，我国统计指标的季节调整问题关键在于公历数据的农历化，唯有如此才能消除农历的季节因素影响，舍此并无其他与经济发达国家不同的地方，至于对消除了农历的季节因素影响后的数据的处理，尽可采取诸如X12之类的方法程序。但无论是数据的农历化过程还是消除农历季节因素的影响，都有若干方法可以选择，笔者认为趋势分摊法的数据农历化过程配以固定季节因子法消除农历季节因素的方案是最合适的。     

中国月度数据的季节调整：一个新方案

 本文针对中国特定的节假日效应和交易日效应对季节调整问题提出了新的方案,包括移动节假日效应（如春节、中秋节、清明节、端午节等）、黄金周效应、五天工作制效应等;论文利用新的调整方案对我国社会消费品零售总额的月度数据进行了季节调整,诊断结果表明,新方案能比较充分地提取各种季节特征;论文对我国季节调整问题提出了针对性建议。     

本期导读

研究由于季节、节假日或其他特殊原因导致的非正常波动统计数据季节调整方法,解决这些统计数据如何剔除非正常因素的问题,是目前迫切需要解决的一个重要课题。《基于社会零售总额的非正常波动统计数据的季节调整》一文,采用     

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。     

基于季节SVR的节假日旅游客流量预测

准确的节假日客流量预测对旅游景区至关重要,然而受各种因素影响,节假日客流量呈现复杂非线性特点和典型季节性趋势.为了解决这种非线性和季节性问题,文章建立基于季节调整的支持向量回归模型(SSVR),并用某风景区2008～2011年节假日的日客流量验证模型的有效性.研究结果表明,SSVR预测节假日客流量效果良好,预测精度优于SVR和BPNN方法.     

时间序列的季节调整及其方法

一、季节调整的必要性 在经济分析和国民经济核算中,经常会看到经过季节调整后的时间序列数据,也经常会遇到关于国内生产总值时间序列季节调整的方法。时间序列季节调整是对时间序列中隐含的由于季节性因素造成的季节变化的影响加以纠正的过程。时间序列是指不同的时间上,对所发生的经济活动进行     

时间分层组合预测法的改进及其在进口贸易中的应用

针对现有时间分层组合预测法中协方差估计存在的不足,提出一种Shrinkage方法对协方差进行修正,以增强协方差估计的稳定性。Monte Carlo模拟结果表明:Shrinkage时间分层组合预测法的预测准确性较现有方法有所提高,且对季节因素不敏感;将该方法应用于中国进口贸易的预测中,结果显示新方法可显著提升各层预测效果,且对较高层序列的调整效果更佳;Shrinkage分层组合预测法能为海关等相关部门提供一种可针对不同时间维度进行同时性预测的新思路。     

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。     

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…     

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。     

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。     

对季节指数测定中趋势值计算方法的一个实证分析

运用季节变动预测法进行预测，必然要测定季节指数．如果某种季节往商品以年为单位的历史数据呈趋势型变动，就可以用“长期趋势消除法”先消除长期趋势影响因素，然后测定季节指数．本文拟对现行的“长期趋势消除法”作一个实证分析，提出一点看法．趋势型变动的历史数据（Y）是趋势变动（T）、季节变动因素（S）和随机因素（R）综合影响的结果（因多数商品不存在明显的同期波动因素，本文对它不作考虑）。可用斧式表示为JY—TXSXR．用“长期趋势用除祛”固定季节拍数的思路走：先通过对历年同月（季）数据的平均．得到历年同月（季）…     

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。     

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。     

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。     

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.     

价格指数研究中的质量指数与质量调整因子辨析

质量指数是一种质量调整因子，但并不完全等同于质量调整因子，文章借助于时间序列因素分析中季节因素的分析思路，将质量变化对价格的影响定义为质量指数或质量变差，将差额表示的称为加法模式的质量调整因子或质量变差，将比率表示的称为乘法模式的质量调整因子或质量指数。同时试图构建了包含名义价格指数、质量指数（质量变差）和实际价格指数在内的两种模式（乘法模式、加法模式）的价格指数体系，既有利于实际价格指数的编制，又可用于指数因素分析。     

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.