基于季节增长率的一种直接调整方法

传统季节调整方法在提取环比增长率时需要先剔除原始数据中的季节成分,这会带来原始数据信息的失真.鉴于此,本文提出了一种直接拟合原始数据增长率的季节增长率(SGR)模型,该模型不仅可以直接提取环比增长率,还可以对原始数据的增长率进行预测.蒙特卡洛模拟结果表明,本文给出的针对SGR模型的MLE估计方法具有良好的有限样本表现.通过对我国GDP和CPI数据进行实证,本文发现利用SGR模型直接提取的环比增长率的稳定性要高于其他一些季节调整方法.不仅如此,SGR模型的拟合和预测表现相比BSM模型和SARIMA模型均有显著提高.此外,SGR模型还具有容易拓展为非线性、多元情形的优势.