经济时间序列的X-11季节调整方法(Ⅲ)

§3季节调整效果的检验与评价 季节调整的效果与参加调整的序列本身有很大关系.有些序列的调整效果不论用什么方法都好,这是由于数据本身具有稳定的季节性、日历性和明显而又容易把握的趋势性.有些序列的调整效果则不一定好.因此在实际使用调整数据时,必须对其调整的效果有较清楚的认识.当然,季节调整效果与所用方法也有很大关系,本文对此不作讨论。 本节专门介绍在X-11程序基础上建立的检验和评价X-11程序季节调整效果的方法及有关统计量,内容主要涉及X-11程序的F部分,所提供的评价标准是经验的总结,读者可根据应用中的实际情况适当进行…     

基于X-12-ARIMA方法的迪拜原油价格季节性波动分析

油价时间序列往往受众多因素的影响,从而可以分解成各种成分.运用X-12-AR IM A方法分析迪拜原油价格的季节性波动,探讨油价运动规律,结果表明季节调整的整体效果较好,季节因素对中质高硫原油价格具有显著影响,夏、秋季推动油价上升,而春、冬季节使油价下跌,同时发现原油价格的短期变化主要由不规则事件和季节因素决定,而长期变化由趋势因素决定.     

基于时间序列方法的全国铁路旅客周转量的分析与预测

应用两种时间序列分析的方法对全国铁路旅客周转量的月度数据进行分析.运用X-11方法和季节ARIMA模型进行分析并分别对未来5个月的周转量做了预测,结果表明季节ARIMA模型优于X-11方法.通过对全国铁路旅客周转量的定量分析,为铁路部门在计算运输成本,劳动生产率,旅客平均行程等方面提供有效的依据.     

季节调整中消除节假日因素方法的改进及其在我国的应用

本文首先对X-12-ARIMA季节调整方法中消除节假日因素的思路进行了简要的回顾。接着,从休闲日和工作日的独特视角指出季节调整方法中消除节假日因素思路的不足,分析了不同节假日因素对经济数据的不同影响。最后,根据我国一些特殊节假日的实际情况,在借鉴X-12- ARIMA季节调整中处理节假日方法的基础上提出了消除中国节假日因素的思路,并提供了一个实例。     

基于X-12-ARIMA与TRAMO/SEATS季节调整技术的销售量研究

首先说明了季节调整技术的发展及应用,并对X-12-ARIMA与TRAMO/SEATS方法进行了比较;其次应用X-12-ARIMA方法对苏宁电器的销售量进行季节调整,并改进了X-12-ARIMA方法中假日效应部分;最后应用改进的模型对苏宁电器的销售量进行了预测,均取得较好效果.     

季节调整对单位根检验的影响——基于蒙特卡罗模拟的研究

季节调整是使用季节数据进行经济分析的前提.但是季节调整是否会对单位根检验的结论造成影响却是一个存在争议的问题.本文扩展了Ghysels和Perron的分析框架,通过蒙特卡罗模拟考察了X-12-ARIMA季节调整对ADF和DF-GLS单位根检验的影响.结果表明,对于季节时间序列,使用季节调整后数据,只要滞后阶数选取合适,单位根检验的功效就不会发生严重损失.     

我国外汇储备变动的时间序列建模预测

本文通过对我国最近十三年来的外汇储备月度数据进行分析,利用不同的建模思想建立了三次趋势模型、Holter-Winter非季节模型和AR IMA模型来分析短期内我国外汇储备的变动趋势。这三种模型对原始数据都能够较好的拟合,而且用于预测时的结果也相差不大,可以为短期内预测管理我国外汇储备提供有效参考。     

宏观经济监测预警系统(Ⅵ)

6.经济时间序列的季节调整 从上几节讨论中我们看到,对经济指标的月份或季度时间序列数据进行分析时,季节调整是一个重要的预先处理手段,本节进一步研究季节调整的作用,意义和方法,并通过实例对几种季节调整方法加以比较. 6.1经济时间序列的季节性与季节调整 以月份或季度为单位的经济时间序列中.有许多表现出一年一度的周期性变化,这种周期性我们称为季节性. 一、季节调整 从大量的经济时间序列中可以看到,以月份或季度为单位的时间序列可以由以下几个部分来描述: Ⅰ、趋势.用来表征序列的长期行为,如增长,下降或保持不变. Ⅱ、季节因子.用…     

消费者价格指数与生产者价格指数“倒挂”之谜

消费者价格指数(Consumer Price Index,CPI)与生产者价格指数(Producer Price Index,PPI)是我国最重要的两个价格指数,一般说来,CPI与PPI应当是同步变化的.但是自2000年以来,CPI与PPI出现了多次"倒挂"现象,这无疑对当前经济通胀情况的判断带来了挑战.采用最新的X-13-ARIMASEATS方法对我国的CPI与PPI指数进行季节调整;在谱分析的基础上采用BK滤波方法将其趋势-循环因素进行分解得到趋势因素与循环因素.研究后发现是经济周期导致了"倒挂"现象.     

季节-谐波油价预测模型研究

油价预测是能源市场研究的一个重要领域.本文基于季节调整技术和周期性分析技术,提出了一个新的预测模型-季节-谐波模型,其思路是分解-组合.通过对五种油品(WTI原油、Brent原油、无铅汽油、柴油和取暖油)价格的实证分析,与其它五种方法(ARIMA模型、指数平滑、Winters方法、EGARCH模型和逐步自回归)相比,季节-谐波模型取得了最好的预测效果.     

涉农企业信用评价动态指标隶属度向量判别研究

对涉农企业信用评价中的动态指标的隶属度向量进行判别研究.首先借鉴X-12-A砒MA季节调整法的思想对信用数据进行剥离,构建一种过程连续性的动态信用指标;其次通过时间序列三指数平滑模型对动态信用数据的变化进行预测,得到动态信用指标隶属度向量;再次,结合熵权-AHP法确定的权重,确定动态信用指标的综合隶属度向量;最后实证检验了方法在企业信用评价中应用的有效性.     

On the invertibility of seasonally adjusted series

This paper examines the implications of the seasonal adjustment by an ARIMA model based (AMB) approach in the context of seasonal fractional integration. According to the AMB approach, if the model identified from the data contains seasonal unit roots, the adjusted series will not be invertible that has serious implications for the posterior analysis. We show that even if the ARIMA model identified from the data contains seasonal unit roots, if the true data generating process is stationary seasonally fractionally integrated (as it is often found in economic data), the AMB seasonal adjustment produces dips in the periodogram at seasonal frequencies, but the adjusted series still can be approximated by an invertible process. We also perform a small Monte Carlo study of the log-periodogram regression with tapered data for negative seasonal fractional integration. An empirical application for the Spanish economy that illustrates our results is also carried out at the end of the article.     

季节调整的Bayes方法及在我国经济中的应用

本文介绍季节调整Ｂａｙｅｓ方法及ＢＡＹＳＥＡ程序的原理，并给出利用ＢＡＹＳＥＡ程序对国内一些经济序列进行季节调整的实例．     

十一·五期间我国利用外资总量与宏观经济增长预测研究

利用九五、十五期间,我国利用外资与经济增长、固定资产投资的历史数据,结合我国"十一·五"经济社会发展的总体目标及要求,对"十一·五"期间我国利用外资的总量提出了一个具有前瞻性的需求预测.根据外资结构调整优化的主观目标.提出了经过调整后的仿真实验数据.     

中国棉花价格波动规律研究——基于X12和H-P滤波法的实证分析

以2002年9月-2020年6月间214个月度中国棉花价格数据为基础,运用X12季节调整法、H-P滤波法及比重法对中国棉花价格波动规律进行了研究.结果表明,中国棉花价格波动的主导因素是趋势因素,其次是周期性因素,季节因素和不规则因素对棉花价格波动的影响极小;2014年后季节性因素波动显著减弱;趋势因素总体上呈现倒"V"字型的特征;中国棉花价格波动的平均周期为36.2个月;趋势因素、周期因素、季节因素、不规则因素对中国棉花价格波动的平均贡献率分别为101.6581%、1.6872%、0.0067%、0.0067%.最后,依据研究结论提出了降低棉花价格波动风险的政策启示.     

结构经济序列分析的状态空间方法

本文讨论结构经济时间序列用状态空间模型进行分解处理的方法．在§１中综述结构时间序列的状态空间描述．§２中着重论述了将处理不完全数据的ＥＭ－算法应用于状态空间模型参数的极大似然估计．在§３中给出采用本文所述方法对一些我国宏观经济序列的计算实例．