otgaaa第02章--經(jīng)濟(jì)時(shí)間序列的季節(jié)調(diào)整、分解和平滑方法-全文預(yù)覽
【正文】 的情形。 Sliding spans 移動(dòng)間距 檢驗(yàn)被調(diào)整序列在固定大小的移動(dòng)樣本上的變化； Easter 復(fù)活節(jié) Labor 美國(guó) 、 加拿大的勞工節(jié) ， 九月第一個(gè)星期一 Thanksgiving 感恩節(jié) （ 在美國(guó)為 11月第 4個(gè)星期 4；加拿大為 10月第 2個(gè)星期 1） Christmas 圣誕節(jié) 注意這些節(jié)日只針對(duì)美國(guó) ， 不能應(yīng)用于其他國(guó)家 。 存量序列僅對(duì)月度序列進(jìn)行調(diào)整 ， 需給出被觀測(cè)序列的月天數(shù) 。 三 、 貿(mào)易日和節(jié)假日影響 可以在進(jìn)行季節(jié)調(diào)整和利用 ARIMA模型得到用于季節(jié)調(diào)整的向前 /向后預(yù)測(cè)值之前，先去掉確定性的影響（例如節(jié)假日和貿(mào)易日影響）。Select best 檢驗(yàn)列表中的所有模型 ， 選一個(gè)最小預(yù)測(cè)誤差的模型 ， 缺省是第一個(gè)模型 。 (1) 數(shù)據(jù)轉(zhuǎn)換 （ Data Transformation） 在配備一個(gè)合適的 ARMA模型之前允許轉(zhuǎn)換序列： (1) 缺省是不轉(zhuǎn)換； (2) Auto選擇是根據(jù)計(jì)算出來的 AIC準(zhǔn)則自動(dòng)確定是不做轉(zhuǎn)換還是進(jìn)行對(duì)數(shù)轉(zhuǎn)換； (3) Logistic選擇將序列 y 轉(zhuǎn)換為 log(y/(1y))， 序列的值被定義在 0和 1之間； (4) BoxCox power選擇要求提供一個(gè)參數(shù) ? ， 做下列轉(zhuǎn)換： ?????????0/)1(0)l o g (2 ????? ifyifytt (2) ARIMA說明 (ARIMA Spec) 允許在 2種不同的方法中選擇 ARIMA模型。最終的不規(guī)則要素分量 （ ＿ IR） ； 在下面的多選鈕中選擇要保存的季節(jié)調(diào)整后分量序列 ， X12將加上相應(yīng)的后綴存在工作文件中： ② 季節(jié)濾波 (Seasonal Filter) 當(dāng)估計(jì)季節(jié)因子時(shí) ， 允許選擇季節(jié)移動(dòng)平均濾波 （ 可能是月別移動(dòng)平均項(xiàng)數(shù) ） ， 缺省是 X12自動(dòng)確定 。 X12的 EViews接口菜單只是一個(gè)簡(jiǎn)短的描述， EViews還提供了一些菜單不能實(shí)現(xiàn)的接口功能，更一般的命令接口程序。 這兩個(gè)程序往往聯(lián)合起來使用，先用 TRAMO對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，然后用 SEATS將時(shí)間序列分解為趨勢(shì)要素、循環(huán)要素、季節(jié)要素及不規(guī)則要素 4個(gè)部分。在對(duì)序列進(jìn)行預(yù)調(diào)整的同時(shí)得到外部影響調(diào)整是 X12ARIMA模型的特殊能力。對(duì)于時(shí)間序列中的一些確定性的影響（如節(jié)假日和貿(mào)易日影響），應(yīng)在季節(jié)調(diào)整之前去掉。 X12 ARIMA方法是由 X12方法和時(shí)間序列模型組合而成的季節(jié)調(diào)整方法。在 X12方法中，可以對(duì)不規(guī)則要素建立ARIMAX模型，包括貿(mào)易日和節(jié)假日影響的回歸變量，而且還可以指明奇異值的影響，并在估計(jì)其他回歸影響的同時(shí)消除它們。然后用回歸分析求出星期一，星期二， …… ，星期日的相應(yīng)權(quán)重，從而可以將 ID 分解為真正的不規(guī)則要素 I 和貿(mào)易日要素 D。貿(mào)易日影響和季節(jié)影響一樣使得比較各月的序列值變得困難，而且不利于研究序列間的相互影響。又如，在流量序列中平均每天的影響將產(chǎn)生“月長(zhǎng)度”影響。注意采用乘法、偽加法和對(duì)數(shù)加法模型進(jìn)行季節(jié)調(diào)整時(shí)，時(shí)間序列中不允許有零和負(fù)數(shù)。正因?yàn)槿绱耍?X11方法受到很高的評(píng)價(jià)，已為歐美、日本等國(guó)的官方和民間企業(yè)、國(guó)際機(jī)構(gòu) (IMF)等采用，成為目前普遍使用的季節(jié)調(diào)整方法。 1965年 10月發(fā)表了 X11方法，這一方法歷經(jīng)幾次演變，已成為一種相當(dāng)精細(xì)、典型的季節(jié)調(diào)整方法 經(jīng)濟(jì)時(shí)間序列的季節(jié)調(diào)整方法 X11方法是基于移動(dòng)平均法的季節(jié)調(diào)整方法。此后，季節(jié)調(diào)整方法不斷改進(jìn)，每次改進(jìn)都以 X再加上序號(hào)表示。經(jīng)濟(jì)統(tǒng)計(jì)中的月度和季度數(shù)據(jù)或大或小都含有季節(jié)變動(dòng)因素， 以月份或季度作為時(shí)間觀測(cè)單位的經(jīng)濟(jì)時(shí)間序列通常具有一年一度的周期性變化，這種周期變化是由于季節(jié)因素的影響造成的，在經(jīng)濟(jì)分析中稱為季節(jié)性波動(dòng)。季節(jié)要素和循環(huán)要素的區(qū)別在于季節(jié)變動(dòng)是固定間距（如季或月）中的自我循環(huán)，而循環(huán)要素是從一個(gè)周期變動(dòng)到另一個(gè)周期，間距比較長(zhǎng)且不固定的一種周期性波動(dòng)。 經(jīng)濟(jì)指標(biāo)的月度或季度時(shí)間序列包含 4種變動(dòng)要素：長(zhǎng)期趨勢(shì)要素 T、循環(huán)要素 C、季節(jié)變動(dòng)要素 S 和不規(guī)則要素 I。時(shí)間序列分解方法包括季節(jié)調(diào)整和趨勢(shì)分解，指數(shù)平滑是目前比較常用的時(shí)間序列平滑方法。 季節(jié)要素 (S ): 是每年重復(fù)出現(xiàn)的循環(huán)變動(dòng)，以 12個(gè)月或 4個(gè)季度為周期的周期性影響，由溫度、降雨、每年中的假期和政策等因素引起。循環(huán)要素 TC 圖形 圖 3 工業(yè)總產(chǎn)值的季節(jié)變動(dòng)要素 S 圖形 圖 4 工業(yè)總產(chǎn)值的不規(guī)則要素 I 圖形 季節(jié)調(diào)整的概念 季節(jié)性變動(dòng)的發(fā)生，不僅是由于氣候的直接影響，而且社會(huì)制度及風(fēng)俗習(xí)慣也會(huì)引起季節(jié)變動(dòng)。 X11季節(jié)調(diào)整方法 1954年美國(guó)商務(wù)部國(guó)勢(shì)普查局 (Bureau of Census， Depart ment of Commerce)在美國(guó)全國(guó)經(jīng)濟(jì)研究局 (NBER)戰(zhàn)前研究的移動(dòng)平均比法 (The RatioMoving Average Method)的基礎(chǔ)上，開發(fā)了關(guān)于季節(jié)調(diào)整的最初的電子計(jì)算機(jī)程序，開始大規(guī)模地對(duì)經(jīng)濟(jì)時(shí)間序列進(jìn)行季節(jié)調(diào)整。X10方法考慮到了根據(jù)不規(guī)則變動(dòng)和季節(jié)變動(dòng)的相對(duì)大小來選擇計(jì)算季節(jié)要素的移動(dòng)平均項(xiàng)數(shù)。X11方法是通過幾次迭代來進(jìn)行分解的，每一次對(duì)組成因子的估算都進(jìn)一步精化。共包括 4種季節(jié)調(diào)整的分解形式：乘法、加法、偽加法和對(duì)數(shù)加法模型。因此，在某月如果多出的星期天數(shù)是一周的前五天，那么該月份銷售額將較低；如果多出的星期天數(shù)是一周的星期六、星期日，那么該月份銷售額將較高。 3．貿(mào)易日和節(jié)假日影響 （ 1）貿(mào)易日影響 Young(1965)討論了浮動(dòng)貿(mào)易日的影響， Cleveland and Grupe(1983)討論了固定貿(mào)易日的影響。 在 X12季節(jié)調(diào)整中，假設(shè)貿(mào)易日影響要素包含在不規(guī)則要素中，即不規(guī)則要素的形式是 ID，假設(shè)已從原序列 Y 中分解出 ID。在 X12方法中，貿(mào)易日和節(jié)假日影響可以從不規(guī)則要素中同時(shí)估計(jì)得到。它的一個(gè)主要缺點(diǎn)是在進(jìn)行季節(jié)調(diào)整時(shí)，需要在原序列的兩端補(bǔ)欠項(xiàng)，如果補(bǔ)欠項(xiàng)的方法不當(dāng)，就會(huì)造成信息損失。也可以在模型中指定一些外生回歸因子，建立ARIMAX模型。 5．外部影響調(diào)整 040000800001202201600002022002400002800001976 1978 1980 1982 1984 1986圖 經(jīng)濟(jì)時(shí)間序列水平變換示意圖 通過對(duì) ARIMAX模型中的回歸方程添加外部沖擊和水平變換回歸變量，可以處理奇異點(diǎn)數(shù)據(jù)和在水平上發(fā)生突然變化的序列。 SEATS(Signal Extraction in ARIMA Time Series)是基于 ARIMA模型來對(duì)時(shí)間序列中不可觀測(cè)成分進(jìn)行估計(jì)。 EViews進(jìn)行季節(jié)調(diào)整時(shí)將執(zhí)行以下步驟： 1． 給出一個(gè)被調(diào)整序列的說明文件和
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1