经济时间序列分解与季节调整基础.pptVIP

* 指数平滑法操作 调入工作文件利用指数平滑法对我国上证收盘指数（时间范围：1991年1月-2003年3月）的月度时间序列 sh_s 进行拟合和预测，选择Procs/ Exponential Smoothing 显示如下对话框: * 1．平滑方法 在5种方法中选择一种方法。 2．平滑参数 既可以指定平滑参数也可以让EViews估计它们的值。要估计参数，在填充区内输入字母e，EViews估计使误差平方和最小的参数值。如果估计参数值趋于1，这表明序列趋于随机游走，最近的值对估计将来值最有用。要指定参数值，在填充区内输入参数值，所有参数值在0-1之间，如果输入的参数值超出这一区间，EViews将会估计这个参数。 * 3．平滑后的序列名 可以为平滑后的序列指定一个名字，EViews在原序列后加SM指定平滑后的序列名，也可以改变。 4．估计样本 必须指定预测的样本区间（不管是否选择估计参数）。缺省值是当前工作文件的样本区间。EViews将从样本区间末尾开始计算预测值。 5．季节循环 可以改变每年的季节数（缺省值为每年12个月、4个季度）。这个选项允许预测不规则间距的数据，在空白处输入循环数。 * 例 指数平滑方法应用 本例利用指数平滑方法对我国上证收盘指数（时间范围：1991年1月-2003年3月）的月度时间序列 sh_s 进行拟合和预测。采用五种平滑模型对1991年1月-2002年9月的s序列数据做指数平滑，并利用预测公式得到2002年10月-2003年3月半年的预测值。 * * EVIEWS操作示例 M2作预测 先对其平滑 Expand时间区间 扩大样本区间 再重新做平滑，则自动填充序列 * Young 1965 讨论了浮动贸易日的影响，Cleveland and Grupe 1983 讨论了固定贸易日的影响。贸易日影响和季节影响一样使得比较各月的序列值变得困难，而且不利于研究序列间的相互影响。由于这个原因，当贸易日影响的估计在统计上显著时，通常在季节调整之前先把贸易日的影响从序列中剔除。在调整的内容中，形成了又一个分解要素：贸易日要素 D。 在X12季节调整中，假设贸易日影响要素包含在不规则要素中，即不规则要素的形式是 ID，假设已从原序列 Y 中分解出 ID。然后用回归分析求出星期一，星期二，……，星期日的相应权重，从而可以将 ID 分解为真正的不规则要素 I 和贸易日要素 D。 * 美国的圣诞节、复活节及感恩节等节假日对经济时间序列也会产生影响。例如，圣诞节的影响可以增加当周或前一周商品的零售额，或者是降低特定工厂在圣诞节前几天的产量。在X12方法中，贸易日和节假日影响可以从不规则要素中同时估计得到。在X12方法中，可以对不规则要素建立ARIMAX模型，包括贸易日和节假日影响的回归变量，而且还可以指明奇异值的影响，并在估计其他回归影响的同时消除它们。注意EViews中的节假日调整只针对美国，不能应用于其他国家。 （2）节假日影响的调整 * 可以在进行季节调整和利用ARIMA模型得到用于季节调整的向前/向后预测值之前，先去掉确定性的影响（例如节假日和贸易日影响）。首先要选择: （Ajustment Option）是否进行这项调整？，确定在那一个步骤里调整：在ARIMA步骤，还是X-11步骤？ 贸易日和节假日影响操作 * · Trading Day Effects消除贸易日影响有2种选择，依赖于序列是流量序列还是存量序列（诸如存货）。对于流量序列还有2种选择，是对周工作日影响进行调整还是对仅对周日-周末影响进行调整。存量序列仅对月度序列进行调整，需给出被观测序列的月天数。 · Holiday effects 仅对流量序列做节假日调整。对每一个节日，必须提供一个数，是到这个节日之前影响的持续天数。 Easter 复活节 Labor 美国、加拿大的劳工节，九月第一个星期一 Thanksgiving 感恩节（在美国为11月第4个星期4；加拿大为10月第2个星期1） Christmas 圣诞节 注意这些节日只针对美国，不能应用于其他国家。 * 3 移动平均方法 X-11法与移动平均法的最大不同是：X-11法中季节因子年与年有可能不同，而在移动平均法中，季节因子被假设为是一样的。 * TRAMO Time Series Regression with ARIMA Noise, Missing Observation, and Outliers 用来估计和预测具有缺失观测值、非平稳ARIMA误差及外部影响的回归模型。它能够对原序列进行插值，识别和修正几种不同类型的异常值，并对工作日变化及复活节等特殊回归因素及假定为ARIMA过程的误差项的参数进行估计。 SEATS Signal Extraction in ARI