季节调整方法发展变迁及新趋势.docVIP

季节调整方法发展变迁及新趋势 　　所谓季节调整，就是一个从时间序列中估计和剔除季节影响的过程，目的是更好地揭示季度或月度序列的特征或基本趋势。 　　一、引言 　　众所周知，当经济时间序列具有较强的季节影响时，不仅会掩盖其基本的、真实的客观规律，也会混淆经济发展中的非季节特征，给深入研究和解释经济现象及规律造成困难，甚至会误导决策者作出错误的决策。为了在宏观经济预警监测中，正确反映经济发展的基本趋势，测定经济周期的转折点，及时提供经济预警信息，就需要对反映经济现象的众多的经济时间序列进行季节调整。1905年，Yule提出4种影响经济时间序列的不可观测成分---趋势、周期、季节和不规则成分。1919年，Persons明确提出将这4个不可观测的成分构建成有机联系的模型，为经济时间序列的分解和季节调整模型的建立奠定了基础。季节调整的实质就是要把原始月度或季度时间序列(也称子年度数据)中隐含的受自然因素影响或社会历史因素影响的季节性因素加以剔除，即通过数学建模的方法，将时间序列分解为4种成分，把原始时间序列中隐含的季节性因素提取出来并予以剔除。通过季节调整，消除序列中的季节性影响，显现趋势和周期规律，使数据具有可比性;还能进行年化率测算，提高经济分析价值;也可以利用变化规律对时间序列的发展趋势进行预测和控制;最为重要的是，经过季节调整后的数据可以反映经济发展的瞬间变化。从宏观分析的角度看，通过季节调整，能够从经济总量中剔除季节影响，更清晰地揭示趋势和循环变动规律;从微观分析的角度看，季节调整的主要用途是通过对季节变化进行估计来制定生产计划和控制存货[1],可见，无论是在理论研究还是实践应用领域，季节调整都具有重大意义。 　　各国政府统计部门越来越重视对季节调整方法的理论与应用进行完善和创新研究，特别是近十几年来，为了及时监控重要的经济、金融指标，预测并掌握经济发展的基本趋势和经济周期的转折点，各国政府统计部门和金融机构加强了对季节调整的研究。目前，国际上主流的季节调整方法是美国普查局开发的X-12-ARIMA和西班牙银行开发、欧盟统计中心升级完善的TRAMO-SEATS.相比之下，我国普遍对季节调整的意义认识上存在不足，相关研究起步较晚，发展进程缓慢，理论研究和实践应用都缺乏系统性、组织性和专业性，加之可供季节调整的基础数据资料有限，导致我国的季节调整发展远落后于发达国家。因此，本文的研究旨在通过梳理季节调整方法的历史演变过程和深入分析当前季节调整发展新趋势，找出我国季节调整理论研究和实践应用方面存在的差距，提出我国开展季节调整的建议。 　　二、季节调整方法的历史演变 　　(一)传统季节调整方法回顾 　　时间序列成分分解的研究最早可以追溯到17世纪，直到1919年美国经济学家Persons确切地提出将时间序列分解为趋势成分、周期成分、季节成分及不规则成分，并在此基础上建模分析(Persons假定的季节分解模型为乘法模型),季节调整的思想才开始得到广泛传播。1931年，美国经济学家Frederick.R.Macaulay首先系统介绍了以移动平均法(MovingAverageMethod)为核心的全面的季节调整方法，该方法被学术界称为“经典时间序列分解”(ClassicalDecomposition)法，许多现代季节调整方法包括X-11-ARIMA都是在它的基础上发展起来的。 　　19世纪50年代早期，季节调整的发展主要体现在两大方面：其一是指数平滑技术的引进大大简化了在季节调整之前需进行的大量繁复的计算;其二是计算机的出现，大大节省了时间序列分解计算的时间，使得学者们可以开发更为精确、复杂的季节调整方法[2] 　　.20世纪80年代前，国际上广泛应用的X-11方法都是基于传统的经验平滑法。1954年，美国普查局在以往理论研究的基础上，将计算机用于季节调整，开发了被称之为“普查局I”(CensusImethod)的季节调整程序;1955年，美国普查局的Shiskin经过多次修正，开发了“普查局II”(CensusIImethod);此后，季节调整方法不断改进、迅速发展，1965年发展为X-11方法;此后很长一段时间，X-11方法都是国际上通用的季节调整标准方法。 　　X-11能得到广泛应用的原因在于：①能够估计、平滑和推断序列的趋势、季节成分;②具备处理不规则“极端”值的能力;③能够用精炼的非对称移动平均法处理时间序列终端附近的序列;④通过回归技术估计交易日季节影响;⑤同时提供了加法和乘法模型，用户可以根据具体需要进行自行选择，还可以自行定义移动平均模型[3].同时，X-11还提供了在各种移动平均方法及构成因素之间进行选择的方法和各种诊断。 　　然而，成熟的X-11方法依然存在不少缺陷：①统计理论支撑不足，本质上属于经验法则;②以移动平均为