季节调整的基本原理.ppt

X-11-ARIMA季节调整 X-11-ARIMA（1975年，加拿大统计局） 在X-11的基础上引进了随机建模的思想，在季节调整之前，首先通过建立ARIMA模型对序列进行向前的预测和向后的补充。 什么是ARIMA？ AR模型、MA模型、ARMA模型 AR模型、MA模型 AR自回归过程 P阶自回归过程 MA移动平均过程 Q阶移动平均过程 ARMA模型、ARIMA模型 ARMA（p,q） 如果有d个单位根，经过d次差分后可以变换为一个平稳的自回归移动平均过程，那么就有了ARIMA过程 X-11-ARIMA季节调整 ARIMA建模的基本思想 将随时间推移而形成的数据序列视为一个随机序列。以时间序列的自相关分析为基础，用一定的数学模型来近似描述这个序列。这个模型一旦被识别后就可以从时间序列的过去值及现在值来预测未来值。 X-11-ARIMA季节调整 ARIMA建模的基本步骤 根据时间序列的散点图、自相关函数和偏自相关函数图以ADF单位根检验其方差、趋势及其季节性变化规律和平稳性。? 如果数据序列是非平稳的，并存在一定的增长或下降趋势，则需要对数据进行差分处理，如果数据存在异方差，则需对数据进行技术处理，直到处理后的数据的自相关函数值和偏相关函数值无显著地异于零。 根据时间序列模型的识别规则，建立相应的模型。? 进行参数估计，检验是否具有统计意义。（t检验） 全部特征根的倒数必须在单位圆内。 进行假设检验，诊断残差是否为白噪声。（Q检验） 利用已通过检验的模型进行向前向后的预测、补全。 X-11-ARIMA季节调整 一种特殊的ARIMA模型 这里P、D、Q表式季节性阶数，p、d、q表式非季节性阶数 X-11-ARIMA中的ARIMA模型选项 (0,1,1)(0,1,1) (0,1,2)(0,1,1) (2,1,0)(0,1,1) (0,2,2)(0,1,1) (2,1,2)(0,1,1) X-12-ARIMA季节调整 X-12-ARIMA（1998年，美国普查局） 增加了RegARIMA建模子程序，子程序可提供向前、向后的预测和估计补全，并在调用季节调整程序前，对各种影响因素做预调整。 X-12-ARIMA季节调整 RegARIMA的建模原理 通过线性回归构造时变均值函数 代入一般的SARIMA模型，得 原始序列中减去回归效应，得到的残差是零均值序列，对残差差分后得到一个平稳序列。 另一种形式为： RegARIMA的回归变量 中，主要包括了各种异常值以及日历相关的影响因素等。在传统的X-11方法中，这些成分的估计是在季节调整的过程中完成的。X-12-ARIMA将这些功能集中到了新增的RegARIMA模块中，同时在X-11模块中仍保留这些功能。 X-11-ARIMA季节调整 Q统计量和M1-M11诊断（值域[0,3],接受域[0,1]） M1：以3个月为跨度的不规则因素的相对贡献 M2：不规则因素对调整平稳的原始序列方差的贡献率 M3：关于Henderson移动平均的I/C比率 M4：以趋势的平均持续时间描述的不规则成分的自相关量 M5：MCD（趋势循环成分的变差超过不规则成分所需的月份数） M6：总的I/S季节移动性比率 M7：稳定季节性相对于移动季节性的贡献 M8：整个序列中季节成分逐月变化的度量 M9：整个序列中集结成分的平均线性移动 M10：近几年的季节成分逐月变化的度量 M11：近几年的季节成分的平均线性移动 X-11-ARIMA季节调整 TRAMO-SEATS季节调整 TRAMO-SEATS简介 （1）使用TRAMO模块自动识别一个ARIMA模型 （2）同时自动识别异常值（如果必要，计算其他回归变量，如交易日和移动假日） （3）TRAMO将线性化序列传递给SEATS，SEAT模块通过信号提取，完成季节调整 谢谢 季节调整的基本原理 柳 楠 2010年3月 四川 要点 为什么要进行季节调整 季节调整的基本概念 季节调整的基本方法 X-11、X-11-ARIMA、X-12-ARIMA TRAMO-SEATS 为什么要进行季节调整 由于不同的季节对经济活动的影响程度不同，使得同样的经济活动在不同季节的数据是不可比的。为了消除季节带来的这些不可比因素，需要进行季节调整。 一、基本概念 季节调整的基本定义： 季节调整是一个数学过程，通过这个过程，将循环的非经济因素的影响从一个经济的时间序列中剔除出去 一、基本概念 经济时间序列通常受多种因素的影响。一般而言，可以按照以下模型分解： 其中， 是经济时间序列， 是趋势项， 是季节项，