第02章经济时间序列的季节调整、分解和平滑方法（2015).ppt

* 例2.6 利用BP滤波对经济时间序列进行趋势、循环分解 中国社会消费品零售总额月度时间序列（SL）的取值范围从1980年1月至2007年12月。取对数后的序列记为lnsl。由于带通（BP）滤波的两端各欠n项，为了近期的分解结果没有缺失值，本例利用ARIMA模型将序列lnsl外推到2009年6月。然后对lnsl进行季节调整去掉季节和不规则要素，得到只包含趋势循环要素的序列lnsl_TC。根据增长率周期波动分析，我国社会消费品零售总额的增长率大约存在1.5年～5年之间的波动。 取p = 18 (?p = 1/18)，q = 60 (?q = 1/60)，利用式(2.3.29) 带通滤波方法希望得到只保留1.5年～5年周期成分的滤波序列。而取n =18的BPn(p，q) 滤波中2年～3.5年周期成分的权重最大，可以近似地作为中国社会消费品零售总额对数的循环要素序列lnsl_C，同时利用时间序列分解的加法模型从lnsl_TC中减去lnsl_C，可得到趋势要素序列lnsl_T。 * 图2.14 红线表示BP(p,q)滤波频率响应函数 蓝线表示带通滤波的频率响应函数 * 图2.15 蓝线表示lnSL的原序列 红线表示趋势要素序列lnSL_T 由于BP滤波两端各损失18个月的数据，所以循环要素序列lnsl_C（图2.14）和趋势要素序列lnsl_T（图2.15）的数据序列长度为1982年1月～2007年12月。 * 图2.16 循环要素序列lnSL_C * 分别对lnsl_C和lnsl_T序列取指数，可得到社会消费品零售总额序列SL的循环要素SL_C和趋势要素SL_T（乘法模型）。 * 图2.17 红线表示HP滤波得到的趋势要素序列 蓝线表示BP滤波得到的趋势要素序列 * 图2.18 红线表示HP滤波得到的循环要素序列 蓝线表示BP滤波得到的循环要素序列 谢 谢！ 放映结束 感谢各位观看！ 让我们共同进步 * 使用Hodrick-Prescott滤波来平滑序列，选择Procs/ Hodrick Prescott Filter出现下面的HP滤波对话框： 首先对平滑后的序列给一个名字，EViews将默认一个名字，也可填入一个新的名字。然后给定平滑参数的值，年度数据取100，季度和月度数据分别取1600和14400。不允许填入非整数的数据。点击OK后，EViews与原序列一起显示处理后的序列。注意只有包括在当前工作文件样本区间内的数据才被处理，平滑后序列区间外的数据都为NA。 * 图2.6 蓝线表示社会消费品零售总额TC序列、 红线表示趋势T序列 、绿线表示循环C序列 例2.3 利用HP滤波方法求经济时间序列的趋势项T 先做季节调整得到趋势-循环要素序列，记为TC，然后利用HP滤波方法求中国社会消费品零售总额月度时间序列趋势项(1990:1—2007:6) * 图2.7 蓝线表示社会消费品零售总额、 红线表示趋势T序列 * 首先对季度GDP做季节调整，然后对得到的趋势-循环序列GDP.TC序列利用HP滤波方法求中国GDP季度时间序列的趋势项(1997:1—2007:4)。 图2.8 蓝线表示GDP序列、 红线表示趋势T序列、 绿线表示循环 C 序列 * 图2.9 蓝线表示GDP序列、 红线表示趋势T序列 * 例2.4 利用HP滤波方法求潜在产出和产出缺口 设{Yt}为我国的季度GDP指标(1997年1季度～2007年4季度)，利用季节调整方法将GDP中的季节因素和不规则因素去掉，得到GDP_TC序列。本例的潜在产出Y*，即趋势利用HP滤波计算出来的{YtT}来代替，GDP的循环要素{YtＣ}序列由式(2.3.6)计算： 　　　　　　　　　　　　　　　　　　　　　　　　　(2.3.6) 图2.6 蓝线表示 GDP_TC 、 　　 红线表示趋势序列GDP_T 　　图2.7 　GDP的循环要素 序列 * 图2.7显示的GDP的循环要素{YtC}序列实际上就是围绕趋势线上下的波动，称为GDP缺口序列。它是一个