时间序列季节调整方法在中国的发展：PBC版X-12-ARIMA

中国人民银行(PBC)版X-12-ARIMA软件是基于中国特点而定制的时间序列季节调整软件。通过总结时间序列季节调整方法的特点以及相应软件在国外的发展,针对我国应用的特点,尤其是春节因素的考虑,在解剖X-12-ARIMA方法原理的基础上,在春节因素计算方法、软件应用界面以及用户使用帮助等3个主要方面加以改进,具有数据导入、调整设置文件、运行方式以及结果输出4方面的特色。

时间序列季节调整方法在气象要素预测中的应用分析

采用时间序列方法,对临汾市气象要素时间序列进行了季节调整,结果表明该方法不仅对要素表现出不同的特征,对地域也有区别;通过与线性回归比较,发现该方法也能达到较好的精度,但在实际应用中要结合专业知识,根据使用目的与具体情况考虑是否使用。

国民经济数据的季节性影响与调整

本文首先探讨了国民经济数据的季节性影响,指出季节调整后的序列所具有的优点,然后分析了国际上流行的几种季节调整方法,并在此基础上,指出我国一方面要进行季节调整方法的研究,另一方面也要开展国民经济数据的季节调整。

备受青睐的GDP季节调整

为反映GDP等经济指标的基本趋势,国际上通常的做法是对季度或月度相关原始数据进行季节调整。了解和掌握国际上通用的GDP季节调整方法,对于研究和制定适合我国国情的季度GDP季节调整方法具有重要意义。

武汉地区房地产价格的季节性变动

本文通过对武汉地区房地产价格的季节性因素动态变化性分析,发现并度量了经济政策和季节性因素对房地产价格的影响,建立了相关的评价模型,并用模型检验价格走势的季节性因素动态变化性以及政策因素对房地产价格的影响力度,在此基础上我们运用最新的X12季节性调整方法对武汉地区房地产价格的季节性因素进行分析,并建立了X12季节性调整组合模型。

对GDP进行季节调整的方法

为反映GDP等经济指标的基本趋势，国际上通常的做法是对季度或月度相关原始数据进行季节调整。而在我国．迄今为止尚未公布包括季度ODP在内的经季节调整的经济指标数据，这不仅不利于对我国宏观经济运行监测，也无法满足国际比较的需要。为此，了解和掌握国际上通用的GDP季节调整方法，对于研究和制定适合我国国情的季度GDP季节调整方法具有重要意义。

基于时间序列分析法的医院月门诊量预测模型

目的 分析影响医院月门诊量的主要因素,提高医院月门诊量预测工作准确性,提高科学预见性. 方法 采用X-11季节调整方法、引入虚拟变量拟合趋势直线方程,剔除趋势后建立ARIMA模型,预测医院的各月门诊量,并与月门诊量时间序列直接建立的ARIMA模型进行比较. 结果 趋势模型3个参数的拟合系数均很显著,以残差序列所建立的ARIMA模型的参数也均是显著的. 结论 剔除季节因素和趋势因素建立的ARIMA模型,对时间序列进行拟合的结果远远优于直接对月门诊量建立的ARIMA模型的拟合结果.ARIMA模型更适合于做短期预测,对剔除季节因素和趋势因素的平稳时间序列以ARMA模型拟合后,再合成季节因素和趋势因素的模型所做的中长期预测精度高.

山东省物价波动的实证分析

本文用X-12-ARIMA季节调整方法对山东省物价指数序列进行季节调整，并用TPAMO／SEATS模型剔除了山东省CPI的春节效应，然后用Auto-Regressive模型对山东省物价指数进行拟合、预测，分析山东省物价波动规律。

近邻景区客流季节性比较及其动态关联研究——以西递、宏村、黄山为例

季节性是旅游明显而又重要的特征,要实现旅游业的高效管理,对于旅游季节性的充分理解是必不可少的。本研究以同一旅游目的地区域内的近邻景区为案例(西递、宏村和黄山),利用"十一五"期间的连续月度数据,采用季节调整方法对近邻景区客流的季节性进行分析和比较,在此基础上,运用协动性分析方法,进行近邻景区客流季节性和非季节性因素的动态关联分析,借助动态关联分析结果,探究景区客流季节性的形成根源,反映近邻景区相互作用等非季节性因素在季节性上的表现。研究表明,结合景区间相互作用等非季节性因素进行景区客流季节性研究,有利于全面认识和理解景区客流的季节性,从而增强景区管理的针对性和实效性。

基于STL-ADABOOST-ESN组合模型在全国HIV月发病数预测中的应用

目的根据全国人类免疫缺陷病毒(human immunodeficiency virus,HIV)月发病数的情况,采用基于Loess季节趋势分解方法(seasonal-trend decomposition procedures based on loess,STL)和自适应提升(adaptive boosting,AdaBoost)框架下的回声状态网络(echo state network,ESN),构建HIV月发病数模型,并预测2017年全国HIV月发病数。方法从中国疾病预防控制中心官网收集2013年1月-2016年12月全国HIV月发病数,通过STL将月发病数序列分解为季节和非季节序列,对两部分分别采用简单的季节估计方法和ADABOOST-ESN进行建模,最后将它们的输出值进行加和,得到HIV月发病数的预测值。结果本文以均方根误差(root mean squared error,RMSE)和平均绝对百分比误差(mean absolute percentage error,MAPE)作为模型性能的评价指标,得到STL-ADABOOST-ESN的建模性能RMSE和MAPE分别为164.083和1.842%,预测性能RMSE和MAPE分别为359.404和3.776%,其预测精度高于乘积季节模型(seasonal autoregressive integrated moving average,SARIMA)、ESN、ADABOOST-ESN和STL-ESN等模型。采用本文提出的方法得出2017年1-12月全国HIV发病数预测值为5654~8497人。结论本研究提出的STL-ADABOOST-ESN模型预测准确度较高,预测2017年全国HIV年发病数将达到92040人,相比于2016年增长了4.87%,因此有必要在全国实施更为严格的HIV预防控制工作。