春节模型的设计与应用

季节调整是经济数据预处理中非常重要的一个步骤。现有的主流季节调整方法 X-12-ARIMA和TRAMO/SEATS中都包含节假日因素的调整。由于不同的国家节假日一般不同,因此各国在进行经济数据的季节调整时,都需要结合本国的假日对季节调整方法进行修正。春节是中国最为重要而且持续时间最长的节日,具体日期可以出现在1月也可以在2月。本文基于X-12-ARIMA方法,同时考虑春节对经济指标的正负性影响效应、春节影响的变化速率以及春节效应的时长三个因素,设计了12个不同类型的春节模型。本文应用Eviews软件和Demetra软件,采集不同的经济指标,对所设计的春节模型进行了应用研究,并根据异常值改善标准,对最佳的春节模型进行了选择与比较分析。

春节模型的效应期识别方法研究

春节模型的参数设定目前更多依赖于研究者的主观判断.为解决这一问题,本文首先介绍了春节因素调整的一般过程以及模型设定和检验的相关细节.在此基础上,提出一种基于"循环遍历"方式和序贯检验方法来自动选择春节模型的最优参数组合的新思路.并以社会消费品零售总额月度序列的春节模型的最优效应期长度识别为例,检验该方法的可行性和有效性.实证结果显示,基于季节峰值、离群值点、Q统计量、AICC值和BIC值等统计量的序贯检验能够有效识别出春节模型的最优效应期长度,进而改善春节模型的季节调整性能.

基于季节调整的中国沿海港口吞吐量环比指数

为弥补港口吞吐量同比指数的不足,采用季节调整方法对我国沿海港口吞吐量环比指数进行研究.在分析沿海港口吞吐量季节性特征基础上,利用X-12-ARIMA程序进行季节调整.针对我国的实际情况,引入春节模型对季节调整程序进行改进,消除春节效应的影响,并将季节调整后吞吐量环比增长率与原序列同比增长率进行比较.结果表明,季节调整后的吞吐量环比指数领先同比指数,能够准确反映水运经济的变化趋势,及时发现水运运行中的转折点,为我国水运运行预警与政府决策提供参考依据.