基于Census X12-HP模型的国内咖啡行情分析及展望

近10年来中国咖啡消费迅速崛起,而国内咖啡行业却出现“低卖高买”的供需矛盾。文章以中国咖啡产区交易价格(云南咖啡单品价格)为研究对象,采用Census X12-HP滤波法模型对我国咖啡价格波动进行分解,研究我国咖啡市场行情,并针对咖啡产业波动特征为我国咖啡产业健康发展提出相关建议。在当前国际咖啡巨头争夺中国消费市场的竞争中,我国咖啡行业要从供应端提高国内咖啡的竞争力,致力于促进咖啡产业的国内循环,构建中国咖啡产业国内消费-供给循环体系。

基于Census X12模型的鸡蛋价格年内波动规律分析

本文利用Census X12季节调整法,以2008年1月—2021年12月的鸡蛋价格为研究对象,从季节调整后的数据中分离出季节要素序列和不规则序列,分析鸡蛋年内价格波动规律。结果表明,冬春季节波动小,夏秋季节波动大。每年的2—4月鸡蛋价格季节因子值大幅下降,5月开始上升,9—10月上升幅度最大,鸡蛋价格一般在此时保持最高位。11月开始下降,12月到次年1月又进入缓慢上升阶段。价格出现异常波动,绝大多数情况下伴有家禽的重大传染性疾病传播。

基于Census X12和HP滤波法的台湾地区杏鲍菇价格波动解析

【目的/意义】杏鲍菇是台湾交易量最高的食用菌种类,然而学界多仅研究其培育技术,忽略了其在食用菌市场具有的行业指标性意义,文章致力于补足台湾食用菌价格的研究缺失,以完善台湾食用菌市场的行业性指标。【方法/过程】根据台湾“行政院农产品批发市场交易行情站”公布的杏鲍菇月均价格统计数据,通过Census X12季节调整法和HP滤波法研究杏鲍菇价格从2003年1月到2019年8月的变化情况。【结果/结论】总体而言,杏鲍菇价格渐趋平稳。其中,趋势分量历经“两升两降”,目前处于下行阶段;周期分量波幅和周期长度均缩小,仅最后一个周期又逐渐增大。进而提出可以通过革新技术、健全产业链和提升品牌价值等相关对策,促进台湾地区该行业的持续发展。

基于Census X12模型的中国玉米年内价格波动规律分析(2004—2021)

作为三大粮食之一,玉米在我国农产品市场中占据重要地位。玉米通常被用作畜禽饲料,同时也被用作工业原料以满足人们对于工业产品的需求,其价格的波动程度和变动趋势也受到各个行业的广泛关注。基于Census X12季节调整法对2004—2021年周期内的玉米价格波动规律进行研究和波动原因进行总结并发现,季节要素序列、不规则要素序列等因素影响了玉米价格波动,在对以上因素的影响进行分析转换后,得出玉米价格波动幅度有逐年缩小趋势,并且国家政策、经济环境和玉米替代品的需求量的变化是影响玉米价格的主要因素。减小玉米价格波动的关键在于,应在继续健全和完善玉米市场可持续发展的生产补贴政策和健全粮食价格市场形成机制的基础上,继续保持玉米种植结构和替代品供应的稳定性。

中国棉花价格波动规律研究——基于X12和H-P滤波法的实证分析

以2002年9月-2020年6月间214个月度中国棉花价格数据为基础,运用X12季节调整法、H-P滤波法及比重法对中国棉花价格波动规律进行了研究.结果表明,中国棉花价格波动的主导因素是趋势因素,其次是周期性因素,季节因素和不规则因素对棉花价格波动的影响极小;2014年后季节性因素波动显著减弱;趋势因素总体上呈现倒"V"字型的特征;中国棉花价格波动的平均周期为36.2个月;趋势因素、周期因素、季节因素、不规则因素对中国棉花价格波动的平均贡献率分别为101.6581%、1.6872%、0.0067%、0.0067%.最后,依据研究结论提出了降低棉花价格波动风险的政策启示.

福建省豆粕价格波动规律及调控对策研究

本文章利用了CensusX12季节调整法和H-P滤波分析法,研究了2000年1月至2019年4月中国福建省豆粕每月的平均价格,根据数据从中分离出研究对象的不同角度的变动并从总体上分析波动情况,获得波动规律。经研究表明:在2000 年1月至2019年4月之间,福建省豆粕价格不断波动,且每48个月左右出现一次周期性涨跌变化。

手足口病发病预测4种时间序列预测模型比较

目的比较季节性差分自回归移动平均模型(SARIMA)、温特线性与季节指数平滑模型、Census X12季节分解模型和线性组合预测模型4种时间序列预测模型对手足口病发病的预测性能,为手足口病的预测提供方法支撑。方法收集中国疾病预防控制中心2008年1月—2019年12月发布的中国手足口病月度发病人数和《中国统计年鉴—2020》发布的年末常住人口数据,据此测算出2008年1月—2019年12月中国手足口病的月度发病率数据;以2008年1月—2018年12月中国手足口病月度发病率数据作为样本建模数据分别构建SARIMA模型、温特线性与季节指数平滑模型、Census X12季节分解模型和线性组合预测模型,以2019年1—12月中国手足口病月度发病率数据作为样本外评估预测数据评价4个模型的预测效果。结果SARIMA模型、温特线性与季节指数平滑模型、Census X12季节分解模型和线性组合预测模型的平均绝对误差(MAD)分别为10.311、14.433、8.424和9.334,预测误差的方差(MSE)分别为30.757、112.847、12.007和18.847,平均相对误差的绝对值(MAPE)分别为1.725%、2.415%、1.409%和1.562%;拟合效果最好的时间序列预测模型为Census X12季节分解模型,其次为线性组合预测模型,再次为SARIMA模型,温特线性与季节指数平滑模型的拟合效果最差。结论Census X12季节分解模型能较好地预测全国手足口病的发病情况,可为今后手足口病的预防控制工作提供决策性依据。