Seasonal Adjustment of China’s Monthly Data to Take into Account the Effect of Mobile Holidays

Based on the X-13-ARIMA-SEATS model, aiming at the problem of mobile holidays in China’s economic data, this paper introduces a new method of seasonal adjustment based on the AICC criterion to objectively select the parameters of dummy variables of mobile holidays. Taking the current total value of China’s import and export as an example, we expound a new method for seasonal adjustment of mobile holidays such as Spring Festival, Dragon Boat Festival and Mid-Autumn Festival. Finally, the model is used to predict the total value of China’s import and export in and out of the sample. The prediction results show that the relative error of the out of sample data is less than 5%. The new method has advantages in the processing of macroeconomic data.

基于X-12-ARIMA模型的山东省进出口贸易额研究

外贸平稳健康发展对经济高质量增长起到重要的支撑作用。为充分研究山东省外贸运行特征,采用X-12-ARIMA模型对山东省2014年1月至2023年11月的外贸进出口数据进行季节调整分析。结果表明:山东省进出口贸易额受固定季节、移动假日(如春节)等效应的影响显著,其中春节节后效应最大,序列经季节调整后更加平滑,能较好地反映进出口贸易额的基本走势。

基于X-12-ARIMA模型的中国粮食消费价格运行

粮食价格与人们的实际生活成本和收入水平息息相关,甚至影响整个国民经济的发展。文章用X-12-AR IMA季节调整模型对中国1997年1月至2009年12月的粮食消费价格月度定基指数进行分解,并得到趋势循环、季节和不规则因素;通过所得异常值和趋势对我国粮食价格发展阶段进行科学划分;通过分解后的季节因素分析其季节特征,并探究它们的深层成因。结果表明:模型具有非常好的分解效果;粮价有明显的趋势和季节运行特征;粮食价格波动成因很好地解释其运行特征。文章为把握我国粮食价格运行、制定相关政策提供科学依据。

CPI的SARIMA模型与X-12季节调整模型对比预测分析

基于SARIMA模型及X-12-ARIMA模型对我国1995年1月至2014年6月的居民消费价格指数月度数据进行预测分析。利用Eviews 6.0对CPI数据的变化趋势及季节性进行验证,结果表明X-12季节调整模型相对于SARIMA模型更有效,预测值与实际值的估计误差控制较好。

基于改进X-12-ARIMA的电煤需求预测模型与实证研究

考虑中国春节、端午、中秋等移动假日效应,对美国人口普查局开发的X-12-ARIMA模型进行了改进和实证分析。结果表明,中国电煤消费量具有显著的季节性特征,每年11—12月为消费最高峰,7—8月为消费小高峰;基于改进X-12-ARIMA模型对2013年1、2和3月份的电煤需求预测精度分别为96.6%、95.1%和93.7%,具有较好的短期预测能力。

基于X-12-ARIMA和AR-GARCH模型的房价波动研究

以SAS软件为工具,以2007年1月至2015年6月北京市新建住宅价格指数序列为样本,构建时间序列模型进行实证研究.结果表明,基于X-12-ARIMA模型和AR（2）-GARCH（1,1）模型的复合模型是拟合房价的最优模型.房价序列存在明显的季节特征和典型的波动聚集性,X-12季节调整方法和异方差模型显著有效,拟合相对误差不超过0.4%.对房价的短期预测表明,近期内房价仍保持3%~5%的增长态势,且外部因素对房价的影响程度远远大于房价自身的波动冲击力.

基于X-12-ARIMA的全社会固定资产投资预测

全社会固定资产投资完成额作为经济社会中的一项重要指标,深刻反映了固定资产投资规模、结构和发展速度,是观察工程进度和考核经济效益的重要依据。本文运用X-12-ARIMA季节调整模型对固定资产投资完成额月度序列数据进行分析,检测异常值及日历效应,根据X-11经典算法求出调整后序列的季节因子,趋势项以及不规则变动项。最后,对固定资产投资完成额进行预测,结合固定资产投资与经济增长的关系,预测经济的发展态势,并提出相关的决策建议以促进经济增长。

X-12-SARIMA模型对我国通货膨胀率的短期预测

选取2000年以后的我国通货膨胀率月度环比数据,采用Census X-12季节调整方法对环比数据进行季节滤波处理,对季节波动因子作图表明通货膨胀率序列确实存在明显的季节效应。对季节波动进一步分析,建立SARIMA模型并对其估计的残差进行检验,残差检验结果表明SARIMA(1,0,1)(2,1,1)12模型的残差服从正态分布,残差信息已充分提取,可运用该模型对我国通货膨胀率进行短期预测。

基于SARIMA模型和X-12-ARIMA季节调整方法预测的比较

文章基于贵州省1998—2015年固定资产投资季度数据,分别采用SARIMA模型和X-12-ARIMA季节调整方法对贵州省2016年固定资产投资季度数据进行预测,将预测值与实际值进行比较,依据相对误差率,结果表明,基于X-12-ARIMA季节调整方法的预测值比基于SARIMA模型的预测值更加精确合理。

基于X-12和H-P滤波模型的猪肉价格波动规律研究--以四川省为例

猪肉作为重要的农产品之一,其价格波动备受关注。采用X12模型和H-P滤波方法,选取2008年5月—2017年12月四川省猪肉价格的月度数据,将其波动分解为季节性、不规则波动、趋势性和周期性4种类型。结果表明:四川省生猪生产、消费的季节性规律是猪肉价格季节性波动的主要原因;天气变化、市场突发事件、政府政策措施实施等因素是猪肉价格不规则性波动的主要影响因素;生猪生产成本上升推动猪肉价格趋势性上涨;猪肉价格有明显的周期性波动特征,波动周期约为32个月。对此,需扎实推进猪肉生产各环节稳定发展、健全猪肉全产业链信息监测预警机制、完善生猪价格保险制度,确保养殖户收益稳定增长和市场供需基本平衡,促进市场平稳运行。

基于X-12-ARIMA方法的风电场局地风速季节性分析

本文用X-12-ARIMA方法对某一风电场的实际风速时间序列进行了季节调整分析;将其月度平均风速序列分离出趋势因子序列、季节序列、不规则序列。结果表明,该风电场的风速序列受季节因素影响显著,通过X-12-ARIMA方法可以准确量化风电场风速序列的季节性波动。

如何对中国CPI进行季节调整——基于X-12-ARIMA方法的改进

本文基于X-12-ARIMA方法,针对中国CPI存在的类似春节等移动假日效应调整问题,得到改进的X-12-ARIMA-BHG和X-12-ARIMA-LZ方法,利用改进的方法进行季节调整可更加准确地反映中国CPI的基本发展趋势。同时利用改进的方法对2010年12月至2011年6月份的中国CPI进行预测,得到了具有指导意义的预测结果。

中国畜产品价格的实证分析——基于季节调整模型与两阶段协方差方法

本文以2001年1月—2014年5月的畜产品价格为研究对象,利用X-12-ARIMA季节调整模型分析影响畜产品价格波动的相关因素,并利用协方差计算季节性影响、长期周期性影响、不规则影响对畜产品价格波动的贡献程度,进一步利用两阶段协方差纵向对比分析各影响因素贡献度的变化,最后发现长期驱动因素和季节性因素是中国畜产品价格波动的主要因素;从纵向对比来说,鸡蛋、鸡肉、猪肉价格的不规则影响因素的影响作用在减弱,鸡肉、猪肉价格的季节性影响因素的作用在减弱。

基于ARIMA模型的春节因素调整方法研究

目的研究基于ARIMA模型的春节因素调整方法。方法构建通用的春节因素变量,将其作为回归变量纳入季节性ARIMA回归模型(regARIMA或TRAMO),采用AIC或BIC对模型的效果进行判断,确定最优模型。采用广义最小二乘法或最大似然法进行参数估计,并根据估计出的回归系数计算春节因素的影响程度。通过实例分析对上述方法进行实证。结果实例分析表明,引入春节因素变量后的季节调整方法能有效地消除春节因素对时间序列的影响,并能定量分析春节因素的影响程度。结论构建的春节因素变量具有较好的适用性,基于ARIMA模型的春节因素调整方法能有效地运用于时间序列的季节调整,为分析春节因素的影响提供了一种新的方法。

基于春节因素的中国铁路月度客运量季节调整模型研究

春节是我国移动假日之一,对运输、经济和旅游影响显著,特别是对铁路客运量影响巨大。使用移动假日效应和Genhol程序思想,改进前人"移动假日对客运量的影响是均匀变化"的认识,设计移动假日对客运量影响是μ型双峰变化过程,基于X-12-ARIMA模型,建立适合中国铁路客运量的三时段春节季节调整模型。结果显示:春节效应显著,节前、节中和节后影响程度不同。模型调整曲线光滑程度高,调整质量Q统计量值为0.340。运用该模型对2012年月度客运量估算分析,相对误差为4.2%。

季节调整后的蔬菜价格波动——兼论货币供应量的影响

利用X-12-ARIMA季节调整模型及ARCH类模型分析大宗蔬菜白菜、黄瓜、西红柿、菜椒和四季豆价格的季节性波动特点和短期变动特征,并探寻货币供应量对蔬菜价格长期趋势的影响。结果表明:蔬菜价格季节性波动特征明显,但波幅有缩小的趋势;蔬菜价格的趋势变动与货币供应量紧密联系,当流通中的货币量增加1万亿元时,白菜、黄瓜、西红柿、菜椒和四季豆每公斤分别上涨0.43元、0.76元、0.83元、1元和1.2元左右;白菜、黄瓜、菜椒和四季豆的价格具有明显的波动集簇性,白菜和黄瓜价格的外部冲击的影响会持续到下一期,菜椒和四季豆价格过去外部冲击和波动影响会比较持久;四种蔬菜均没有显现出显著的风险报酬特征,上期正负外部冲击对本期菜椒价格波动的影响具有非对称性,而对白菜、黄瓜和四季豆的影响是对称的。

季节调整中消除节假日因素方法的改进及其在我国的应用

本文首先对X-12-ARIMA季节调整方法中消除节假日因素的思路进行了简要的回顾。接着,从休闲日和工作日的独特视角指出季节调整方法中消除节假日因素思路的不足,分析了不同节假日因素对经济数据的不同影响。最后,根据我国一些特殊节假日的实际情况,在借鉴X-12- ARIMA季节调整中处理节假日方法的基础上提出了消除中国节假日因素的思路,并提供了一个实例。

基于季节调整技术的我国物价波动实证研究

本文首先对季节调整方法的发展及应用进行说明,并对X-12-ARIMA和TRAMO/SEATS进行比较;其次使用X-12-ARIMA方法对我国CPI时间序列数据做了实证研究,分离出最终趋势成分、季节成分等;然后通过PBC版X-12-ARIMA分离出时间序列中的春节因素;最后通过调整后的CPI序列进行短期预测。

中国季度GDP季节调整分析

迄今为止,很少有关于中国季度GDP的研究。文章主要研究中国季度GDP时间序列的特性。通过软件DEMETRA2.0,使用X-12-ARIMA和TRAMO-SEATS两种方法分解序列,给出了对中国季度GDP季节调整完整的诊断结果和基本的分析结论。

X-12-SARIMA在甘肃省猩红热疫情分析及短期预测中的应用

目的 探讨X-12和季节性差分自回归滑动平均模型(seasonal autoregressive integrated moving average, SARIMA)在甘肃省猩红热疫情分析及短期预测中的应用。方法 利用2010-2017年甘肃省猩红热月发病率数据建立SARIMA模型并进行短期预测,运用X-12季节调整法分析疾病流行的季节波动等特征。结果 建立的SARIMA(3,1,1)(1,1,1)_(12)模型参数估计值均有统计学意义,残差为白噪声序列,预测值的精度评价指标和误差衡量指标均符合标准。2010-2018年甘肃省猩红热月发病率存在明显季节波动,季节因子影响6月最大且呈缓慢下降趋势,循环-趋势成分影响呈缓慢上升趋势,不规则因子影响规律平稳。结论 X-12季节调整方法能较好地分析具有一定季节波动和长期趋势传染病的时间变化规律,SARIMA模型对于甘肃省猩红热的短期预测效果较好。