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。

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。

我国生鲜乳价格波动周期分析——基于X_(12)季节调整和H-P滤波模型

我国生鲜乳价格波动剧烈,为了解其波动规律,选取2007年5月~2011年12月的生鲜乳收购价格月度数据为样本,运用X12季节调整法和H-P滤波法对生鲜乳价格波动周期进行实证分析。结果表明,在所选时间段内,生鲜乳价格经历三个波动周期,波动幅度有较大差别,第一个周期的波动主要是受到来自外部的冲击,促使价格大幅度波动,生鲜乳价格的不稳定直接影响奶农的利益。

我国玉米价格波动分析及短期预测——基于X12季节调整法、H-P滤波法及ARIMA模型

利用X12季节调整法和H-P滤波法对2007年1月—2018年3月我国玉米价格时间序列进行分解,研究其波动规律。结果发现,玉米价格受季节因素影响较大,整体趋势为先上升后下降,并呈周期性波动。利用ARIMA模型预测玉米价格走势,发现短期内玉米价格会有小幅度的上升。

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模型的公路运价季节性波动影响研究

随着我国铁路货运价格逐步放松管制,分析和借鉴公路货运价格的季节性波动规律,有助于铁路运输企业制定和实施合理的价格策略,提高市场应对能力。X-12-ARIMA模型能够有效计算和提取时间序列中的季节性因素并测度该因素对序列波动的影响程度。以北京到上海13m整车、零担轻货公路运输价格为例,通过建立X-12-ARIMA模型,对公路运价时间序列中的季节性因素进行提取和分析,并根据季节性因素变化百分比的方差相对贡献度判断其影响程度。结果表明,公路运价的短期波动主要受季节性因素的影响,季节性变化规律显著。

基于X12季节调整模型的我国马铃薯价格波动解析

采用X12季节调整模型对我国马铃薯市场批发价格的时间序列进行处理,结果显示,我国马铃薯价格长期稳定上升,但存在短期价格的剧烈波动。为了促进我国马铃薯产业的发展,建议加大马铃薯种植的种类与面积,同时加强相关农产品的信息流通,完善马铃薯价格预警机制。

基于X-12季节调整法的货币供应量预测

本文通过X-12季节调整方法将M0进行季节调整,并且在剔除价格指数与未剔除价格指数下进行季节调整比较,比较剔除RPI前后长期趋势、不规则要素、季节要素,进而对比货币供应量M0预测值和实际发生值,研究结果表明在剔除RPI后的近期预测值较为接近真实值。

中国粮食价格波动特征研究——基于X-12-ARIMA模型和ARCH类模型

以小麦和大豆为例,研究2002年1月至2012年6月中国粮食价格波动特征。首先利用X-12-ARIMA模型对价格序列进行季节调整,然后运用ARCH类模型对剥离季节因素的价格序列进行波动分析。结果发现:中国粮食价格季节性波动逐年减弱;粮食价格具有明显的波动集簇性,前期价格波动和外部冲击对后期价格的影响具有持续性;粮食市场不存在"高风险、高回报"特征;小麦价格波动的非对称性不显著,而大豆价格波动则呈现明显的非对称特征,且上期价格上涨信息引发的波动要大于下跌信息。

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。

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%。

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ARIMA模型的季节调整方法及研究进展

目的介绍基于ARIMA模型的2种季节调整方法:X-12-ARIMA和TRAMO/SEATS。方法通过查阅有关文献,对基于ARIMA模型的季节调整方法的发展历史、基本原理与方法、最新研究进展等方面进行综述,对ARIMA模型的影响因素进行分析,并运用其原理与方法对我国的春节因素进行调整,构建适用的调整模型。结果基于ARIMA模型的季节调整方法在时间序列分析中具有重要的地位,X-12-ARIMA和TRAMO/SEATS两种方法具有各自的特点与优势,并且这2种方法有相互融合的趋势。结论基于ARIMA模型的季节调整方法经过不断完善而趋于成熟,X-12-ARIMA和TRAMO/SEATS将进一步发展和完善,获得广泛应用。

季节调整中的模型不确定性问题

本文研究发现,近期物价数据季节性特征的变化反映出需求和供给关系的改变,体现出新常态下我国经济运行的新特征。本文在猪肉价格数据的实证分析中,在揭示我国猪肉价格具有季节性特征的近期变化的同时,对比研究了TRAMOSEATS和X-13 AS方法在应对模型不确定性问题时的区别。虽然模型不确定性问题,特别是在季节因子变动的情况下,增加了季节调整方法应用的困难。但是本文通过谱分析工具仍然选择出X-13AS的X-11方法,为模型不确定性下相对更优的季节调整方法。

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。

基于季节调整春节模型的CPI建模预测

如何衡量并消除以春节为代表的移动节假日影响是我国季节调整中的一项重点和难点。文章介绍了三区段变权重春节模型,选取由2001年1月至2013年6月CPI环比数据转换的物价指数,从数据中分离出趋势成分、季节因子、春节因子和随机因子,进行春节影响调整,再对调整后时间序列分别采用传统的指数平滑法和X-12-ARIMA方法进行2013年7月至2014年2月的短期建模预测。结果表明选取的CPI指数序列确实受春节因素的影响,经过春节假日调整后的温特指数模型和X-12-ARIMA模型都预测出了比较准确的结果。

我国CPI季节调整模型预测

文章基于考虑春节效应的X-12-ARIMA季节调整模型,对我国2002年1月至2013年12月的CPI序列月度数据进行季节调整,并进行季节波动性分析及短期预测。实证结果表明:我国的CPI变动存在明显的季节性特征,春节效应对其有显著影响;CPI序列的短期波动主要是受季节性成分影响,而长期波动主要受趋势-循环成分影响;利用该模型进行短期预测效果较好,预测误差绝对值控制在1.5%之内。