论文部分内容阅读
季节调整是识别、分解时间序列各组成成分,剔除季节成分和不规则成分,反映时间序列基本趋势的一个技术分析过程。经过季节调整后的中国CPI序列,不仅准确反映了CPI的基本发展趋势,使得各月的CPI数据易于比较,而且还可以进行短期经济监控和预测,为政府制定货币、财政、消费、价格、工资和社会保障等政策提供依据。本文基于X-12-ARIMA和TRAMO/SEATS(简称T/S)方法,针对中国CPI中存在的类似春节(如端午节、中秋节等)的移动假日效应问题,引入改进的B-H-G模型和L-Z模型,得到X-12-ARIMA和T/S两大方法体系,再分别运用两大体系下的各种季节调整方法对中国CPI进行实证研究和比较分析,得到如下主要结论：(1)X-12-ARIMA体系中,在不考虑春节效应的情形下,考虑闰年效应的X-12-ARIMA-B在调整效果上要明显好于考虑交易日效应的X-12-ARIMA-A,但闰年效应里掩盖了中国最重要的移动假日效应—春节效应；考虑春节效应的X-12-ARIMA-BHG和X-12-ARIMA-LZ在调整效果上不存在显著差异,但X-12-ARIMA-BHG更易于推广和得到广泛应用。(2)T/S体系中,考虑春节效应的T/S-BHG和T/S-LZ都比原始的T/S的调整效果要好,这也表明春节因素是中国CPI季节调整中不可忽视的重要因素,同时,T/S-BHG和T/S-LZ的调整效果无显著差异。(3)X-12-ARIMA体系和T/S体系的经季节调整序列结果,总体上是很接近的,只是在序列的首端存在细微差异。(4)本文对中国CPI进行季节调整的X-12-ARIMA-BHG X-12-ARIMA-LZ、T/S-BHG和T/S-LZ方法也可以应用到其他领域的月度数据。特别是文中用于调整春节效应的B-H-G模型和L-Z模型,也可推广到中国其它类似于春节的移动节假日(如端午节、中秋节等)效应的调整。本研究将不失一般性,但在确定节假日影响区间长度时要慎重。