分享到:

法国外贸再度逆差

本报讯:法国海关17日公布的数字显示,今年8月份,尽管法国的出口大幅度回升,但外贸仍出现了16.2亿法郎的逆差(按当月平均汇率1美元约合7.3法郎)。$$据法国海关统计,经季节调整后计算,8月份法国的出口额为1811.4亿法郎,比上月增...  (本文共1页) 阅读全文>>

权威出处: 中国商报2000-10-20
《统计与决策》2017年03期
统计与决策

季节调整在土地市场分析中的应用

0引言土地供应量作为反映土地市场的重要指标,对于宏观经济和房地产市场的形势分析和判断至关重要。特别是房地产用地供应量,与房地产市场走势密切相关。在土地市场上,房地产用地主要采用招标、拍卖和挂牌方式出让。经济形势和市场形势好的时候,房地产企业对房地产用地的需求增加,“地王”频出,用地供应量也相对增长;市场冷清时,土地市场流标、流拍,房地产用地供应量呈现萎缩。理论上,房地产用地供应量能够体现土地市场的繁荣或衰退。而从房地产用地供应量的月度统计数据来看,供地量每年12月份都有较大幅度增长,而春节假日所在的月份供地量又会明显下降,存在年复一年有规律的季节性波动(图1),许多经济指标数据也存在类似的季节性波动情况。这种显著的波动掩盖了土地市场本身的发展趋势,不能很好的体现经济形势和房地产市场形势变化对土地市场的影响,使房地产用地供应量的月度时间序列很难真实和直接地反映土地市场形势的变化。虽然采用计算同比速度的方法也能避免季节波动对数据的影...  (本文共4页) 阅读全文>>

《电力系统及其自动化学报》2017年05期
电力系统及其自动化学报

成分分解方法预测月度电力负荷

对于具有明显季节波动的月度、季度等负荷预测的主要方法有Holt-Winters加法(乘法)季节模型[1-3]、ARIMA(auto regressive integrated moving aver-age)季节模型[4-5]等。在季节性的中期负荷预测理论和方法研究方面,文献[6]针对季节性时间序列具有增长性和波动性的二重趋势性,提出了季节性预测的组合灰色神经网络模型,对季节负荷预测方法进行了探索;文献[7]利用小波分析方法对月度负荷预测进行了研究;文献[8]用最小二乘支持向量机构建了月度负荷预测模型。近年来,部分学者将季节调整的方法应用于电力行业并取得较好效果。文献[9]建立了基于季节调整的月度负荷预测模型;文献[10]改进了季节调整方法并用于电煤的月度需求预测;文献[11]建立了基于季节调整的误差校正负荷预测模型;文献[12]使用X12和ARIMA模型对月度售电量进行了预测研究。由于以月份、季度为时间观测单位的经济时间序列中...  (本文共6页) 阅读全文>>

《统计研究》2017年06期
统计研究

基于季节增长率的一种直接调整方法

一、引言环比数据是进行短期经济分析的有效工具,由于它可以及时反映经济的瞬间变化,因而被广泛地运用于金融和宏观的实证研究中。然而我国大部分月度和季度统计指标一般只采用同比指数来反映经济中的变化,相应环比指标的测算和发布则相对欠缺(1)。虽然同比指标能够部分消除季节因素所带来的影响,但也有明显的局限性:第一,由于对比时间间隔为12个月,同比数据在捕捉经济周期拐点上的时效性偏低,因此会给经济的当前决策及实时监测带来诸多负面影响。Jain(1989)[2]的研究表明,同比数据所反映的经济周期拐点平均滞后半年;第二,同比数据容易受到基准期数据的影响。具体地,刘建平和王雨琴(2015)[3]指出,如果基准期数据中的不规则变动较为剧烈,那么将会导致同比数据的波动较大,从而在经济分析时容易造成错误。而环比数据则是直接与前一个季度(或月度)的数据做比较,因此能够更加及时地反映当下经济中的变化,对经济分析和监测具有积极的作用。综上,测算环比增长率数...  (本文共15页) 阅读全文>>

《统计与决策》2017年11期
统计与决策

入境旅游数据的季节调整方法研究

0引言旅游业发展受到明显的季节影响和突发事件的影响,相应带来宏观经济的波动,宏观经济的波动又会带来旅游业的波动。既有文献多分析了宏观经济波动对旅游业发展的影响(乔宁宁,2013)。本文考察的对象为旅游业入境总人数,该时间序列数据存在明显的季节效应。季节性是指时间序列数据在若干年内重复出现以年为单位的具有规律的某种特性。未经季节调整的入境游人数数据具有以下缺陷:一是尽管仍然能够较直观地辨别长期趋势,但是不能够准确地发现趋势转折的临界点;二是因为同比变化往往会受到基数影响,这更为需要环比的数据。但是未经季节调整的相邻时期数据易受到季节因素的影响,所以难以进行环比的测算;三是在实际应用中,往往需要针对季节变动规律制定相应的政策,以起到削峰填谷的作用,分离识别这种季节变动规律成为当务之急;四是缺少季节调整,则较难把握产业周期变动规律以及异常冲击对产业发展的影响。基于以上原因,对于旅游业入境人数的季节调整研究具有理论和实际应用价值。1 X...  (本文共5页) 阅读全文>>

《统计研究》2017年07期
统计研究

德国BV4.1模型修正与中国CPI季节调整

一、引言季节调整是要剔除一些不可见的短期季节性或偶然性波动所产生的影响,使不同时期的经济水平在相同条件下展现出其发展趋势和周期规律,也使得经济序列在各时期有可比性,可深入分析经济现象的宏观发展情况和微观上测算经济转折点、同比环比增长率以及折年率等。国内外季节调整的方法有很多,国际上比较流行的有X系列、TRAMO/SEATS和结构时间序列模型等方法。1978年加拿大统计局Dagum开发以移动平均为核心的X-11-ARIMA和X-11-ARIMA88程序,之后美国普查局沿用其中的X-11模块开发升级了X-12-ARIMA程序,它新增了信号噪声比法在固定的成套移动平均过滤器中的选择,并提供多种季节调整诊断方法,且将交易日和异常值作为回归因子,弥补了之前的不足。西班牙银行1996年推出基于ARIMA模型进行信号提取的TRAMO/SEATS程序成为了与X-12-ARIMA共同发展的重要工具,已有研究认为其优越性在于灵活设置回归变量,解决移...  (本文共14页) 阅读全文>>