亚洲开发银行2025年12月使用jdemetra+进行季节调整实用指南总结
简介
经济变量常受天气、制度、习俗等因素影响，呈现系统性年内重复模式，即季节性效应。这些效应可能主导短期波动，使得难以区分真实经济信号和可预测的日历相关变动。季节性调整通过消除可预测的季节性和日历效应，揭示基础的非季节性波动，如长期增长趋势、周期性变化和不规则冲击，对于及时检测宏观经济指标的转折点尤为重要。
JDemetra+概述
JDemetra+是一个由比利时国家银行、德国联邦银行和欧洲统计局联合创建的开源应用程序，旨在提供标准化的环境进行官方统计的季节性和日历调整。该软件整合了全球范围内用于季节性调整的两个主要方法：TRAMO/SEATS和X-13ARIMA-SEATS，并提供了现代化、可生产的环境，使先进统计分析易于使用。JDemetra+的重要性于2015年2月2日正式得到认可，成为欧洲统计局（ESS）和欧洲中央银行体系作为季节性调整的参考工具。
时间序列的制备
- 组织源数据：JDemetra+启动时，主窗口包含工作区面板和提供者面板。工作区用于存储和组织工作，包括建模和调整规范、结果、用户定义的日历和回归变量。提供者面板列出了可用的数据源，并按提供者排列导入的时间序列。
- 导入数据：JDemetra+支持常见的源，如Java数据库连接、Excel电子表格和文本文件、美国人口普查局的X-13文件、适用于Windows的TRAMO/SEATS，以及SDMX和XML文件。用户可以通过安装自定义插件进一步扩展提供者列表。
- 核对原版系列：在进行季节调整之前，必须仔细检查原始时间序列，验证其足够长、完整且一致，并且其结构适合分解为趋势、季节和不规则成分。JDemetra+提供标准图表、增长图表和频谱分析选项，帮助用户检测季节性、趋势或突然中断等模式。
定义日历和外部变量
- 创建国家日历：JDemetra+提供专门的日历模块，允许用户生成日历变量，如交易日、工作日以及国家或行业特定的假日。这些假日可以是固定的，也可以是变化的。
- 特殊日子：JDemetra+包含一组预定义的假日，并允许用户添加自定义的特殊日子。
- 固定天数：默认显示的初始假期可以通过右侧的设置面板进行修改。
- 与复活节相关的节日：JDemetra+包含一个特定的选项，称为与复活节相关的日子，允许用户灵活定义复活节相关的假节。
- 固定周：固定周选项是为那些总是在一个月中特定周的同一星期几出现的节假日而设计的。
- 外部用户定义变量：对于无法直接创建的节假日，用户必须在Excel中创建一个自定义日历变量，然后将其导入到JDemetra+中。导入的变量需要汇总为月度值，并中心化，以确保回归变量仅反映假日引起的短期偏差。
规范和用户回归因子
- 规范：规范是指示程序如何执行每次调整的蓝图，汇集了所有关键决策，如处理离群值、使用ARIMA模型进行估计、是否应用转换、如何处理日历回归项，以及如何通过诊断评估模型适用性。JDemetra+提供了预定义模板和用户自定义规范。
- 转换：转换面板定义了在估计RegARIMA模型之前系列如何进行预处理，包括函数设置、AIC差异和调整。
- 估计：估计面板定义了RegARIMA模型估计的参数，包括模型跨度、容差等。
- 回归：回归面板通过预设变量捕获序列中的确定性效应，包括日历变量、预指定异常值、干预变量、斜坡效应和用户定义变量。
- 异常值：异常值部分允许自动检测序列中的不规则观测值，并根据设置添加异常值、水平偏移、临时变化、季节性异常值或这些的组合。
- ARIMA：ARIMA面板控制识别RegARIMA模型中的ARIMA部分，包括模型结构、自动识别选项等。
- 基准测试：基准测试面板允许用户将季节性调整结果与基准序列进行协调，以确保不同频率之间的一致性。
单个处理
- 单步处理：使用选定的规格，一次对一个时间序列应用季节性调整。
- 单进程文档创建：涉及选择时间序列、添加国家日历、克隆规范、设置规范、创建空白文档和获取结果等步骤。
多个处理
- 多进程文档创建：允许一次性对多个时间序列进行季节性调整，并根据每个单独序列的灵活应用不同的规范和方法。
- 多进程的优势：能够复制一个序列，并在不同的规格下进行处理，对于测试稳健性、比较竞争模型的性能，或满足要求在多个场景下进行评估的制度要求尤其有用。
结果分析
- 主要结果：JDemetra+提供一组简洁的输出结果，概括了所应用的模型以及结果的质量，包括调整跨度、是否存在日历效应、异常值数量以及一系列覆盖残差特性、稳定性检查和季节性统计检验的诊断指标。
- 视觉检查：JDemetra+自动生成一组图表和表格，允许用户直观地解读分解结果，包括原始数据、估计的趋势周期和季节性调整值、季节性-不规则(S-I)比率等。
- 序列预处理：包括对ARIMA模型估计的总结，以及若干子节点，如预测、回归变量、ARIMA、预调整序列、残差和似然度，每个节点均提供了重要信息，用于评估预处理模型的充分性和稳健性。
- 分解结果：被组织成几个表格，总结了分解输出的不同方面，包括趋势-周期、季节性和不规则成分。
- 残差：介绍了四组主要测试，评估ARIMA模型的误差是否表现为纯随机噪声，包括正态性检验、独立性检验、随机性检验和线性检验。
- 质量诊断：提供了一套全面的诊断工具，使分析人员能够判断给定的规格是否产生了可靠的季节调整，以及调整后的序列是否可以放心用于解释和发表。
- 诊断总览：将基本检查、残留测试、M统计和季节性诊断的结果汇总在一个视图中，每个结果根据消息级别以绿色、黄色或红色突出显示。
- 频谱分析：评估季节性或交易日效应是否仍然存在于残差、不规则成分或季节性调整序列中。
- 季节性检验：使用多种互补性检验方法，评估在调整后是否仍然存在周期性季节模式。
- 滑动区间分析：旨在测试季节性调整结果随时间的稳定性，将序列划分为重叠的子周期，或通常为8年，每个间隔单独进行季节性调整，并将结果进行比较。
- 修订历史：提供了一种系统的方法来评估在添加新数据时季节性调整结果的稳定性，通过为季节性调整序列、趋势-周期分量及其增长率生成图表来清晰地展示了修订如何影响分解的不同部分。
- 模型稳定性：评估估计的ARIMA参数和回归系数在模型应用于序列的不同子期间时是否保持一致。
- M-诊断：提供了一系列标准化的方式总结季节调整的质量，捕捉了解构将序列分离为趋势-周期、季节和不规则成分的分离程度，以及调整后的序列是否表现出稳定和可解释的行为。
刷新和导出结果
- 刷新结果：在满足一些关键条件的情况下，使用新数据更新现有的季节性调整过程很简单，只需用新的时间序列观测值和任何用户定义的解释变量进行更新即可。
- 导出结果和元数据：JDemetra+提供内置工具，以结构化和可重复的方式导出结果和元数据，支持多种格式，如.csv、.xls 和 .txt，确保与各种统计和分析平台兼容。
用户通信
统计机构应确保持续监测和质量控制是沟通过程的一部分，应使用常规监测来快速检测潜在问题，而年度评审应评估波动性或季节性模式的变化是否需要修订模型。季节性调整数据是官方统计最广泛使用的产品之一，但它们也是最容易被误解的，用户通常只关注数字本身，而没有意识到塑造这些数据的那些技术选择、假设和修订。因此，沟通必须被视为季节性调整过程的一个有机组成部分，应提供一个清晰的框架，解释数据是如何产生的、为什么会出现修订，以及结果能告诉我们什么、不能告诉我们什么。
