- 季节性调整.exe
- 秘钥.txt
- readme.txt
- 待季调数据.xlsx
目前主流的季节性调整方法是X-12-ARIMA模型,美国普查局用的也是这方法。
央行2009年也公布了季调方法,采用的也是X-12-ARIMA模型,并开发了一套季调程序,但实际上,该模型并未完全公开。
本软件重现了央行的春节假日季节性调整方法。在评估春节效应时,需要考虑需要季节性调整的数据是存量数据还是流量数据,不同的数据类型季调的方法不同。
以M0数据为例,M0数据是存量数据(时点值),适用的方法是存量模型。但实际上,从季调的结果来看,简单的使用春节季调模型,比如python中statsmodel下的x13_arima_analysis函数,春节效应也并不能完全剔除。对比央行公布的季调后M0数据来看,春节效应也不能完全剔除完毕。
季节性调整,只是一种季调方法而已,目的是为了比较不同月份数据的变化情况。本软件还改进了央行公布的季调模型,从改进的模型结果来看,春节效应剔除得会更加良好。
本软件下载后可直接使用,亦可以批量复制数据后,可同时选择不同的春节模型,设置好参数,可批量进行季节性调整。