在之前的博文中,我們研究了如何使用JDemetra+在EViews中執(zhí)行季節(jié)性調(diào)整,產(chǎn)生的結果與美國人口普查中無處不在的X-13軟件包給出的結果相同(或至少較其相似)。
上一篇文章沒有討論季節(jié)性調(diào)整中較受歡迎的功能之一:日歷調(diào)整。在這篇文章中,我們將通過演示如何在JDemetra+中使用日歷調(diào)整以及如何創(chuàng)建自己的日歷效果(如果您希望基于內(nèi)置功能進行構建)。特別是,我們將演示為JDemetra+添加農(nóng)歷(中國)新年變量。
內(nèi)容目錄
1.基于X-11的調(diào)整和日歷效果
2.內(nèi)置日歷效果
3.農(nóng)歷新年(又稱中國新年)
4.文件
基于X-11的調(diào)整和日歷效果
JDemetra+和X-13提供的基于X-11的季節(jié)性調(diào)整程序通過使用各種移動平均方法將一系列數(shù)據(jù)迭代分解為趨勢、季節(jié)性和不規(guī)則成分。
分解步驟的假設之一是基礎數(shù)據(jù)是隨機的,而不是確定性的。這一假設經(jīng)常被違反,因此季節(jié)性調(diào)整包通常提供預處理數(shù)據(jù)的能力,以檢測和糾正異常值、日歷效應、缺失數(shù)據(jù)和其他確定性效應的影響。
此預處理步驟使用ARIMAX模型從數(shù)據(jù)處理中移除任何確定性因素。ARIMAX模型的外生回歸部分可以包括虛擬變量(或類似的調(diào)整變量),以解釋基于常規(guī)(或不規(guī)則)時間的模式。這些變量可能包括月/季度的工作/交易天數(shù)、不規(guī)則假期的影響(每年不同日期的假期,如復活節(jié)、齋月或農(nóng)歷新年)或用戶認為重要的任何其他確定性變量。X-13和JDemetra+都內(nèi)置了日歷效果,可以選擇將其包含在ARIMAX回歸中,而*用戶自己創(chuàng)建變量。
內(nèi)置日歷效果
為了演示,我們將使用從FRED檢索的1990年至2023年每月未經(jīng)季節(jié)性調(diào)整的房屋開工數(shù)據(jù)。
內(nèi)置效果的JDemetera+
正如我們在上一篇文章中提到的,JDemetra+有一組規(guī)范,可用于快速設置用于季節(jié)性調(diào)整的選項。其中一個規(guī)范(默認為RSA4c)包括一個ARIMAX模型,該模型具有異常值檢測和校正、處理每個時期的工作日數(shù)以及調(diào)整Easter效應的功能。
要在EViews中使用此規(guī)范,我們需要做的就是打開series,然后選擇Proc->Seasonal Adjustment->JDemetra+…以調(diào)出JDemetra+對話框:
由于RSA4c是默認規(guī)范,我們不需要對此頁面進行任何更改。
但是,JDemetra+的內(nèi)置功能之一是自動決定是否包含確定性變量。為了進行演示,我們希望始終包含它們,因此我們將關閉決策過程。為此,我們切換到“Regression”選項卡,并將“Trading days Test”和“Easter Test”下拉菜單都更改為“None”,并取消選中“l(fā)eap year Auto-adjust”框:
然后,我們可以單擊“確定”來生成季節(jié)性調(diào)整后的數(shù)據(jù):
我們將輸出HOUSTNSA_D11系列重命名為HOUST_D11_RSA4。
此RSA4c規(guī)范與我們在上一篇博文中運行的RSA3規(guī)范之間的區(qū)別在于,它包含了工作日/交易日、閏年效應和復活節(jié)效應作為內(nèi)置外生變量。
由于JDemetra+允許您包含自己的外生變量,因此應該可以使用我們自己的工作日、閏年和Easter效應運行RSA3規(guī)范,并匹配RSA4c給出的結果。
為此,我們必須首先在EViews中創(chuàng)建自己的變量-一個用于工作日,一個用于閏年,一個用于Easter。
交易/工作日
JDemetra+有許多不同的工作日處理方法,但默認方法(稱為TD2)是計算每個期間(在我們的例子中是月份)的周一至周五的數(shù)量,然后減去周六和周日的數(shù)量乘以5/2。
借助EViews的@daycount函數(shù),我們可以使用下面這一行代碼在EViews中手動創(chuàng)建此變量:
series td2 = @daycount(“Mon-Fri”) – 5/2*@daycount(“Sat-Sun”)
此TD2規(guī)范將每個月的交易日數(shù)納入ARIMAX估計中使用的單個回歸量。JDemetra+提供了6種替代方案,包括:
?TD7:創(chuàng)建一個變量,用于表示每個時期內(nèi)星期一的數(shù)量與星期日的數(shù)量之差,然后創(chuàng)建*二個變量,用于表示每個時期內(nèi)星期二的數(shù)量與星期日的數(shù)量之差,依此類推,直到表示星期六的數(shù)量與星期日的數(shù)量之差。
?TD3:為工作日數(shù)與星期日數(shù)的5倍之差創(chuàng)建一個變量,為星期六數(shù)與星期天數(shù)之差創(chuàng)建*二個變量。
閏年效應
閏年效應也可通過回歸量建模。對于月度數(shù)據(jù),除二月外,所有月份的數(shù)值均為零,非閏年二月的數(shù)值為-0.25,閏年為0.75。在EViews中,我們可以使用以下方法手動創(chuàng)建此變量:
series lp = (@daycount=28)*-0.25 + (@daycount=29)*0.75
Easter
Easter的處理方式稍微復雜一些。首先,Easter默認被認為是一個8天的時期,結束于Easter星期日的**天。在這8天中,基礎數(shù)據(jù)的季節(jié)性模式受到Easter假期的影響。Easter變量的計算方法是當前期間8天假期的百分比減去1600年至2099年期間8天假期的平均百分比。
例如,2021年的8天Easter假期從3月27日持續(xù)到4月3日。因此,8天中有5天(62.5%)在3月,3天(37.5%)在4月。1600年至2099年間,3月的平均百分比為38.2%。4月的平均百分比為61.8%。
因此,2021年Easter變量值在除3月(取值為24.3(62.5–38.2)和4月(取值為-24.3(37.5–61.8))以外的所有月份中均為零。
在EViews中創(chuàng)建此變量有點兒麻煩,因為我們需要創(chuàng)建一個新的工作文件頁面,日期范圍從1600年到2099年,并計算Easter假期。后者非常簡單,這要歸功于EViews的@holiday函數(shù)。
pagecreate(page=eastercalc) m 1600 2099
series easterspan = @holiday("easter(-8) easter(-1)")
series easter = easterspan - @meansby(easterspan, @month)
copy eastercalc\easter untitled\easter
pagedelete eastercalc
有手動效果的JDemetra+
我們創(chuàng)建了一組外生變量并將其放入我們的工作文件中:
我們可以通過使用User Regressors來告訴JDemetra+使用它們。我們再次使用RSA3的默認規(guī)范,切換到User Regressors選項卡并添加我們創(chuàng)建的變量:
請注意,在添加用戶回歸量時,JDemetra+允許您*要添加的回歸量的類型。就我們的目的而言,未定義類型的回歸量就足夠了。(我們可以選擇Calendar/Trading Day,然后在Regression選項卡上將Trading Day類型從None切換到User,這將產(chǎn)生相同的結果。)
單擊確定會生成輸出。我們將輸出系列重命名為HOUST_D11_RSA3CAL(以表示我們在自己的日歷變量中使用了RSA3規(guī)范)。
如果我們將此系列與之前的HOUST_D11_RSA4系列一起打開,我們可以看到它們是相同的,證明我們可以創(chuàng)建自己的日歷變量并將它們添加到JDemetra+中,產(chǎn)生與內(nèi)置日歷變量相同的結果。
X-13內(nèi)置效果
如果我們想在美國人口普查X-13包中執(zhí)行相同類型的調(diào)整,我們可以打開我們的系列并選擇Proc->Seasonal Adjustment->Census X-13…
在Transform選項卡上,我們將選擇更改為Auto (None/log)。在X-13內(nèi)置regressor 選項卡上,我們添加了交易日1系數(shù)和8天Easter效應。我們還添加了一些自動異常值,并將ARIMA模型自動轉(zhuǎn)換為X - 11模型。
Census X-13程序的結果在數(shù)值上與JDemetra+產(chǎn)生的結果并不相同,但很接近:
以下代碼重現(xiàn)了我們所做的工作:
wfcreate m 1990 2023
fetch(db=fred) houstnsa
houstnsa.jdemetra(spec=rsa4, noleapadj, eastertest=none, tradetest=none)
rename houstnsa_d11 houst_d11_rsa4
series td2 = @daycount("mon-fri")-5/2*@daycount("sat-sun")
series lp = (@daycount=28)*-0.25 + (@daycount=29)*0.75
pagecreate(page=eastercalc) m 1600 2099
series easterspan = @holiday("easter(-8) easter(-1)")
series easter = easterspan - @meansby(easterspan, @month)
copy eastercalc\easter untitled\easter
pagedelete eastercalc
houstnsa.jdemetra(spec=rsa3, userregs="td2 lp easter", usertypes="undef undef undef")
rename houstnsa_d11 houst_d11_rsa3cal
houstnsa.x13(save="d11", tf=auto, outtype="tc ao ls", html) @x11arima() @reg(regs="td1coef,easter[8]") @x11()
rename houstnsa_d11 houst_d11_x13
group compares houst_d11_rsa3cal houst_d11_rsa4 houst_d11_x13
show compares
農(nóng)歷新年(又稱中國新年)
現(xiàn)在我們已經(jīng)演示了如何創(chuàng)建我們自己的Easter假期變量以進行季節(jié)性調(diào)整(以及交易日和閏年),以及如何將其與內(nèi)置變量相匹配,我們可以繼續(xù)為其他假期創(chuàng)建變量,例如農(nóng)歷新年。農(nóng)歷新年是世界許多國家的重要節(jié)日,節(jié)日的時間會對經(jīng)濟變量產(chǎn)生很大影響。
在較近的一篇論文中,Song Yanfei在Luan & Zhang之前的論文的基礎上,展示了如何在Census X-13中對節(jié)日進行建模,甚至提出了如何在使用X-13時使用Akaike 信息準則來選擇較合適的天數(shù)來對節(jié)日進行建模。
Ping An將這種方法整合到了CNY_EVP EViews插件中,該插件允許用戶為農(nóng)歷新年創(chuàng)建外生變量,并將這些變量納入人口普查X-13。Ping An(和之前的作者)的建議之一是為農(nóng)歷近年構建三個單獨的變量:
1.節(jié)前時期——除夕**天結束
2.節(jié)日期間——從除夕到初七
3.節(jié)后時期——從初七的第二天開始
我們將遵循類似的流程,在JDemetra的季節(jié)性調(diào)整中模擬農(nóng)歷新年的影響。按照An的建議,我們將前期的持續(xù)時間設置為10天,期間的持續(xù)時間設置為8天,后期的持續(xù)時間設置為10天。
各個變量的計算方式與上面Easter的方式類似-取每個月(或季度)中該期間的天數(shù)百分比,然后減去幾年中該月的平均天數(shù)。與Easter不同,我們只使用數(shù)據(jù)樣本中的年份來取平均值,而不是Easter使用的1600-2099范圍。
同樣,使用EViews內(nèi)置的@holiday函數(shù),我們可以使用以下代碼輕松創(chuàng)建這些變量:
series cny_b = @holiday("cny(-11) cny(-2)") - @meansby(@holiday("cny(-11) cny(-2)"), @month)
series cny_d = @holiday("cny(-1) cny(6)") - @meansby(@holiday("cny(-1) cny(6)"), @month)
series cny_a = @holiday("cny(7) cny(16)") - @meansby(@holiday("cny(7) cny(16)"), @month)
例如,術語@holiday("cny(-11) cny(-2)")*了從農(nóng)歷新年前11天開始到農(nóng)歷新年除夕**天結束的十天時間。
創(chuàng)建這些變量后,我們可以按照之前的方式對農(nóng)歷新年執(zhí)行JDemetra+季節(jié)性調(diào)整核算:
我們甚至可以指示JDemetra+使用其自己的交易日變量之一,以及我們自己的農(nóng)歷新年變量。
我們可以將此調(diào)整的輸出與未修改的RSA3(即沒有任何日歷效應)的輸出進行比較:
差別不大。這并不奇怪——幾乎沒有經(jīng)濟理由相信農(nóng)歷新年會影響美國的房屋建設。如果我們有亞洲國家的經(jīng)濟數(shù)據(jù),可能會產(chǎn)生重大影響!
北京天演融智軟件有限公司(科學軟件網(wǎng))是EViews軟件在中國的授權經(jīng)銷商,為中國的軟件用戶提供優(yōu)質(zhì)的軟件銷售和培訓服務。
詞條
詞條說明
PSCAD/EMTDC軟件在新能源行業(yè)的**應用培訓在北京圓滿結束
PSCAD/EMTDC軟件在新能源行業(yè)的應用是時下非常熱門議題,北京天演融智軟件有限公司(科學軟件網(wǎng))作為是PSCAD/EMTDC軟件在中國的授權經(jīng)銷商,時刻關注本行業(yè)較*的資訊,2019年10月19-21日在北京舉辦了PSCAD/EMTDC軟件在新能源行業(yè)的**應用培訓。本次培訓邀請了明陽智慧能源集團唐彬偉老師和西安交通大學李宇俊老師為大家主講,吸引了來自南網(wǎng),南瑞,陜西電力公司,西安交通大學
Strater 地質(zhì)數(shù)據(jù)處理軟件介紹
可視化數(shù)據(jù)地表下的不確定性。通過將原始的地下數(shù)據(jù)轉(zhuǎn)換成可理解的測井曲線、井眼模型和橫斷面,實現(xiàn)洞察力和清晰度。輕松創(chuàng)建專業(yè)的巖土技術報告,清晰地與Strater溝通重要信息。?分析數(shù)據(jù)找到您所有地下數(shù)據(jù)問題的答案。當在Strater中顯示時,地下數(shù)據(jù)變得清晰易懂。Strater的廣泛功能讓您可以快速查看和分析領域,而不會忽略一些細節(jié)。?溝通結果將數(shù)據(jù)轉(zhuǎn)化為利潤。輕松地向客戶、利
通州工程科學公司:**科技,助力工程發(fā)展工程科學是當今社會發(fā)展中至關重要的一環(huán),它涵蓋了眾多領域,如電力系統(tǒng)分析、電磁暫態(tài)等,在工程設計、研究和實際應用中發(fā)揮著的作用。通州工程科學公司,作為行業(yè)內(nèi)的良好者,致力于為客戶提供的工程科學軟件產(chǎn)品務,助力工程科學領域的持續(xù)發(fā)展和。一、工程科學軟件產(chǎn)品通州工程科學公司擁有豐富的工程科學軟件產(chǎn)品線,覆蓋了多個關鍵領域。公司與多家**軟件公司合作,引進了較的技
海淀管理工具軟件費用在當今信息化時代,企業(yè)和組織在進行管理工作時面臨著越來越復雜的挑戰(zhàn)。為了提高管理效率、優(yōu)化資源配置和促進團隊協(xié)作,許多企業(yè)和組織開始重視引入的管理工具軟件。北京天演融智軟件有限公司在管理工具軟件領域提供了多款產(chǎn)品,以滿足各類企業(yè)和組織的管理需求。一、管理工具軟件概述北京天演融智軟件有限公司的管理工具軟件旨在為企業(yè)和組織提供的管理支持。這些軟件涵蓋了項目管理、團隊協(xié)作、數(shù)據(jù)分析等
公司名: 北京天演融智軟件有限公司
聯(lián)系人: 王經(jīng)理
電 話: 4008104001
手 機: 18510103847
微 信: 18510103847
地 址: 北京海淀北京市海淀區(qū)上地東路35號院1號樓3層1-312-318、1-312-319
郵 編:
網(wǎng) 址: turntech8843.b2b168.com
公司名: 北京天演融智軟件有限公司
聯(lián)系人: 王經(jīng)理
手 機: 18510103847
電 話: 4008104001
地 址: 北京海淀北京市海淀區(qū)上地東路35號院1號樓3層1-312-318、1-312-319
郵 編:
網(wǎng) 址: turntech8843.b2b168.com