基于结构时间序列模型的宏观季节序列建模及应用

发布时间：2021-09-30 02:17

　　对于宏观季节序列而言,季节性波动是其中所蕴含的最显著的特征,因此在宏观经济分析中,首先需要应对的便是如何处理数据中所蕴含的季节性。虽然利用季节调整软件剔除季节性波动可以使得经济分析更加简便,但传统季节调整方法会造成序列中所包含信息的失真,并可能会导致季节调整数据信息的扭曲;此外,就我国本土而言,国外的季节调整软件可能无法完全剔除我国春节等传统中式节假日所带来的异常波动。为避免基于季节调整数据建模所带来的影响,提高数据信息的利用率,本文考虑在结构时间序列模型的框架下直接利用宏观季节序列来进行建模。本文重点构建了针对季节增长率数据的单变量季节增长率模型、非线性马尔科夫区制转移季节增长率模型、多变量的季节动态因子模型、以及针对季节水平数据的含有季节成分的牵拉模型,并对这些模型在拟合和预测、环比数据提取、宏观经济景气一致指数构建以及经济周期测度方面的应用作出了探讨。首先,本文提出了一种直接拟合原始数据增长率的季节增长率（SGR）模型,该模型不仅可以直接提取环比增长率,还可以对原始数据的增长率进行预测。蒙特卡洛模拟结果表明,本文给出的针对SGR模型的MLE估计方法和初值设定方法有着良好的大样本表... 

【文章来源】：厦门大学福建省 211工程院校 985工程院校 教育部直属院校

【文章页数】：150 页

【学位级别】：博士

【部分图文】：

图１．１?ＭＯ数据中的季节性规律??

时效性偏低。此外，同比数据容易受到基准期数据变动的影响。为了更加直??观地阐述基准期数据变动对同比数据的影响，我们利用Ｍ０同比数据来进行说??明，见图１．２。从图中可以发现，Ｍ０同比数据中存在较多的异常值点，并且这??些异常值点大多集中在每年的１、２月份。造成该现象的主要原因在于每年的??１、２月份是我国传统节日春节可能所处的月份，这样的移动节假日导致了每年??１月或２月的Ｍ０数据中存在异常，进而导致了同比数据中异常值点的存在。举??例而言，我国２００６年的春节是在１月份下旬，而２００７年的春节是在２月份下??旬，而由于春节期间现金持有量会大幅上升，其他时间的现金持有量会保持在??相对稳定的水平，因此就导致了?２００７年１月份的同比数据大幅走低，为＞４．６４％??，相应的２００７年２月份的同比数据却大幅走高，达到了?２５．１０％。这种情况??下，若继续采用上述同比数据进行实证，对模型拟合的准确性以及数据的有效??性均存在严重的负面影响。??而基于国外季节调整软件得到的季节调整环比数据或水平数据进行实证

图１．３?木文研究结构??理的介绍，并指出季节调整方法的优势及其局限性。其次，本文对宏间序列模型进行了系统的回顾，并分类汇总了线性模型、周期性模型、模型等方面的研究成果及其研究进展。再次，本文总结了结构时间序发展和研究成果，着重介绍了其在宏观季节时间序列建模方面的应用最后，本章就国内季节性问题的研究现状进行了归纳说明，主要从对的处理、各类模型比较分析以及季节模型的应用等方面对国内的研宄讨论。??第三章介绍了单变量季节增长率模型的构建和实证表现。首先介绍研并在文中给出了模型的一般化设定形式，其中详细介绍并推导了季节合方法。其次，本章给出了该模型的详细估计方法和初值设定形式，一?９－??

【参考文献】：
期刊论文
[1]季节调整新方法及其原理研究[J]. 何永涛,张晓峒.  统计研究. 2016(11)
[2]我国工业增加值季节波动非线性研究——基于SEATV-STAR模型[J]. 危黎黎,向书坚.  中国管理科学. 2016(04)
[3]基于平衡轮换样本调查的季节调整方法研究[J]. 陈光慧,邢竟.  统计研究. 2016(04)
[4]基于混频数据的一致指数构建与经济波动分析[J]. 叶光.  统计研究. 2015(08)
[5]季节调整方法的历史演变及发展新趋势[J]. 刘建平,王雨琴.  统计研究. 2015(08)
[6]宏观因子与利率期限结构:基于混频Nelson-Siegel模型[J]. 尚玉皇,郑挺国,夏凯.  金融研究. 2015(06)
[7]我国居民消费季节调整和节日效应测算[J]. 桂文林,韩兆洲.  统计研究. 2015(02)
[8]基于金融指标对中国GDP的混频预测分析[J]. 郑挺国,尚玉皇.  金融研究. 2013 (09)
[9]季节调整方法在中国的发展与应用[J]. 张晓峒,徐鹏.  统计研究. 2013(09)
[10]中国金融状况指数的构建及预测能力研究[J]. 徐国祥,郑雯.  统计研究. 2013(08)

博士论文
[1]结构时间序列模型在季节调整中的理论分析与应用研究[D]. 张岩.南开大学 2013



本文编号：3414924