稳健季节调整的信号提取理论与应用研究

由于经济时间序列中普遍存在由结构突变所导致的厚尾特征，传统季节调整方法扭曲了变量的随机趋势特征，也错误地排除了未来发生意外事件的可能性。本课题在结构时间序列分析的框架下提出了新的稳健季节调整的信号提取理论，解决了由于结构突变导致的季节调整不稳定的问题；同时，这一理论模型可以直接应用于企业微观调查数据、混合频率数据、多元数据、周度数据或其他频率以及其他分布形式（如泊松分布）的数据。课题在非高斯分布和非线性状态空间模型的框架下对理论模型提出新的粒子滤波算法和重要性抽样方法，克服了传统的马尔科夫链蒙特卡罗模拟（MCMC）方法计算量大的缺陷，使该理论模型可以快速有效地应用于大规模的时间序列。课题结合季节时间序列和周期协整理论，对稳健季节调整提出新的质量诊断指标，为季节调整方案的选择提供了统计理论依据。课题对我国上市公司微观财务数据、多元数据以及宏观数据中特定的季节效应和日历效应进行了实证研究。

主要内容：本课题的起止时间为2012年1月至2014年12月，对季节调整的信号提取方法进行了研究，将目前主流的美国普查局的X-12-ARIMA方法进行了扩展。主要内容包括如下几个方面。（1）移动节假日的改进。传统的处理方法是将节假日分为节前、节中、节后三个阶段，但假定每个阶段是均匀分布的。我们将这一假定扩宽至水平型、递增型和递减型的三种分布，更灵活地体现了国内很多变量（比如，消费品零售额等）在春节、中秋节等节假日的变化特点。（2）基于上述改进的理论模型，我们扩展了美国普查局genhol的生成移动节假日的模块，在Stata中设计了genhol模块，将移动节假日变量的生成和季节调整有机地融合到一起，提高了数据分析的效率。（3）在Stata中设计了sax12和sax13模块，实现X-13A-S季节调整。与X12-ARIMA的主要改进在于，该模块包含了季节调整的SEATS（西班牙银行）方法。 .主要成果：截至2014年12月，本项目的成果包括论文、著作、软件模块、调查数据四种形式。项目组共发表论文5篇，其中包括英文SSCI期刊3篇（其中包括已被接收1篇），分别是《X13-A-S seasonal adjustment in Stata》、《X12-ARIMA seasonal adjustment in Stata》、《Long run covariance and its applications in cointegration regression》；中文CSSCI期刊2篇《中国消费物价指数月度数据的结构分析》、《我国居民消费的增长与波动：基于季节调整方法》；参与编写著作一部《天津市宏观经济波动研究》；Stata软件模块3个（lrcov、sax12和sax13）；不规则季度数据（市场调查数据）。.项目组在研究期间，与国家统计局进行了沟通，并与国家统计局《中国宏观经济序列季节调整方法研究与季节调整软件NBS-SA研发》项目组进行了多次学术交流和探讨。同时，为了研究不规则频率数据、日度数据和微观数据的季节变化特点，项目组以电子产品为例进行了市场调查，为研究这些季节变化规律积累了原始资料。.项目组在研究期间培养了博士生2名（陈雄强、张岩）。