آنچه معامله گران باید در مورد تنظیم فصلی بدانند

هدف از تنظیم فصلی حذف اثرات فصلی و تقویم از سری زمانی اقتصادی است. این یک روش متداول است ، اما همچنین یک عمل پیچیده و دارای عوارض جانبی است. تنظیم فصلی دو مرحله اساسی دارد. اولین اثرات قطعی را با استفاده از رگرسیون حساب می کند و یک مدل سری زمانی کلی را انتخاب می کند. مرحله دوم سریال اصلی اصلی را در چرخه روند چرخه ، فصلی ، تقویم و نامنظم تجزیه می کند. تنظیم فصلی به طور کلی کیفیت داده های اقتصادی را بهبود نمی بخشد. همیشه از دست دادن اطلاعات وجود دارد. همچنین ، اغلب مشخص نیست که کدام اثر تقویم حذف شده است. و گاهی اوقات تنظیم فصلی فقط اضافه کردن سر و صدا است یا نمی تواند تمام فصلی را از بین ببرد. علاوه بر این ، داده های تنظیم شده فصلی لزوماً شاخص های روند خوبی نیستند. با طراحی ، آنها سر و صدا و دور را از بین نمی برند. و رویدادهای شدید آب و هوایی یا الگوهای تعطیلات عمومی منابع بدنام تحریف هستند. روندهای برآورد شده در پایان این سریال در معرض عدم اطمینان زیادی هستند. علاوه بر این ، سریال های زمانی تنظیم شده فصلی اغلب اصلاح می شوند و اگر این داده ها برای تست های استراتژی معاملاتی استفاده شود ، می تواند منبع تعصب باشد.

در زیر خلاصه ای است که بر اساس نقل قول های چندین مقاله و کتابچه راهنمای اساسی است. پیوندها در استراحت های کنار نقل قول ها ارائه می شود.

یک ماده اساسی سری داده های رسمی اقتصادی

"اهداف تنظیم فصلی به این موارد استنوسانات و اثرات تقویم فصلی را شناسایی و حذف کنید ،که می تواند حرکات کوتاه مدت و بلند مدت را در یک سری زمانی ماسک کند و از درک روشنی از پدیده های اساسی جلوگیری کند. بنابراین تعدیل فصلی یک فرایند اساسی در تفسیر سری های زمانی است. "[یوروستات]

"متغیرهای اقتصادی تحت تأثیر قرار می گیرندالگوهای سیستماتیک و مکرر در سال به دلیل آب و هوا و عوامل اجتماعی، که معمولاً به عنوان الگوی فصلی گفته می شود ... به معنای گسترده ، تنظیم فصلی شامل حذف هر دو حرکات فصلی در سال و تأثیر اثرات تقویم (مانند تعداد مختلف روزهای کاری یا تعطیلات در حال حرکت) است. "[صندوق بین المللی پول]

وی گفت: "یک راه حل مشترک برای مقابله با الگوهای فصلی ، بررسی نرخ تغییر سالانه است: یعنی مقایسه سه ماهه فعلی با سه ماهه مشابه سال قبل.مقایسه های بیش از حد سال ، ضرر ، ارائه سیگنال از وقایع منسوخ را نشان می دهدبشرعلاوه بر این ، این نرخ تغییر به طور کامل تمام اثرات مربوط به تقویم را حذف نمی کند ... عید پاک ممکن است در سه ماهه اول یا دوم سقوط کند ، و تعداد روزهای کاری یک سه ماهه ممکن است بین سالهای بعدی متفاوت باشد. "[صندوق بین المللی پول]

پیش تنظیم و تجزیه سری زمانی

"یک روش تنظیم فصلی از یک رویکرد دو مرحله ای پیروی می کند.

• مرحله اول Preadustment نام دارد.هدف Preadustment انتخاب یک مدل رگرسیون است که به بهترین وجه ویژگی های سری اصلی را توصیف می کند…از مدل انتخاب شده برای تنظیم سریال برای اثرات قطعی استفاده می شودو برای گسترش این سریال با استفاده از backcasts و پیش بینی هایی که در فرآیند تجزیه سری زمانی استفاده می شود. مرحله preadustment عمدتاً شامل انتخاب (i) چگونگی ارتباط مؤلفه های بدون نظارت با یکدیگر (افزودنی ، چند برابر یا سایر اشکال مختلط) ، (ب) [پارامترهای مدل] ، (III) اثرات تقویم ، و ((III) است. IV) Outliers و سایر متغیرهای مداخله.
• مرحله دوم تجزیه سریال از پیش تنظیم شده را به اجزای بدون نظارت انجام می دهد.سریال تنظیم شده برای اثرات قطعی به سه مؤلفه بدون نظارت تجزیه می شود: چرخه روند ، فصلی و نامنظم… پس از برآورد اجزای بدون نظارت ، فاکتورهای تعدیل مشخص شده در مرحله اول (اثرات تقویم ، خارج از کشور و غیره) به مؤلفه مربوطه خود اختصاص می یابد تا با تجزیه کامل سری اصلی به چرخه روند نهایی ، فصلی ، فصلی ، فصلی ، فصلی ، فصلی ، فصلی. تقویم و اجزای نامنظم. "[صندوق بین المللی پول]

"برای اهداف تنظیم فصلی ، به طور کلی یک سری زمانی فرض می شود که از چهار مؤلفه اصلی تشکیل می شود:

• مؤلفه چرخه روند مسیر اصلی این سریال است. این شامل روند بلند مدت و هم حرکات چرخه تجارت است.
• مؤلفه فصلی شامل آن نوسانات فصلی است که خود را با زمان بندی ، جهت و بزرگی سالانه مشابه تکرار می کنند.
• مؤلفه تقویم شامل اثراتی است که مربوط به خصوصیات مختلف تقویم از دوره به دوره دیگر است. اثرات تقویم هم فصلی و هم غیر فصل هستند.فقط قسمت غیر فصل باید در مؤلفه تقویم گنجانده شود و به طور جداگانه تحت درمان قرار گیرد، همانطور که فصلی قبلاً توسط مؤلفه فصلی گرفتار شده است.
• مؤلفه نامنظم تمام نوسانات دیگری را که جزئی از اجزای چرخه روند ، فصلی و تقویم نیستند ، ضبط می کند ... زمان ، تأثیر و مدت زمان آنها در زمان وقوع آنها غیرقابل پیش بینی است. "[صندوق بین المللی پول]

"[یک طرح تجزیه] چگونه اجزای مختلف-اساساً چرخه روند ، فصلی ، تقویم و نامنظم-ترکیب می شوند تا سری اصلی را تشکیل دهند.معمولاً ، طرح تجزیه چند برابر است (یا چند برابر خالص یا ورود به سیستم) ، زیرا در بیشتر سری های زمانی اقتصادی ، به نظر می رسد بزرگی مؤلفه فصلی متناسب متفاوت استبه سطح سریال. "[یوروستات]

"در حال حاضر متداول ترین روش های تنظیم فصلی ، رویکرد استخراج سیگنال است که از یک مدل سازی ARIMA از سری کامل شروع می شود ، و رویکرد نیمه پارامتری بر اساس مجموعه ای از میانگین های متحرک از پیش تعریف شده."[یوروستات]

N. B: ARIMA به معنای "میانگین متحرک یکپارچه خودکار" است که یک مدل کلی است که یک سری زمانی یا تفاوت های آن را بر اساس مقادیر گذشته و خطاهای پیش بینی گذشته توضیح می دهد. این مدل با ترتیب Autoregression (چند مقدار گذشته مهم است) ، ترتیب میانگین متحرک (چند خطای پیش بینی شده گذشته) و ترتیب ادغام (چند بار سری برای متفاوت شدن باید متفاوت باشد) تعریف شده است. بشر

"به طور گسترده ... روش هایی برای از بین بردن الگوهای فصلی ... می تواند به دو گروه تقسیم شود: روش های متوسط و روش های مبتنی بر مدل.

• روشهای گروه اولبا استفاده از دنباله ای از فیلترهای متوسط حرکت ، داده های تنظیم شده فصلی را استخراج کنیدبه سری اصلی و تحولات آن. این روشها همه انواع روش X-11 است که در ابتدا توسط دفتر سرشماری ایالات متحده تهیه شده است. نسخه فعلی خانواده X-11 X-13ARIMA-SEATS (X-13A-S) است ...
• روشهای مبتنی بر مدلاجزای بدون محافظت را مطابق با مدل های سری زمانی خاص استخراج کنید، در درجه اول مدلهای میانگین متحرک یکپارچه (ARIMA). محبوب ترین روش تنظیم فصلی مبتنی بر مدل ، صندلی های تراموا است که توسط بانک اسپانیا ساخته شده است. "[صندوق بین المللی پول]

حسابداری نه تنها برای فصلی بلکه برای اثرات تقویم

"بیشترین اثرات تقویم شامل موارد زیر است:

• تأثیر روز تجارت یا روز کارگر ... اثر روز تجارت یک الگوی اساسی در ارتباط با هر روز هفته است. اثر روز کارگر رفتار متفاوت بین گروه های روزهای هفته و آخر هفته را فرض می کند.
• در حال حرکت به تعطیلات ... تعطیلات متحرک با وقایع با اهمیت مذهبی یا فرهنگی در کشوری که تاریخ به سال به سال دیگر تغییر می کند (به عنوان مثال ، عید پاک یا رمضان) همراه است.
• اثر سال جهش. این اثر برای حساب روز اضافی در ماه فوریه یک سال جهش لازم است ، که ممکن است یک چرخه چهار ساله ایجاد کند. "[صندوق بین المللی پول]

"اثرات روز معاملاتی ... سیستم هستندجلوه های ATIC در سری زمان های ماهانه مربوط به تغییرات در ترکیب روز هفته هر ماه استو در برخی موارد ، همچنین به تغییر در طول فوریه. برای سری جریان (تجمع ماهانه فعالیت روزانه به عنوان مثال فروش ماهانه) ، افزایش یا کاهش از میانگین فعالیت روزانه هفته مرتبط با روزهایی که پنج بار در ماه در یک سال معین رخ می دهد ، مهم است.(اگر آنها روزهای زیادی از فروش زیاد باشند ، ارزش ماهانه تورم خواهد شد.) برای سری Flow ، طول ماه فوریه می تواند تأثیر بگذارد.. ماه) می تواند تأثیراتی داشته باشد که از سال به سال متفاوت باشد. "[دفتر سرشماری ایالات متحده]

"در حال جابجایی جلوه های تعطیلات ...تغییرات سیستماتیک در مقادیر یک سری زمانی که با زمان تعطیلات در حال حرکت همراه است، یعنی تعطیلات که تاریخ آن از سال به سال دیگر متغیر است ، مانند عید پاک ، عید پاک ، رمضان ، سال نو چینی و روز کار ایالات متحده. برآوردهای یک یا ترکیبی از چنین تأثیراتی ، مؤلفه تعطیلات در حال حرکت سری زمانی را تعریف می کند. »[دفتر سرشماری ایالات متحده]

"اثرات تقویم باید از این سریال حذف شود زیرا آنها می توانند بر کیفیت تجزیه به مؤلفه های غیرقابل کنترل تأثیر منفی بگذارند ...اثرات تقویم باید قبل از فرآیند تجزیه سری زمانی از سری اصلی تخمین زده و از بین برود… تعدیل اثرات تقویم فقط برای آن دسته از سریال ها انجام می شود که هم شواهد آماری و هم تفسیر اقتصادی از اثرات تقویم وجود دارد ... تمام اثرات تقویم از طریق اثرات قطعی خاص که به معنای تولید مثل در ساختار تقویم با گذشت زمان است ، ضبط می شوند. این اثرات قطعی به عنوان رگرسیون تقویم نامیده می شوند ، زیرا به عنوان متغیرهای مستقل در رگاریما استفاده می شوند. "[صندوق بین المللی پول]

"به منظور در نظر گرفتن ملی ...تقویم های مختلف مورد نیاز استبشرآنها برای محاسبه رگرسیون های تقویم برای تنظیم تقویم استفاده می شوند. "[یوروستات]

هیچ بهبود کلی کیفیت داده های اقتصادی وجود ندارد

"تنظیم فصلی اتخاذ شده توسط آژانس های آماری گاهی اوقات به عنوان روشی بالقوه خطرناک دیده می شود که ممکن است خواص ذاتی سری اصلی را به خطر بیاندازد. در حقیقت،همیشه از دست دادن اطلاعات ناشی از تنظیم فصلی ،حتی وقتی فرآیند تعدیل فصلی به درستی انجام شود ... داده های غیر قابل تنظیم در نوع خود مفید هستند. داده های تنظیم شده غیر فصلی وقایع اقتصادی واقعی را که رخ داده است نشان می دهد ، در حالی که داده های تنظیم شده فصلی و برآورد چرخه روند نشان دهنده یک توضیح تحلیلی از داده های طراحی شده برای نشان دادن حرکات اساسی است که ممکن است توسط تغییرات فصلی پنهان باشد. "[صندوق بین المللی پول]

“برنامه های تنظیم فصلی ممکن است داده های "تنظیم شده فصلی" را برگرداند حتی اگر داده های ورودی شامل اثرات فصلی نباشندبشراز طرف دیگر ، آنها ممکن است سری های تنظیم شده فصلی را ارائه دهند که هنوز هم شامل اثرات فصلی باقیمانده هستند ... تشخیص های اساسی باید در حداقل تست ها برای حضور فصلی قابل شناسایی در سری اصلی ، تست هایی برای فصلی باقیمانده در سری تنظیم شده فصلی ، تست های مهم تقویم ارائه دهند. اثرات "[IMF]

داده های تنظیم شده فصلی هنوز هم می توانند الگوهای فصلی داشته باشند

"فصلی باقیمانده ، مانند فصلی به طور کلی ، یک الگوی قابل پیش بینی از تولید است که در طول سال رخ می دهد ، اما روش های فعلی در اندازه گیری آن ناکام هستند ... بنابراین ، فصلی باقیمانده در فرآیند تنظیم اولیه فصلی حذف نمی شود ... [به عنوان مثال]فصلی کوچک که در اجزای تولید ناخالص داخلی برای آن حساب نشده است می تواند الگوهای فصلی قابل توجه را در کل تولید کند… در دهه های گذشته ، رشد اقتصادی سه ماهه اول حتی پس از تنظیم فصلی معمولی ، از رشد سایر محله ها پایین تر بوده است. "[خیابانلوئیس فدراسیون]

"تعدیل رسمی فصلی [از حساب های ملی] [گاهی اوقات] در سطح تفکیک (رویکرد غیرمستقیم) انجام می شود [بر خلاف] تعدیل فصلی در سطح کل (رویکرد مستقیم) ...تعدیل فصلی در سطح تفکیک ممکن است مستعد بیشتر بودن فصلی باقیمانده در داده های کل باشد ... برخی از مؤلفه ها به هیچ وجه تنظیم نمی شوند به این دلیل که فصلی در این مؤلفه ها به اندازه کافی تلفظ نمی شودبشرممکن است بسیاری از مؤلفه ها وجود داشته باشند که هر یک از آن فصلی جزئی را نشان می دهند که در آن فصلی با این وجود همبستگی مثبت در بین قطعات دارد ... سیاست های تجدید نظر مانع از اعمال تنظیمات فصلی برای داده های تاریخی می شوند. "[رایت]

“فصلی ممکن است به تدریج با گذشت زمان تغییر کندبشراین پدیده "فصلی در حال حرکت" نامیده می شود. "[IMF]

داده های تنظیم شده فصلی به طور کلی شاخص های روند خوبی نیستند

“تنظیم فصلی برای هموار سازی سری منظور نشده استبشریک سری تنظیم شده فصلی ، مجموع مؤلفه چرخه روند و مؤلفه نامنظم است ... تنظیم یک سری برای تغییرات فصلی ، تأثیرات قابل شناسایی و به طور مرتب بر روی سریال را حذف می کند اما تأثیر هرگونه وقایع نامنظم نیست. در نتیجه ، اگر تأثیر وقایع نامنظم قوی باشد ، سری تنظیم شده فصلی ممکن است یک سری صاف و به راحتی قابل تفسیر نباشد. "[صندوق بین المللی پول]

“تجزیه بین چرخه روند و اجزای نامنظم در نقطه پایانی این سریال در معرض عدم اطمینان زیاد است، جایی که ممکن است تشخیص و تخصیص اثرات از مشاهدات جدید دشوار باشد. "[صندوق بین المللی پول]

تعدیل فصلی با وقایع دورتر در تئوری سروکار دارد ، اما نه همیشه در عمل

“Outlier… اثرات خود را با تغییرات ناگهانی در این سریال آشکار می کنند ،گاهی اوقات مربوط به آب و هوا یا اثرات اقتصادی و اقتصادی غیر منتظره (مانند بلایای طبیعی ، اعتصاب ها یا بحران های اقتصادی و مالی) است.چنین اثرات بخشی از فرآیند تولید داده های خطی اساسی برای سری اصلی نیست. به همین دلایل ، اثرات غیرعادی نیز اثرات غیرخطی نامیده می شودبشردر فرآیند تعدیل فصلی ، مسافت ها باید با استفاده از متغیرهای مداخله از پیش تعریف شده حذف شوند. سه نوع اصلی خارج از کشور اغلب برای سری زمانی اقتصادی استفاده می شود: i. Edtive Outlier ، که فقط به یک دوره مربوط می شود. ii. تغییر سطح ، که سطح یک سری را به طور دائم تغییر می دهد. iiiتغییر گذرا ، که تأثیرات آن بر روی یک سری در طی چند دوره محو می شود. "[صندوق بین المللی پول]

وی گفت: "Outliers ارزش های غیر طبیعی این سریال است [که] ... تا حد زیادی بر کیفیت تخمین فصلی تأثیر می گذارد. انواع مختلفی از فضای باز (به عنوان مثال حوزه های افزودنی ، تغییرات گذرا ، تغییر سطح و غیره) باید برای آن شناسایی و اصلاح شوند. مدل های Regarima یک روش موفق برای انجام این کار را اثبات کرده اند ... مدل های Regarima امکان مدل سازی مسافت های مشخص شده توسط کاربر و یک روش اتوماتیک را برای تشخیص دور و تصحیح اثرات آنها فراهم می کند. "

N. B: Regarima (مدل رگرسیون خطی با خطاهای سری زمانی ARIMA) مدل های این سری را از غیر خطی ها ، مانند Outliers و جلوه های تقویم تمیز می کند. برای اکثریت سری زمانی این مرحله اولیه برای دستیابی به نتایج رضایت بخش از تعدیل فصلی بسیار مهم است. Outliers مشاهداتی هستند که در گرایش سری زمانی مشاهده نمی شوند زیرا با الگوی معمولی روند و/یا اجزای فصلی تفاوت چشمگیری دارند.

“Outliers در انتهای این سریال مشکلات منحصر به فرد را ارائه می دهد.تغییر سطح در آخرین نقطه داده ... [یا] یک تغییر موقتی در آخرین نقطه داده ... نمی تواند از یک افزودنی افزودنی در آنجا متمایز شود. "[یوروستات]

تنظیم فصلی در حال تجدید نظر و منبع تعصب در پشتی است

“نتایج تنظیم فصلی به شدت تحت تأثیر متغیرهای خارج از کشور و متغیرهای مداخله قرار می گیرد.ترکیب متفاوتی از اثرات رگرسیون می تواند تغییرات مهمی در تخمین روند و اجزای فصلی ایجاد کند ... دور از دسترس برای تشخیص و تفسیر در زمان واقعی ، به ویژه در دوره های تغییرات اقتصادی قوی مانند رکود اقتصادی دشوار است. "[صندوق بین المللی پول]

اثرات فصلی ممکن است با گذشت زمان تغییر کند. الگوی فصلی ممکن است به تدریج با تغییر رفتار اقتصادی ، ساختارهای اقتصادی و ترتیبات نهادی و اجتماعی تحول یابد. الگوی فصلی نیز به دلیل تغییرات ناگهانی نهادی ممکن است به طور ناگهانی تغییر کند. فیلترهای فصلی تخمین زده می شود با استفاده از میانگین های متحرک محور (مانند فیلترهای X-11 و صندلی ها) به الگوی فصلی این سریال اجازه می دهد تا به مرور زمان تغییر کند و امکان به روزرسانی تدریجی الگوی فصلی را فراهم کند [اما این نیاز به میانگین پیش رو دارد و از این رو تخمین های زمان واقعیاز آخرین داده ها اغلب بسیار متفاوت به نظر می رسند] ... در نتیجه ،مشاهدات جدید به طور کلی منجر به تغییر در الگوی فصلی تخمین زده شده برای آخرین قسمت از سری و داده های تنظیم شده فصلی در مورد تجدید نظر بیشتر از سری تنظیم شده غیر فصلی اصلی می شود. "[صندوق بین المللی پول]

“اصلاحات داده های تنظیم شده فصلی به دلیل تخمین بهتر/شناسایی الگوی فصلی به دلیل اطلاعات جدید می تواند صورت گیردارائه شده توسط داده های جدید غیر قابل تنظیم و/یا به دلیل ویژگی های فیلترها و رویه های حذف اجزای فصلی و تقویم ... در تنظیم فصلی ممکن است اینگونه باشدفقط یک مشاهده اضافی منجر به تجدید نظر در داده های تنظیم شده فصلی برای چندین سال می شود. "[یوروستات]

مشکل "روزهای پل" ، تعطیلات مدرسه و رویدادهای شدید آب و هوا

“روزهای پل زدن، روزهایی هستند که بین تعطیلات رسمی و تعطیلات آخر هفته قرار دارند. آنها در شرایط تقویمی صرفاً به عنوان روزهای کاری کامل محاسبه می شوند، اما ... انتظار می رود که آنها ... تأثیر منفی بر تولید داشته باشند. بررسی های تجربی شواهد واضحی از این اثرات نشان می دهند... [با این حال] حرکت متقابل مرخصی کمتر نیز باید در بقیه سال تعدیل شود تا هیچ تحریفی در چرخه تجاری رخ ندهد... برآورد این حرکت متقابل اغلب در عمل امکان پذیر نیست.”[یوروستات]

تجربه کشور نشان می دهد کهتخمین روز پل و اثرات شدید آب و هوا بسیار نامشخص است. اثرات عادی مربوط به آب و هوا باید به عنوان بخشی از فرآیند تنظیم فصلی منظم در نظر گرفته شود، در حالی که اثرات شدید را می توان با استفاده از متغیرهای پرت یا مداخله موقت تنظیم کرد.[IMF]

«اقتصادیفعالیت در یک ماه / سه ماهه احتمالاً به زمان تعطیلات مدرسه بستگی دارد. کارگرانی که کودکان در سن مدرسه دارند عمدتاً در تعطیلات مدرسه مرخصی می گیرند و از این رو کار خود را قطع می کنند. بررسی های تجربی شواهد روشنی از این اثرات را نشان می دهد. با این حال، برآوردهای ماهانه خاص از تأثیرات تعطیلات مدارس در هر مورد بر اساس تعداد بسیار محدودی از مشاهدات است.[یوروستات]

«اثرات ناشی از آب و هوا به طور مکرر با همان شدت در همان ماه در هر سال رخ نمی دهد. بلکه،اختلال در فعالیت های ساختمانی در فصل سرد به شدت و مهمتر از همه به طول دوره های آب و هوایی شدید بستگی دارد.. از این نظر، ممکن است سعی شود وابستگی آب و هوا، به عنوان مثال، خروجی ساخت و ساز با استفاده از رگرسیون های مناسب مدل شود تا نتیجه گیری در مورد تحولات اقتصادی آسان تر شود. با این حال، اختلالات شدید تولید مرتبط با آب و هوا در فصل سرد اغلب منجر به اثرات مثبت در فصل بهار می شود. اگر کسری زمستان تعدیل می شد، برای اینکه تصویر چرخه تجاری به طور یک جانبه مخدوش نشود، باید اثر ضربه ای غیرمستقیم نیز از محاسبه بهار حذف شود.»[یوروستات]

نرم افزار استاندارد برای تنظیم فصلی

«اداره سرشماری ایالات متحده…X-11 [اولین نرم افزار پرکاربرد] تنظیم فصلی است. این مبتنی بر کاربرد تکراری فیلترهای خطی است… نرم افزار تنظیم فصلی X-12-ARIMA… تکنیک های رگرسیون و همچنین مدل سازی ARIMA [میانگین متحرک یکپارچه خود را] برای بهبود تخمین اجزای سری زمانی مختلف… X-3ARIMA-SEATS (X-13A-S) نرم افزار تنظیم فصلی… ادغام می کندنسخه پیشرفته ای از X-12-ARIMA با نسخه پیشرفته صندلی ها [استخراج سیگنال در سری زمانی Arima]برای ارائه تنظیمات فصلی X-11 روش و تنظیمات فصلی مبتنی بر مدل ARIMA و تشخیصبشراین نرم افزار تنظیم فصلی است که در حال حاضر توسط دفتر سرشماری استفاده می شود. "[دفتر سرشماری ایالات متحده]

"X-13ARIMA-SEATS یک نرم افزار تنظیم فصلی است که توسط دفتر سرشماری [ایالات متحده] تولید ، توزیع و نگهداری می شود. ویژگی ها شامل:

• مدل سازی سری زمانی گسترده و قابلیت انتخاب مدل برای مدلهای رگرسیون خطیبا خطاهای ARIMA [خطاهایی که لزوماً مستقل و یکسان توزیع نمی شوند اما از یک فرم متوسط خودجوش ، یکپارچه تر و در حال حرکت هستند] ... مدل های ARIMA یک خانواده همه کاره از مدل ها برای مدل سازی و پیش بینی داده های سری زمانی هستند. مدل های ARIMA فصلی فرم خاصی برای مدل سازی کارآمد انواع مختلفی از سری های زمانی فصلی دارند و به شدت در تنظیم فصلی مورد استفاده قرار می گیرند ... اثرات دورافتاده ، با متغیرهای رگرسیون خطی مدل می شوند در حالی که ویژگی های باقیمانده (باقیمانده های رگرسیون ، از جمله روند ، چرخه و اجزای فصلی) با یک مدل ARIMA فصلی مدل می شوند.
• درقابلیت تولید تنظیم فصلی مبتنی بر مدل ARIMA با استفاده از نسخه ای از صندلی ها [استخراج سیگنال در سری زمان ARIMA]بشراین تخمین را بر اساس مدل های رگرسیون با مشاهدات از دست رفته و خطاهای ARIMA انجام می دهد ، در صورت وجود چندین نوع از دورتر ... داده های خارج از کشور از یک حرکت ناگهانی و غیر معمولی در سری زمانی ، به عنوان مثال. از طوفان ، اعتصاب و غیره ، که احتمالاً تخمین های روز فصلی ، روز تجارت یا اثرات تعطیلات را تحریف می کند. برای تنظیم فصلی ، برای جلوگیری از تحریف برآوردهای مورد نظر ، از رگرسیونرهای کلیوی نرم افزاری نرم افزار برای برآورد و به طور موقت (تقریباً) خارج شده استفاده می شود. این برآوردهای محافظت شده برای به دست آوردن سری تنظیم شده از سری اصلی حذف می شوند. در نتیجه ، سریال های تنظیم شده روز و شاید معاملات فصلی و شاید تعطیلات هنوز حرکات مورد انتظار را نشان می دهد.
• تشخیص کیفیت و ثباتاز تنظیمات حاصل از گزینه های انتخاب شده. "[دفتر سرشماری ایالات متحده]

"برنامه Tramo-Seats روش تنظیم فصلی مبتنی بر مدل ARIMA را پیاده سازی می کند ... توسط بانک اسپانیا ارتقا یافته و نگهداری می شود. تجزیه صندلی ها بر اساس روش استخراج سیگنال است ... ماژول قبل از تنظیم (TRAMO) شبیه به برنامه ای است که در برنامه X-3A-S گنجانیده شده است. "[صندوق بین المللی پول]

"jdemetra+ استمنبع باز ، نرم افزار مستقل ، پلتفرم ، قابل توسعه برای تنظیم فصلی(SA) و سایر مشکلات مربوط به سری زمانی که توسط بانک ملی بلژیک ایجاد شده است ... بیشترین استفاده و توصیه شده [روش های تنظیم فصلی] X-12-ARIMA2/X-13ARIMA-SEATS3 است که در دفتر سرشماری ایالات متحده و Tramo/Seats4 توسعه یافته استتوسعه یافته توسط ... بانک اسپانیا. هر دو روش به دو قسمت اصلی تقسیم می شوند. قسمت اول از قبل تنظیم شده است و با استفاده از یک مدل رگرسیون با نویز ARIMA ، اثرات قطعی را از این سریال حذف می کند. بخش دوم تجزیه سری زمانی برای برآورد و حذف یک مؤلفه فصلی است. Tramo/Seats و X-12-Arima/X-13ARIMA-SEATS از یک رویکرد بسیار مشابه در قسمت اول برای تخمین همان مدل در مرحله پردازش استفاده می کنند ، اما آنها در مرحله تجزیه کاملاً متفاوت هستند.[Grudkowska]

• برچسب ها
• داده های اقتصادی
• روش های آماری