时间序列季节调整理论与应用PDF|Epub|txt|kindle电子书版本下载

时间序列季节调整理论与应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 选题背景和意义1

1.1.1 本书的选题背景1

1.1.2 本书的选题意义4

1.2 国内外研究动态和文献综述5

1.2.1 国外研究历程和现状5

1.2.2 国内研究现状及趋势9

1.3 季节调整和环比增长率测算研究国内外比较11

1.4 季节调整和环比增长率测算实践国内外比较12

1.4.1 各国季节调整实践工作的差异12

1.4.2 加强我国季节调整实践工作的措施13

第一编 基于过滤器方法的季节调整分析与应用15

第2章 X-12-ARIMA季节调整模型分析与应用15

2.1 regARIMA模块分析16

2.1.1 regARIMA模块原理16

2.1.2 异常值回归变量识别和分析17

2.1.3 日历效应回归变量识别和测定21

2.2 X-11模块分析31

2.2.1 移动平均的季节调整原理分析32

2.2.2 X-11的对称和非对称移动平均分析33

2.3 中国居民消费价格实时监测的指数选择41

2.3.1 消费价格指数的特点与相互关系42

2.3.2 中国月度消费价格指数的季节调整45

2.3.3 中国居民消费价格实时监测的指数选择47

2.3.4 基于X-12-ARIMA模型的CPI折年率计算50

2.4 本章小结52

2.4.1 通过X-12-ARIMA模型研究所得结论52

2.4.2 通过实证研究所得结论52

2.4.3 通过实证研究得到的政策建议53

第3章 BV4.1季节调整模型分析与应用54

3.1 BV4.1基本模型55

3.1.1 BV4.1的基本假定和推导过程55

3.1.2 趋势成分57

3.1.3 季节成分58

3.1.4 异常值59

3.1.5 日历成分61

3.2 基于BV4.1模型的CPI季节调整63

3.2.1 数据说明63

3.2.2 检测异常值64

3.2.3 估计趋势和季节成分67

3.3 季节调整的诊断分析73

3.3.1 BV4.1的平滑区间和修正历史诊断73

3.3.2 BV4.1与X-12-ARIMA和TRAMO／SEATS的平滑区间和修正历史诊断比较74

3.4 本章小结79

第二编 基于模型方法的季节调整分析与应用82

第4章 TRAMO／SEATS季节调整模型分析与应用82

4.1 TRAMO模型分析82

4.1.1 TRAMO模型的简单描述82

4.1.2 TRAMO模型的参数估计和预测83

4.1.3 默认模型和预试84

4.1.4 TRAMO模型的缺失值处理84

4.1.5 TRAMO模型的异常值处理85

4.1.6 TRAMO模型中ARIMA模型的选择85

4.2 SEATS模型分析87

4.2.1 SEATS模型的简单描述87

4.2.2 ARIMA模型的分解90

4.3 中国粮食价格的运行特征92

4.3.1 概述92

4.3.2 数据来源、处理及说明94

4.3.3 中国粮食消费价格指数运行特征实证研究95

4.4 本章小结103

4.4.1 通过对TRAMO／SEATS模型研究所得结论103

4.4.2 通过实证研究所得结论104

第5章 基于状态空间的季节调整模型与应用105

5.1 状态空间模型分析105

5.2 Kalman滤波方法分析106

5.2.1 Kalman滤波的一般形式106

5.2.2 Kalman滤波的解释和性质107

5.2.3 Kalman滤波的初始条件108

5.3 基于状态空间模型的超参数估计109

5.4 基于状态空间方法的季节调整109

5.4.1 简化状态空间模型109

5.4.2 季节调整的状态空间表示110

5.4.3 状态空间表示的季节调整模型求解112

5.5 基于状态空间方法的中国季度GDP季节调整113

5.5.1 概述113

5.5.2 研究对象和数据来源及分析处理114

5.5.3 基于状态空间模型的定义和参数估计114

5.5.4 基于状态空间模型的中国GDP季节调整117

5.5.5 状态空间模型和TRAMO／SEATS的比较120

5.6 本章小结121

第6章 基于SRIF的状态空间季节调整模型及应用123

6.1 引言123

6.2 一个状态空间季节调整模型分析123

6.3 一个均方根信息滤波或平滑方法125

6.3.1 Kalman滤波方法125

6.3.2 一个均方根信息滤波平滑方法126

6.4 均方根信息滤波的DECOMP程序分析127

6.5 基于SRIF的状态空间季节调整模型与我国居民消费128

6.5.1 数据来源及分析处理128

6.5.2 模型中AR成分选择129

6.5.3 模型中交易日效应成分选择129

6.5.4 季节调整模型所得各成分分析132

6.5.5 社会消费品零售总额环比增长率和经济监测133

6.6 消费率重估、分解和扩大消费需求135

6.6.1 我国商品性货物消费率估计和分解136

6.6.2 我国消费率波动分析和政策建议140

6.7 本章小结143

第7章 基于Bayes的季节调整模型与应用145

7.1 引言145

7.2 Bayes季节调整模型分析（一）146

7.2.1 季节调整的经典回归方法146

7.2.2 关于对趋势项和季节项的约束条件146

7.2.3 带有随机约束的回归模型147

7.2.4 Bayes季节调整模型构建与评价准则148

7.2.5 贸易日和闰年调整150

7.3 Bayes季节调整模型分析（二）151

7.4 基于Bayes季节调整模型的中国居民消费153

7.4.1 数据来源及分析处理153

7.4.2 中国居民消费季节调整Bayes程序分析153

7.4.3 中国居民消费Bayes季节调整结果分析153

7.4.4 基于Bayes季节调整模型的假日经济与居民消费157

7.5 本章小结163

第8章 基于状态空间的周数据季节调整模型164

8.1 结构时间序列模型165

8.1.1 季节模型的三角函数形式165

8.1.2 季节虚拟变量166

8.1.3 周数据166

8.2 周期效应166

8.2.1 季节模型的三角函数167

8.2.2 时变周期样条167

8.2.3 月内效应168

8.2.4 闰年168

8.3 移动假日：虚拟变量效应169

8.4 模型的统计处理169

8.5 本章小结170

第三编 季节调整的质量评估及X-13A-S模型172

第9章 季节调整模型的质量评估及X-13A-S模型172

9.1 引言172

9.2 季节调整模型差异的理论分析172

9.2.1 预调整、诊断和检验差异172

9.2.2 季节调整和预测的差异173

9.2.3 季节调整的诊断检验173

9.2.4 数据长度和适用性173

9.3 季节调整模型谱分析检验剩余季节性174

9.4 季节调整模型稳定性诊断方法177

9.4.1 幂等诊断177

9.4.2 平滑间距诊断177

9.4.3 修正历史诊断178

9.5 季节稳定性的检验180

9.6 季节调整模型质量检验的一个模拟方法181

9.6.1 几个假设181

9.6.2 几种季节调整模型检验统计量181

9.6.3 数据的生成过程DGP184

9.7 X-13A-S季节调整模型185

9.7.1 X-13A-S模型概述185

9.7.2 X-13A-S新的模型选项186

9.8 本章小结190

第四编 季节调整模型的扩展应用192

第10章 我国子年度经济时间序列季节调整模型扩展应用192

10.1 中国生产价格与消费价格传导关系研究192

10.1.1 概述192

10.1.2 CPI与PPI的内涵和差异193

10.1.3 CPI与PPI之间关系的理论分析194

10.1.4 TRAMO／SEATS和HP滤波方法196

10.1.5 PPI与CPI关系的季节调整——滤波方法研究197

10.2 中国PMI季节调整与金融危机制造业损失评估207

10.2.1 本底趋势线理论原理及危机评估方法207

10.2.2 X-13A-S季节调整模型原理与方法208

10.2.3 PMI的X-13A-S季节调整209

10.2.4 本底线的构建、损失评估及金融危机生命周期分析214

10.2.5 政策建议217

10.3 本章小结218

第11章 结语221

11.1 本书的主要创新点221

11.2 需要进一步研究的问题222

参考文献224