在20世纪早期，人们开始在时间序列中分解季节因素并调整季节变动，这标志着季节调整问题的开端。这一问题的首次提出可以追溯到1919年美国经济学家的见解。自那时起，季节调整方法经历了不断的出现和改进。1931年，麦考利提出了移动平均比率法进行季节调整，成为这一领域的重要基石。1954年，美国普查局首次在计算机上运行程序对时间序列进行季节调整，X-1方法由此诞生，随后每种改进的方法都以X加上序号表示。1960年，X-3方法发表，它在特异项的代替方法和季节要素的计算方法上进行了进一步的改进。1961年，X-10方法问世，考虑了根据不规则变动和季节变动的相对大小来选择计算季节要素的移动平均项数。美国劳工局在1960年代推出了BLS法，尽管最后转向了X-11，但该时期美国普查局在1965年发布的X-11程序标志着季节调整方法的成熟，并被广泛使用，随后出现了各种其他的季节调整方法。
目前，已开发出三种比较成熟的模型用于季节调整，它们在国际上被普遍采用：X-11-ARIMA、X-12-ARIMA和TRAMO/SEATS。1978年，加拿大统计局推出了X-11-ARIMA（自回归合并移动平均）模型，通过引入随机建模的方法，利用自回归和移动平均方法对时间序列进行季节调整。这一方法不仅包含了X-11的所有优点，而且还具有通过ARIMA模型在季节调整前向前或向后扩展时间序列的能力。1990年代，美国劳工统计局推出了X-12-ARIMA模型，它基本上涵盖了X-11-ARIMA的最新版本的所有特性，并且在建模和诊断能力方面进行了改进，增加了几种模型和季节调整诊断方法。20世纪末，西班牙中央银行研制并推出了TRAMO/SEATS（ARIMA时间序列的信号提取/具有缺省值的时间序列回归）模型，广泛用于欧盟成员国季度和月度数据的季节调整。这三种方法的核心思路相似，均采用ARIMA预测最近季度的趋势，但在具体细节的技术处理及考虑的调整因素上存在差异，因此调整结果会有所不同。
本文如未解决您的问题请添加抖音号：51dongshi（抖音搜索懂视），直接咨询即可。
热心网友
回答时间：2024-10-25 23:48
