unido.org/statistics Сезонная корректировка национальных ИПП на международном уровне Шьям Упадьяя, Шохре Мирзаеи ЮНИДО Вена, Австрия unido.org/statistics Содержание • • • • • • • Что и зачем Основные концепции Цена и риски Методы Программное обеспечение Опыт ЮНИДО Recommendation unido.org/statistics Сезонно скорректированный и исходные данные - Индекс промышленного производства unido.org/statistics Сезонно скорректированный и исходные данные - Индекс промышленного производства unido.org/statistics Процент изменения ИПП QII 2012 к QI 2012 Исходные данные Сезонно скорректированные QII 2011 к QI 2011 Россия Камерун Россия Камерун -1.39% -6.86% -15.48% -17.17% -0.66% 8.43% -8.51% -0.66% unido.org/statistics Зачем сезонная корректировка? • Помощь в краткосрочном прогнозировании • Помощь в сопоставлении динамических рядов, вклюая динамические ряды разных стран • Возможность сопоставления месячных и квартальных данных • Возможность оценивать реальные изменения в промышленном производстве, которые может быть будет трудно оценить в силу сезонных изменений unido.org/statistics Сезонная корректировка • Процесс оценки и удаления сезонных эффектов и фильтрации систематических календарных источников влияния из исходных данных по ИПП • Есть распространенное заблуждение, что сезонная корректировка может скрыть имеющие место аномальные явления. Но это ошибка: если есть данные по каким-либо необычным явлениям, они будут включены в сезонно скорректированные данные. unido.org/statistics Сезонная корректировка • Способствует сравнению долго- и краткосрочных темпов динамики между странами • Отклонения вследствие сильного или слабого сезонного влияния будут видимы и в сезонно скорректированных показателях. В целом, случайные потрясения экономики или аномальные явления, которые понятны и объяснимы с точки зрения экономики (например, последствия экономической политики, забастовки и т.д.) тоже будут видны. unido.org/statistics Сезонная корректировка • Сезонно скорректированные данные не показывают «обычные» и повторяющиеся явления, и дают оценку новым явлениям в динамике, что и является целью сезонной корректировки unido.org/statistics Цена и риски • Сезонная корректировка требует значительных ресурсов: временных, людских и технических • Некорректные или низкого качества результаты сезонной корректировки могут привести к ошибочным показателям, увеличить вероятность ложных сигналов (credibility effects) • Наличие остаточной сезонности, так же как и чрезмерное сглаживание несут конкретные риски, которые могут негативно отразится на интерпретации сезонно скорректированных данных unido.org/statistics Методы сезонной корректировки • Model based method – TRAMO/SEATS • Filter based method – X12-ARIMA unido.org/statistics TRAMO/ SEATS • TRAMO (Time Series Regression with ARIMA Noise, Missing Observations and Outliers) and SEATS (Signal Extraction in ARIMA Time Series) разработанные by Victor Gómez and Agustin Maravall в Банке Испании. • Эти две программы используются в настоящее время организациями/агенствами которые собирают и используют экономическую информацию, включая Евростат и Европейский Цетробанк. • Программы TRAMO and SEATS представляют из себя параметрический метод моделирования/прогнозирования и выделения синалов (выбросов) в одномерных динамических рядах. unido.org/statistics Demetra+ • В прошлом существовало две опции в выборе программного обеспечения для сезонного сглаживания: X-12-ARIMA and TRAMO/ SEATS. • На сегодняшний день существует программа, которая объединяет функциональность обеих программ X-12-ARIMA и TRAMO/SEATS: Demetra+. • Пользователи могут выбрать один из подходов для каждого случая, не меняя программу. unido.org/statistics Архитектура системы (Цикл)) Raw Database Publication Output Database TSTools Demetra+ unido.org/statistics Настройка • Три типа настройки модели – Current Adjustment → фиксирование параметров и коэффициентов модели – Semi-concurrent Revision → переоценка коэффициентов модели при поступлении новых данных – Concurrent Adjustment → полная перенастройка модели unido.org/statistics Опыт ЮНИДО (ИПП) • 334 динамических ряда • Качество динамических рядов – Краткосрочные динамические ряды: минимум 3 года для месячных данных и 4 года для квартальных • Настройка модели: semi-concurrent revision (1 раз в год) • 4 квартальных отчета по мировому промышленному производству, используя сезонно сглаженные данные unido.org/statistics Предложения и рекомендации • Метод агрегирования – Непрямой подход – Прямая корректировка • Рекомендуется проводить сезонную корректировку на уровне страны • Настройка модели • Публикации – Если сезонность присутствует и может быть определена, данные должны публиковаться сезонно скорректированными. – Метод и программное обеспечение должны быть отражены в соответствующей метадате. unido.org/statistics • Страны, у которых нет опыта сезонной корректировки данных, должны предоставить их национальные календари или, как альтернативу, сведения о национальных праздниках, включая информацию о компенсационных днях. Также предоставляя календарь для года t+1 или информацию о соответствующих выходных/праздниках. • Пользователи сезонно скорректированными данными должны помнить о том, что их использование для эконометрического моделирования осторожным. unido.org/statistics Thank you for your attention!