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 2011 к QI 2011QII 2012 к QI 2012 Камерун РоссияКамерун Россия %-15.48%-6.86%-1.39%Исходные данные -0.66%-8.51%8.43%-0.66% Сезонно скорректированные

unido.org/statistics Зачем сезонная корректировка? Помощь в краткосрочном прогнозировании Помощь в сопоставлении динамических рядов, включая 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/агентствами которые собирают и используют экономическую информацию, включая Евростат и Европейский Цетробанк. Программы TRAMO and SEATS представляют из себя параметрический метод моделирования/прогнозирования и выделения сигналов (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 TSToolsDemetra+ Output Database Publication

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 мета дате.

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!