美國金融市場日評:季調是否對近期數據造成干擾?

　　許多經濟領域的時間序列呈現季節性走勢,這雖然不難預見,但從預測或政策的角度而言這種季節性模式本身意義不大。

　　通過季調來排除這種走勢的影響有助於我們解讀經濟數據。主要的季調方法以移動平均濾子為基礎。

　　季調雖然是一個非常有用的工具,但它也不無缺陷。舉例來看,由於標準方法為近期觀測值賦予了很高權重,因此可能受到大衰退等極端事件的影響。

　　標普/凱斯-席勒房價指數委員會去年表示,其季調後的住房價格指數可能受到了季調偏差的影響。此外,我們認為ISM非製造業指數可能也存在季調問題的干擾。對原始數據採用衰退前的季調因數後,近期數據波動性有所降低。

　　美國供應管理協會(ISM)4月份非製造業指數較2月份數據下降了6.9個點,創該指數有史以來最高雙月降幅(2008-2009年衰退期間除外)。儘管其它指標亦走軟,我們認為該指數下滑誇大了當前活動的疲軟態勢,而且這可能歸結于季調因素的干擾。

　　許多經濟領域的時間性序列呈現季節性走勢:舉例來看,聖誕節期間的零售銷售額上升;春季建築領域就業率加速上升;4月中旬集中納稅等。這些季節性變動與經濟活動的年均水平相比往往十分龐大。舉例來看,2010年新屋開工數上升6%,但約有60%來自1-4月份。季節性走勢能夠被合理的預測出來,同時其本身對經濟預測或政策觀點的價值有限。因此,剔除季節性因素影響能夠讓我們更清晰地分析環比變動和商業週期趨勢(更多詳細論述請參見2008年高盛美國經濟研究團隊發表的UnderstandingUSEconomicStatistics)。

　　在美國和其它幾個國家,經濟領域的時間性序列通過“CensusX-12”方法(此為最新版本,該方法由美國普查局于上世紀60年代首創)進行季節性調整。CensusX-12方法將觀測到的時間序列分解為季節、趨勢/週期和無規則構成要素三項成分:原始序列=季節x趨勢/週期x無規則要素

　　季調序列由原始序列除以季節性因素得出(或同樣方法是趨勢/週期因素乘以無規則要素)。大多數統計機構並不公佈趨勢/週期和無規則要素,儘管從分析的角度看,這些因素可能很有幫助作用(參見下文的凱斯-席勒房價指數分解)。CensusX-12方法為一項迭代過程,主要包括以下兩步:

　　1.預測趨勢:採用各觀測時段的中心移動平均值計算原始序列的非季節性趨勢。

　　2.預測季調因數:用原始序列除以趨勢。就其構成而言,這一剔除趨勢的序列將包括季節變量和無規則變量/“噪音”。計算相鄰年份各月不含趨勢序列的平均數得出季調因數。默認的方法是,CensusX-12採用“滾動”7年期間(即當前年份,之前三年和此後三年。例如,1990年1月的季調因數是1990年1月、1987-89年和1991-93年1月值的平均值)的數據計算季節因素。這一方法更加側重7年期間中間年份的觀測值。

　　3.計算季調序列:用原始序列除以季調因數得出季調後預測。

　　重復這些步驟,以獲得更精確的預測值(這一過程包含許多其它技術細節,我們在此不做贅述)。

　　雖然季節性調整是一個很有價值的研究工具,但它也存在幾項缺陷。第一,在時間序列末端難以預測準確趨勢,因此季調因數也容易受到影響。就近期大多數數據而言,CensusX-12採用加權移動平均值過濾這些數據,併為最近的觀測值賦予了很大權重(在一定情況下達到了25-30%)。這使得季調後數列對最新數據高度敏感,並可能招致大幅修正(有時這會被稱為“擺尾效應”)。最新的季調方法包括運用計量經濟學模型來延伸時間序列,如此一來序列末端的調整方法就與其它時間段更為貼合。調查顯示上述新式調整過程減輕了季調因數的修正,但無法完全避免該問題。

　　第二,極端事件、特別是發生在時間序列末端的極端事件可能會嚴重影響季調因數。舉例來説,如果連續幾年冬季冰雪災害都特別嚴重,那麼標準季調流程可能會預先計入未來冬季的經濟活動疲軟,即便天氣狀況回歸正常。CensusX-12會自動根據一些有違常態的現象做出調整,同時統計機構也會針對其它事件進行人工調整,例如在季調就業數據之前將罷工因素剔除等。不過,基於移動平均值的標準季調方法意味著若對特殊事件考慮不足,那麼最終預測可能會受到影響。

　　第三,對日曆因素的調整存在技術難度。雖然從技術上來看季調流程能夠剔除復活節影響,但通常無法體現校歷時間的改變。

　　此外,在假期和週末之間還可能存在相互影響,例如:倘若7月4日適逢週一,那麼零售額是否應能得到提振?第四,由於標準季調技術並未考慮季節性因素的成因,它們不太適於應對結構性問題。如果一個時間序列的季節性模式發生改變,那麼它只能隨時間慢慢在季調因數中得到體現和消化。

　　我們認為這些偏差可能使得近期指標有所失真。舉例來説,住房市場的變化似乎已影響了編制凱斯-席勒房價指數所用到的季調因數。具體而言,該因素放大了很多,而且價格中的無規則變動加劇(參加下圖)。可能的原因包括成交量縮水、首次購房抵稅等政策激勵措施,以及冬季幾個月時間中的低價售房佔比加大等。

　　2010年4月,凱斯-席勒房價指數編制委員會承認季調後數據可能存在偏差,並表示:“目前來看,未經調整的數列更為可靠,因此應該關注不受季節性因素影響的同比數據。此外,在考慮月度變動情況時應使用未調整數據。”季調引起的偏差或許是凱斯-席勒指數近期走勢有別於其它房價指數的原因之一。

　　近來ISM非製造業指數的波動可能也緣于季調偏差。今年所使用的季調因數顯示一、二季度之間的經濟活動出現了更明顯的提速。這或許反映出了衰退與復蘇的影響:衰退期的疲軟集中體現在冬季(例如2008年年底至2009年年初時那樣),而復蘇的最強音大多奏響于春季。CensusX-12可能自然而然地在一定程度上將這種變化解釋為季節性因素。今年4月份的季調因數也更高,這或許表明復活節期間的數據調整有些過度。

　　如果我們像最初報告那樣對未季調的ISM非製造業數據使用2007年季調因數,那麼2月份該指數應該為58.3(而非59.7),並在4月份降至55.2(而非52.8);同時該指數過去五個月的平均值基本相同。我們認為由此體現的經濟活動形勢要比更顯極端的季調後數據所對應的狀況更能令人信服。