Verwendung vierteljährlicher Daten in X-13ARIMA-SEATS

Das neueste Saisonbereinigungsprogramm der US-Volkszählung, X-13ARIMA-SEATS, unterstützt monatliche, vierteljährliche und jährliche Datensätze. Obwohl die monatlichen und jährlichen Datenerhebungen eindeutig sind, kann die vierteljährliche Berichterstattung mehrdeutig sein. Von welchem vierteljährlichen Zyklus ist die Rede? Ist es ein Mar-Jun-Sep-Dez-Zyklus oder etwas anderes?

Dieser Artikel wurde durch eine Anfrage eines unserer Kunden inspiriert: ein australischer Analyst, der vierteljährliche Daten in einem Zyklus von Februar bis Mai und August bis November verwendet. Ist das ein Problem?

Die U.S. Census X-13ARIMA-SEATS-Dokumentation geht davon aus, dass die vierteljährlichen Daten dem Zyklus März-Jundez-September-Dezember folgen. Was können wir also tun, um uns an die Situation des Analysten anzupassen?

Würden wir die Diskrepanz zwischen den Berichtsmonaten ignorieren und die Daten so verwenden, wie sie sind, dann wäre die Anpassung an den Kalender (Handelstage, Schaltjahr) und die Feiertage für viele Zeiträume falsch. Dies würde zu Fehlern führen.

Wenn Sie sich nicht um die Anpassung der früheren Daten kümmern oder eine Regressionskomponente in das SARIMA-Prognosemodell aufnehmen möchten, können Sie die Datumskomponente in Ihrem Datensatz einfach um einen Monat verschieben, so dass sie dem Zyklus März-Juni-September-Dezember entspricht.

Was ist die Alternative? Wir könnten die Stichprobe wie folgt anpassen:

1. Bei aktienähnlichen Daten interpolieren wir die Werte für die Monate März, Juni, September und Dezember.
2. Für Daten vom Typ Fluss: (1) Konvertierung (d. h. Aggregation) zu einer Zeitreihe vom Typ Bestand, (2) Interpolation der Bestandsgrößen auf die Monate März-Jundez-September-Dez und schließlich (3) Differenzierung der interpolierten Zeitreihen, um einen Fluss-Typ zu rekonstruieren.

NumXL verfügt über eine einfache, aber leistungsstarke Interpolationsfunktion – NxINTRPL(.), mit der Sie die gesamte Zeitreihe in einem Aufruf interpolieren können. Siehe die beigefügten Beispiele.

Aber was ist mit den Ergebnissen: saisonbereinigte und prognostizierte Werte?

X-13ARIMA generiert alle seine Ausgaben unter Verwendung des Zyklus März-Jundez-September-Dezember. Wenn Sie sie also auf einen Rohdaten-Quartalszyklus zurückführen möchten, müssen Sie eine Interpolation für die neuen Monate vornehmen.