Korekta sezonowa

Co to jest korekta sezonowa?

Korekta sezonowa to technika statystyczna mająca na celu wyrównanie okresowych wahań statystyk lub ruchów podaży i popytu związanych ze zmieniającymi się porami roku. Może zatem wyeliminować wprowadzające w błąd składniki sezonowe ekonomicznego szeregu czasowego. Korekta sezonowa to metoda wygładzania danych używana do przewidywania wyników ekonomicznych lub sprzedaży firmy w danym okresie.

Korekty sezonowe zapewniają jaśniejszy obraz trendów niesezonowych i danych cyklicznych, które w przeciwnym razie zostałyby przyćmione przez różnice sezonowe. Ta korekta pozwala ekonomistom i statystykom lepiej zrozumieć podstawowe trendy w danym szeregu czasowym.

Wyjaśnienie korekty sezonowej

Sezonowość jest cechą szeregu czasowego, w którym dane podlegają regularnym i przewidywalnym zmianom powtarzającym się w każdym roku kalendarzowym. Mówi się, że każda przewidywalna fluktuacja lub wzorzec, który powtarza się lub powtarza w okresie jednego roku, jest sezonowa.

Korekty sezonowe mają na celu wyrównanie odchyleń w niektórych rodzajach działalności finansowej. Na przykład amerykańskie Biuro Statystyki Pracy (BLS) wykorzystuje korektę sezonową, aby uzyskać dokładniejszy obraz poziomu zatrudnienia i bezrobocia w Stanach Zjednoczonych. Robią to, usuwając wpływ wydarzeń sezonowych, takich jak święta, wydarzenia pogodowe, harmonogramy szkolne, a nawet okres żniw. Korekty te są szacunkami opartymi na aktywności sezonowej w poprzednich latach.

Zdarzenia sezonowe są stosunkowo tymczasowe, zwykle o znanym czasie trwania i zwykle mają tendencję do naśladowania ogólnie przewidywalnego schematu każdego roku, o tej samej porze roku. W rezultacie korekty sezonowe mogą usunąć swój wpływ na trendy statystyczne. Korekty umożliwiają statystykom łatwiejszą obserwację niesezonowych i podstawowych trendów i cykli oraz uzyskanie dokładnego i użytecznego obrazu rynku pracy i nawyków zakupowych.

Dostosowywanie danych do sezonowości

Dostosowywanie danych pod kątem sezonowości wyrównuje okresowe wahania statystyk lub ruchy podaży i popytu związane ze zmieniającymi się porami roku. Sezonowe wahania danych można usunąć za pomocą narzędzia znanego jako wskaźnik roczny skorygowany sezonowo (SAAR). Analitycy zaczynają od pełnego roku danych, a następnie znajdują średnią liczbę dla każdego miesiąca lub kwartału. Stosunek rzeczywistej liczby do średniej określa czynnik sezonowy dla tego okresu. Aby obliczyć SAAR, nieskorygowane oszacowanie miesięczne jest dzielone przez współczynnik sezonowości, a następnie mnożone przez 12 lub przez 4, jeśli zamiast danych miesięcznych używane są dane kwartalne.

Na przykład domy sprzedają się szybciej i po wyższych cenach latem niż zimą. W rezultacie porównując letnie ceny sprzedaży nieruchomości z medianą cen z poprzedniego roku, można odnieść fałszywe wrażenie, że ceny rosną. Jeśli jednak dostosujesz początkowe dane na podstawie pory roku, możesz zobaczyć, czy wartości rzeczywiście rosną, czy tylko chwilowo rosną podczas ciepłej pogody.

Efekty sezonowe różnią się od efektów cyklicznych. Cykle sezonowe są obserwowane w ciągu jednego roku kalendarzowego, natomiast efekty cykliczne, takie jak wzrost sprzedaży ze względu na niskie bezrobocie, mogą obejmować okresy krótsze lub dłuższe niż jeden rok kalendarzowy.

Korekty sezonowe ujawniają podstawowe trendy

Ruchy sezonowe mogą być znaczne, do tego stopnia, że często mogą przesłaniać inne cechy i trendy w danych. Jeśli nie zostaną wykonane korekty sezonowe, analizy danych nie mogą dać dokładnych wyników. Jeśli każdy okres w szeregu czasowym — na przykład każdy miesiąc w roku obrotowym — ma inną tendencję do niskich lub wysokich wartości sezonowych, może być trudno wykryć prawdziwy kierunek trendów leżących u podstaw szeregu czasowego. Trudności obejmują wzrost lub spadek aktywności gospodarczej, punkty zwrotne i inne wskaźniki ekonomiczne.

Sezonowość wpływa również na niektóre branże — zwane branżami sezonowymi — które zazwyczaj zarabiają większość swoich pieniędzy w małych, przewidywalnych okresach roku kalendarzowego. Na przykład firmy, które polegają na szczególnej fali wyprzedaży świątecznych, wydają się osiągać nienormalne zarobki w porównaniu z firmami niesezonowymi.

Jak indeks cen towarów i usług konsumenckich (CPI) wykorzystuje korektę sezonową

Indeks cen towarów i usług konsumenckich (CPI) wykorzystuje oprogramowanie do korekt sezonowych X-13ARIMA-SEATS do przeprowadzania sezonowych korekt danych cenowych, które uznaje się za podlegające korektom sezonowym, takich jak paliwa silnikowe, artykuły spożywcze i napoje, pojazdy i niektóre media.

Ekonomiści CPI co roku ponownie oceniają sezonowy status każdej serii danych. W tym celu co roku w styczniu obliczają nowe czynniki sezonowe i stosują je do danych indeksowych z ostatnich pięciu lat. Indeksy, które sięgają dalej niż pięć lat, są uważane za ostateczne i nie są już korygowane. BLS dokonuje ponownej oceny, czy każdy szereg powinien pozostać wyrównany sezonowo, czy nie, w oparciu o określone kryteria statystyczne. Analiza interwencji korekta sezonowa jest stosowana, gdy pojedyncze, niesezonowe zdarzenie wpływa na dane skorygowane sezonowo.

Gdy globalna recesja w 2008 r. wpłynęła na przykład na ceny paliw, zastosowano korektę sezonową w analizie interwencji, aby zrównoważyć jej wpływ na ceny paliw w tym roku. Korzystając z tych metod, CPI może formułować dokładniejsze indeksy cen dla składników i indeksów, które nie podlegają korekcie sezonowej.

Przykład korekty sezonowej w świecie rzeczywistym

Załóżmy na przykład, że sprzedaż butów do biegania zakupionych latem przewyższa ich sprzedaż zimą. Wzrost ten wynika z czynnika sezonowego, który powoduje, że latem więcej osób biega lub bierze udział w innych zajęciach na świeżym powietrzu wymagających podobnego obuwia.

Sezonowy wzrost sprzedaży butów do biegania może przesłonić ogólne trendy sprzedaży obuwia sportowego w całej serii czasowej. Dokonuje się zatem korekty sezonowej, aby uzyskać jasny obraz ogólnego trendu sprzedaży butów do biegania.

Przegląd najważniejszych wydarzeń

• Te korekty zapewniają jaśniejszy obraz trendów netto i niesezonowych zmian danych.

• Szacunki sezonowe opierają się na wielkości efektów stałego zdarzenia z poprzednich lat.

• Korekty sezonowe to statystyczna metoda wygładzania odchyleń w szeregach czasowych określonych rodzajów działalności gospodarczej, które występują regularnie lub cyklicznie.