1.0Fortune Insighthttps://prime.fortuneinsight.com/web曾國平教授https://prime.fortuneinsight.com/web/posts/author/byrontkprich600338<blockquote class="wp-embedded-content"><a href="https://prime.fortuneinsight.com/web/posts/489195">季節性調整的兩種方法</a></blockquote> <script type='text/javascript'> <!--//--><![CDATA[//><!-- !function(c,d){"use strict";var e=!1,n=!1;if(d.querySelector)if(c.addEventListener)e=!0;if(c.wp=c.wp||{},!c.wp.receiveEmbedMessage)if(c.wp.receiveEmbedMessage=function(e){var t=e.data;if(t)if(t.secret||t.message||t.value)if(!/[^a-zA-Z0-9]/.test(t.secret)){for(var r,a,i,s=d.querySelectorAll('iframe[data-secret="'+t.secret+'"]'),n=d.querySelectorAll('blockquote[data-secret="'+t.secret+'"]'),o=0;o<n.length;o++)n[o].style.display="none";for(o=0;o<s.length;o++)if(r=s[o],e.source===r.contentWindow){if(r.removeAttribute("style"),"height"===t.message){if(1e3<(i=parseInt(t.value,10)))i=1e3;else if(~~i<200)i=200;r.height=i}if("link"===t.message)if(a=d.createElement("a"),i=d.createElement("a"),a.href=r.getAttribute("src"),i.href=t.value,i.host===a.host)if(d.activeElement===r)c.top.location.href=t.value}}},e)c.addEventListener("message",c.wp.receiveEmbedMessage,!1),d.addEventListener("DOMContentLoaded",t,!1),c.addEventListener("load",t,!1);function t(){if(!n){n=!0;for(var e,t,r=-1!==navigator.appVersion.indexOf("MSIE 10"),a=!!navigator.userAgent.match(/Trident.*rv:11\./),i=d.querySelectorAll("iframe.wp-embedded-content"),s=0;s<i.length;s++){if(!(e=i[s]).getAttribute("data-secret"))t=Math.random().toString(36).substr(2,10),e.src+="#?secret="+t,e.setAttribute("data-secret",t);if(r||a)(t=e.cloneNode(!0)).removeAttribute("security"),e.parentNode.replaceChild(t,e)}}}}(window,document); //--><!]]> </script><iframe sandbox="allow-scripts" security="restricted" src="https://prime.fortuneinsight.com/web/posts/489195/embed" width="600" height="338" title="“季節性調整的兩種方法” — Fortune Insight" frameborder="0" marginwidth="0" marginheight="0" scrolling="no" class="wp-embedded-content"></iframe>https://prime.fortuneinsight.com/web/wp-content/uploads/2020/09/103457105_gettyimages-1034043816.jpg624351正如《聖經》所說，「天下萬物都有定期， 凡事都有定時」，就連經濟數據，其實也有一定的規律節奏在其中。我指的不是經濟周期，因為經濟盛衰這回事，是沒有「每逢幾年一次」之類的規律的。「周期」這個字一向有點誤導，讓人以為經濟循環有序，可以準確預測。經濟數據中比較容易預測的，其實是一些季節性的部份。例如美國的汽車銷售，每逢一月都會特別低，一個理由是一月大風大雪，買車意欲較低，一個理由是經過兩個節日的「揮霍」，消費者會節儉起來。在金融市場，也有人提出過一些季節性的規律，例如逢星期一回報特別低的「星期一效應」，不過這些規律一般都不太可靠，似有還無的，跟一般經濟數據穩定的季節性變化有分別。 大家在傳媒報導中知道的經濟數據，幾乎都是經過季節性調整(seasonal adjustment)，而非原始版本。其實季節性調整的作用，正正是撇除一些定時出現的影響，令數據更容易解讀。例如一月汽車銷售下跌了10%，跌可以是因為遇上天氣差，也可以是因為市道不佳，只看原始數據的話，我們就分不清那個因素較重要。根據歷史數據，我們發現一月汽車銷售平均要比其他月份少2%，扣除這個季節性因素以後，我們就知道10%中有8%是源自季節性以外的影響了。 季節性調整根據的過去經驗，以往見到有什麼規律，就假設這規律可以應用下去。實際上的做法有很多種，但基本上有兩個方向，一為加數式(additive)，一為乘數式(multiplicative)，效果完全不同。 根據加數式，調整只是在數據上加或減一些數字，例如每逢一月就加100，每逢六月就減100，無論數據本身的數值為何，作的調整都一樣，只會加加減減。若果數據本身相當穩定，平均數值沒有上升或下降的趨勢，就可以用加數式，問題是這樣的經濟數據不多，所以這種處理不常見。根據乘數式，調整是數據本身的一個百份比，例如每逢一月將數據乘以1.02，每逢六月乘以0.98，調整大小視乎數據本身的大小。若果數據本身有些趨勢，這個做法就比較合適。還有一個技術細節：若果你用的是數據的自然對數(natural log)，而非數據本身，那若果數據本身適合用乘數式的話，換算成自然對數的話就變成了加數式。例如用乘數式你將數據乘以1.02，自然對數就變成ln(數據)+0.0198，成了加數式。 近來屢次成為新聞焦點的美國新領失業救濟數字，一如大部份的經濟數據，一向處理方法是乘數式。下圖中的藍線是原始數字，紅線是經季節性調整後的數字，大家可以看到新領數字有其規律，聖誕假期後特別高，暑假又特別少，季節性調整會把這些規律抹掉，只剩下反映經濟盛衰本身的變化。 問題是圖中顯示的是截至今年2月的數據，之後就當然出現了史無前例的爆升了。只是沿用乘數式的話，就會出現相當不合理的情況。假設以往8月的數據比其他月份少2%，平時的數字約為20萬，那20萬的2%亦即4千人就會給調整去除，反映8月的季節性影響。新領數字爆升，20萬變了200萬，那200萬的2%亦即4萬人就會調整去除，問題是季節性影響不可能如此巨大，這4萬人中大部份其實都是受疫情所累的，這樣給調整掉就有點誤導了。 結果，最近美國的勞工部為此要改變做法，暫時改用加數式去處理數據，以免調整得太多！