Tuotannon suhdannekuvaajan menetelmäkuvaus

Transkriptio

1 1(15) Tuoannon suhdannekuvaajan meneelmäkuvaus Luku 1 Luku 2 Luku 3 Luku 4 Tuoannon suhdannekuvaajan yleiskuvaus Tuoannon suhdannekuvaajan julkaisuaikaaulu, revisoinikäyännö ja jakelu Tuoannon suhdannekuvaajan laadina BKT:n neljännespikaennakko

2 2(15) Luku 1 Tuoannon suhdannekuvaajan yleiskuvaus 1.1 Organisaaio Tuoannon suhdannekuvaaja laadiaan Tilasokeskuksen Taloudellise olo - yksikössä Kansanalouden ilinpidon vasuualueella. Laadinaan osallisuu yksi henkilö kokoaikaisesi (yheenveäjä) sekä lisäksi 1 3 muua kansanalouden ilinpidon asianunijaa. 1.2 Julkaisuaikaaulu, revisoinikäyännö ja jakelu Tuoannon suhdannekuvaaja julkaisaan noin 65 päivän (vuosineljänneksen kaksi ensimmäisä kuukaua) ai 45 päivän (neljänneksen viimeinen kuukausi) viiveellä kuukauden pääymisesä. Julkaisukaleneri, josa näkyvä kuluvan vuoden uleva julkaisupäivä, löyyy uoannon suhdannekuvaajan inernesivuila: hp://ilasokeskus.fi/il/kkk/julk.hml. Tuoannon suhdannekuvaajan iedo revisoiuva eli arkenuva ensimmäisen julkaisun jälkeen, joen aikasarjoja käyeäessä on aina syyä hakea uorein versio uoannon suhdannekuvaajan inerne-sivuila. 1.3 Tuoannon suhdannekuvaajan laadina 1.4 Täsmäyys Tuoannon suhdannekuvaajan laskena perusuu kuukausi-indikaaoreiden käyöön. Indikaaoreia käyeään, koska oisin kuin vuosiilinpidossa, kaavaa ieoa eri alousoimien arvoisa ei yleensä ole saaavilla kuukausiain. Käypähinaisen ieojen laskena apahuu pääosin indikaaorin muuoksella eksrapoloimalla eli uoannon suhdannekuvaajan vuoden akainen kuukausiieo kerroaan indikaaorin muuoksella vuoden akaisesa. Käypähinaise iedo deflaoidaan edellisvuoden keskihinoja verailukohana käyäen. Näin saadaan edellisvuoden hinaise volyymiluvu, joissa edelävä vuosi on aina perusvuosi. Edellisvuoden hinaisen volyymimuuosen avulla kejueaan ns. annual overlap -meneelyä käyäen jakuva viievuoden 2000 hinainen volyymisarja, joka julkaisaan uoannon suhdannekuvaajana. Kejueu volyymisarja äsmäyeään suheellisella Denon-meneelmällä kansanalouden neljännesvuosiilinpidon arvonlisäyssarjoihin. 1.5 Kausiasoius ja yöpäiväkorjaus Kausiasoius ja yöpäiväkorjaus suorieaan uoannon suhdannekuvaajassa TRAMO/SEATS-meneelmällä Demera-ohjelmaa käyäen. Tiedo laskeaan alkuperäisinä ja yöpäiväkorjauina koko kansanaloudelle ja kolmelle pääoimialalle. Lisäksi laskeaan kausiasoieu sarja ja rendisarja koko kansanalouden asolla. Kausiasoieuja, yöpäiväkorjauja ai rendiaikasarjoja ei äsmäyeä neljännesvuosi- ai vuosiilinpioon asoiuksen jälkeen.

3 3(15) Luku 2 Tuoannon suhdannekuvaajan julkaisuaikaaulu, revisoinikäyännö ja jakelu 2.1 Julkaisuaikaaulu ja ieojen revisoiuminen 2.2 Julkaisun ieosisälö 2.3 Muu ieoläheykse Tuoannon suhdannekuvaaja julkaisaan noin 65 päivän (vuosineljänneksen kaksi ensimmäisä kuukaua) ai 45 päivän (neljänneksen viimeinen kuukausi) viiveellä kuukauden pääymisesä. Julkaisukaleneri, josa näkyvä kuluvan vuoden uleva julkaisupäivä, löyyy uoannon suhdannekuvaajan inernesivuila: hp://ilasokeskus.fi/il/kkk/julk.hml. Tuoannon suhdannekuvaajaa ei julkaisa laskenakierrosen välissä, vaikka jokin ieo olisi muuunu jossain muussa kansanalouden ilinpioon kuuluvassa ilasossa, kuen neljännesvuosi- ai vuosiilinpidossa. Tällaise muuokse näkyvä uoannon suhdannekuvaajassa seuraavassa normaalijulkaisussa. Tuoannon suhdannekuvaajan iedo revisoiuva eli arkenuva ensimmäisen julkaisun jälkeen, joen aikasarjoja käyeäessä on aina syyä hakea uorein versio uoannon suhdannekuvaajan inerne-sivuila. Tarkenuminen voidaan jakaa lähdeieojen muuoksisa johuvaan arkenumiseen sekä neljännesvuosiilinpioon äsmäyämisen aiheuamaan arkenumiseen. Kuukausilähdeieojen arkenumisesa johuva arkenumise apahuva noin vuoden sisällä ensimmäisesä julkaisusa. Aikasarja laskeaan vuoden 1996 iedoisa lähien jokaisella laskenakierroksella uudesaan. Kuienkin uoannon suhdannekuvaajan uusimpia 1 3 kuukaua vanhempien kuukausien arkenumisessa äsmäyäminen neljännesvuosiilinpioon on lähdeieojen arkenumisa merkiävämmässä roolissa. Tuoannon suhdannekuvaajan julkaisuformaai on maksuon inernejulkaisu, joka sisälää lyhyen iedoeeksin sekä Tauluko -linkin ala löyyvä aikasarja. Koko ieosisälö on inerne-julkaisun aulukoissa. Aikasarja alkava vuoden 1996 ammikuusa. Taulukoisa saa näkyviin koko kansanalouden sekä kolmen pääoimialan alkuuoano, jalosus ja palvelu alkuperäise indeksisarja, yöpäiväkorjau indeksisarja sekä näiden molempien muuosproseni vuoden akaiseen vasaavaan kuukaueen verrauna. Kausiasoieuisa ja rendisarjoisa saaavilla on koko kansanalouden ason indeksisarja sekä näiden muuosproseni edelliseen kuukaueen verrauna. Tuoannon suhdannekuvaajan inerne-julkaisun sisälämä aikasarja ja näiden kasvuproseni läheeään myös ASTIKA-palveluun.

4 4(15) Kansanalouden neljännesvuosiilinpidon flash-esimaai, joka perusuu uoannon suhdannekuvaajaan ja joa ei julkaisa erikseen, läheeään Eurosaiin 43 päivän viiveellä vuosineljänneksen pääymisesä. 2.4 Meadaa Tuoannon suhdannekuvaajan kuvaus löyyy julkaisun sivuila: hp://ilasokeskus.fi/il/kkk/mea.hml Laauselose on myös nähävissä uoannon suhdannekuvaajan sivuilla: hp://ilasokeskus.fi/il/kkk/laa.hml

5 5(15) Luku 3 Tuoannon suhdannekuvaajan laadina 3.1 Laadinnan yleiskuvaus Tuoannon suhdannekuvaajan laskenajärjeselmä Tuoannon suhdannekuvaajan laskena perusuu kuukausi-indikaaoreiden käyöön. Indikaaoreilla arkoieaan sellaisia nopeasi ilmesyviä ilasoja ai muia lähdeaineisoja, joiden kasoaan korreloivan ai kehiyvän saman suunaisesi jonkin ieyn kansanalouden ilinpidon alousoimen kanssa. Indikaaoreia käyeään, koska oisin kuin vuosiilinpidossa, kaavaa ieoa eri alousoimien arvoisa ei yleensä ole saaavilla kuukausiain. Vaikka kaavaa ieoa olisikin saaavilla kuukausiain jollain aikaviiveellä, on eriäin harvinaisa eä siä on saaavilla uoannon suhdannekuvaajan vaaimassa aikaaulussa eli 40 ai 60 päivää kuukauden pääymisesä. Käypähinaisen ieojen laskena apahuu indikaaorin muuoksella eksrapoloimalla eli uoannon suhdannekuvaajan vuoden akainen kuukausiieo kerroaan indikaaorin muuoksella vuoden akaisesa. Väliuoekäyöä ei oisaiseksi arvioidaan erikseen, vaan oimialojen kehiyksen arvioini perusuu uoosindikaaoreiden kehiyskulkuun. Esimerkki 1: Eksrapoloini yhdellä indikaaorilla Aika Indikaaori Arvo, milj. Eksrapoloiu arvo, milj ammi 100, helmi 101, maalis 102, huhi 103, ammi 102,7 (102,7/100,0)*1478 = helmi 104,0 (104,0/101,4)*1499 = maalis 103,5 (103,5/102,1)*1530 = huhi 105,2 (105,2/103,9)*1590 = 1610 Volyymiiedo saadaan deflaoimalla käypähinainen luku hinaindeksin muuoksella edellisvuoden keskihinnasa ja kejuamalla näin saadu edellisen vuoden hinaise volyymi annual overlap -meneelmällä viievuoden 2000 hinaisiksi (ks. 3.2). Tuoannon suhdannekuvaajassa kejueu volyymisarja äsmäyeään vasaamaan kansanalouden neljännesvuosiilinpidon arvonlisäyssarjoja. Työpäiväkorjaus ja kausiasoius ehdään äsmäyeyille

6 6(15) aikasarjoille. Kausiasoieuja ja yöpäiväkorjauja sarjoja ei enää äsmäyeä uudelleen, joen ne eivä aivan arkasi noudaa neljännesvuosiilinpidon mukaisa kehiysä Tuoannon suhdannekuvaajan ieolähee Tuoannon suhdannekuvaajan laskennassa käyeävä lähdeaineiso kaava suuren osan neljännesvuosiilinpidossa käyeäväsä aineisosa. Laskennassa käyeään 64 lähdeä sekä arvoieojen eä hinakehiyksen kuvaamisessa. Laskena oeueaan oimialaluokiuksen 2-numeroasolla, mua ei sekorijaolla kuen neljännesvuosiilinpidossa. Myöskään väliuoekäyöä ei arvioida erikseen, vaan laskena perusuu uoosindikaaoreihin. Teollisuuden ja yksiyisen palvelujen osala arvoieoläheinä käyeään pääsäänöisesi liikevaihokuvaajien ja julkisen palveluiden osala palkkasummakuvaajien ennakkoieoja sekä hinaieoina uoajahina- ja ansioasoindeksejä. Alkuuoannon lähdeaineisoina oimiva yksikkömääräiedo meijereiden vasaanoamasa maidosa, eurasamoilaso, saoilaso, iedo markkinahakkuisa ja näiä yksikkömääräieoja vasaava yksikköhinaiedo Esimoini ennakkoiedoissa Tilasollisiin ennusemalleihin ai asianunija-arvioihin perusuvia esimaaeja käyeään joidenkin alasarjojen esimoinnissa silloin, kun alasarjan kehiysä kuvaavaa indikaaoria ei ole saaavilla yypillisesi julkaisuaikaaulusa johuen. Aikasarjojen äsmäyyksessä ja kausiasoiuksessa ilasollisia malleja luonnollisesi käyeään. 3.2 Volyymiiedo Tuoannon suhdannekuvaajan volyymiiedo julkaisaan kejueuina viievuoden 2000 hinaisina sarjoina. Kejuuksessa käyeään annual overlap - meneelmää Kejuus annual overlap -meneelmällä uoannon suhdannekuvaajassa Volyymiieojen laskeminen alkaa ns. deflaoinnilla, jossa käypähinaise aikasarja muunneaan edellisen vuoden keskihinaisiksi jakamalla kuukauden käypähinainen luku deflaaorilla. Deflaaori muodosuu yksinkeraisimmillaan yhden hinaindeksin laskenakuukauden piseluvun suheesa indeksin edellisen vuoden keskipiselukuun ja se siis ilmaisee laskenakuukauden hinaason suheessa edellisen vuoden keskimääräiseen hinaasoon. Yhden julkaisuason sarjan deflaoinnissa käyeään useia eri hinaindeksejä, joka saava painonsa käypähinaisisa iedoisa. Deflaoini apahuu alasarjaasolla, joen painous apahuu isesään, kun deflaoidu alasarja summaaan julkaisuason pääoimialoiksi, joilla kejuus puolesaan apahuu.

7 7(15) Esimerkki 2: Deflaoini yhdellä hinaindeksillä (Huom. vuoden 2006 hinaindeksin keskipiseluvuksi ulee ässä 104,8) Aika Käypähinainen arvo Hinaindeksi Deflaaori Edellisen vuoden keskihinainen volyymi 2006 ammi , helmi , maalis , huhi , ammi ,4 104,4 / 104,8 = 0, helmi ,8 104,8 / 104,8 = 1, maalis ,2 105,2 / 104,8 = 1, huhi ,9 105,9 / 104,8 = 1, / 0,996 = / 1,000 = / 1,004 = / 1,010 = Kejuus ja äsmäyys Kun edellisen vuoden keskihinaise volyymi on laskeu, kejueaan ne viievuoden 2000 hinaisiksi. Kejuus apahuu sien, eä ensin laskeaan kunkin kuukauden volyymin (edellisen vuoden keskihinnoin) muuos edellisen vuoden käypähinaisesa keskiarvosa. Tällä kuukauden volyymimuuoksella kerroaan edellisen vuoden volyymin keskiarvo, jolloin saadaan kejueu kuukausiainen volyymisarja. Viievuosi arkoiaa kejueuissa sarjoissa siä, eä volyymi on ilmaisu suheessa viievuoden käypähinaiseen asoon. Koska hinapaino muuuva kejueuissa sarjoissa vuosiain, ei äsmällisesi oaen voida sanoa eä kejueu volyymisarja olisiva vuoden 2000 hinaisia. Kejueujen sarjojen haiapuolena on addiiivisyyden häviäminen, eli sarjoja ei voi summaa oisiinsa. Kejueu kokonaisarvonlisäyksen ai -uooksen volyymi ei siis esimerkiksi ole äsmälleen yhä suuri kuin osaekijöidensä summa. Kejueu volyymisarja äsmäyeään neljännesvuosiilinpioon suheellisella Denon-meneelmällä (ks. 3.3). Meneely poikkeaa kansanalouden neljännesvuosiilinpidon äsmäyyksesä, jossa edellisen vuoden hinaise volyymi äsmäyeään pro raa -meneelmällä ja käypähinaise arvo suheellisella Denon-meneelmällä ennen kejuusa.

8 8(15) Kejuus ja kausiasoius Kejueu ja äsmäyey volyymisarja kausiasoieaan Tramo/Seasmeneelmällä Demera-ohjelmaa käyäen. Jokainen kejueu volyymisarja asoieaan erikseen (ns. direc approach), koska kejueuja sarjoja ei voi summaa oisiinsa. Tiedo laskeaan alkuperäisinä ja yöpäiväkorjauina koko kansanaloudelle ja kolmelle pääoimialalle. Lisäksi laskeaan kausiasoieu sarja ja rendisarja koko kansanalouden asolla. Kausiasoieuja, yöpäiväkorjauja ai rendiaikasarjoja ei äsmäyeä neljännesvuosi- ai vuosiilinpioon asoiuksen jälkeen. 3.3 Täsmäyäminen neljännesvuosiilinpioon Tuoannon suhdannekuvaaja äsmäyeään vasaamaan viimeisinä neljännesvuosiilinpioa. Täsmäyämisen jälkeen kuukausiaisen aikasarjan suhdannekehiys vasaa neljännesvuosiilinpidon aikasarjan suhdannekehiysä. Aikasarja äsmäyeään ennen yöpäiväkorjausa ja kausiasoiusa. Tuoannon suhdannekuvaajan aikasarja äsmäyeään neljännesvuosiilinpioon suheellisella Denon-meneelmällä 1, joka on lähökohdilaan mekaaninen, ja sen arkoiuksena on vain säilyää aikasarjan kuukausien välinen suhdannekehiys mahdollisimman alkuperäisenä. Jos alkuperäisen sarjan havainoa hekellä merkiään i :llä ja äsmäyeyn sarjan havainoa hekellä x :llä, neliösumma T x x i i = , jossa T on aikasarjan viimeinen kuukausi, minimoidaan ehdolla, eä jokaisen vuosineljänneksen kuukausien summaksi ulee neljännesvuosiilinpidosa saaava arvo. Jokaiselle kuukaudelle ulee näin esimoiduksi benchmark o indicaor -suhde BI = x, i joka poikkeaa koko aikasarja huomioiden edellisen ajanheken BI-suheesa mahdollisimman vähän. On olemassa myös erilaisia aikasarjamalleihin perusuvia äsmäyysmeneelmiä, joissa mallin ulkoisena seliäjänä käyeään alkuperäisä aikasarjaa. Yksinkerainen esimerkki ällaisesa mallisa on Chow-Lin 2, ja sopivasi muooiluna myös Denon-meneelmä voidaan kasoa ällaisen mallin erikoisapaukseksi. Denon- ja yksinkeraiseen aikasarjamalliin perusuva meneelmä uoava eriyisen hankalia sarjoja lukuun oamaa käyännössä sama äsmäyey sarja, eikä ehdyissä arkaseluissa ei ole löydey peruseia meneelmän vaihamiselle. Lisäksi Denon-meneelmän suheellinen 1 Denon, F.T. (1971), Adjusmen of monhly or quarerly series o annual oals: An approach based on quadraic minimizaion. Journal of he American Saisical Associaion, 82, Chow, G.C. Lin, A.-L. (1971), Bes Linear Unbiased Inerpolaion, Disribuion and Exrapolaion of Time Series by Relaed Series. The Review of Economics and Saisics, 53 (4) s

9 9(15) 3.4 Kausiasoius ja yöpäiväkorjaus 5 versio on IMF:n suosielema 3. Monimukaisemmilla malleilla olisi mahdollisa ukia kiinnosavia yheyksiä esim. kausiasoiukseen, mua ällöin ise äsmäyys ei välämää onnisuisi yhä luoeavasi. Aikasarjamalleihin perusuvisa meneelmisä voi lukea lisää Tilasokeskuksessa kirjoieusa pro gradu -ukielmasa (Hakala, 2005) Tausaa kausiasoiuksesa Tuoannon suhdannekuvaajan aikasarjoissa esiinyy aloudellisille suhdanneaikasarjoille yypillisesi voimakasa vuoden sisäisille havainojaksoille ominaisa vaihelua. Tää vaihelua kusuaan kausivaiheluksi. Syinä kausivaihelun esiinymiseen ova esimerkiksi vuodenajan vaihelun, eri uoeille oollisen vuoden sisäisen myynikausien uoma muuokse arkaselavassa ilmiössä sekä ajoiusekijä aloudellisissa ransakioissa. Talvi- ja kesäkuukausien vaihelun lisäksi joulun ja pääsiäisen kuluus, Suomessa joulukuulle osuva veronpalauukse ja jäännösvero sekä yriysen osinkojen maksu keväällä ilinpääösen jälkeen ova esimerkkejä kausivaihelun aiheuajisa kuukausi- ja neljännesvuosisarjoissa. Suhdanneaikasarjan kausivaihelu vaikeuaa käännepiseiden havainnoinia suheessa edelliseen havainoon. Myös pidemmän ajan kehiyksen suuna ja muodo ova vaikeasi hahmoeavissa alkuperäisesä havainosarjasa. Kausivaihelu mielleäänkin usein vuoa iheämmin havainoja sisälävässä aikasarjassa kiusankappaleeksi, jolla ei ole paljoakaan ekemisä pidemmän ajan kehiyskuvan kanssa. Täsä ei pidä ehdä sellaisa johopääösä, eä kausivaihelu olisi vakioisa ja deerminisisä, ja eä sen mallinaminen ja asoiaminen olisi vain riviaali pikkuseikka suurempien asioiden iellä (ks. myös Takala 1994, ). Analysoiaessa kansanalouden kuukausiaikasarjoja, muuoksen vuoden akaisesa kuukaudesa laskennan lisäksi veraus edelliseen havainoon olisi oivoavaa. Veraamalla kehiysä edellisesä havainnosa havaiaan käännepisee arkaselavassa muuujassa. Joa ähän pääsäisiin, aikasarja on jaeava komponeneihin ja vuoden sisäinen kausivaihelu asoieava. Vuoa iheämmin havainoja sisälävä aloudellise suhdanneaikasarja esieään usein jaeavaksi neljään eri komponeniin, rendiin (hyvin pikän ajan kehiys), suhdannesykliin (business cycle, alouden suhdaneisa johuva keskipikän ajan vaihelu), kausivaiheluun (vuoden sisäisä vaihelua) sekä epäsäännölliseen vaiheluun. Näisä viimeisen oleeaan olevan saun- 3 hp:// 4 Hakala, Samu (2005), "Aikasarjojen äsmäyäminen". 5 Tämä luku perusuu monila osin arikkeliin Aro Kokkinen ja Faiz Alsuhail (2005). Aikasarjan ARIMAmallipohjaisesa kausiasoiuksesa. Kansanaloudellinen aikakauskirja, 4/2005, 101. vuosikera (hp:// sekä Tilasokeskuksen kausiasoiuskurssien (2006) maeriaaleihin (Kokkinen). 6 Takala, K. (1994): Kahden kausipuhdisusmeneelmän verailua; X11 ja STAMP, eoksessa Suhdannekäänne ja aloudellise aikasarja, s , Tilasokeskus. Tukimuksia 210, Helsinki.

10 10(15) naisa valkoisa kohinaa, joka ei sisällä sarjan analysoinnin kannala hyödyllisä ieoa. Koska rendin ja suhdannesyklin eroaminen oisisaan yksikäsieisellä ja selkeällä avalla on hankalaa, komponeni esimoidaan yleensä yhdessä, nimiäen ää yhdiselmää rendisykliksi (rendcycle). Tässä meneelmäkuvauksessa rendi-käsieä käyeäessä viiaaan suhdannesarjojen analysoinnille ominaisesi rendisykliin. Kun kausivaihelu asoieaan aikasarjasa saadaan kausiasoieu sarja, joka sisälää rendisyklin ja epäsäännöllisen vaihelun TRAMO/SEATS Kansanalouden kuukausi- ja neljännesaikasarjojen kausiasoiuksissa käyeään Eurosain suosielemaa ARIMA-mallipohjaisa TRAMO/SEATS - meneelmää. ARIMA-mallipohjaisen (ARIMA Model Based (AMB)) kausiasoiuksen lähökohana on mallinaa ensin havainosarjan vaihelu ARI- MA-mallin avulla. Saaua ARIMA-mallia käyeään hyväksi, kun aikasarjan vaihelu jaeaan rendiin, kausikomponeniin ja epäsäännöllisen vaihelun komponeniin. Komponeneihin jako ehdään sien, eä saadu komponeni ova esieävissä ARIMA-mallien avulla. Merkiävimpänä erona ad hoc - lähesymisapaan (esim. meneelmä X11/X12, Dainies, Sabl, BV4) on, eä TRAMO/SEATS:ssa kullekin aikasarjalle muodoseaan oma, sarjakohainen suodinkaava, jolla aineiso asoieaan. Meneelmä sisälää myös ehokkaan avan ehdä yö- ja kauppapäiväkorjauksia ja unnisaa poikkeavia havainoja. TRAMO/SEATS anaa myös mahdollisuuden ennuseiden, keskivirheiden ja luoamusvälien muodosamiseen komponeneiain. Ohjelman ja meneelmän nykymuooon saaajia ova ollee Maravall ja Gomez 7. Aina kun aikasarjaa kausiasoieaan, puuuaan alkuperäisen aikasarjan auokorrelaaiorakeneeseen. Mikäli käyeävä suodin (olipa se sien yleinen ad hoc -suodin ai väärään malliin pohjauuva) ei aru vain ja ainoasaan aikasarjan kausivaiheluaajuuksiin ai rendiä esimoiaessa rendin aajuuksiin, vääriseään alkuperäisen aikasarjan auokorrelaaiorakenne vieraaksi alkuperäisen ilmiön ajassa oisuville ominaisuuksille. ARIMA-mallipohjainen kausiasoius ja TRAMO/SEATS-meneelmä arjoava ähän ongelmaan yhden analyyisen rakaisun. Alkuperäinen sarja esipuhdiseaan TRAMO-osassa muun muassa poikkeavisa havainnoisa ja yö- ai kauppapäivien lukumäärien vaiheluisa sien, eä esikäsiely sarja voidaan ARIMA-mallinaa. Tää koko esikäsiellyn sarjan auokorrelaaiorakeneen mallinnusa käyeään hyväksi, kun aikasarjan vaihelu eri aajuusalueilla jaeaan komponeneihin SEATS-osassa. Dekomponoinnin lähökohana on, eä kukin komponeni kuvaa vain juuri siihen komponeniin liiyvää osaa koko sarjan auokorrelaaiorakeneesa ja vaihelusa, eli komponeni ova keskenään orogonaalisia. Tulkinnallisesi ämä arkoiaa, eä syy, joka aiheuava aikasarjan kausivaihelua (kuen vuodenaika) ova riippumaomia aineison pikän aikavälin rendin akana 7 Ks. esim. V. Gomez, ja A. Maravall (1996): Programs TRAMO and SEATS. Insrucions for he User, (wih some updaes). Working Paper 9628, Servicio de Esudios, Banco de España.

11 11(15) olevisa syisä (invesoinni, ukimus- ja kehiysoimina). Lisäksi oleeaan, eä aikasarja koosuu komponeneisa, joka ova lineaarisen sokasisen prosessien realisaaioia. Tällöin kuakin komponenia (epäsäännöllisä ermiä lukuun oamaa) voidaan kuvaa ARIMA-mallilla. Sekä esikäsiely sarja eä sen komponeni on ARIMA-mallinneu samalla keraa kunnioiaen alkuperäisen sarjan dynaamisia, ajassa oisuvia ominaisuuksia. Lopula esipuhdisuksessa havaiu deerminisise ekijä, äärihavainno sekä yö- ja kauppapäivisä johuva vaihelu liieään komponeneille seuraavasi: rendiin asomuuos-äärihavainno (level shif (LS)), kausivaiheluun yö- ja kauppapäivien lukumääräsä johuva vaihelu (working day/rading day effecs (WD/TD)) ja saunnaisvaiheluun yksiäise (addiive oulier (AO)) ja hekellise useamman havainnon ajan kesävä äärihavainno (ransiory oulier (TC)). Näin koko alkuperäisen aikasarjan vaihelu on jaeu lopullisen rendisyklin, lopullisen kausivaihelun ja lopullisen epäsäännöllisen vaihelun komponeneille. Koska mainiu komponeni ova alkuperäisessä sarjassa alun perin havaisemaomia, ne voidaan muodosaa lukuisilla eri avoilla. TRAMO/SEATS - meneelmässä esipuhdiseun aikasarjan dekomponoinnissa haeaan rakaisu, jossa saunnaisvaihelun varianssi maksimoiuu. Tää rakaisua kusuaan kanoniseksi dekomposiioksi ja se uoaa aikasarjalle yksikäsieisen hajoelman. Pohdiaessa kanonisen dekomposiion uoamaa saunnaisvaiheluekijän (ja epäsäännöllisen vaihelun komponenin, Irregular) varianssia verrauna muihin meneelmiin (kuen oinen mallipohjainen STAMP sekä mainiu ad hoc -meneelmä), on hyvä muisaa: 1. Esikäsiellyn aikasarjan mallinaminen ehdään kausi-arimamalliperheeseen kuuluvilla moninaisilla (pdq)*(pdq) -malleilla 8, joka johava varsin pieneen, saunnaiseksi esauun, saunnaisvaihelun varianssiin. 2. Esikäsiellyn sarjan kausi-arima-mallin yksilöiminen (idenifioiminen) perusuu Bayesian Informaion -krieeriin (BIC) 9, jossa mallin valinaa ohjaa mahdollisimman pieni saunnaisvaihelun varianssi saavueuna mahdollisimman pienellä esimoiavien paramerien määrällä. Näin ollen SEATS-vaiheen esikäsiellyn sarjan komponeneihin jaossa, aikasarjaan sovieun kausi-arima-mallin uoama saunnaisvaihelun (ARIMA-mallin residuaalin) varianssi on hyvin pieni. Tämän koko aikasarjan saunnaisvaihelun minimoimisen SEATS-vaiheen muissa komponeneissa, ja sen ohjaamisen suurimmala osalaan juuri saunnaisvaihelukomponenin varianssiin, ei voida ajaella johavan suurempaan saunnaisvaihelukomponenin (ja epäsäännöllisen komponenin, Irregular) varianssiin 8 Merkinnä p,d,q viiava mallien perus-arima-osaan ja PDQ kausi-arima-osaan, missä p (ai P) on arparamerien luku, d (D) differensoinien luku, q (Q) on ma-paramerien luku. T/S:n mallivalikoima perusuu seuraaviin maksimirajoiuksiin p=3,d=2,q=2; P=1,D=1,Q= Min BIC (p, q) = logσ + log( p + q) T logt, missä p ja q ova ar- ja ma-paramerien lukumäärä mallissa ja T aikasarjan havainojen lukumäärä. Kun T lähesyy ääreönä BIC löyää simuloinien peruseella aikauran uoaneen mallin.

12 12(15) kuin mainiuissa muissa meneelmissä, joissa koko aikasarjaa ei ensin mallinnea kausi-arima-malliperheen mallilla. Sen sijaan deerminisisen yöja kauppapäivävaihelun mallinnuksen ja sokasisen kausivaihelun yhdisäminen johaa usein suurempaan kausikomponenin varianssiin TRA- MO/SEATS:issa. Kausivaihelun sokasinen mallinnussraegia pureuuu hyvin myös ajassa muunuvaan kausivaiheluun, mikä lisää yö- ja kauppapäiväekijöiden lisäksi kausivaihelun kiinnisaamisa. Viimeisen asoieujen havainojen arkenumisen vähenämiseksi kaikissa kausiasoiusmeneelmissä jouduaan uoamaan projekio joiakin havainoja eeenpäin, mikä perusuu yleensä juuri ARIMA-malliin (esim. X11-/ X12-ARIMA), vaikka ise kausiasoiussuodin ei liiyisi ao. malliin millään lailla. ARIMA-mallipohjaisen kausiasoiuksen yksi looginen peruse on, eä sarjan asoiamiseen käyeävä suodin perusuu samaan sarjakohaiseen ARIMA-malliin, jolla projekio eeenpäin oeueaan. Joka apauksessa kaikkien meneelmien viimeise asoieu havainno (n. 1 3 viimeisä havainoa) arkenuva ulevien ilasohavainojen myöä. Noudaaen sandardeja regressio- ja ARIMA-malli-merkinöjä vaiheiainen TRAMO/SEATS -meneelmä voidaan esiää seuraavasi: Tramo (I) / Seas (II): I) y = x ' β + z Esipuhdisus-regressio ARIMA-mallia noudaava - yö-/kauppapäiväekijä (WD/TD) esipuhdiseu jäännös - äärihavainno (LS, AO, TC)

13 13(15) II) z = p + s + u θ ( B) z φ( B) θ p ( B) = a φ ( B) p p + θ s ( B) a φ ( B) (esipuhdiseu = (alku)rendi +(alku)kausi- + saunnaissarja komponeni vaihelu ) s s + u ARIMA-mallinnuksen residuaali, saunnainen (WN) Lopula osan I deerminisise ja osan II sokasise ekijä yhdiseään ja alkuperäinen sarja jakauuu lopullisiin komponeneihinsa: y p ( + LS ) + s ( + WD / TD) + u ( AO, TC ) = Lopullinen epäsäännöllinen (Irregular) + havaino- = rendi + kausi- + epäsäännöllinen sarja komponeni komponeni Yllä olevasa lopullisesa dekomposiiosa nähdään, eä kausikomponenia poiseaessa, kausiasoiuksessa puhdiseaan myös kaleneriekijöiden vaikuus Kausiasoiuskäyännöisä Tuoannon suhdannekuvaajassa kausiasoieu aikasarja sekä rendisarja julkaisaan koko kansanalouden asolla viievuoden 2000 hinaisena kejueuna volyymisarjana. Viievuoden hinaisiksi kejueu aikasarja asoieaan suoralla meneelmällä (direc adjusmen), jossa aikasarja asoieaan erikseen, eikä esim. koko kansanalouden ason kausiasoieua sarjaa muodosea summaamalla kolme pääoimialaa yheen. Käyäjä saava ieoa kausiasoiuksen oeuamisesa ämän julkisen meneelmäkuvauksen lisäksi Tilasokeskuksen järjesämillä kursseilla sekä yksinkeraisesi kysymällä. Aikasarjojen mallinamisen kuvaamisessa periaaeena on avoimuus ja iedon jakaminen. Pääperiaaeena kausiasoiuksissa on ehdä mallinnukse huolellisesi kerran vuodessa ja piää vuoden välein apahuvan mallinnusarkaselun välillä lähökohaisesi sekä deerminisise esipuhdisusekijä eä idenifioiu ARIMA-malli kiinnieynä, esimoiden kuienkin kullakin laskenakierroksella parameriarvo uudelleen. Poikkeuksena äsä ova kesken vuoa uleva poikkeava havainno (esim. yöaiselu). Kyseeseen saaaa kuienkin ulla mallin säääminen, mikäli mallinnus ei uusien havainojen myöä enää soviu aineisoon. Pääperiaaeen peruse on piää sarjalle idenifioidun mallin avulla muodoseava asoiussuoime (parameriarvojen esimoinia lukuun oamaa) ennallaan, sien eei joka kierroksella suoimien muunelulla aiheuea ise arkenumisia kausiasoieun sarjan hisoriaan. Parameriarvojen päiviämisen avoieena on uoaa joka laskenakierroksella pro-

14 14(15) jekio eeenpäin mahdollisimman äydellä informaaiolla menneesä. Tällä pyriään vähenämään viimeisen havainojen arkenumisa asoieuissa sarjoissa uusien havainojen myöä Työpäiväkorjauskäyännöisä Työpäiväkorjau (yleisemmin kalenerikorjau, calendar adjused) aikasarja julkaisaan viievuoden 2000 hinaisina kejueuina volyymisarjoina. Pääperiaaeena yö- ai kauppapäiväkorjaus (mukaan lukien karkausvuosi-, pääsiäis- ja kansallisen kalenerin pyhäpäiväkorjaus) perusuu ilasollisen merkiyksen esaamiseen useampien mallinnuskerojen aikana. Työ- ai kauppapäiväkorjausekijöiä (mukaan lukien yöpäiväkorjauksen poisjääminen sarjan osala) ei muuea kesken vuoa mallinnuskerojen välillä. Parhaassa apauksessa, pikällä aikavälillä useamman vuoden mallinnusarkaselun kokemuksilla, yö-/kauppapäiväkorjaukseen pyriään löyämään sarjakohaisesi sisällöllisesi mielekäs sabiili rakaisu.

15 15(15) Luku 4 Flash esimaai 4.1 BKT:n neljännespikaennakko Neljännesvuosiaisen bruokansanuoeen pikaennakko laskeaan uoannon suhdannekuvaajan avulla. Pikaennakkoa ei julkaisa, vaan se uoeaan ainoasaan Eurosain käyöön. Pikaennakon laskennassa käyeään mahdollisimman kaavasi samoja lähdeaineisoja kuin neljännesvuosiilinpidossa. Täysin samojen ieojen käyö ei ole mahdollisa nopeasa julkaisuaikaaulusa johuen, eikä oimialoja ole jaeu eri sekoreihin. Pikaennakon laadinnassa ei arvioida väliuoekäyöä, uoeveroja eikä uoeukipalkkioia, vaan neljännesvuosiaisa bruokansanuoea viedään uoosindikaaoreihin perusuvalla vuosimuuoksella eeenpäin. Edellä mainiuja poikkeuksia lukuun oamaa neljännespikaennakon laskennassa käyeään samoja meneelmiä kuin neljännesvuosiilinpidossa. Tuooksen arvon ja hinnan kehiys arvioidaan pääosin liikevaihokuvaajiin ja vasaaviin uoajahinaindekseihin ai palkkasummakuvaajiin ja ansioasoindekseihin perusuen. Laskena apahuu kuukausiasolla käyäen annual overlap -kejuusmeneelmää. Kejueu aikasarja äsmäyeään neljännesvuosi- ja vuosiilinpioa vasaavaksi laskeavaa neljännesä lukuunoamaa. Kuukausiason sarja summaaan neljännesvuosisarjaksi. Neljännesvuosisarja kausiasoieaan Tramo/Seas-meneelmällä.