Dlaczego powinniśmy usuwać sezonowość z szeregów czasowych?

Podczas pracy z szeregami czasowymi czasami wykrywamy i usuwamy sezonowość za pomocą analizy spektralnej. Jestem prawdziwym początkującym w szeregach czasowych i jestem zdezorientowany, dlaczego ktoś chciałby usunąć sezonowość z oryginalnej serii czasowej? Czy usunięcie sezonowości nie zakłóca oryginalnych danych?

Jakie korzyści czerpiemy dzięki konstruowaniu szeregów czasowych poprzez usunięcie sezonowości?

• Burman, J. Peter (1980), „ Korekta sezonowa przez ekstrakcję sygnału ”, Journal of Royal Statistics Society, Seria A, 143, str. 321

Powody według Burmana:

Najczęstszym jest oszacowanie obecnego trendu, aby umożliwić dokonanie osądu krótkoterminowych prognoz. Alternatywnie można go zastosować do dużej liczby serii, które wchodzą w model ekonomiczny, ponieważ uznano za niewykonalne stosowanie nieskorygowanych danych z manekinami sezonowymi we wszystkich modelach oprócz najmniejszych: jest to często nazywane historycznym trybem sezonowej korekty

• Shiskin, Julius (1957), „ Electronic Computers and Business Indicators ”, Journal of Business, 30, 219-267.

Głównym celem badania wskaźników ekonomicznych jest określenie etapu cyklu koniunkturalnego, na którym znajduje się gospodarka. Taka wiedza pomaga w prognozowaniu kolejnych ruchów cyklicznych i stanowi faktyczną podstawę do podjęcia kroków w celu ograniczenia amplitudy i zakresu cyklu koniunkturalnego. . . . Jednak przy stosowaniu wskaźników analitycy od zawsze niepokoją trudności z oddzieleniem cyklicznych od innych rodzajów wahań, zwłaszcza wahań sezonowych.

Jeśli chcesz moich 2 kopiejek, podsumuję to tak:

1. Wygoda: jeśli masz do czynienia z wieloma seriami ekonomicznymi, każda z nich będzie miała swoją sezonowość. Niepraktyczne staje się radzenie sobie z sezonowością każdej serii w modelach wielowymiarowych. Łatwiej więc odsezonizować wszystkie serie ekonomiczne przed dodaniem ich do modeli wielowymiarowych lub ich wspólną analizą.
2. Wyodrębnianie trendów: wiele serii ekonomicznych jest z natury sezonowych, np. Ceny domów są wyższe w lecie. Stąd, gdy indeks cen domów nagle spada, nie zawsze jest tak, ponieważ sygnalizuje coś ważnego w gospodarce, ale może to być po prostu spadek sezonowy, który nie ma istotnych informacji. Dlatego chcemy zdezasonalizować serię, aby zrozumieć, gdzie jesteśmy.

Patrząc na relacje między dwiema zmiennymi, które są szeregami czasowymi, sezonowość zmniejszy stopnie swobody, ponieważ dane nie będą niezależne. Ta „szeregowa” korelacja spowoduje fałszywe korelacje. W ten sposób sezonowość jest usuwana w celu zwiększenia stopni swobody.