Saisonbereinigung

Was ist saisonale Anpassung?

Eine saisonale Anpassung ist eine statistische Technik, die darauf abzielt, periodische Schwankungen in Statistiken oder Bewegungen von Angebot und Nachfrage im Zusammenhang mit wechselnden Jahreszeiten auszugleichen. Sie kann daher irreführende saisonale Komponenten einer wirtschaftlichen Zeitreihe eliminieren. Die saisonale Anpassung ist eine Methode zur Daten Glättung, die verwendet wird, um die wirtschaftliche Leistung oder die Unternehmensumsätze für einen bestimmten Zeitraum vorherzusagen.

Saisonale Anpassungen bieten einen klareren Blick auf nicht saisonale Trends und zyklische Daten, die ansonsten von saisonalen Unterschieden überschattet würden. Diese Anpassung ermöglicht es Ökonomen und Statistikern, die zugrunde liegenden Basistrends in einer bestimmten Zeitreihe besser zu verstehen.

Wichtige Erkenntnisse

• Die saisonale Anpassung glättet regelmäßige Schwankungen in Wirtschaftsdaten, die durch wechselnde Jahreszeiten verursacht werden.
• Diese Technik deckt nicht saisonale Trends auf, die durch saisonale Variationen verborgen sein könnten.
• Das BLS verwendet saisonale Anpassungen, um einen klareren Überblick über Beschäftigungsstatistiken zu erhalten.
• Die saisonale Anpassung beinhaltet die Schätzung und Entfernung saisonaler Einflüsse auf der Grundlage vergangener Muster.
• Sie hilft, zwischen echten Datentrends und vorübergehenden saisonalen Spitzen zu unterscheiden.

Verständnis der Techniken zur saisonalen Anpassung

Saisonalität ist eine Eigenschaft einer Zeitreihe, bei der die Daten regelmäßige und vorhersagbare Veränderungen erfahren, die sich jedes Kalenderjahr wiederholen. Jede vorhersagbare Schwankung oder jedes Muster, das sich über einen Zeitraum von einem Jahr wiederholt oder wiederholt, wird als saisonal bezeichnet.

Saisonale Anpassungen zielen darauf ab, Unregelmäßigkeiten in einigen finanziellen Aktivitäten auszugleichen. Beispielsweise verwendet das U.S. Bureau of Labor Statistics (BLS) saisonale Anpassungen, um ein genaueres Bild der Beschäftigungs- und Arbeitslosenquoten in den Vereinigten Staaten zu erhalten. Dies geschieht, indem der Einfluss saisonaler Ereignisse wie Feiertage, Wetterereignisse, Schulpläne und sogar der Erntezeit entfernt wird. Diese Anpassungen sind Schätzungen, die auf saisonalen Aktivitäten der Vorjahre basieren.1

Saisonale Ereignisse sind vorübergehend und folgen einem vorhersagbaren Muster, das jedes Jahr zur gleichen Zeit auftritt. Daher können saisonale Anpassungen ihre Auswirkungen auf statistische Trends eliminieren. Anpassungen helfen Statistikern, nicht saisonale Trends und Zyklen besser zu beobachten und bieten einen klareren Blick auf den Arbeitsmarkt und das Verbraucherverhalten.

Wie man Daten für saisonale Schwankungen anpasst

Die Anpassung von Daten an die Saisonalität gleicht periodische Schwankungen in Statistiken oder Bewegungen von Angebot und Nachfrage im Zusammenhang mit wechselnden Jahreszeiten aus. Saisonale Schwankungen in den Daten können mithilfe eines Werkzeugs namens saisonal bereinigte Jahresrate (SAAR) entfernt werden. Analysten beginnen mit einem Jahr Daten und berechnen den Durchschnitt für jeden Monat oder jedes Quartal. Das Verhältnis zwischen der tatsächlichen Zahl und dem Durchschnitt bestimmt den Saisonalitätsfaktor für diesen Zeitraum. Um SAAR zu berechnen, dividieren Sie die nicht bereinigte monatliche Schätzung durch ihren Saisonalitätsfaktor und multiplizieren Sie sie mit 12. Verwenden Sie 4, wenn Sie stattdessen vierteljährliche Daten haben.2

Beispielsweise werden Häuser im Sommer tendenziell schneller und zu höheren Preisen verkauft als im Winter. Wenn Sie daher die Sommerverkaufspreise für Immobilien mit den Medianpreisen des Vorjahres vergleichen, könnten Sie fälschlicherweise den Eindruck gewinnen, dass die Preise steigen. Wenn Sie jedoch die ursprünglichen Daten basierend auf der Jahreszeit anpassen, können Sie sehen, ob die Werte tatsächlich steigen oder nur vorübergehend während des warmen Wetters ansteigen.

Wichtig

Saisonale Effekte unterscheiden sich von zyklischen Effekten. Saisonale Zyklen werden innerhalb eines Kalenderjahres beobachtet, während zyklische Effekte, wie z. B. gesteigerte Umsätze aufgrund niedriger Arbeitslosenquoten, Zeiträume umfassen können, die kürzer oder länger als ein Kalenderjahr sind.

Aufdecken zugrunde liegender Trends durch saisonale Anpassungen

Saisonale Bewegungen können erheblich sein, so sehr, dass sie oft andere Merkmale und Trends in den Daten verschleiern können. Ohne saisonale Anpassungen kann die Datenanalyse keine genauen Ergebnisse liefern. Wenn jeder Zeitraum in einer Zeitreihe – z. B. jeder Monat im Geschäftsjahr – eine unterschiedliche Tendenz zu niedrigen oder hohen saisonalen Werten aufweist, kann es schwierig sein, die wahre Richtung der zugrunde liegenden Trends der Zeitreihe zu erkennen. Zu den Schwierigkeiten gehören Zu- oder Abnahmen der Wirtschaftstätigkeit, Wendepunkte und andere Wirtschaftsindikatoren.3

Saisonalität betrifft auch bestimmte Branchen – sogenannte saisonale Branchen – die den Großteil ihres Geldes typischerweise in kleinen, vorhersagbaren Teilen des Kalenderjahres verdienen. Unternehmen, die beispielsweise auf einen bestimmten Ansturm von Feiertagsverkäufen angewiesen sind, werden im Vergleich zu nicht saisonalen Unternehmen ungewöhnliche Einnahmen aufweisen.

Die Rolle der saisonalen Anpassungen im Verbraucherpreisindex

Der Consumer Price Index (CPI) verwendet die saisonale Anpassungssoftware X-13ARIMA-SEATS, um saisonale Anpassungen von Preisdaten durchzuführen, die als saisonalen Anpassungen unterliegend gelten, wie z. B. Kraftstoffe, Lebensmittel und Getränke, Fahrzeuge und einige Versorgungsleistungen.

CPI-Ökonomen bewerten den saisonalen Status jeder Datenreihe jährlich neu. Dazu berechnen sie jeden Januar neue saisonale Faktoren und wenden sie auf die letzten fünf Jahre der Indexdaten an. Indizes, die weiter als fünf Jahre zurückreichen, gelten als endgültig und werden nicht mehr überarbeitet. Das BLS bewertet auf der Grundlage spezifischer statistischer Kriterien neu, ob jede Reihe saisonal bereinigt bleiben sollte oder nicht. Die Interventionsanalyse zur saisonalen Anpassung wird verwendet, wenn ein einzelnes, nicht saisonales Ereignis saisonal bereinigte Daten beeinflusst.4

Als die globale Rezession im Jahr 2008 die Kraftstoffpreise beeinflusste, wurde beispielsweise die Interventionsanalyse zur saisonalen Anpassung verwendet, um ihre Auswirkungen auf die Kraftstoffpreise in diesem Jahr auszugleichen. Mit diesen Methoden kann der CPI genauere Preisindizes für Komponenten und Indizes erstellen, die keiner saisonalen Anpassung unterliegen.5

Beispiel einer saisonalen Anpassung

Nehmen wir als Beispiel an, dass der Verkauf von Laufschuhen im Sommer die im Winter gekaufte Menge übersteigt. Dieser Anstieg ist auf den saisonalen Faktor zurückzuführen, dass im Sommer mehr Menschen laufen oder andere Outdoor-Aktivitäten ausüben, die ähnliches Schuhwerk erfordern.

Der saisonale Anstieg der Laufschuhverkäufe kann die allgemeinen Trends bei den Verkäufen von Sportschuhen über die gesamte Zeitreihe hinweg verschleiern. Eine saisonale Anpassung wird daher vorgenommen, um ein klares Bild des allgemeinen Trends der Laufschuhverkäufe zu erhalten.