13 अवधि - हेंडरसन भारित चलती - औसत

वेटेड मूविंग एवरेज़: द मूल बातें इन वर्षों में, तकनीशियनों ने सरल चलती औसत के साथ दो समस्याएं पाई हैं। पहली समस्या चलती औसत (एमए) के समय सीमा में है। अधिकांश तकनीकी विश्लेषकों का मानना ​​है कि मूल्य कार्रवाई उद्घाटन या समापन शेयर की कीमत, एमईए क्रॉसओवर एक्शन की सिग्नल खरीदने या बेचने का उचित अनुमान लगाने के लिए पर्याप्त नहीं है। इस समस्या को सुलझाने के लिए, विश्लेषकों ने हाल ही में मूल्य के आंकड़ों के मुकाबले अधिक तीव्रता से चलती औसत (ईएमए) का उपयोग करके अधिक वजन प्रदान किया है। उदाहरण के लिए, एक 10-दिवसीय एमए का प्रयोग करके, विश्लेषक 10 वें दिन के समापन मूल्य का अनुमान लगाएगा और इस नंबर को 10 से बढ़ाता है, नौवें दिन नौ, आठवें एमए के पहले के आठ दिन और इतने पर एक बार कुल निर्धारित होने के बाद, विश्लेषक तब संख्याओं को जोड़कर मल्टीप्लायरों को जोड़ देगा। यदि आप 10-दिवसीय एमए उदाहरण के गुणक जोड़ते हैं, तो संख्या 55 है। यह सूचक रेखीय भारित चलती औसत के रूप में जाना जाता है। (संबंधित रीडिंग के लिए, सरल मूविंग एव्वेज मेक टेंडर स्टैंड आउट की जांच करें।) कई तकनीशियन तेजी से चिकनी चलती औसत (एएमए) में फर्म विश्वास रखते हैं। इस सूचक को इतने सारे अलग-अलग तरीकों से समझाया गया है कि यह छात्रों और निवेशकों को समान रूप से भ्रमित करता है। शायद सबसे अच्छा स्पष्टीकरण जॉन जे। मर्फ़िस तकनीकी विश्लेषण, द फाइनेंशियल मार्केट्स (न्यू यॉर्क इंस्टिट्यूट ऑफ फाइनेंस, 1 999 द्वारा प्रकाशित) से आता है: सरल चलती औसत से संबंधित समस्याओं के दोनों में तेजी से चलने वाले औसत पते। सबसे पहले, तेजी से धुंधला औसत अधिक हाल के आंकड़ों के लिए अधिक वजन प्रदान करता है। इसलिए, यह एक भारित चलती औसत है। लेकिन जब यह पिछले मूल्य के आंकड़ों को कम महत्त्व प्रदान करता है, तो इसमें गणना के जीवन में सभी आंकड़े शामिल होते हैं। इसके अतिरिक्त, उपयोगकर्ता हाल के दिनों की कीमत में अधिक या कम वजन देने के लिए भार को समायोजित करने में सक्षम है, जो पिछले दिनों के मान के प्रतिशत में जोड़ा जाता है। दोनों प्रतिशत मूल्यों का योग 100 तक बढ़ जाता है। उदाहरण के लिए, आखिरी दिनों की कीमत को 10 (.10) का भार सौंपा जा सकता है, जो पिछले 90 दिनों (90 .90) के वजन में जोड़ा गया है। यह कुल भार का अंतिम दिन 10 देता है। यह अंतिम दिन की कीमत 5 (.05) के छोटे मूल्य को देकर 20-दिवसीय औसत के बराबर होगा। चित्रा 1: एक्सपोनेंसिलीली Smoothed मूविंग औसत: ऊपर दिए गए चार्ट अगस्त 1, 2000 से 1 जून, 2001 तक नासडेक कम्पोजिट इंडेक्स से पता चलता है। जैसा कि आप स्पष्ट रूप से देख सकते हैं, ईएमए, जो इस मामले में बंद होने की कीमत के आंकड़ों का उपयोग कर रहा है नौ दिन की अवधि, सितम्बर 8 (एक काले नीचे तीर द्वारा चिह्नित) पर निश्चित बिकने वाला संकेत है। यह वह दिन था जब सूचकांक 4,000 स्तर से नीचे चला गया। दूसरे काली तीर एक और नीचे के पैर दिखाती है जो तकनीशियन वास्तव में उम्मीद कर रहे थे। नास्डैक 3,000 अंक को तोड़ने के लिए खुदरा निवेशकों से पर्याप्त मात्रा और रुचि पैदा नहीं कर सका। यह तो फिर नीचे दोबारा 16 अप्रैल, 1 99 5 को 16 9 .55 पर नीचे आ गया। 4. अप्रैल के उत्थान 12 को एक तीर से चिह्नित किया गया है। यहां सूचकांक 1,961.46 पर बंद हुआ, और तकनीशियनों को देखने के लिए शुरू हुआ कि संस्थागत फंड मैनेजर्स ने सिस्को, माइक्रोसॉफ्ट और कुछ ऊर्जा संबंधी मुद्दों जैसे कुछ सस्ते दाम उठाए। (हमारे संबंधित लेख पढ़ें: औसत लिफाफे को स्थानांतरित करना: एक लोकप्रिय ट्रेडिंग टूल रिफाइनिंग और मूविंग औसत बाउंस।) 6.4 एक्स 12-एआरआईएए अपघटन त्रैमासिक और मासिक डेटा को कम करने के लिए सबसे लोकप्रिय तरीकों में से एक एक्स 12 एआरआईएमए है, जिसका जनगणना के अमेरिकी ब्यूरो द्वारा विकसित विधियों में उत्पत्ति। यह अब दुनिया भर के ब्यूरो और सरकारी एजेंसियों द्वारा व्यापक रूप से उपयोग किया जाता है। विधि के पहले संस्करणों में एक्स -11 और एक्स -11-एआरआईएए शामिल थे। एक X-13-ARIMA विधि वर्तमान में जनगणना के यूएस ब्यूरो में विकास के अंतर्गत है। एक्स -12-एआरआईएमए पद्धति शास्त्रीय अपघटन पर आधारित है, लेकिन पिछले खंड में चर्चा की गई शास्त्रीय अपघटन की कमियों को दूर करने के लिए कई अतिरिक्त कदम और विशेषताएं हैं। विशेष रूप से, प्रवृत्ति अनुमान अंतिम बिंदुओं सहित सभी टिप्पणियों के लिए उपलब्ध है, और मौसमी घटक को समय के साथ धीरे-धीरे भिन्न करने की अनुमति है। यह कभी-कभी असामान्य टिप्पणियों के लिए अपेक्षाकृत मजबूत होता है। एक्स -12-एआरआईएमआई दोनों योजक और गुणात्मक अपघटन करता है, लेकिन केवल त्रैमासिक और मासिक डेटा के लिए अनुमति देता है। X-12-ARIMA का ARIMA भाग एक एआरआईएए मॉडल के उपयोग को संदर्भित करता है (अध्याय 7 देखें) जो कि समय के साथ-साथ समय के आगे श्रृंखला के पूर्वानुमान प्रदान करता है। फिर, जब चलती औसत प्रवृत्ति चक्र के अनुमान को प्राप्त करने के लिए लागू किया जाता है, तो श्रृंखला के प्रारंभ और अंत में टिप्पणियों का कोई नुकसान नहीं होता है। एल्गोरिदम शास्त्रीय अपघटन के समान ही शुरू होता है, और फिर घटकों को कई पुनरावृत्तियों के माध्यम से परिष्कृत किया जाता है। इस पद्धति की निम्नलिखित रूपरेखा का वर्णन है कि मासिक डेटा पर लागू बहुगुणिक अपघटन। इसी तरह के एल्गोरिदम का उपयोग एडिटिव अपघटन और त्रैमासिक डेटा के लिए किया जाता है। सभी समय के लिए प्रवृत्ति चक्र टोपी के मोटे अनुमान को प्राप्त करने के लिए मूल डेटा पर लागू होने वाला 2times12 चलती औसत गणना करें रुझान के लिए डेटा के अनुपात की गणना करें (केन्द्रित अनुपात कहा जाता है): ythat t टोपी टी के मोटे अनुमान के लिए केन्द्रित अनुपात के प्रत्येक महीने के लिए अलग 3times3 MAs लागू करें शेष का अनुमान प्राप्त करने के लिए टोपी द्वारा केंद्रित अनुपात को विभाजित करें, टोपी टी संशोधित टोपी टी के चरम मूल्यों को कम करें संशोधित केन्द्रित अनुपात प्राप्त करने के लिए टोपी से संशोधित टोपी को गुणा करें। संशोधित टोपी टी प्राप्त करने के लिए चरण 3 दोहराएं प्रारंभिक मौसम समायोजित श्रृंखला देने के लिए हैट ट्री के नए अनुमान से मूल डेटा को विभाजित करें, यथैट टी प्रवृत्ति चक्र टोपी प्रारंभिक मौसम समायोजित मूल्यों के लिए एक भारित हेंडरसन एमए लागू करने का अनुमान है। (यादृच्छिकता जितनी अधिक होती है, चलती औसत की लंबाई अब अधिक होती है।) मासिक श्रृंखला के लिए: या तो 9-, 13-, या 23-टर्म हेंडरसन चलती औसत का उपयोग किया जाता है। दोहराएं चरण 2. नए अनुपात को टोपी के नए अनुमान से मूल डेटा को विभाजित करके प्राप्त किया जाता है। नए अनुपातों का उपयोग करके चरण 36 को दोहराएं और एक 3 टीम्स 3 एमए के बजाय 3 टीम्स 5 एमए लागू करें चरण 7 को दोहराएं, लेकिन 3times3 MA के बजाय 3times5 MA का उपयोग करें दोहराएं चरण 8. शेष चरण चरण 9 में प्राप्त प्रवृत्ति चक्र द्वारा चरण 13 से मौसमी समायोजित डेटा को विभाजित करके प्राप्त किया जाता है। शेष घटक के चरम मूल्यों को चरण 5 में बदल दिया गया है। संशोधित डेटा की एक श्रृंखला गुणा करके प्राप्त की जाती है प्रवृत्ति चक्र, मौसमी घटक, और समायोजित शेष घटक एक साथ। हर बार चरण 16 में प्राप्त आंकड़ों का उपयोग करते हुए पूरी प्रक्रिया दो बार दोहराई जाती है। अंतिम पुनरावृत्ति पर, चरण 11 और 12 में 3times 5 MA या तो 3times3, 3times5, या 3times 9 चलती औसत द्वारा प्रतिस्थापित किया जाता है, डेटा में परिवर्तनशीलता के आधार पर। एक्स -12-एआरआईएमए में दिन के विभिन्न प्रकार, छुट्टी प्रभाव और ज्ञात भविष्यवाणियों के प्रभाव को संभालने के लिए कुछ परिष्कृत तरीके भी हैं, जो यहां शामिल नहीं हैं। विधि की एक पूरी चर्चा Ladiray और Quenneville (2001) में उपलब्ध है। वर्तमान में X-12-ARIMA अपघटन के लिए कोई आर पैकेज नहीं है हालांकि, विधि का कार्यान्वयन करने वाले फ्री सॉफ़्टवेयर यूएस सेंसस ब्यूरो से उपलब्ध हैं और एक सॉफ्टवेयर के लिए आर इंटरफ़ेस एक्स 12 पैकेज द्वारा प्रदान किया गया है। समय श्रृंखला विश्लेषण: मौसमी समायोजन के तरीके X11 शैली के तरीके कैसे काम करते हैं मौसमी समायोजन X11 X11ARIMA X12ARIMA SEATSTRAMO DEMETRA मौसमी समायोजन से निपटने के लिए एबीएस द्वारा नियुक्त तकनीकें क्या हैं SEASABS कैसे काम करती है अन्य सांख्यिकीय एजेंसियां ​​मौसमी समायोजन के साथ कैसे काम करती हैं कैसे एक्स X स्टाइल पद्धति कार्य करते हैं मौसमी समायोजन के फ़िल्टर आधारित तरीकों को अक्सर X11 शैली के रूप में जाना जाता है तरीकों। ये 8216ratio पर आधारित है जो औसत 1 9 31 में 1 9 31 में वर्णित प्रक्रिया को अमेरिका में राष्ट्रीय ब्यूरो ऑफ इकोनॉमिक रिसर्च के फ्रेडरिक आर। इस प्रक्रिया में निम्नलिखित कदम होते हैं: 1) चलती औसत की प्रवृत्ति का आकलन करें 2) मौसमी और अनियमित घटकों को छोड़कर प्रवृत्ति को दूर करें 3) अनियमितताओं को सुचारू बनाने के लिए चलने की औसत का उपयोग करके मौसमी घटक का आकलन करें। प्रवृत्ति को ज्ञात होने तक आम तौर पर मौसमी पहचानी जा सकती है, हालांकि इस रुझान का अच्छा अनुमान तब तक नहीं किया जा सकता जब तक श्रृंखला को मौसम समायोजित नहीं किया जाता है। इसलिए X11 समय श्रृंखला के घटकों का अनुमान लगाने के लिए एक पुनरावृत्ति दृष्टिकोण का उपयोग करता है। एक डिफ़ॉल्ट रूप में, यह एक गुणात्मक मॉडल मानता है एक्स 11 में शामिल बुनियादी कदमों को स्पष्ट करने के लिए, एक गुणात्मक मॉडल के तहत मासिक समय श्रृंखला के अपघटन पर विचार करें। चरण 1: प्रवृत्ति का प्रारंभिक अनुमान एक सममित 13 अवधि (2x12) चलती औसत एक मूल मासिक समय श्रृंखला पर लागू होता है, ओ टी प्रवृत्ति का प्रारंभिक अनुमान तैयार करने के लिए टी टी मौसमी और अनियमित घटकों का अनुमान लगाने के लिए, इस प्रवृत्ति को मूल श्रृंखला से निकाल दिया गया है। श्रृंखला के प्रत्येक छोर पर छह मान समाप्त बिंदु की समस्या के परिणामस्वरूप खो जाते हैं - केवल सममित फिल्टर का उपयोग किया जाता है चरण 2: मौसमी घटक का प्रारंभिक अनुमान मौसमी घटक का एक प्रारंभिक अनुमान तब भारित 5 अवधि के चलते औसत (एस 3x3) एस टी के लिए लागू करके प्राप्त किया जा सकता है। प्रत्येक महीने के लिए मैं टी श्रृंखला अलग से यद्यपि यह फिल्टर एक्स 11 के भीतर डिफ़ॉल्ट है, एबीएस इसके बजाय 7 शब्द चलती औसत (एस 3x5) का उपयोग करता है। मौसमी घटकों को 12 लगभग 12 महीने की अवधि में जोड़ने के लिए समायोजित किया जाता है, जिससे कि यह सुनिश्चित करने के लिए कि वे मौसमी घटक श्रृंखला के स्तर को परिवर्तित नहीं करते हैं (प्रवृत्ति को प्रभावित नहीं करते हैं) के लिए 1 के औसत। मौसमी घटक के अंत में लापता मूल्यों को पिछले वर्ष के मूल्य को दोहराकर बदल दिया जाता है। चरण 3: समायोजित डेटा का प्रारंभिक अनुमान मौसमी रूप से समायोजित श्रृंखला का एक सन्निकटन पिछले चरण से मौसमी के अनुमान को विभाजित करके मूल श्रृंखला में पाया जाता है: चरण 4: प्रवृत्ति ए 9, 13 या 23 अवधि का बेहतर अनुमान हेंडरसन चलती औसत प्रवृत्ति के एक बेहतर अनुमान के उत्पादन के लिए, श्रृंखला के अस्थिरता (एक अधिक वाष्पशील श्रृंखला को अब और अधिक चलती औसत की आवश्यकता होती है) के आधार पर मौसमी रूप से समायोजित मूल्यों पर लागू किया जाता है। परिणामी प्रवृत्ति श्रृंखला को मौसमी और अनियमित घटकों का दूसरा अनुमान देने के लिए मूल श्रृंखला में विभाजित किया गया है। असममित फिल्टर का प्रयोग श्रृंखला के छोर पर किया जाता है, इसलिए चरण 1 की तरह कोई अनुपम मूल्य नहीं हैं। चरण 5: मौसमी घटक का अंतिम अनुमान दो चरण को दोहराया जाता है ताकि मौसमी घटक का अंतिम अनुमान प्राप्त किया जा सके। चरण 6: समायोजित आंकड़ों का अंतिम अनुमान अंतिम सीजन में समायोजित श्रृंखला अंतिम चरण से मौलिक श्रृंखला के दूसरे अनुमान को मूल श्रृंखला में विभाजित करके पाई जाती है: चरण 7: प्रवृत्ति ए 9, 13 या 23 की अंतिम अनुमानित हेंडरसन चलती है औसत मौसमी समायोजित श्रृंखला के अंतिम अनुमान पर लागू होता है, जिसे चरम मानों के लिए ठीक किया गया है। यह प्रवृत्ति का एक बेहतर और अंतिम अनुमान देता है X11 के उन्नत संस्करणों (जैसे X12ARIMA और SEASABS) में, किसी भी अजीब लंबाई हेंडरसन मूविंग एवरी का इस्तेमाल किया जा सकता है। चरण 8: अनियमित घटक का अंतिम अनुमान तब अनियमितताओं का अनुमान लगाया जा सकता है कि प्रवृत्ति के अनुमानों को मौसम समायोजित डेटा में विभाजित कर। जाहिर है इन चरणों पर निर्भर करेगा कि किस मॉडल (गुणक, योजक और छद्म-योजक) को X11 में चुना गया है विभिन्न संस्करणों के बीच X11 के चरणों में भी छोटे अंतर हैं मौसमी कारकों का अनुमान लगाने में एक अतिरिक्त कदम, चरम सीमाओं के लिए एसआई मानों के संशोधन के द्वारा, औसत प्रक्रिया की मजबूती में सुधार करना है। शामिल प्रमुख कदमों के बारे में अधिक जानकारी के लिए, सूचना पत्र के खंड 7.2 को देखें: टाइम सीरीज़ विश्लेषण पर एक परिचयात्मक पाठ्यक्रम - इलेक्ट्रॉनिक डिलिवरी। SEASONAL समायोजन को निष्पादित करने के लिए कुछ पैकेज किए गए हैं क्या X11 परिवार में सबसे अधिक इस्तेमाल किए गए मौसमी समायोजन पैकेज हैं X11 जनगणना के यू.एस. ब्यूरो द्वारा विकसित किया गया था और संयुक्त राज्य अमेरिका में 1 9 65 में अभियान शुरू किया गया था। यह जल्द ही एबीएस सहित दुनिया भर में कई सांख्यिकीय एजेंसियों द्वारा अपनाया गया था। इसे कई व्यावसायिक रूप से उपलब्ध सॉफ़्टवेयर पैकेज जैसे एसएएस और स्टेटीस्टाका में एकीकृत किया गया है। यह मौसम का समायोजन करने के लिए फ़िल्टर का उपयोग करता है और एक समय श्रृंखला के घटकों का अनुमान लगाता है। एक्स 11 विधि में प्रवृत्ति, मौसमी और अनियमित घटकों का अनुमान लगाने के लिए समय-सीमा में सममित चलने वाली औसत लागू करना शामिल है। हालांकि श्रृंखला के अंत में, सममितीय भार 8211 8216end-point8217 समस्या का उपयोग करने के लिए अपर्याप्त डेटा उपलब्ध है। नतीजतन, या तो असममित भार का प्रयोग किया जाता है, या श्रृंखला को एक्सट्रापोलाटेड होना चाहिए। 1 99 8 में स्टैटिस्टिक्स कैनेडा द्वारा विकसित और 1 9 88 से एक्स 11 ईआरआईएमएएएम 88 तक विकसित X11ARIMA विधि, टाइम सीरीज बढ़ाने के लिए बॉक्स जेनकिंस ऑटोरेशेजिव इंटीग्रेटेड मूविंग एवरेज (एआरआईएए) मॉडल का उपयोग करती है। मूलतः, मूल श्रृंखला पर एआरआईएए मॉडलिंग का उपयोग, मौसम समायोजित श्रृंखला में संशोधन को कम करने में मदद करता है ताकि अंत-बिंदु समस्या का प्रभाव कम हो। X11ARIMA88 भी चरम मूल्यों के अपने उपचार में मूल X11 विधि से अलग है। यह सांख्यिकी कनाडा से संपर्क करके प्राप्त किया जा सकता है 1990 के अंत के अंत में, 1 99 8 में, अमेरिकी जनगणना ब्यूरो ने X12ARIMA को जारी किया। यह रेज़ारिमा मॉडल (एआरआईएआईए त्रुटियों के साथ प्रतिगमन मॉडल) का उपयोग करता है जिससे कि उपयोगकर्ता को पूर्वानुमान के साथ सीरीज का विस्तार करने और मौसमी समायोजन होने से पहले बाहरी और कैलेंडर प्रभावों के लिए श्रृंखला को पहले से समायोजित करने की अनुमति मिल सके। X12ARIMA ब्यूरो से प्राप्त किया जा सकता है यह मुफ़्त उपलब्ध है और जनगणना.govsrdwwwx12a से डाउनलोड किया जा सकता है। विक्टर गोमेज़ और अगस्टन मारवाल द्वारा विकसित, सीट्स (एआरआईएएम टाइम सीरीज़ में सिग्नल एक्सट्रक्शन) एक प्रोग्राम है जो एआरआईएए मॉडल पर लागू सिग्नल निष्कर्षण तकनीकों का उपयोग करते हुए एक समय श्रृंखला की प्रवृत्ति, मौसमी और अनियमित घटकों का अनुमान और पूर्वानुमान करता है। ट्रामो (एआरआईएमए शोर, लापता टिप्पणियों और आउटलिअर्स के साथ टाइम सीरीज़ रिग्रेसन) एआरआईएएए त्रुटियों और लापता मूल्यों के साथ प्रतिगमन मॉडल के अनुमान और पूर्वानुमान के लिए एक साथी कार्यक्रम है। यह एक श्रृंखला को पहले से समायोजित करने के लिए उपयोग किया जाता है, जिसे बाद में सीट्स द्वारा समायोजित किया जाएगा। इंटरनेट से दो प्रोग्राम डाउनलोड करने के लिए, बैंक ऑफ स्पेन से संपर्क करें। bde. eshomee. htm Eurostat दो मौसमी समायोजन विधियों पर केंद्रित है: TramoSeats और X12Arima इन प्रोग्राम्स के संस्करणों को एक इंटरफ़ेस में कार्यान्वित किया गया है, जिसे quotDEMETRAquot कहा जाता है। इससे समय की श्रृंखला के बड़े पैमाने पर सेट करने के लिए इन तकनीकों के उपयोग की सुविधा मिलती है। डेमेट्रा में दो मुख्य मॉड्यूल हैं: स्वचालित प्रक्रिया के साथ मौसमी समायोजन और रुझान अनुमान (उदाहरण के लिए, अननुभौत उपयोगकर्ताओं के लिए या समय श्रृंखला के बड़े पैमाने पर सेट के लिए), और एकल समय श्रृंखला के विस्तृत विश्लेषण के लिए उपयोगकर्ता-अनुकूल प्रक्रिया के साथ। इसे फोरम से डाउनलोड किया जा सकता है। Europa. eu. intircdsiseurosaminfodatademetra. htm। एब्स द्वारा सीज़ोनल एडजेस्टमेंट के साथ सौदा करने के लिए एपीएस द्वारा संचालित तकनीक क्या हैं ऑस्ट्रेलियाई ब्यूरो ऑफ स्टेटिस्टिक्स में इस्तेमाल किया जाने वाला मुख्य उपकरण एसईएएसएबीएस (सीसोनल विश्लेषण, एबीएस मानकों) सीएएसएबीएसएएस एक X11 और X12ARIMA पर आधारित कोर प्रोसेसिंग सिस्टम के साथ एक मौसमी एडजस्टमेंट सॉफ्टवेयर पैकेज है। SEASABS एक ज्ञान आधारित प्रणाली है जो एक समय श्रृंखला के विश्लेषण में उचित और सही निर्णय लेने में समय श्रृंखला विश्लेषकों की सहायता कर सकती है। एसईएएसएबीएस एबीएस मौसमी समायोजन प्रणाली का एक हिस्सा है। अन्य घटकों में एबीएसडीबी (एबीएस सूचना वेअरहाउस) और फेम (समय श्रृंखला डेटा को स्टोर और हेरफेर करने के लिए उपयोग किए जाने वाले पूर्वानुमान, विश्लेषण और मॉडलिंग पर्यावरण) शामिल हैं। सीईएएसएबीएस चार प्रमुख कार्य करता है: डेटा की समीक्षा समय श्रृंखला के मौसमी रेनलालिसिस समय श्रृंखला की जांच समय श्रृंखला ज्ञान के रखरखाव एसईएएसएबीएएस एक्स 12 विधि (जो कि एबीएस द्वारा काफी बढ़ाया गया है) के विशेषज्ञ और ग्राहक दोनों को इस्तेमाल करते हैं। इसका मतलब यह है कि किसी उपयोगकर्ता को X11 पैकेज के विस्तृत ज्ञान की आवश्यकता नहीं है ताकि उचित समय-समय पर मौसम श्रृंखला को समायोजित किया जा सके। एक बुद्धिमान इंटरफ़ेस उपयोगकर्ता को मौसमी विश्लेषण प्रक्रिया के माध्यम से मार्गदर्शित करता है, जिससे पैरामीटर और अनुकूलन विधियों के उपयुक्त विकल्प बनाने से उपयोगकर्ताओं को कम या कोई मार्गदर्शन आवश्यक नहीं होता है। सीसाब में शामिल बुनियादी अवक्रम प्रक्रिया है: 1) मौसमी ब्रेक के लिए टेस्ट और सही। 2) डेटा में बड़े स्पाइक्स का परीक्षण और निकालें। 3) टेस्ट और सही ट्रेंड ब्रेक के लिए। 4) मौसमी समायोजन उद्देश्यों के लिए चरम मूल्यों का परीक्षण और सही करें। 5) कोई भी ट्रेडिंग दिन प्रभाव वर्तमान का अनुमान 6) छुट्टी सुधार बढ़ने या बदलने के लिए। 7) चलती औसत (रुझान चलती औसत, और फिर मौसमी चलती औसत) की जांच करें। 8) X11 चलाएं 9) समायोजन को अंतिम रूप दें सीईएएसएबीएएस एक सीरीज़ के पिछले विश्लेषण के रिकॉर्ड रखता है ताकि यह समय के साथ X11 डायग्नोस्टिक्स की तुलना कर सकता है और यह जान सकता है कि अंतिम विश्लेषण में कौन से मापदंडों स्वीकार्य समायोजन की ओर बढ़े। यह प्रवृत्ति और मौसमी विरामों को पहचानता है और साथ ही चरम मूल्यों को ठीक करता है, आवश्यकतानुसार व्यापारिक कारकों को सम्मिलित करता है, और छुट्टी के सुधारों को बढ़ने की अनुमति देता है। एसईएएसएबीएस अन्य सरकारी संगठनों के लिए मुफ़्त है। अधिक जानकारी के लिए संपर्क करें time. series. analysisabs. gov. au। अन्य सामरिक एजेंसियों को SEASONAL समायोजन सांख्यिकी न्यूजीलैंड का उपयोग कैसे करता है X12-ARIMA का उपयोग करता है, लेकिन पैकेज की ARIMA क्षमताओं का उपयोग नहीं करता है। राष्ट्रीय सांख्यिकी कार्यालय, यूके का उपयोग X11ARIMA88 सांख्यिकी कनाडा X11-ARIMA88 का उपयोग करता है अमेरिका जनगणना का यू.एस. ब्यूरो X12-ARIMA Eurostat उपयोग करता है SEATSTRAMO यह पृष्ठ पहले 14 नवंबर 2005 को प्रकाशित हुआ था, अंतिम अद्यतन 10 सितम्बर 2008