Dostosowanie sezonowe i Zero Hedge – runda druga

Na początku lutego zwróciłem uwagę na wyraźnie widoczny efekt potwierdzenia w artykułach na blogu Zero Hedge odnoszących się do raportu z amerykańskiego rynku pracy. Myślę, że po trzech miesiącach warto wrócić do tego tematu.

Przypomnę, że redaktor Zero Hedge napisał między innymi: Tym co jest bardzo ważne, jest fakt, że w styczniu, bez wygładzającego dostosowania BLS, które powstało nie na rynku pracy lecz wyłącznie w głowach kilku pracowników BLS, prawdziwa gospodarka straciła 2,689 mln miejsc pracy, gdy po dostosowaniu zyskała 0,243 mln: delta na poziomie 2,932 etatów powstała wyłącznie na podstawie statystycznych założeń w arkuszu Excela.

Redaktor Zero Hedge pisał o dostosowaniu sezonowymprocedurze statystycznej, która polega na oczyszczeniu danych makroekonomicznych z wpływu czynników sezonowych. Co ciekawe, procedura ta jest jasno i klarownie wyjaśniona na stronach publikującego dane Bureau of Labor Statistics. Co więcej, BLS zawsze publikuje jednocześnie dane dostosowane sezonowo (SA) i niedostosowane sezonowo (NSA) – trudno więc mówić o jakimś konspiracyjnym manipulowaniu danymi.

W swoim tekście napisałem tak: Gdzie był, co robił ten  bloger gdy te same dostosowania, które powstały wyłącznie w głowach kilku pracowników BLS wykazały w ostatnich trzech miesiącach 2011 roku ponad 3 mln nowych miejsc pracy mniej niż naprawdę powstało w realnej gospodarce?

Wracam do tematu i do pytania, które zadałem ponieważ w ostatnich trzech miesiącach (luty-kwiecień) wyłącznie na podstawie statystycznych założeń w arkuszu Excela wyparowało 2,142 mln miejsc pracy. Tak właśnie, ponad dwa miliony miejsc pracy zostało zniszczone wyłącznie w głowach kilku pracowników BLS.

Problem polega na tym, że choć bardzo się starałem nie znalazłem o tym informacji na stronach Zero Hedge.

Oczywiście, przeciętny inwestor/analityk przyjmuje te miliony miejsc pracy powstałych i zniszczonych, wyłącznie w głowach kilku pracowników BLS, z pełnym zrozumieniem. Procedura dostosowania sezonowego jest nie budzącym większych kontrowersji, powszechnie stosowanym narzędziem obróbki danych makroekonomicznych. Przygotowałem nawet zestawienie pokazujące efekt tej procedury w ostatnich 10 latach.

Tabela pokazuje ile tysięcy miejsc pracy dodano (wartość dodatnia) lub odjęto (wartość ujemna) przez dostosowanie sezonowe w poszczególnych miesiącach od lutego 2002 roku do kwietnia 2012 roku. Dwa najniższe wiersze pokazują średnie dla poszczególnych miesięcy w latach 2002-2011 oraz różnicę pomiędzy tymi danymi a wartościami z 2012 roku.

Proszę także zwrócić uwagę na trzy ostatnie kolumny. Pokazują one (od lewej) efekt netto dostosowania sezonowego w okresie 12 miesięcy od stycznia do stycznia dla poszczególnych lat, efekt netto dostosowania sezonowego w okresie 12 miesięcy od kwietnia do kwietnia dla poszczególnych lat, oraz efekt netto dostosowania sezonowego od stycznia do kwietnia dla poszczególnych lat.

Uważni czytelnicy mogą zapytać: czy efekt netto dostosowania sezonowego za dowolne 12 ostatnich miesięcy nie powinien wynosić zero? Tylko, jeśli efekty sezonowe w każdym roku byłyby identyczne. A poszczególne lata różnią się siłą efektów sezonowych, na przykład wskutek różnicy w efektach pogodowych.

Zwróćmy jednak uwagę na ważny fakt. W ujęciu, styczeń-styczeń, odstępstwo od zerowego efektu netto dostosowania sezonowego wynosiło 63 tysiące. Przy około 130 mln miejsc pracy w USA to jest niecałe pół promila. W ujęciu, kwiecień-kwiecień, największe odstępstwo wyniosło 172 000, jakieś 1,3 promila. Czy trzeba więcej argumentów na wyjaśnienie używania dostosowania sezonowego?

Co więc można przeczytać na Zero Hedge po ostatnim, raczej słabym w mojej opinii, raporcie z amerykańskiego rynku pracy? Redaktor Zero Hedge napisał: Sezonowy dodatek w kwietniu wyniósł 22 tysiące, znacząca zmiana z ostatnimi trzema latami, w których w kwietniu występowało negatywne dostosowanie sezonowe następujące po tradycyjnym pozytywnym dostosowaniu w okresie styczeń-marzec, co w konsekwencji oznacza, że zapłata za rekordowo ciepłą zimę jeszcze się nie zaczęła. W rezultacie, sezonowy dodatek w 2012 roku to teraz olbrzymie 4 499 000 etatów: etatów, które nie zostały stworzone ale oczekuje się, że powstaną na podstawie historycznych wzorów sezonowych.

Przyznam szczerze: nie mam zielonego pojęcia skąd redaktor Zero Hedge ‘wytrzasnął’ te liczby. W kwietniu 2012 dostosowanie sezonowe odjęło 781 000 etatów, o 17 000 mniej niż średnia dla kwietnia w latach 2002-2011. W okresie styczeń-kwiecień 2012 dostosowanie sezonowe dodało 801 000 miejsca pracy (a nie 4,5 mln!), o 43 000 mniej niż średnia dla okresu styczeń-kwiecień w latach 2002-2011.

Nie wiem czy fakt, że w okresie styczeń-kwiecień 2012 roku dostosowanie sezonowe dodało o 43 000 miejsc etatów niż przeciętnie dodawało w latach 2002-2011 uwzględnia w całości efekt wyjątkowo ciepłej zimy. Jeśli nie uwzględnia, to efekt wyjątkowo ciepłej zimy będzie uwzględniony w raporcie za maj i czerwiec. Procedura dostosowania sezonowego stosowana przez BLS okazuje się bowiem rzetelnym narzędziem statystycznym.

Nie wiem też czy publikowane w Zero Hedge artykuły insynuujące manipulowanie danymi o amerykańskim rynku pracy przez procedurę dostosowania sezonowego są wynikiem miernego researchu i słabego przygotowania merytorycznego blogerów, ulegania błędowi potwierdzenia czy świadomego manipulowania informacjami w celu przekonania czytelników do wyznawanej przez autorów Zero Hedge opinii o sytuacji makroekonomicznej. Myślę natomiast, że są wystarczającym powodem by podchodzić do publikowanych na ZH informacji z dużą ostrożnością.

Tutaj możecie znaleźć historyczne dane BLS, z których korzystałem, i sprawdzić moje obliczenia. Korzystałem z danych ‘total nonfarm’. Mam nadzieję, że opublikowana tabela rozwiewa wątpliwości dotyczące procedury dostosowania sezonowego.

Chciałbym gorąco podkreślić, że niniejszy tekst nie jest moją opinią o amerykańskim rynku pracy i nie ma powodów by tak go traktować. 

9 Komentarzy

  1. poszi

    Parę uwag i poprawek.

    Poprawka sezonowa nie uwzględnia pogody ani żadnych losowych zjawisk. Jeśli na skutek ostrej zimy siada budownictwo, to będący skutkiem tego spadek zatrudnienia pojawi się również w serii skorygowanej sezonowo. Korekta sezonowa to co prawda całkiem sprytne narzędzie, ale nie magiczne.

    Korekta sezonowa X-12-ARIMA (które wykorzystują amerykańskie instytucje statystyczne) może uwzględniać następujące zjawiska: efekt miesiąca, efekt liczby dni roboczych, efekt świąt ruchomych (to nie to samo, co poprzednio, bo np. Wielkanoc w USA nie jest świętem, a wpływa na handel) oraz efekt lat przestępnych. Nie wszystkie efekty mają znaczenie statystyczne, np. liczba dni roboczych silnie wpłynie na produkcję przemysłową, ale na zatrudnienie już niewiele lub wcale. Dopasowanie sezonowe jest autofitowane, czego skutkiem jest to, że ono automatycznie „dryfuje”, jeśli zmieniają się trendy. Poprawka sezonowa z jednego roku nie przenosi się automatycznie na kolejny.

    Z tego ostatniego powodu nie wymusza się na poprawkach sezonowych tego, żeby sumy nieskorygowane i skorygowane były takie same. Różnice tez mogą być skutkiem różnych liczb dni roboczych w danym roku.
    http://www.census.gov/const/www/faq2.html#fourteen

    X-12-ARIMA jest dobrze opisana. Software w ogóle jest w public domain i można samodzielnie dokonywać poprawek na seriach danych.
    http://www.census.gov/srd/www/x12a/

    Poprawka sezonowa to jednak subtelna sprawa i mało kto to dobrze rozumie. Mnie nigdy zaś się nie udało odtworzyć tej poprawki z BLS to do joty, bowiem BLS prawdopodobnie koryguje sezonowo zatrudnienie osobno w każdym z działów (a nie koryguje sum), czego nigdy nie chciało mi się robić. Tym niemniej można korygując samemu sumy dostać bardzo podobne wielkości do oficjalnych i czepianie się poprawek sezonowych świadczy na ogół o złej woli, „efekcie potwierdzenia” albo o sporej ignorancji.

    1. trystero (Post autora)

      @ poszi

      Poprawka sezonowa nie uwzględnia pogody ani żadnych losowych zjawisk.

      Tutaj się chyba nie zrozumieliśmy. Dostosowanie sezonowe uwzględnia pogodę w tym sensie, że uwzględnia, że z początkiem sezonu wiosennego zaczynają się konstrukcyjne prace budowlane a wraz z nimi wzrost zatrudnienia w budownictwie.

      Nie uwzględnia tego, że wyjątkowo długa czy krótka zima może ten wzór zaburzyć. Dokładnie taki problem jest w 2012 roku – z krótką, ciepłą zimą.

      Można powiedzieć, że uwzględnia pory roku ale nie konkretną pogodę.

      Tym niemniej można korygując samemu sumy dostać bardzo podobne wielkości do oficjalnych i czepianie się poprawek sezonowych świadczy na ogół o złej woli, „efekcie potwierdzenia” albo o sporej ignorancji.

      Dlatego staram się o tym pisać. W danych NFP jest przecież Birth/Death Model, który jest dużo bardziej kontrowersyjny – choć po okresowych rewizjach także się ‚zeruje’ i jego możliwości wykrzywiania danych są krótkoterminowe.

      Dzięki za dodatkowe uwagi, zawsze są mile widziane.

  2. Adam_S

    Trystero,

    jak, twoim zdaniem, maja sie raporty miejsc pracy do kondycji na gieldzie.
    przeciez wiekszosc firm tam notowanych zyje z exportu, badz dziala na skale globablna.
    Dlatego tez, utrata miejsc pracy w USA, oznacza mniejsze koszty stale firm i potencjalnie wyzsze zyski dzieki temu. na miejsce zwolnionych pozycji, zatrudnia innych w krajach o tanszej sile roboczej i produkacja nie spadnie a koszty tak….

    1. trystero (Post autora)

      @ Adam_S

      jak, twoim zdaniem, maja sie raporty miejsc pracy do kondycji na gieldzie

      Nie robiłem samodzielnie pomiarów ale intuicyjnie spodziewałbym się dużej korelacji pomiędzy liczbą tworzonych etatów a trendem na giełdzie. Tyle, że giełda będzie wyprzedzać te dane bo rynek pracy jest zawsze lagging indicator, nawet w stosunku do koniunktury gospodarczej.

      przeciez wiekszosc firm tam notowanych zyje z exportu, badz dziala na skale globablna.

      Jeśli się nie mylę jakaś połowa przychodów spółek z S&P500 pochodzi spoza USA (dla indeksów małych spółek ten wskaźnik będzie pewnie niższy). Tak więc kondycja na rynku pracy, która pośrednio określa dochody, którymi dysponują Amerykanie (im więcej pracuje tym większe dochody) i poziom inwestycji (im więcej nowych miejsc pracy tym więcej inwestycji) ‚powinna’ mieć odniesienie do notowań giełdowych.

  3. Adam_S

    Thx.

    Prawda jest, ze rowniez bardziej sklaniam sie ku tej tezie (jeszcze) choc zaczynam sie zastanawiac czy nie dziala to w druga strone… w koncu te kursy akcji firm ktore zwalniaja pracownikow z krajow rozwinietych, z reguly rosna po tych zapowiedziach… wiec do pewnej granicy im wiecej zwolnien, tym lepszy kurs. a spadek dochodow tych zwolnionych zostanie zrekompensowany przez nizsze koszty i dochody z reszty swiata.

  4. lesserwisser

    Poglądy na wpływ pogody na poprawkę danych o zatrudnieniu są różne, tak jak różna bywa pogoda.

    Choćby:

    „The BLS is somewhat vague about its seasonal adjustment methodology, but it notes that extreme weather events (and, presumably, lack thereof) can affect the establishment survey in either direction, and says it’s not possible to quantify the effects of extreme weather on this survey.

    Plus, it’s no overstatement to say there are likely to be more factors at play, but a big divergence in weather could have implications not just for unemployment but for all kinds of economic data.”

    http://ftalphaville.ft.com/blog/2012/04/10/953011/unseasonal-seasonally-adjusted-data-energy-edition/

    1. trystero (Post autora)

      @ lesserwisser

      Cytujesz opinię, pod którą mogę się podpisać. Ekstremalna pogoda (na przykład: krótka, ciepła zima) może zaburzyć dane z rynku pracy, ale także dane o PKB na przykład. Nie ma w tym większej tajemnicy.

  5. lesserwisser

    A co z takim stwierdzeniem?

    „What is seasonal adjustment?
    Seasonal adjustment is a statistical technique that eliminates the influences of weather, holidays, the opening and closing of schools, and other recurring seasonal events from economic time series. This permits easier observation and analysis of cyclical, trend, and other nonseasonal movements in the data. By eliminating seasonal fluctuations, the series becomes smoother and it is easier to compare data from month to month. View a more complete description of seasonal adjustment and the methodology used to estimate seasonal adjustment factors.”

    http://www.hoosierdata.in.gov/dpage.asp?id=54&page_path=&path_id=&menu_level=smenu1&panel_number=3&view_number=1

  6. lesserwisser

    I jeszcze jednen link (i znikam).

    How can unusually severe weather affect employment and hours estimates?

    In the establishment survey, the reference period is the pay period that includes the 12th of the month.
    Unusually severe weather is more likely to have an impact on average weekly hours than on employment.
    Average weekly hours are estimated for paid time during the pay period, including pay for holidays, sick leave, or other time off. The impact of severe weather on hours estimates typically, but
    not always, results in a reduction in average weekly hours. For example, some employees may be off work for part of the pay period and not receive pay for the time missed, while some workers, such as
    those dealing with cleanup or repair, may work extra hours.
    In order for severe weather conditions to reduce the estimate of payroll employment, employees have to be off work without pay for the entire pay period. About half of all employees in the payroll survey have a 2-week, semi-monthly, or monthly pay period. Employees who receive pay for any part of the pay period, even 1 hour, are counted in the payroll employment figures. It is not possible to quantify the
    effect of extreme weather on estimates of employment from the establishment survey.

    In the household survey, the reference period is generally the calendar week that includes the 12th of the month. Persons who miss the entire week’s work for weather-related events are counted as employed whether or not they are paid for the time off. The household survey collects data on the number of persons who usually work full time but had reduced hours, or had a job but were not at work the entire week, due to bad weather. Current and historical data are available on the household survey’s most requested statistics page at
    http://data.bls.gov/cgi-bin/surveymost?ln”

    www.bls.gov/news.release/pdf/empsit.pdf

Dodaj komentarz

Twój adres e-mail nie zostanie opublikowany. Wymagane pola są oznaczone *


Twoje dane osobowe będą przetwarzane przez Dom Maklerski Banku Ochrony Środowiska S.A. w celu: zapewnienia najwyższej jakości naszych usług oraz dla zabezpieczenia roszczeń. Masz prawo dostępu do treści swoich danych osobowych oraz ich sprostowania, a jeżeli prawo na to pozwala także żądania ich usunięcia lub ograniczenia przetwarzania oraz wniesienia sprzeciwu wobec ich przetwarzania. Masz także prawo wniesienia skargi do organu nadzorczego.

Więcej informacji w sekcji "Blogi: osoby komentujące i zostawiające opinie we wpisach" w zakładce
"Dane osobowe".

Proszę podać wartość CAPTCHA: *

Opinie, założenia i przewidywania wyrażone w materiale należą do autora publikacji i nie muszą reprezentować poglądów DM BOŚ S.A. Informacje i dane zawarte w niniejszym materiale są udostępniane wyłącznie w celach informacyjnych i edukacyjnych oraz nie mogą stanowić podstawy do podjęcia decyzji inwestycyjnej. Nie należy traktować ich jako rekomendacji inwestowania w jakiekolwiek instrumenty finansowe lub formy doradztwa inwestycyjnego. DM BOŚ S.A. nie udziela gwarancji dokładności, aktualności oraz kompletności niniejszych informacji. Zaleca się przeprowadzenie we własnym zakresie niezależnego przeglądu informacji z niniejszego materiału.

Niezależnie, DM BOŚ S.A. zwraca uwagę, że inwestowanie w instrumenty finansowe wiąże się z ryzykiem utraty części lub całości zainwestowanych środków. Podjęcie decyzji inwestycyjnej powinno nastąpić po pełnym zrozumieniu potencjalnych ryzyk i korzyści związanych z danym instrumentem finansowym oraz rodzajem transakcji. Indywidualna stopa zwrotu klienta nie jest tożsama z wynikiem inwestycyjnym danego instrumentu finansowego i jest uzależniona od dnia nabycia i sprzedaży konkretnego instrumentu finansowego oraz od poziomu pobranych opłat i poniesionych kosztów. Opodatkowanie dochodów z inwestycji zależy od indywidualnej sytuacji każdego klienta i może ulec zmianie w przyszłości. W przypadku gdy materiał zawiera wyniki osiągnięte w przeszłości, to nie należy ich traktować jako pewnego wskaźnika na przyszłość. W przypadku gdy materiał zawiera wzmiankę lub odniesienie do symulacji wyników osiągniętych w przeszłości, to nie należy ich traktować jako pewnego wskaźnika przyszłych wyników. Więcej informacji o instrumentach finansowych i ryzyku z nimi związanym znajduje się w serwisie bossa.pl w części MIFID: Materiały informacyjne MiFID -> Ogólny opis istoty instrumentów finansowych oraz ryzyka związanego z inwestowaniem w instrumenty finansowe.