为什么重要
你在联邦数据发布中看到的多数经济数据有两个版本:已经季调（SA,Seasonally Adjusted）和未经季调（NSA,Not Seasonally Adjusted）。两者的差异很重要,因为原始月度或季度数据季节性极强。失业率每年1月总是上升(节后裁员)。房屋销售每年6月总是达到峰值。建筑许可每年12月总是骤降。没有季节性调整,拿1月和6月作对比,你了解到的更多是日历规律而不是经济状况。BLS和人口普查局为多数系列发布SA版本,用于月与月、季与季之间的对比。它们也发布NSA版本,用于同比分析和学术研究。对投资者最关键的陷阱:BLS LAUS(都会级失业率)默认是NSA——所以你不能直接把都会11月和都会12月作对比。要用同比代替。
速览
- 它是什么： 从时间序列中去除日历驱动的规律,让你能跨月或跨季度对比。
- 谁在做： BLS、人口普查局、FHFA和多数联邦统计机构。使用一个叫X-13ARIMA-SEATS的标准统计工具。
- SA = 已经季调： 月度变化有意义。
- NSA = 未经季调： 月度变化混合了趋势和季节性——要用同比代替。
- 关键陷阱： BLS CES就业在都会级是SA。BLS LAUS失业率在都会级是NSA。拉数据时要查清是哪一个。
- 怎么辨认： 联邦数据发布的脚注总会明确写"Seasonally Adjusted"或"Not Seasonally Adjusted"。FRED在系列名中用"SA"或"NSA"标注。
运作原理
调整实际在做什么。 季节性调整使用一种统计方法(X-13ARIMA-SEATS是人口普查局的标准工具),把时间序列分解为三部分:趋势(长期方向)、季节性(可预测的日历规律)和残差(其他一切)。季节性部分被减去,只留下趋势加残差。你在已发布SA系列中看到的,是"剔除日历本该造成的波动之后经济在做什么"。对多数联邦系列(新屋开工、全国失业率、CPI、零售销售、GDP),SA是发布版本、NSA被归档。对部分系列(都会级失业率来自LAUS、某些地方经济数据),NSA是发布版本,SA在该粒度下不存在。
为什么BLS LAUS在都会级是NSA。 简短的答案是:在都会级样本量不够大,无法可靠识别季节性成分。季节性调整需要5年以上稳定的季节规律来校准。全国失业率有。都会失业率——尤其是小都会——数据更薄、人口结构变动大,季节规律没那么稳定。与其发布一个校准很差的都会SA系列,BLS选择发布NSA,把季调工作交给用户。对投资者的含义:如果你拉都会LAUS的11月对12月数据,会看到失业率上升——因为这是季节规律,不是底层趋势。要剥离季节性,就去比较去年同月的数据(同比)。
SA和NSA对分析的影响取决于用途。 三种场景。第一,做月环比的趋势监测:必须用SA。NSA的MoM被季节波动主导。第二,做同期水平对比:SA或NSA都可以——同月对比会抵消季节性。第三,学术或研究分析:NSA是原始真相,让你能套用自己的调整方法。对房地产投资者,实用规则是:月度追踪用SA;SA不可用时在NSA上用同比;永远查清自己拉的是哪个版本。
季节性调整何时失灵。 三种场景会让SA误导人。第一,季节规律的结构性断点——疫情从根本上改变了住宿业和零售业的季节性招聘规律。SA模型已经更新,但疫情前的SA系列和疫情后的SA系列不严格可比。第二,样本小、规律不稳——非常小的都会或特定行业,季节性成分无法可靠识别。第三,数据修订——SA系列会随着新数据改进季节模型而定期修订。你上个月看到的2024年11月SA数值,今天读可能已经不同。做回测时要拉新鲜数据,不要用归档快照。
实战案例
李秀英（Li Xiuying）正确解读都会失业率数据。
李秀英在收购一处多户型物业前,正在跟踪Austin都会区的失业率。她从FRED拉BLS LAUS数据。
她第一次拉到的数据显示:
- Austin都会失业率,2025年11月： 3.2%
- Austin都会失业率,2025年12月： 3.6%
- 环比变化： +0.4个百分点
第一反应:"Austin失业率一个月跳了12%——劳动力市场出问题了。"但她随后想起,都会LAUS是NSA。12月假日季节的裁员(零售临工、住宿餐饮、仓储行业)每年都会产生可预期的季节性上升——这不是针对Austin的任何信号。
她改用真正能回答她问题的对比:
- Austin都会失业率,2025年12月： 3.6%
- Austin都会失业率,2024年12月： 3.8%
- 同比变化： -0.2个百分点
现在读数说得通了。Austin 2025年12月比2024年12月低0.2个百分点。劳动力市场实际上在同比收紧,而不是走弱。通过同月对同月剥离季节性后可以看出,Austin现在的状态比一年前更好——尽管原始MoM的NSA数据看上去令人紧张。
如果李秀英用的是国家层面的BLS CES就业数据(在全国层面经过季调),她就能直接做MoM。但对都会级问题,NSA加同比才是正确方法。
优劣分析
- 让月环比和季环比对比变得有意义
- 各联邦统计机构通用——惯例一致
- 统计方法(X-13ARIMA-SEATS)有详尽文档、经同行评审
- 修订能随时间推进改进季节模型
- 让你把底层趋势和日历噪音分离
- 并非每个地理粒度都有——都会LAUS是NSA,都会CES是SA
- 修订可能追溯性地改变历史SA值
- 结构性断点(疫情、重大政策变化)能在多年内让季节模型混乱
- 小样本系列无法可靠计算季节成分
- 普通读者常默认每个系列都是SA,会被NSA数据误导
注意事项
- 都会LAUS是NSA,都会CES是SA： BLS发布两个都会级就业系列。CES统计工资就业,经过季调。LAUS估计失业率,是NSA。如果你在做都会失业率的月环比,读到的是日历噪音,不是经济信号。
- 一定要看脚注： 联邦数据发布会在发布说明中写明"Seasonally Adjusted Annual Rate"或"Not Seasonally Adjusted"。FRED系列名中包含"SA"或"NSA"。有疑问,查一下。
- 修订可能改写历史： 你3月拉的SA系列,5月读的时候可能因季节模型更新而不同。对外发布时要标注拉取日期和数据快照。
- 结构性断点： 疫情时期的劳动力和房地产季节性被打乱。2020年之前的SA系列和2022年之后的SA系列使用了不同的季节因子。跨长周期对比需要承认这一点。
- 不要叠加季调： 如果一个系列已经作为SAAR发布(比如现房销售),那就已经是SA加年化。别再叠一层调整。