Seasonal Adjustment of Weekly Data

Dans cette étude, nous présentons et évaluons les méthodes les plus répandues pour désaisonnaliser des données hebdomadaires. L’approche standard de l’industrie, connue sous le nom de X-13ARIMA-SEATS, se prête seulement aux données mensuelles et trimestrielles. Compte tenu de la disponibilité accrue et du grand potentiel des données non traditionnelles de plus haute fréquence, d’autres approches doivent être envisagées pour extraire des signaux utiles au suivi de l’économie et à l’analyse de l’information. Cette étude examine donc quatre méthodes de désaisonnalisation des données de haute fréquence. Nous constatons que le calibrage des paramètres de chaque méthode permet d’obtenir une série correctement ajustée. Nous optimisons le processus en utilisant une méthode de recherche par quadrillage et procédons à des tests destinés à détecter la présence d’une saisonnalité résiduelle dans chaque série. Bien qu’aucune méthode ne convienne parfaitement à toutes les séries, certaines s’avèrent généralement efficaces pour supprimer les variations saisonnières des données hebdomadaires – malgré la difficulté accrue qu’impose le fait de devoir tenir compte du choc de la pandémie de COVID-19. Puisqu’il est souvent difficile de désaisonnaliser des données de haute fréquence, nous recommandons d’examiner de près chaque série et, si possible, de comparer les résultats de diverses méthodes.