季节性因素（春节错位 / 年末效应）

经济数据里有规律性波动的成分，叫季节性因素：春节前后生产骤降、年末企业冲刺、开学季消费集中、双十一电商大促……这些每年都会发生的“节拍”，会显著影响月度数据的读数。

最典型的是春节错位：春节有时候在 1 月、有时候在 2 月，导致 1—2 月的开工天数和消费节奏完全不同。统计部门因此常把 1—2 月合并公布，或者发布“季调后”数据来剔除季节干扰。

不剔除季节性，就会得出错误结论：去年春节在 2 月、今年在 1 月，今年 1 月社零同比可能异常高（因为去年 1 月基数低），2 月又异常低——其实经济基本面没怎么变。

PMI、CPI、社零、发电量都有明显的季节性。机构研报里的“低于预期”“高于预期”，很多就是季节调整口径差异造成的“假信号”。

• 1—2 月合并看：社零、工业增加值、用电量等指标，官方合并公布更可比
• 优先看“季调后”环比：国家统计局发布季调环比，剔除了季节噪音
• 看同比时核对去年基数：基数高则今年同比容易被“压低”，反之被“抬高”

• 第一步：看数据发布时是否注明“季调后”或“1-2月合并”
• 第二步：自己算“两年平均增速”，对冲基数错位（例如把今年 1—2 月合并增速与去年同期合并增速比）
• 第三步：结合高频数据交叉验证——地铁客流、发电耗煤、电影票房等日度数据不受月度季节干扰

• 坑 1：直接比单月同比——春节错位最典型的误读来源
• 坑 2：拿“去年高基数”当今年变差——基数效应不是基本面恶化
• 坑 3：忽略季调版本差异——调整方法不同，结论可能相反
• 坑 4：拿旅游、餐饮的假期数据与工作日数据比——节假日错峰让它们天然“忽高忽低”