大家好，我是财经翻译官大金，用通俗语言解释财经世界，让你不止会看热闹，更会看门道。

财经新闻里一个常见的词，很多人都容易看错:

“未（wèi）季调”——不少人看成“末（mò）季调”。

只不过调换了两横的位置，意思就完全不一样了！

今天带你看懂：什么是“未季调”，什么又是“季调”，

以及它们如何影响你看经济数据的方式。

先说“未季调”是什么意思？

简单说，就是原始数据，没经过任何季节调整。就像原图没加滤镜，看的是最真实的样子。

举个例子：每年一月，美国就业人数往往大幅下降，看未季调平滑后的下跌数据很难不让人怀疑，是不是经济出了问题？但是其实这可能只是元旦假期后临时工回家了。

如果决策者只看未调整的数据，很容易得到一个心电图版的经济，因此“季调后”数据就十分重要。

“季调”是“季节性调整”的简称。

很多经济指标会受到季节因素影响——比如春节前消费激增、暑假旅游高峰、冬天取暖需求。

这些变化是周期性的，不代表经济真的变好或变差。

所以，统计机构会用模型把这种季节性波动“抹平”，让数据更平滑、更能反映真实趋势。

参考下图，这些调整过的数据就是“季调后数据”。

总结下来就是：“未季调”看的是实际表现，“季调”看的是趋势方向。

那哪些经济数据会用到这种区分呢？

比如：消费者物价指数（CPI）、GDP季度环比增长率、非农就业数据（NFP）......

这些指标，通常同时公布“未季调”和“季调”两组数。

通过对比就能够清晰知道，哪些波动是噪音，哪些异常是经济真正出现了问题。

有些好奇宝宝就会问了，这些季调模型靠谱吗？不会扭曲数据吗？

事实上关于季调模型的争论一直存在。

目前国际通用的是季调模型X-13ARIMA，不同的国家可能会在此基础上根据国情调整，比如我国就根据这一模型开发了国家统计局版季节调整软件NBS－SA。

这个基础模型经历过多次迭代和验证，是目前认可度较高的模型。

市场质疑大多数在于各国统计局对模型的调整和数据本身的质量。

以美国非农数据为例，疫情后远程办公和零工经济的兴起，改变了美国就业季节性规律。

但美国劳工统计局没有及时调整季节模块，导致季调模型的滞后和误判，加上其他一些模块调整不及时和数据统计的误差，导致这几年非农数据都要在后期进行大幅调整，非农初值也因此被戏称为“统计意义上的占卜结果”，而非经济现实。

但是有数据总比没有数据好，

季调数据可以给我们多一个参考，

错误总有办法修正，

虽然我们永远无法获得完整的真理，

但总能无限趋近。