Marktprognose basierend auf makroökonomischen Indikatoren - Seite 43
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Nun, hier ist ein klarer Gedanke von Hazin.
Für 2010 sind die gesamten Finanzinstrumente an der NYCE NASDAQ = 17,796 + 12,659 Billionen $. Und das BIP ist halb so hoch. Und der Anteil der Finanzen am BIP ist lächerlich. Wie kann das sein?
Alles, was mit Statistiken in den USA zu tun hat, ist mit äußerster Vorsicht zu genießen. Man muss sich mit der Methodik der Berechnung des BIP befassen... Ist das notwendig?
Das BIP zählt den Umfang der in einem Jahr erbrachten Finanzdienstleistungen, nicht die nominale Kapitalisierung des nationalen Aktienmarktes
Nun, sehen Sie, Sie haben es geschafft, zwei. Dabei wird die Maklermarge berücksichtigt. Es ist weniger als bei uns - ein lächerlicher Betrag.
Und der Rest des Geldes? Man kauft die Hose, es ist ein Verkauf, aber man kauft eine Aktie, ein Futures, was ist das? Sie müssen den Umsatz der Konten zählen...
Nun, sehen Sie, Sie haben es geschafft, zwei. Dabei wird die Maklermarge berücksichtigt. Es ist weniger als bei uns - ein lächerlicher Betrag.
Und der Rest des Geldes? Man kauft die Hose, das ist eine Erkenntnis, aber man kauft eine Aktie, ein Futures, was ist das? Sie müssen den Umsatz der Konten berechnen...
Die gesamte Marktwirtschaft ....
Man muss in Naturalien rechnen, in Großmäulern. Und der Geldwert, auch in verschiedenen Währungen, ist nur bei stabilen Preisen und stabilen Kursen funktionsfähig. Und heute? Jeder hat den Rubel am Hals... Und schauen Sie sich die Charts der Währungspaare an! Oder schauen Sie sich die Charts des Dollar-Index an. Über welche Preise können wir reden?
Womit vergleichen wir sie? Ein Teil des US-BIP für Elektronik, die tatsächlich in China produziert wird? Luft mit echtem Eisen?
Wie ich bereits schrieb, wähle ich nicht die Prädiktoren, sondern den Code nach dem Vorhersagefehler aus. Ich schaue mir nur das endgültige Modell an und überprüfe, welche Indikatoren es gibt. Ein Indikator ist zum Beispiel der Beginn des Wohnungsbaus:
https://research.stlouisfed.org/fred2/series/HOUST1F
Ein Blick auf dieses Schaubild zeigt einen Trend zu rückläufigen Wohnungsbaubeginnen vor Rezessionen. Welche Indikatoren der Code auswählt, hängt in hohem Maße von der Datenumwandlungsmethode ab. Ich akzeptiere durchaus, dass Termingeschäfte einen Einfluss auf das BIP haben. Wenn es eine Zeitreihe gibt, die Futures widerspiegelt, zeigen Sie mir den Link. Alle meine Prädiktoren stammen aus der FRED2-Datenbank der Fed. Es gibt wirtschaftliche und finanzielle Indikatoren:
https://research.stlouisfed.org/fred2/categories
Das Problem bei diesen Indikatoren ist, dass es etwa 300 Tausend von ihnen gibt. Jede Menge regionale und internationale Daten. Ich musste "unnötige" Daten manuell löschen, um das Laden des Codes zu vermeiden. Wir haben etwa 10.000 Indikatoren. Aber nicht alle diese Indikatoren werden von der Regierung seit langem veröffentlicht: einige von ihnen werden seit 1800 veröffentlicht, andere erst in den letzten 10 Jahren. Mein Code berücksichtigt nur die Indikatoren, die seit 1960 erstellt wurden, um genügend Daten für die Erstellung des Modells zu haben, d. h. 55 Jahre Geschichte oder 220 Daten in jedem Indikator. Die 10 Tausend ausgewählten Indikatoren werden auf 2 Tausend eingegrenzt. Man könnte in die Diskussion einbringen, dass sich der Markt heute erheblich von dem Markt vor 50 Jahren unterscheidet. Dem stimme ich voll und ganz zu: Computer, Internet, chinesischer Einfluss, Einmischung der US-Regierung in das Wirtschaftsmanagement und so weiter. Wenn ich aber nur die Daten der letzten 15 Jahre nehme, erhalte ich für jeden Indikator nur 60 Werte, nur zwei Rezessionen, und das reicht, wie Statistiker wissen, nicht aus, um ein Modell zu erstellen. Ich muss also tiefer in die Geschichte einsteigen, als die Wirtschaft noch anders war. Daraus ergeben sich weitere Schwierigkeiten: Was damals die Wirtschaft beschrieb, beschreibt sie heute nicht gut. Übrigens habe ich versucht, die Geschichte um 15-20 Jahre zu verkürzen, aber die Vorhersagen waren viel schlechter.
Wie ich bereits schrieb, wähle ich nicht die Prädiktoren, sondern den Code nach dem Vorhersagefehler aus. Ich schaue mir nur das endgültige Modell an und überprüfe, welche Indikatoren es gibt. Ein Indikator ist zum Beispiel der Beginn des Wohnungsbaus:
https://research.stlouisfed.org/fred2/series/HOUST1F
Ein Blick auf dieses Schaubild zeigt einen Trend zu rückläufigen Wohnungsbaubeginnen vor Rezessionen. Welche Indikatoren der Code auswählt, hängt in hohem Maße von der Datenumwandlungsmethode ab. Ich akzeptiere durchaus, dass Termingeschäfte einen Einfluss auf das BIP haben. Wenn es eine Zeitreihe gibt, die Futures widerspiegelt, zeigen Sie mir den Link. Alle meine Prädiktoren stammen aus der FRED2-Datenbank der Fed. Es gibt wirtschaftliche und finanzielle Indikatoren:
https://research.stlouisfed.org/fred2/categories
Das Problem bei diesen Indikatoren ist, dass es etwa 300 Tausend von ihnen gibt. Jede Menge regionale und internationale Daten. Ich musste "unnötige" Daten manuell löschen, um das Laden des Codes zu vermeiden. Wir haben etwa 10.000 Indikatoren. Aber nicht alle diese Indikatoren werden von der Regierung seit langem veröffentlicht: einige von ihnen werden seit 1800 veröffentlicht, andere erst in den letzten 10 Jahren. Mein Code berücksichtigt nur die Indikatoren, die seit 1960 erstellt wurden, um genügend Daten für die Erstellung des Modells zu haben, d. h. 55 Jahre Geschichte oder 220 Daten in jedem Indikator. Die 10 Tausend ausgewählten Indikatoren werden auf 2 Tausend eingegrenzt. Man könnte in die Diskussion einbringen, dass sich der Markt heute erheblich von dem Markt vor 50 Jahren unterscheidet. Dem stimme ich voll und ganz zu: Computer, Internet, chinesischer Einfluss, Einmischung der US-Regierung in das Wirtschaftsmanagement und so weiter. Wenn ich aber nur die Daten der letzten 15 Jahre nehme, erhalte ich für jeden Indikator nur 60 Werte, nur zwei Rezessionen, und das reicht, wie Statistiker wissen, nicht aus, um ein Modell zu erstellen. Ich muss also tiefer in die Geschichte einsteigen, als die Wirtschaft noch anders war. Daraus ergeben sich weitere Schwierigkeiten: Was damals die Wirtschaft beschrieb, beschreibt sie heute nicht gut. Übrigens habe ich versucht, die Geschichte um 15-20 Jahre zu verkürzen, aber die Vorhersagen waren viel schlechter.
Wie ein alter Bekannter von mir, der in Kanada lebt, sagt: Deine Nummer acht, du wirst danach gefragt werden.
Es ist wichtig, dass Sie Ihren Platz in dieser Warteschlange kennen.
Das ist irgendwie erniedrigend und eine Beleidigung für uns selbst. Gibt es keinen Sinn für Würde? Mit einer solchen Einstellung werden Sie nicht weit kommen.
Ich bin kein Wirtschaftsexperte und weiß nicht, wie weise Nummer 1 ist, aber in meinem Fachgebiet kann ich Ihnen versichern, dass Universitätsprofessoren weit weniger wissen als Leute, die in Unternehmen arbeiten, Praktiker. Ich nehme an, dass es in der Wirtschaft genauso ist: Es gibt nur ein paar Experten, die zu neuen Theorien fähig sind, und der Rest poliert, wie die Amerikaner sagen, den Apfel. Glauben Sie, dass die Fed-Banken Koryphäen beschäftigen, die wissen, wie man die Wirtschaft vorhersagt? Was ist mit 2008? Bernanke weigerte sich, die Zinssätze bis September 2007 zu senken, drei Monate bevor die Rezession offiziell begann. Und was ist mit dem Hedgefonds Long-Term Capital Management, der in den späten 1990er Jahren in Konkurs ging und von Aufkaufbanken und der Regierung gerettet wurde? Dieser Fonds wurde von den beiden Nobelpreisträgern Scholes und Merton geleitet.Scholes ist, wie Sie vielleicht wissen, einer der Autoren desBlack-Scholes-Finanzmodells(Optionspreismodell), für das er den Nobelpreis erhielt. Wie kommt es, dass reiche Anleger (und das waren die Mitglieder von LTCM) entweder gutes Geld verdienen oder Geld verlieren, es aber immer zurückbekommen, höchstens von der Regierung, während andere Anleger an der Börse Geld verlieren und das war's dann, niemand hilft ihnen aus.
https://en.wikipedia.org/wiki/Long-Term_Capital_Management
Ehrlich gesagt, ich habe es selbst nicht gelesen, aber hat jemand Didier Sornetto gelesen?
Ich werde meine Erfahrungen mit der Umwandlung von Eingabedaten schildern. Es gibt verschiedene Möglichkeiten, die in den Artikeln zur wirtschaftlichen Modellierung beschriebenen Daten umzuwandeln:
1. Differenz: x[i] - x[i-1]. Anwendbar, wenn die Eingabe x[] eine konstante Varianz hat. Ich habe etwa 2 Tausend Prädiktoren, deren Historie bis 1960 zurückreicht. Um zu sehen, wie ihre Varianz mit der Zeit variiert, habe ich die Differenz x[i] - x[i-1] berechnet, sie quadriert, dann mit dem Hodrick-Prescott-Filter mit Lambda 1e7 gemittelt und die Wurzel gezogen, um die Varianz als Funktion der Zeit zu sehen. Dann teilte ich die Varianz am Ende der Geschichte (Q4 2015) durch die Varianz am Anfang der Geschichte (Q1 1960) für jede Eingangsvariable und erstellte ein Histogramm:
Viele Inputs haben eine mehr oder weniger konstante Varianz (das Verhältnis der Varianz am Anfang und am Ende der Geschichte ist etwa 1). Aber es gibt auch viele Eingaben mit einem Varianzverhältnis von 3 oder mehr. Die Varianz des BIP hat sich von 1960 bis heute etwa vervierfacht. Da es nicht möglich ist, ein BIP-Modell mit Inputs zu konstruieren, deren Varianz sich nicht ändert, ist die Transformation der Inputs durch die Varianz nicht ausreichend.
2. Momentum: x[i]/x[i-1] - 1 oder log(x[i]/x[i-1]). Normalisiert automatisch Eingaben mit unterschiedlicher Varianz, funktioniert aber nur, wenn alle Daten positiv sind. Die Formel x[i]/x[i-1] - 1 = (x[i] - x[i-1])/x[i-1] kann man sich als Berechnung des Wachstums in % vorstellen, d. h. x[i] - x[i-1] als Prozentsatz von x[i-1]. Wenn x[i-1] gleich Null ist, macht diese Formel keinen Sinn und ergibt einen unendlichen Wert. Wenn x[i-1] negativ ist, ergibt auch diese Formel keinen Sinn. Ungefähr 15 % der Wirtschaftsindikatoren weisen sowohl positive als auch negative Werte auf. Sie können versuchen, Impuls für positive Reihen und Varianz für negative Reihen zu verwenden, in der Hoffnung, dass negative Reihen eine annähernd konstante Varianz haben. Leider gibt es einige Wirtschaftsindikatoren, die sowohl positive als auch negative Werte aufweisen und deren Streuung im Laufe der Zeit stark zunimmt. Zum Beispiel:
3. Die durch die Varianz normalisierte Varianz ist (x[i] - x[i-1])/StdDev[i]. Meiner Erfahrung nach ist dies die beste und vielseitigste Transformation, die für alle Arten von Daten geeignet ist. Hier gibt es zwei ernsthafte Probleme: (1) wie man die zeitabhängige Varianz von StdDev korrekt berechnet, und (2) wie man die Vorhersage in die ursprüngliche Reihenform zurückverwandelt, wenn die zukünftige Varianz unbekannt ist.
Ich würde die gesamte moderne Wirtschaftsmathematik in zwei Teile unterteilen
Diese Einteilung scheint falsch zu sein, da es unmöglich ist, die Zukunft vorherzusagen, ohne die Vergangenheit zu analysieren.
In der Praxis habe ich jedoch festgestellt, dass dies nicht der Fall ist. Es gibt einen Unterschied, und zwar einen grundlegenden.
1. Es gibt die Analyse an sich. Wir analysieren die Arbeitslosigkeit und suchen nach den Faktoren, die sie in der Vergangenheit beeinflusst haben.
2. und es gibt eine weitere Analyse. Zunächst versuchen wir, die Arbeitslosigkeit vorherzusagen und suchen nach den Faktoren, die diese Arbeitslosigkeit in der Zukunft beeinflussen.
Im ersten Fall, wenn wir die Zukunft vorhersagen wollen, extrapolieren wir die Ergebnisse unserer Analyse. Hier haben wir es mit einer Situation zu tun, in der die Differenz zwischen dem extrapolierten Wert und dem aktuellen Wert innerhalb des Konfidenzintervalls liegt, was bedeutet, dass der beste Prädiktor auf der Grundlage der Extrapolation der aktuelle Wert ist!
Im zweiten Fall interessiert uns der vorherige Wert nicht. Wir berechnen einen neuen, zukünftigen Wert (Trend) auf der Grundlage historischer Daten, anstatt die Vergangenheit in die Zukunft fortzuschreiben. In diesem Fall macht das Modell, wenn neue Daten eintreffen, eine Vorhersage auf der Grundlage von Kenntnissen über vergangene Situationen, die nicht notwendigerweise früher waren, aber in der Vergangenheit lagen.
Das heißt, die Extrapolation sollte streng von der Vorhersage unterschieden werden.
Die scheinbar feinen Unterschiede haben sehr ernste Konsequenzen.
1. Die Zielvariable selbst. Diese Frage ist keineswegs müßig. Dies ist ohne eine gründliche Analyse der Eigenschaften der Zielvariablen, insbesondere unter Berücksichtigung von Punkt 2, nicht möglich.
Auswahl von Prädiktoren, die für die Zielvariable relevant sind. Auswahl von Prädiktoren, die ein Vorhersagepotenzial für die Zielvariable und ihre Eigenschaften haben. Zum Beispiel die Zielvariable: Wachstum-Rückgang. Wir benötigen Prädiktoren, die für das Wachstum und den Rückgang der Zielvariablen relevant sind, sind aber nicht an Prädiktoren interessiert, die den Wert der Zielvariablen vorhersagen.
PS.
Aus Erfahrung. Bei diesem Ansatz der Vorhersage nominaler Variablen habe ich keine Auswirkungen auf die Vorhersagefähigkeit der Prädiktoren durch die oben beschriebene Vorverarbeitung und durch radikalere Methoden wie die Umwandlung in eine Reihe von Hauptkomponenten (PCA oder andere) festgestellt, die für uns überraschende Eigenschaften haben und keinen Nutzen bringen.