Marktprognose basierend auf makroökonomischen Indikatoren - Seite 58

[Vladimir]

Ein klareres Bild:

[Реter Konow]

Vladimir:

Auch hier gilt, dass meine Methode den S&P500 nicht vorhersagt. Sie sagt Rezessionen voraus. Die Rezession 2020 ist noch nicht vorbei. Es gibt kein Problem mit der Vorhersage.

...

Für einen konstruktiven Dialog. Ich möchte jedoch darauf hinweisen, dass in der ersten Zeile des ersten Beitrags dieses Threads schwarz auf weiß das Ziel der Studie genannt wird: die Vorhersage des S&P500. Dann geht es um die Vorhersage des nächsten Quartals, und es wird Schritt für Schritt beschrieben, wie die Studie aufgebaut ist. Die Rezession wird nur am Rande erwähnt (oder besser gesagt, überhaupt nicht).

Natürlich spielt es keine Rolle, was vorhergesagt wird, solange es eintrifft).

[Реter Konow]

Vladimir:

1. Die Prognostiker werden auf der Grundlage ihrer Fähigkeit ausgewählt, Rezessionen vorherzusagen. Die Auswahl erfolgt automatisch, ohne meinen Einfluss oder meine Meinung.

2. Der Bewertungsmaßstab ist, ob die vorgeschlagene Buy&Sell-Strategie profitabler ist als Buy&Hold.

3. die historischen Darstellungen sind auf die Tiefe der Geschichte der einzelnen Wirtschaftsleistungen beschränkt

Der einzige mögliche Kritikpunkt ist, dass die historischen Ergebnisse keine Garantie für die Genauigkeit der Vorhersage zukünftiger Rezessionen sind. Alle Ergebnisse des gezeigten Diagramms wurden an die Geschichte angepasst, mit Ausnahme des letzten Rezessionssignals im Dezember 2019.

Für einen konstruktiven Dialog schlage ich vor, die Genauigkeit meines Systems/Modells mit anderen fundamentalen oder technischen Rezessionsvorhersagesystemen zu vergleichen. Sie können auch die Rendite und den Drawdown meines Systems mit anderen Handelssystemen für den S&P500 vergleichen.

Ich betone: Meine Argumente stützen sich auf den ersten Beitrag dieses Themas, in dem die S&P500-Prognosemethode beschrieben wird. Ich könnte einige andere Beiträge in diesem Thread vermissen, ich kommentiere sie nicht, ich glaube nur, dass die Methode auf der ersten Seite vollständig beschrieben ist.

1. Ich habe dies im ersten Beitrag nicht gefunden. Die beschriebene Prognosemethode zielt auf die Vorhersage des nächsten Quartals des S&P500 ab. Ich habe nichts über die Methode der Rezessionsvorhersage gelesen. Wenn die Methode zur Rezessionsvorhersage von der hier beschriebenen abweicht, geben Sie dies bitte an (oder nennen Sie einen Link), damit Sie sich ein Bild machen können.

Beschreiben Sie, wenn möglich, auch die Methode der automatischen Auswahl der Indikatoren im Detail, so dass der Faktor der Subjektivität vollständig beseitigt wird.

2. Ich verstehe diesen Punkt nicht. In der Beschreibung der Prognosemethode wird nicht auf spezifische Strategien eingegangen. (Genauer gesagt handelt es sich bei der Methode selbst um eine Strategie, die jedoch nicht ausdrücklich genannt wird).

3. also die gesamte Tiefe der Geschichte jedes Indikators ohne Kürzungen genommen wird?

...

Ich bin damit einverstanden, die Genauigkeit Ihres Rezessionsvorhersagesystems mit anderen zu vergleichen, aber woher nehmen Sie das?

[Реter Konow]

Ich frage einfach: Hat Ihr Rezessionsvorhersagesystem diese Rezession vorhergesagt und wie lange vorher?

https://www.google.com/amp/s/ria.ru/amp/20200616/1572964400.html

[denis.eremin]

Реter Konow:

Ich frage einfach: Hat Ihr Rezessionsvorhersagesystem diese Rezession vorhergesagt und wie lange vorher?

https://www.google.com/amp/s/ria.ru/amp/20200616/1572964400.html

Lesen Sie überhaupt, was Sie kommentieren, bevor Sie einen Kommentar abgeben?

Vladimir schrieb: "Diese Strategie gab im Dezember 2019 ein Verkaufssignal. Er hat noch kein Kaufsignal gegeben. Es sieht so aus, als würde der Markt sinken." (с).

[Реter Konow]

Vladimir:

Die Aufgabe besteht also darin, den S&P 500 Index auf der Grundlage der verfügbaren Wirtschaftsindikatoren vorherzusagen.

Schritt 1: Finden Sie die Indikatoren. Die Indikatoren sind hier öffentlich zugänglich: http://research.stlouisfed.org/fred2/. Es gibt 240.000 davon. Das wichtigste ist das BIP-Wachstum. Dieser Indikator wird jedes Quartal berechnet. Daher beträgt unser Schritt 3 Monate. Alle Indikatoren mit kürzerem Zeithorizont werden auf 3 Monate umgerechnet, der Rest (jährlich) wird verworfen. Außerdem werden Indikatoren für alle Länder außer den USA sowie Indikatoren, die keine lange Historie (mindestens 15 Jahre) aufweisen, nicht berücksichtigt. Also sichten wir mühsam eine Reihe von Indikatoren und erhalten etwa 10 Tausend Indikatoren. Formulieren wir eine spezifischere Aufgabe, um den S&P 500-Index ein oder zwei Quartale im Voraus zu prognostizieren, wobei 10 Tausend Wirtschaftsindikatoren mit einem vierteljährlichen Zeitraum vorliegen. Ich mache alles in Matlab, aber es ist auch möglich, es in R zu machen.

Schritt 2: Umwandlung aller Daten in eine stationäre Form durch Differenzierung und Normalisierung. Es gibt eine ganze Reihe von Methoden. Die Hauptsache ist, dass die umgewandelten Daten aus den ursprünglichen Daten wiederhergestellt werden können. Ohne Stationarität wird kein Modell funktionieren. Die S&P 500-Reihe vor und nach der Umwandlung ist unten dargestellt.

Schritt 3: Wählen Sie ein Modell. Sie könnten ein neuronales Netz haben. Es kann sich um eine multivariablelineare Regression handeln. Es könnte sich um eine polynomiale Regression mit mehreren Variablen handeln. Nachdem wir lineare und nichtlineare Modelle ausprobiert haben, kommen wir zu dem Schluss, dass die Daten so stark verrauscht sind, dass es keinen Sinn macht, ein nichtlineares Modell anzupassen, da das y(x)-Diagramm mit y = S&P 500 und x = einer von 10.000 Indikatoren fast eine runde Wolke ist. Daher formulieren wir die Aufgabe noch konkreter: Vorhersage des S&P 500-Index für ein oder zwei Quartale im Voraus anhand von 10 Tausend Wirtschaftsindikatoren mit einem vierteljährlichen Zeitraum unter Verwendung einer multivariablen linearen Regression.

Schritt 4: Auswahl der wichtigsten Wirtschaftsindikatoren aus 10 Tausend (Reduzierung der Dimension des Problems). Dies ist der wichtigste und schwierigste Schritt. Nehmen wir die Geschichte des S&P 500, die 30 Jahre lang ist (120 Quartale). Um den S&P 500 als lineare Kombination verschiedener Wirtschaftsindikatoren darzustellen, reichen 120 Indikatoren aus, um den S&P 500 während dieser 30 Jahre genau zu beschreiben. Darüber hinaus kann es sich bei den Indikatoren um absolut beliebige Indikatoren handeln, um ein so genaues Modell von 120 Indikatoren und 120 Werten des S&P 500 zu erstellen. Wir werden also die Zahl der Eingaben unter die Zahl der beschriebenen Funktionswerte reduzieren. Wir suchen zum Beispiel die 10-20 wichtigsten Indikatoren/Eingaben. Solche Aufgaben, bei denen Daten durch eine kleine Anzahl von Eingaben beschrieben werden, die aus einer großen Anzahl von möglichen Basen (Wörterbuch) ausgewählt werden, werden als spärliche Kodierung bezeichnet.

Für die Auswahl der Prädiktoren gibt es viele Methoden. Ich habe sie alle ausprobiert. Hier sind die beiden wichtigsten:

1. Wir klassifizieren alle 10k Daten nach ihrer Vorhersagekraft für den S&P 500. Die Vorhersagefähigkeit kann durch den Korrelationskoeffizienten oder die gegenseitige Information gemessen werden.
2. Gehen wir alle 10.000 Indikatoren einzeln durch und wählen wir denjenigen aus, der das lineare Modell y_mod = a + b*x1, das den S&P 500 beschreibt, mit dem geringsten Fehler liefert. Dann wählen wir die zweite Eingabe erneut aus, indem wir die verbleibenden 10 Tausend -1 Indikatoren ausprobieren, so dass sie das Residuum y - y_mod = c + d*x2 mit dem geringsten Fehler beschreibt. Und so weiter. Diese Methode wird als schrittweise Regression oder Matching Pursuit bezeichnet.

Hier sind die ersten 10 Indikatoren mit dem höchsten Korrelationskoeffizienten mit dem S&P 500:

Serien-ID	Lag	Corr	Gegenseitige Information
PPICRM	2	0.315	0.102
CWUR0000SEHE'.	2	0.283	0.122
CES1021000001'.	1	0.263	0.095
B115RC1Q027SBEA'.	2	0.262	0.102
CES1000000034'.	1	0.261	0.105
A371RD3Q086SBEA'.	2	0.260	0.085
B115RC1Q027SBEA'.	1	0.256	0.102
CUUR0000SAF111'.	1	0.252	0.117
CUUR0000SEHE'.	2	0.251	0.098
USMINE	1	0.250	0.102

Hier sind die 10 wichtigsten Indikatoren mit der größten gegenseitigen Information mit dem S&P 500:

Serien-ID	Lag	Corr	Gegenseitige Information
CPILEGSL	3	0.061	0.136
B701RC1Q027SBEA'.	3	0.038	0.136
CUSR0000SAS'.	3	0.043	0.134
'GDPPOT'	3	0.003	0.134
NGDPPOT'.	5	0.102	0.134
OTHSEC".	4	0.168	0.133
3 'LNU01300060'	3	0.046	0.132
LRAC25TTUSM156N'.	3	0.046	0.132
LRAC25TTUSQ156N'.	3	0.046	0.131
CUSR0000SAS'.	1	0.130	0.131

Lag ist die Verzögerung der Eingabereihen relativ zur simulierten S&P 500-Reihe. Wie Sie aus diesen Tabellen ersehen können, führen verschiedene Methoden zur Auswahl der wichtigsten Eingaben zu unterschiedlichen Eingabesätzen. Da mein oberstes Ziel die Minimierung des Modellfehlers ist, wählte ich die zweite Methode zur Auswahl der Eingaben, d. h. ich ging alle Eingaben durch und wählte diejenige aus, die den geringsten Fehler ergab.

...

Was die Frage nach dem Vorhandensein und dem Einfluss eines nicht beobachtbaren subjektiven Faktors auf die Studie betrifft, schlage ich vor, dass Sie diese Schritte noch einmal sorgfältig durchlesen und sicherstellen, dass die Subjektivität entweder nicht vorhanden ist oder das Endergebnis NICHT verändert.

Berücksichtigen Sie, dass die (in Schritt 4) von der Analyse ausgeschlossenen Indikatoren insgesamt eine Gewichtung haben könnten, die zum gegenteiligen Ergebnis führt, wenn Sie alle berücksichtigt hätten. Ich meine, das können wir doch nicht wissen, oder?

[Реter Konow]

denis.eremin:

Lesen Sie überhaupt, was Sie kommentieren, bevor Sie einen Kommentar abgeben?

Vladimir schrieb: "Diese Strategie gab im Dezember 2019 ein Verkaufssignal. Bislang kein Kaufsignal. Es sieht so aus, als würde der Markt sinken." (с).

Ich lese gerade von meinem Handy aus, vielleicht habe ich es verpasst.

Ja, auf Seite 55. Mein erster Beitrag ist auf 56. Ich habe den ersten Teil gelesen, in dem das Wesen der Prognosemethode beschrieben wird, und den Rest übersprungen, weil mich das Wesen der Methode interessiert. Wenn sie (die Essenz) sich im Laufe der Jahre geändert hat (vielleicht weil Vladimir angefangen hat, über Rezession zu sprechen, worüber im ersten Beitrag nichts steht), dann spreche ich über die Methode des ersten Beitrags.

[Uladzimir Izerski]

Von welcher Rezession können die Staaten sprechen, wenn sie die Weltwährung drucken, alles auf der Welt damit kaufen und mit Schulden zurückzahlen. Im Rest der Welt gibt es keine Produktion und keine Währung mehr. Die inländischen Produktionsmittel in den Staaten steigen im Wert. Die Bevölkerung leidet nicht darunter, denn die Kaufkraft wird durch die Druckerpresse aufrechterhalten. Die Inflation wird aus dem Land getragen. Die Ersparnisse in Dollar in derübrigen Welt verhaltensich umgekehrt zum S&P 500 Index.

[Реter Konow]

Реter Konow:
Was die Frage nach dem Vorhandensein und dem Einfluss eines unsichtbaren subjektiven Faktors auf die Studie betrifft, schlage ich vor, dass Sie diese Schritte noch einmal sorgfältig durchlesen und sicherstellen, dass die Subjektivität entweder nicht vorhanden ist oder das Endergebnis NICHT verändert...

Wäre mein Gegner bei diesem Thema ein "anspruchsvoller" Philosoph, würde er verstehen, dass ich ihn mit der Frage der Subjektivität der "objektiven" Forschung in eine Falle gelockt habe, aus der es kein Entrinnen gibt, er würde mir eine Gegenfrage stellen - "und wie stellen Sie sich eine absolut objektive Forschung vor?", worauf ich antworten müsste, dass ich mir eine solche Möglichkeit nicht vorstelle, weil die Bedingungen JEGLICHER Forschung durch das Konzept des Forschers festgelegt werden und dieser Faktor nicht vermieden werden kann. Am Ende würden wir gemeinsam zu dem Schluss kommen, dass wir uns bei Prognosen nicht so sehr auf die Methode der Datenanalyse selbst verlassen sollten, sondern eher auf die persönliche Subjektivität, die trotz aller "objektiven" Indikatoren in der Forschung richtig sein kann.

Setzen Sie erstens auf die Persönlichkeit und zweitens auf die in der Analyse berücksichtigten Indikatoren, denn Rechtschaffenheit kann unveränderlich und wissenschaftlich unerklärlich sein. Solche Persönlichkeiten hat es in der Geschichte gegeben und wird es auch weiterhin geben.

[Реter Konow]

Реter Konow:
... Am Ende würden wir gemeinsam zu dem Schluss kommen, dass man sich bei Prognosen nicht so sehr auf die Methode der Datenanalyse selbst verlassen sollte, sondern auf die persönliche Subjektivität, die im Gegensatz zu allen "objektiven" Indikatoren einer Studie richtig sein kann.

Setzen Sie erstens auf die Persönlichkeit und zweitens auf die in der Analyse berücksichtigten Indikatoren, denn Rechtschaffenheit kann unveränderlich und wissenschaftlich unerklärlich sein. Solche Persönlichkeiten hat es in der Geschichte gegeben und wird es auch weiterhin geben.

Ich werde hier eine Klarstellung vornehmen, damit der Leser nicht denkt, dass ich ihn zum Mystizismus führe (nun, vielleicht nur ein wenig).

Und so:

Die persönliche Subjektivität in der Analyse/Forschung muss lokalisiert und klar abgegrenzt werden. Wir müssen uns darüber im Klaren sein, wo und warum wir gezwungen sind, subjektive Annahmen zu treffen. Wir müssen die Frage beantworten, warum wir bereit sind, dieses Maß an Spekulationen zu akzeptieren. Unsere Analysen/Forschungen müssen jedoch ein Höchstmaß an Objektivität, experimenteller Validität, Fakten und Nachweisen anstreben, aber da Teilobjektivität nicht unvermeidlich ist, müssen wir Kriterien entwickeln, die darauf hinweisen, dass wir uns auf sie verlassen können.

Das bedeutet (im übertragenen Sinne), dass bei jeder Studie/Analyse, bei numerischen Reihen, Formeln und Modellen ein "Ich denke schon"-Parameter hinzugefügt und damit gerechnet wird. Sie wird genauer sein.