Prédiction du marché basée sur des indicateurs macroéconomiques - page 41
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Qu'est-ce que tu veux dire ? J'ai prédit la crise mondiale, en 2007.
Toutes les "prédictions" dans cette vie ne valent RIEN - seul l'argent a une valeur.
Vous avez gagné un million sur cette prédiction ?
Il y a des millions de personnes dans le monde qui ont "prédit" quelque chose - seules quelques-unes ont gagné de l'argent.
J'étais sûr - j'aurais dû hypothéquer mon appartement et m'ouvrir à tout.
Toutes les "prédictions" dans cette vie ne valent RIEN - seul l'argent a une valeur.
Avez-vous gagné un million sur cette prédiction ?
Il y a des millions de personnes dans le monde qui ont "prédit" quelque chose - seules quelques-unes ont gagné de l'argent.
J'étais sûr - j'aurais dû hypothéquer mon appartement et m'ouvrir à tout.
Cosaque, ta cupidité pue le Goldman Sachs. Tu devrais au moins te déguiser d'une manière ou d'une autre, tu sais -......
Tout ne se mesure pas en argent. La seule façon de le comprendre est de devenir économiste ou trader.
Cosaque, ta cupidité pue le Goldman Sachs. Tu devrais au moins te déguiser d'une manière ou d'une autre, tu sais -......
Tout ne se mesure pas en argent. La seule façon de le comprendre est de devenir économiste ou trader.
)))
Vous ne pouvez pas être un TRADER sans tout mesurer en termes d'argent !
Vous pouvez être un économiste, mais pas un trader.
Si vous aviez tout ouvert en 2007, vous auriez quitté le marché à l'automne 2008.
Jeter -
PIB = 144,1876*COL83
PIB = COL226
PIB = COL739
PIB = 62 + COL1128
PIB = 0,001*COL1168
etc...
(COL83 = colonne 83)
Je n'ai pas beaucoup creusé (moins que les recherches en matlab))).
Exportation depuis matlab avec des séparateurs ; = dlmwrite('monfichier',Données,';')
A partir d'un indice deux modèles 1 pt en avant (rouge et vert).
Côté droit de la ligne verticale = application des modélisateurs aux nouvelles données...
Les données ne sont pas très bonnes, c'est le moins que l'on puisse dire. + Trop de choses.))
Jeter -
PIB = 144,1876*COL83
PIB = COL226
PIB = COL739
PIB = 62 + COL1128
PIB = 0,001*COL1168
etc...
(COL83 = colonne 83)
Je n'ai pas beaucoup creusé (moins que les recherches en matlab))).
Exportation depuis matlab avec des séparateurs ; = dlmwrite('monfichier',Données,';')
Marelle deux modèles 1 pt avant (rouge et vert).
Côté droit de la ligne verticale = application des modèles aux nouvelles données...
Eh bien, c'est le printemps, l'ours est réveillé, il a faim...
Dois-je vous montrer comment le S&P500 a chuté en 2008 pendant la croissance négative du PIB, ou dois-je vous le montrer ?
Allez au début du fil de discussion et lisez mes objectifs - prédire les crashs et éviter les positions longues avant qu'ils ne se produisent. Je ne suis pas intéressé par le trading, j'utilise donc des données trimestrielles. L'essentiel est la préservation du capital. Et la façon dont le S&P500 fluctue autour de ses tendances et de son plat n'a aucun intérêt pour moi.
>> Débarrassez-vous de cette arrogance radio-technique qui consiste à penser que tous les économistes sont des idiots... Qu'est-ce qui vous fait croire que vous êtes le seul à lire ces milliers d'indicateurs économiques ? Ils les lisent aussi.
Je ne pense pas qu'ils soient tous idiots, mais la plupart le sont, ils postulent des choses à venir ou ils prédisent constamment une récession jusqu'à ce qu'elle se produise, et ensuite ils se déclarent génies. Pas un seul économiste n'a encore prédit le crash de 2008, donc oui, des idiots, à l'exception de quelques-uns. La Fed Bank utilise son modèle SDGE avec 16 indicateurs généralement acceptés pour prévoir l'économie, et ce modèle est stupide. Et vous n'avez probablement jamais entendu parler d'un tel modèle.
Cela n'a rien à voir avec l'ingénierie radio et la corrélation. Je n'utilise pas les méthodes de l'ingénierie radio, mais je n'y vois pas de mal non plus. Vous êtes arrogant dans le sens où vous n'admettez pas l'existence de méthodes d'analyse et la création de modèles différents de ceux généralement admis en économie. Ignorer les progrès de la modélisation et de l'apprentissage automatique dans d'autres branches de la science relève de l'arrogance, voire de la stupidité, ne permettant pas de nouvelles découvertes.
C'est vrai, il n'y a pas d'autorités à l'avant-plan. Respect et respect des autorités, mais vous devez penser avec votre tête, et douter de tout, même si vous êtes sûr, laissez un petit pourcentage de doute, et puis soudain ce petit pourcentage peut conduire à une percée.
Le mème "pendant une croissance négative du PIB" est un délice :))))
Pas mal pour un début. À quelle année correspond la ligne verticale? Et combien de prédicteurs y a-t-il dans les modèles ?
J'ai construit des modèles sur les 100 premières observations. Il s'avère que le 104, et avec le 105 est déjà OOS. Vert - très simple, 6-7 prédicteurs sans transformation. Le rouge est deux fois plus cher.
+ j'ai pris des valeurs absolues et des sinus, etc., et cela est visible sur le LSS, ça commence à tempêter)))). Dans les deux cas (pour la stabilité) - pas de coefficients, juste des formules simples
entre les prédicteurs utilisés. Non normalisé, aux premières différences (incréments) puis ramené pour le rendre plus clairement visible où un défaut. Les observations sont insuffisantes, il faudrait
Faire en sorte qu'un modèle ait plus ou moins de "sens physique". Comme - le chômage et (ou) bla-bla-bla, leur relation ... etc. J'ai essayé, j'ai échoué))) Si avec un recyclage sur
chaque observation (quart) comme vous le faites, ce que vous saisissez ne fait aucune différence, tant qu'il y a une coupure. D'après ce que j'ai compris, la grille se récupère elle-même, mais les données...
il est préférable d'effacer les données au préalable...
Mon code Matlab supprime d'abord les prédicteurs qui ont NaN dans l'historique simulé, puis convertit toutes les données par la même méthode, puis parcourt tout l'historique en essayant chacun des 2 mille prédicteurs et leurs versions retardées pour la capacité de prédiction du futur passé, calcule l'erreur de prédiction accumulée de chaque prédicteur et enfin donne une liste de prédicteurs triés par leur erreur. Si l'on procède de la sorte pour tous les moments passés de l'histoire, en prenant les meilleurs prédicteurs et en prédisant l'avenir, le résultat est plutôt satisfaisant pendant quelques années, jusqu'à ce qu'une récession survienne. À ces moments-là, les meilleurs prévisionnistes du passé ne prédisent pas bien la chute du PIB et sont remplacés par de nouveaux prévisionnistes. Et ainsi de suite jusqu'à ce qu'une nouvelle récession se produise. Je ne sais pas s'il existe une formule universelle pour déterminer la dépendance du PIB à l'égard de certains prévisionnistes clés. Si nous ajoutons un autre siècle d'histoire, à la fin de ces cent ans, nous avons une liste de pronostiqueurs qui ont prédit toutes les récessions plus ou moins bien, mais lorsque la prochaine récession arrive, ils peuvent être remplacés par de nouveaux pronostiqueurs.
Choisir intuitivement des prédicteurs est également une erreur. Par exemple, le taux de chômage est-il un indicateur avancé ou retardé ? Un taux de chômage élevé provoque-t-il une récession ou, inversement, une récession provoque-t-elle un taux de chômage élevé ? Il me semble que la récession entraîne un taux de chômage élevé, de sorte que l'utilisation du chômage pour prédire les récessions n'est pas une option. Mais la décision d'utiliser des prédicteurs dans le modèle est prise par mon code sur la base des erreurs de prédiction accumulées. Jusqu'à présent, les prédicteurs basés sur l'investissement privé dans la construction de logements et la consommation intérieure ont joué le rôle principal dans mon modèle. C'est probablement logique, car les maisons et les appareils ménagers représentent une part importante du PIB. Si les gens n'achètent pas de maisons, de réfrigérateurs et de téléviseurs, la production baisse, le PIB baisse, les usines licencient, le chômage augmente, la consommation baisse encore plus. Les républicains et les démocrates sortent le pays de la récession de différentes manières. Les démocrates donnent de l'argent à la population à bas salaire (chèques) pour augmenter leur consommation ou encouragent l'immigration pour créer une nouvelle consuméristocratie. Les républicains font valoir qu'une allocation unique de 500 à 700 dollars pour les familles pauvres ne leur permettra pas d'acheter une nouvelle maison ou une nouvelle voiture et de faire progresser l'économie. Ils préfèrent donner de l'argent aux pauvres en réduisant les impôts, notamment sur les investissements. Leur théorie est que les riches, en économisant plus d'argent grâce à la baisse des impôts, achèteront des choses plus chères (maisons, voitures, etc.), ce qui augmentera la consommation là où cela compte, ou bien ils investiront l'argent dans des entreprises, ce qui réduira le chômage, augmentera la capacité de paiement et augmentera la consommation. La Reaganomics était basée sur cela.
1. Calculer les vitesses relatives : r[i] = x[i]/x[i-1]-1. Cette transformation normalise automatiquement les données, il n'y a pas de regard vers l'avenir, vous ne devez rien faire d'autre. Mais un gros problème existe avec les données nulles (x[i-1]=0) et les données négatives, et elles sont nombreuses dans les indicateurs économiques.
2. Calculer les incréments d[i] = x[i] - x[i-1]. Cette transformation ne se préoccupe pas des données nulles et négatives, mais les incréments augmentent avec le temps pour les données à croissance exponentielle comme le produit brut annuel. C'est-à-dire que la variance n'est pas constante. Par exemple, il n'est pas possible de tracer la dépendance des augmentations du PRP par rapport au taux de chômage, car le taux de chômage fluctue dans une fourchette avec une variance constante, alors que le PRP croît de manière exponentielle, avec une variance qui augmente de manière exponentielle. Les incréments doivent donc être normalisés à la variance variant dans le temps. Mais le calcul de ce dernier n'est pas facile.
3. Retirer des données la tendance calculée par exemple par le filtre de Hodrick-Prescott et normaliser le résidu haute fréquence par la variance variable dans le temps et l'utiliser comme entrée du modèle. Le problème ici est que le filtre de Hodrick-Prescott et d'autres filtres basés sur l'ajustement polynomial(filtre de Savitzky-Golay, lowess, etc.) regardent en avant. Le mooving est en retard sur les données et ne convient pas à la suppression des tendances, en particulier sur les données à croissance exponentielle.
D'autres idées ?