Units: Display integer periods instead of dates (e.g. ...,-1,0,1,...) with the value scaled to 100 at period 0. Use a formula to modify and combine data series into a single line. For example, invert an exchange rate a by using formula 1/a, or calculate the spread between 2 interest rates a and b by using formula a - b. Use the...
重要なニュースの時に開かないという非常にシンプルなものです。
ニュースを見て取引することはない。それがなくても十分な動きがあります。
Expert Advisorは細かく調整できるのに、ブローカーが投げ出すことがある。
テーマの続きです。私のモデルはマクロ経済指標に基づいてマーケットを予測するものであることを再確認しておく。2,000種類ある経済指標の中から、将来を予測する能力を持つものを選んでいる。先が見えないのです。四半期ごとにGDP成長率などの指標が入ってくると、新しいデータも含めて自動的に履歴が流れ、新旧のデータでよく予測できた指標を選び、それに基づいて2四半期先の新しい予測をする。前回の予言の後、コードにいくつかのバグを発見しました。また、経済指標を新たに変換することで、より正確な予測が可能になることも分かりました。他の予報担当者や予測担当者への短期的なアドバイスですが、入力データの微分化は、構造（シグナル）を失い、データのノイズになるので、予測にはあまり向いていません。
ここでは、アメリカのGDP成長率を予測しています。青い線が実際のデータです。赤い線が予測値です。各過去の予測には、その時点までのデータから2四半期分を差し引いたものだけを使用しました。当面は緩やかな経済成長になると思われます。GDPの伸びの鈍化から判断すると、来年のリセッションは十分あり得ますが。次回は、様々な銀行やエコノミストによるGDP予測の精度を紹介したいと思います。
S&P500の予測はまだできていない。しかし、経済指標そのものよりも、マーケットを予測することの方がはるかに難しい。価格にはノイズが多い。
テーマの続きです。私のモデルはマクロ経済指標に基づいてマーケットを予測するものであることを再確認しておく。2,000種類ある経済指標の中から、将来を予測する能力を持つものを選んでいる。先が見えないのです。四半期ごとにGDP成長率などの指標が入ってくると、新しいデータも含めて自動的に履歴が流れ、新旧のデータでよく予測できた指標を選び、それに基づいて2四半期先の新しい予測をする。前回の予言の後、コードにいくつかのバグを発見しました。また、経済指標を新たに変換することで、より正確な予測が可能になることも分かりました。他の予報担当者や予測担当者への短期的なアドバイスですが、入力データの微分化は、構造（シグナル）を失い、データのノイズになるので、予測にはあまり向いていません。
ここでは、アメリカのGDP成長率を予測しています。青い線が実際のデータです。赤い線が予測値です。各過去の予測には、その時点までのデータから2四半期分を差し引いたものだけを使用しました。当面は緩やかな経済成長になると思われます。GDPの伸びの鈍化から判断すると、来年のリセッションは十分あり得ますが。次回は、様々な銀行やエコノミストによるGDP予測の精度を紹介したいと思います。
S&P500の予測はまだできていない。しかし、経済指標そのものよりも、マーケットを予測することの方がはるかに難しい。価格にはノイズが多い。
で、GDPの生の実データを見ることができます。ここでは、簡単な表で見ることができます
こちら：https://research.stlouisfed.org/fred2/series/GDPC96#
表と成長率の計算は添付のとおりです。
最後の値は0.7ではなく、1％です。
それは確かです。先週の金曜日にFRBがGDPデータを調整したようですね。私の予測は、過去に確立されたデータを使っているので、補正によって変わることはない。調整は何カ月も続き、前売りのデータをかなり大きく変えてしまうこともあります。私の第4四半期の予測は2.1%成長で、今回の修正で前倒し0.7%から1%に変更されました。事前データを予測精度の指標とするのは得策ではありません。過去の調整事例をご紹介します。
ご興味のある方は、エコノミストたちの予測をこちらでご覧ください： http://projects.wsj.com/econforecast/#ind=gdp&r=20
以下は、最も精度の高い予測機関（スタンダード・アンド・プア、バンク・オブ・アメリカ、ムーディーズ、ゴールドマン・サックス、ノーザン・トラスト、コンビナトリカル・キャピタル、UBS銀行）による過去の予測の表である。総勢50名ほどの予報士がいます。最も興味深いのは、2008年の第1四半期で、GDPが2.7%減少した時期である。2四半期先にこれを予測できたエコノミストは一人もいなかったが、下表の上記のエコノミストは1四半期先にこれを予測することができた。大手銀行を含む他の40人のエコノミストは、2008年の第4四半期まで成長すると予測し続けた。すべてのエコノミストの予測を見るには、左のメニューから上のリンクを使い、一番下にある「Edition」、そして上のリンク「Download」をクリックします。
ご興味のある方は、エコノミストたちの予測をこちらでご覧ください： http://projects.wsj.com/econforecast/#ind=gdp&r=20
以下は、最も精度の高い予測機関（スタンダード・アンド・プア、バンク・オブ・アメリカ、ムーディーズ、ゴールドマン・サックス、ノーザン・トラスト、コンビナトリカル・キャピタル、UBS銀行）による過去の予測の表である。総勢50名ほどの予報士がいます。
http://library.hse.ru/e-resources/HSE_economic_journal/articles/18_01_07.pdf 興味深い記事がありましたのでご紹介します...。
ありがとうございます。ちょっと読んでみます。
経済モデルの作成で最も難しいのは、入力データの変換である。経済指標（約1万種類ある）を見てみると、それぞれいろいろな違いがある。指数関数的に成長するもの、ある範囲でぴくぴく動くもの、ゼロ付近でぴくぴく動きながら大きさを増していくもの、歴史の途中でぎくしゃくと変化するものなど、様々です。モデルを作成するためには、これらのデータをすべて、時間の経過とともに変化しない類似の統計的特性を持つように変更する必要がある。そんな可能性もあるのです。
1.相対速度を計算する：r[i] = x[i]/x[i-1]-1.この変換は自動的にデータを正規化するもので、将来を見通すことはありません、何もする必要がないのです。しかし、ゼロデータ（x[i-1]=0）やマイナスデータには大きな問題が存在し、経済指標にはこれらが多く存在する。
2.増分値 d[i] = x[i] - x[i-1]を計算する。この変換では、ゼロやマイナスのデータは気にしないが、年間総生産のような指数関数的に成長するデータでは、増分が時間と共に大きくなる。つまり、分散は一定ではありません。例えば、失業率は 一定の分散で範囲内に変動するのに対し、GWPは指数関数的に分散が大きくなるため、GWPの増分の失業率への依存度をプロットすることはできない。そのため、増分は時間変動する分散に正規化する必要がある。しかし、後者を計算するのは簡単ではありません。
3.Hodrick-Prescottフィルターなどで算出したトレンドをデータから除去し、高周波残差を時変分散で正規化し、モデル入力として使用します。ここで問題となるのは、Hodrick-Prescottフィルターをはじめとする多項式フィッティングに基づくフィルター（Savitzky-Golayフィルター、lowessなど）が先読みして しまうことである。ムービングはデータに遅れをとるので、特に指数関数的に増加するデータではトレンド除去に不向きです。
他に何かアイデアはありますか？
前回のGWPの成長予測に、未来を覗くものがある。私は出版後に初めて発見しました。だから、モデルが過去の事象をうまく予測したのです。もがき続けています。