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...
Long-Term Capital Management Industry Founded Founder Defunct Headquarters Products LTCM Partners John W. Meriwether headed Salomon Brothers' bond arbitrage desk until he resigned in 1991 amid a trading scandal.4 According to Chi-Fu Huang, later a Principal at LTCM, the bond arbitrage group was responsible for 80-100% of...
В данной статье представлен пример решения задачи по разработке инструмента трейдера для получения и анализа различных показателей отчетов CFTC. Концепция, в которой реализован инструмент, заключается в следующем: разработать один индикатор, который позволял бы получать показатели отчетов непосредственно из файлов данных, предоставляемых комиссией без промежуточных обработок и преобразований.
さて、ここでハジンの明確な考えを述べます。
2010年のNYCE NASDAQの金融商品総額＝17兆796億ドル＋12兆659億ドル。そして、GDPはその半分です。GDPに占める金融の割合も笑っちゃうくらいだし。どうしてでしょう？
アメリカでの統計に関することは、すべて細心の注意を払って行わなければならない。GDPの算出方法を掘り下げてみないと...。これは必要なことなのでしょうか？
GDPは1年間に提供された金融サービスの量をカウントしており、国内株式市場の名目上の資本金はカウントしていません。
まあ、ほら、2つにしたんでしょう。そのため、委託証拠金が考慮される。私たちよりも少ない、とんでもない量です。
残りのお金は？ズボンを買うのは売りだけど、株を買うのは先物、なんだそれ？アカウントの回転数を数えて...。
まあ、ほら、2つにしたんでしょう。そのため、委託証拠金が考慮される。私たちよりも少ない......とんでもない量です。
残りのお金は？ズボンを買うと実現するけど、株を買うと先物、なんだそれ？会計の回転率を計算しなければならない...。
市場経済全体が・・・。
現物で数えるしかない、ビックマウスで。そして貨幣価値も、異なる通貨であっても、安定した価格と安定したレートがあってこそ成立するものです。そして今日は？みんなルーブルにこだわっている...。そして、通貨ペアのチャートを見てくださいあるいは、ドルインデックスのチャートを見てください。どのような価格で話ができるのか？
何と比較しているのか？中国に生産拠点を持つ電子機器に、米国のGDPの一部を割り当てるのか？本物の鉄で空気を？
前にも書きましたが、予測器を選ばず、予測誤差でコードを選んでいます。最終的なモデルを見て、指標がどうなっているかを確認するだけです。例えば、住宅建築の開始 が一つの指標となります。
https://research.stlouisfed.org/fred2/series/HOUST1F
このグラフを見ると、景気後退の前に住宅着工数が減少する傾向があることがわかる。コードによってどの指標が選ばれるかは、データ変換の方法にかなり依存します。先物がGDPに影響を与えることは大いに結構です。先物を反映した時系列があるのなら、そのリンクを示してほしい。予測変数はすべてFREDのFRED2データベースから取得した。経済指標や財務指標があります。
https://research.stlouisfed.org/fred2/categories
この指標の問題点は、約30万個もあることです。地域や海外のデータも多数掲載。コードを読み込まないようにするために、手動で「不要な」データを破棄していたのです。約1万個のインジケータを入手しました。しかし、これらの指標は、1800年以降に発表されたものもあれば、ここ10年程度で発表され始めたものもあり、すべてが昔から政府によって発表されていたわけではありません。私のコードでは、1960年以降に作成された指標のみが、モデルを構築するのに十分なデータ、すなわち55年の歴史または各指標の220のデータを有するとみなしています。1万種類あった指標は、2千種類に絞られた。今の市場と50年前の市場は大きく異なるという議論に入ることもできる。コンピューター、インターネット、中国の影響力、アメリカ政府の経済管理への干渉など、私も全く同感です。しかし、過去15年間のデータだけでは、各指標で60の値しか得られず、不況も2回しかありません。統計学者が知っているように、これではモデルを構築するのに十分ではありません。だから、経済が違っていた頃の歴史をもっと深く知る必要があるんだ。その結果、別の困難が生じる。当時の経済を説明したものが、今日の経済をうまく説明できないのだ。ちなみに、歴史を15〜20年短縮してみたのですが、予測はもっと悪かったです。
先ほども書きましたが、予測器を選ぶのではなく、予測誤差でコードを選んでいます。最終的なモデルを見て、指標がどうなっているかを確認するだけです。例えば、住宅建築の開始 が一つの指標となります。
https://research.stlouisfed.org/fred2/series/HOUST1F
このグラフを見ると、不況の前に住宅着工数が減少する傾向があることがわかる。コードによってどの指標が選ばれるかは、データ変換の方法にかなり依存します。先物がGDPに影響を与えることは大いに結構です。先物を反映した時系列があるのなら、そのリンクを示してほしい。予測変数はすべてFREDのFRED2データベースから取得したものである。経済指標や財務指標があります。
https://research.stlouisfed.org/fred2/categories
この指標の問題点は、約30万個もあることです。地域や海外のデータも多数掲載。コードを読み込まないようにするために、手動で「不要な」データを破棄していたのです。約1万個のインジケータを入手しました。しかし、これらの指標は、1800年以降に発表されたものもあれば、ここ10年程度で発表され始めたものもあり、すべてが昔から政府によって発表されていたわけではありません。私のコードでは、1960年以降に作成された指標のみが、モデルを構築するのに十分なデータ、すなわち55年の歴史または各指標の220のデータを有するとみなしています。10,000種類あった指標は2,000種類に絞られた。今の市場と50年前の市場は大きく異なるという議論に入ることもできる。コンピューター、インターネット、中国の影響力、アメリカ政府の経済管理への干渉など、私も全く同感です。しかし、過去15年間のデータだけでは、各指標で60の値しか得られず、不況も2回しかありません。統計学者が知っているように、これではモデルを構築するのに十分ではありません。だから、経済が違っていた頃の歴史をもっと深く知る必要があるんだ。その結果、別の困難が生じる。当時の経済を説明したものが、今日の経済をうまく説明できないのだ。ちなみに、歴史を15〜20年短縮してみたのですが、予測はもっと悪かったです。
カナダに住む古い知人曰く、「あなたの8番、この後聞かれますよ」。
この行列の中で自分の位置を知ることが重要です。
それは、どこか自分自身を卑下し、侮辱しているような気がするのです。品格がないのでしょうか？そんな態度では、なかなかうまくいきませんよ。
私は経済の専門家ではないので、1番がどの程度賢明なのかは分かりませんが、私の科学の分野では、大学教授は企業で働く人、実務家よりもはるかに知識が浅いことは断言できます。経済学でも同じでしょう。新しい理論ができる専門家は数人で、あとはアメリカ人が言うように、リンゴを磨いているようなものです。連邦準備銀行は、経済を予測する方法を知っている名士を雇っていると思いますか？2008年はどうでしょうか？バーナンキは、景気後退が正式に始まる3ヶ月前の2007年9月まで金利の引き下げを拒否していた。また、1990年代後半に破綻し、バイアウト銀行と政府によって救済されたロングターム・キャピタル・マネジメント社のヘッジファンドについてはどうだろうか。ショールズはご存知の ように、ブラック・ショールズ 法（オプション価格計算モデル）の作者の一 人であり、このモデルでノーベル 賞を受賞している。なぜ、金持ちの投資家（LTCMのメンバーもそうだった）は、うまく儲けるか損をするかしても、せいぜい政府から必ず返してもらえるのに、他の投資家は株式市場で損をしても、それだけで終わり、誰も救済してくれないのだろう。
https://en.wikipedia.org/wiki/Long-Term_Capital_Management
正直、自分は読んでいないのですが、ディディエ・ソルネットを読まれた方はいらっしゃいますか？
入力データの変換について、私の経験を概説します。経済モデリングに関する記事で紹介されているデータの変換方法はいくつかある。
1.差分：x[i] - x[i-1].入力 x[] が一定の分散を持つ場合に適用されます。1960年までさかのぼる歴史を持つ、約2,000の予測変数を持っています。その分散が時間とともにどのように変化するかを見るために、差分 x[i] - x[i-1] を計算し、それを二乗して、ラムダ 1e7 の Hodrick-Prescott フィルターを使って平均化し、根を取って、時間の関数としての分散を見ています。そして、各入力変数について、履歴の最後（2015年第4四半期）の分散を履歴の最初（1960年第1四半期）の分散で割り、ヒストグラムを作りました。
多くの入力は、多かれ少なかれ一定の分散を持っている（物語の始めと終わりの分散の比率は約1である）。しかし、分散比が3以上の入力もたくさんあります。1960年から今日に至るまで、GDPの分散は約4倍に増加している。分散が変化しない入力でGDPモデルを構築することは不可能であるため、分散で入力を変換しても不十分である。
2.運動量：x[i]/x[i-1] - 1 または log(x[i]/x[i-1]).異なる分散を持つ入力を自動的に正規化しますが、すべてのデータが正である場合にのみ機能します。x[i]/x[i-1] - 1 = (x[i] - x[i-1])/x[i-1] という式は、x[i] - x[i-1] を x[i-1] に対する割合として、成長を%で計算すると考えることができる。x[i-1]がゼロの場合、この式は意味をなさず、無限の値を与える。x[i-1]が負のとき、この式も意味をなさない。経済指標の約15%は、プラスとマイナスの両方の値を示しています。負の系列がほぼ一定の分散を持つことを期待して、正の系列にはモメンタムを、負の系列には分散を使うようにするとよいでしょう。残念ながら、経済指標の中にはプラスとマイナスの値を持つものがあり、その分散は時間の経過とともに強くなっていきます。例えば、こんな感じです。
3.分散を正規化したものは、(x[i] - x[i-1])/StdDev[i] となる。私の経験では、これはあらゆる種類のデータに適した、最も汎用性の高い変換方法です。ここには、2つの重大な問題がある。(1) StdDevの時間依存分散を正しく計算する方法、(2) 将来の分散が不明な場合に予測を元の系列形式に変換する方法、です。
現代の経済数学は、すべて2つの部分に分けられる。
過去を分析せずに未来を予測することは不可能なので、この分け方は間違っていると思われる。
しかし、実際にはそうではないことが分かってきました。根本的な違いです。
1.それ自体に分析があるのです。失業率を分析し、過去に影響を与えた要因を探ります。
2.そして、もうひとつの分析があります。まず、失業率を予測し、将来的にこの失業率に影響を与える要因を探ります。
第一に、未来を予測したい場合は、分析結果を外挿する。ここで、外挿値と現在値との差が信頼区間 内に収まっている状況に遭遇した。つまり、外挿に基づく最適な予測値は現在値である！ということになる。
2つ目のケースでは、以前の値には興味がない。過去を未来に継続するのではなく、過去のデータをもとに新たな未来の価値（トレンド）を算出するのです。この場合、新しいデータが届くと、必ずしも過去の状況ではないものの、過去にあった知識をもとに、モデルが予測を行う。
つまり、外挿と予測は厳密に区別されるべきなのだ。
一見、微妙に見える違いは、非常に重大な結果をもたらします。
1.対象の変数そのもの。というのは、決して安易な考えではないことがわかる。特に2.を考慮すると、対象変数の特性を徹底的に分析しないと無理です。
ターゲット変数に関連する予測変数の選択。対象変数の特性に対して予測可能な予測因子の選定。例えば、ターゲット変数：成長-衰退の場合。我々は、ターゲット変数の成長-衰退に関連する予測変数が必要であるが、ターゲット変数の値を予測する予測変数には興味がない。
PS.
経験からこの名目変数の予測というアプローチにおいて、予測変数の前処理を上記のように行っても、また、主成分の集合に変換する（PCAなど）といったもっと過激な方法を用いても、我々にとって意外な性質を持っており、使い道がないことがわかった。