記事"貨幣価格変動に対するマクロ経済データの影響の回帰分析"についてのディスカッション - ページ 2

新しいコメント
 
Salavat:

今のところ、他のアプローチは見つかっていないが......。

そこが間違っている。
 
オーケー。反論はしない：数ある選択肢の中で、私は有望な方法として、この記事にあるような方法に注目することを提案する
 
Salavat:
オーケー。反論はしない：数ある選択肢の中から、この記事で紹介されている方法も有望な選択肢として注目されるべきだと思います。

あなたが概説したツールは、次のような状況では間違いなく有用であることが証明されるだろう。

1.数十から数百という多数の独立変数を持つTCの構築に関する作業において、あなたが概説したアプローチは、いくつかの探索の方向性を示すのに有用であろう。これらの形式的な方向性が、従属変数に対する独立変数の影響や、独立変数の相互の影響に関する実質的な推論と対になっていれば、それでよい。

2.あなたが提案したツールは、より大きなツールのセットへの移行ステップです。私が記憶している限り、STATISTICSは非常に限定されたツールキットであり、最新のものではないということです。ターゲット変数に対する変数の有意性を分析するためのこの最初のステップを行った後、Rのcaretシェルによって提供されるような、より大きなツールセットに移行するのは自然なことでしょう。

 
もっと疑わしいのはデータの出所である。マクロ経済指標の どの発表が使われたのか？多くの場合、このようなデータには発表日ではなく、参照する期間の終了日が記されている。そのため、例えばGDPのように最初の発表日でないものを使えば、簡単に6ヶ月先のデータを見ることができる（最近の米国のGDPのように、計算方法を修正し、数十年の歴史を描き直すことは言うまでもない）。
 

記事は興味深い。ありがとう。でも、統計学の使い方の手引書のようなものです。そして、そこには多くの誤解がある。

  1. マクロ経済指標を使った5日間の予測（この言葉は回帰式と最終予測というヘッダーに出てくる）はナンセンスだ。マクロ経済指標は月次、四半期ごとに発表され、数ヶ月にわたって調整される。さらに、マクロ経済指標は日次はもちろん、四半期や年次の間隔でもノイズが多い。
  2. この記事では、マクロ経済指標がどのように選ばれたのかほとんど説明していない。ニュースでよく取り上げられる99の人気指標を取り上げただけだ。そのほとんどが、先行指標ではなく遅行指標であるため、市場を予測することはできない。工場受注や建築許可などは、先行指標とされてはいるものの、数ヶ月前に発表され、市場がすでに反応した構成指標を含んでいるため、本当の先行指標とは言えない。 無料で秘密を教えよう。データリストにない消費指標を探してみよう。それらはまさに先行指標なのだ。消費が落ち込むと、工場受注や建築許可も落ち込み、GDPや市場も落ち込む。つまり、すべては消費から始まるのだ。これはマルクスの『資本論』にもよく書かれている。
  3. 回帰分析は経済モデルにも応用できる。faa1947 は数学的手法の本質に触れる代わりに、いくつかのドグマを使っている。問題は方法ではなく、データとその準備にある。回帰であろうと「統制過程」であろうと、データは定常でなければならない。経済データは元の形では非定常である。しかし，それらは，たとえば微分や正規化によって，簡単に定常データに変換できる．
  4. 回帰の問題は、モデル化された系列とはまったく無関係な他の系列であっても、そのような入力系列が十分に多く選ばれていれば、どのようなモデル化された系列にも挿入できるということである。例えば、アラスカの気温の変動、ロサンゼルスの大気汚染に関するデータなどは、FX価格にうまく組み込むことができる。このような「外来データ」を含めることで、回帰誤差をゼロにすることができる。予測の精度もゼロになる。したがって、正しいデータをどのように選択し、どの程度、どの程度遅らせるかを知る必要がある。
  5. 企業が機能するメカニズムを知ることも役に立つ。例えば、誰もが失業率を引用したがる。失業率を景気のバロメーターと考えるからだ。しかし実際には、失業 率が上がってから対応するのでは遅すぎる。URの問題点は、16歳以上のすべての人が含まれていることだ。人口層や職業によって、失業率は何十通りもある。 ここで、バックフィルに質問だ。もし企業が自社製品に対する需要の減少を目の当たりにしたら、最初に誰を解雇するのだろうか？そして2つ目の質問は、需要の落ち込みを最初に感じるのはどの企業か、ということだ。
 
gpwr:

記事は興味深い。ありがとう。でも、統計学の使い方の手引書のようなものです。そして、そこには多くの誤解がある。

  1. マクロ経済指標を使った5日間の予測（この言葉は回帰式と最終予測というヘッダーに出てくる）はナンセンスだ。マクロ経済指標は月次、四半期ごとに発表され、数ヶ月にわたって調整される。さらに、マクロ経済指標は日次はもちろん、四半期や年次の間隔でもノイズが多い。
  2. この記事では、マクロ経済指標がどのように選ばれたのかほとんど説明していない。ニュースでよく取り上げられる99の人気指標を取り上げただけだ。そのほとんどが、先行指標ではなく遅行指標であるため、市場を予測することはできない。工場受注や建築許可などは、先行指標とされてはいるものの、数ヶ月前に発表され、市場がすでに反応した構成指標を含んでいるため、本当の先行指標とは言えない。 無料で秘密を教えよう。データリストにない消費指標を探してみよう。それらはまさに先行指標なのだ。消費が落ち込むと、工場受注や建築許可も落ち込み、GDPや市場も落ち込む。つまり、すべては消費から始まるのだ。これはマルクスの『資本論』にもよく書かれている。
  3. 回帰分析は経済モデルにも応用できる。faa1947 は数学的手法の本質に触れる代わりに、いくつかのドグマを使っている。問題は方法ではなく、データとその準備にある。回帰であろうと「統制過程」であろうと、データは定常でなければならない。経済データは元の形では非定常である。しかし，それらは，たとえば微分や正規化によって，簡単に定常データに変換できる．
  4. 回帰の問題は、モデル化された系列とはまったく無関係な他の系列であっても、そのような入力系列が十分に多く選ばれていれば、どのようなモデル化された系列にも挿入できるということである。例えば、アラスカの気温の変動、ロサンゼルスの大気汚染に関するデータなどは、FX価格にうまく組み込むことができる。このような「外来データ」を含めることで、回帰誤差をゼロにすることができる。予測の精度もゼロになる。したがって、正しいデータをどのように選択し、どの程度、どの程度遅らせるかを知る必要がある。
  5. 企業が機能するメカニズムを知ることも役に立つ。例えば、誰もが失業率を引用したがる。失業率を景気のバロメーターと考えるからだ。しかし実際には、失業 率が上がってから対応するのでは遅すぎる。URの問題点は、16歳以上のすべての人が含まれていることだ。もし企業が自社製品に対する需要の減少を目の当たりにしたら、最初に誰を解雇するのだろうか？そして2つ目の質問：需要の落ち込みを最初に感じるのはどの企業か？

私は自分の見解を十分に述べていないので、以下、もしかしたら同じことを繰り返すかもしれないが、簡単に補おうと思う。

1.初期データ、つまり予測因子を選択する問題は、基本的なものであり、形式化されておらず、科学というより芸術に近い傾向がある。統計学の基本的な定理のひとつである「Garbage in - rubbish out」を忘れてはならない。

2.上に書いたように、モデルを構築する際の時間の半分以上は、初期データのリストとタイプの選択と正当化に費やされる。さらに、初期データの形式的、統計的特徴ではなく、意味のある解釈こそが重要である。マタッパラタスは、初期データを有意義に選択するための補助的な手段である。

3.3.文献によると、私は2つのタイプの予測を区別する：1つは予測、もう1つは予測。

4.フォーキャスト（予測）：我々は歴史を取り込み、それを数歩先の未来に外挿する。古典的：マッハを前方に外挿する。主な問題は、次の値が前の値に基づいているため、前方へのステップ数が増えるにつれて誤差が蓄積していくことである。

5.予測：現在の入力データセットを取得し、前史なしで将来を予測する。つまり、+5を予測する場合、予測とは異なり、前の4つの値は必要ない。

5.初期データに加え、何を予測するかが非常に重要である。取引をするとき、私たちは（オプションで）買い注文と売り注文の2種類を持っている。私たちはなぜか、回帰分析によって将来の価格を予測し、その価格から「買い」と「売り」を判断します。そして、その誤差を考慮し、信頼区間を考慮して「売り買い」の判断を組み立てると、判断が不可能であることがすぐに明らかになる。このことから、回帰モデルによる有意性の推定は不可能であることがわかる。

6.取引システムの注文と一致するトレンドの方向を予測すべきである。 これは、「ロング・ショート」または「ロング・サイド・ショート」、あるいは定量的ではないが定性的な何か、例えば「ペアの将来の値 = 1.3500」といった値を予測できる 分類モデルによって行われる。

7.分類モデルの構築には、この記事が非常に役に立つ。

 
gpwr:

記事は興味深い。ありがとう。でも、統計学の使い方の手引書のようなものです。そして、そこには多くの誤解がある。

おかえりなさい。;-)願わくば長く続けてほしい。最終的に何か有益な情報が得られるでしょう。
 

以下は、S&P500を予測する私の回帰モデルの例である。黒い線は過去の指数、青い実線は四半期平均、点線は予測値です。予測は四半期単位です。予測の精度はそれほど高くありませんが、下落、上昇、横ばいといった動きの特徴を予測するには十分です。このモデルは、今年の残り3ヵ月半の相場は下がるか、良くても横ばいになると予測している。私はこの予測を、市場から時間内に撤退するためだけに使う。

 

作者への質問または要望 - 得られたモデルで、結果の詳細タブに移動し、部分相関ボタンをクリックしてください。

困難でなければ、各モデル因子のPC係数の値をここに投稿してください。

 
Demi:

作者への質問または要望 - 得られたモデルで、結果の詳細タブに移動し、部分相関ボタンをクリックしてください。

難しければ、モデル因子ごとのPC係数の値をここに投稿してください。

すべての操作は自分で行うことができます。準備されたデータのファイルは、アーカイブcalendar_2010-2011_usd_out. zipの 記事に添付されています。


 b*in 部分 Cor. セミパートコー 公差 R二乗 t(357) p値
1日の価格変動 0.3500049 0.3883344 0.3045530 0.7571426 0.2428574 7.9622506 0.0000000
10日間の価格変動 0.3271369 0.3623699 0.2809839 0.7377407 0.2622593 7.3460567 0.0000000
米ドル中古住宅販売件数（前月比） 0.4499016 0.2746573 0.2064353 0.2105391 0.7894609 5.3970552 0.0000001
米ドル MBA住宅ローン申請件数 -0.1070692 -0.1315908 -0.0959356 0.8028431 0.1971569 -2.5081463 0.0125795
米ドル雇用コスト指数 1.1924082 0.3459071 0.2664363 0.0499272 0.9500728 6.9657258 0.0000000
USD NAPM-ミルウォーキー 0.4918679 0.3281278 0.2510388 0.2604862 0.7395138 6.5631723 0.0000000
米ドル中古住宅販売件数 -0.6131716 -0.3510242 -0.2709271 0.1952275 0.8047725 -7.0831333 0.0000000
米ドル失業率 -0.2303595 -0.1174173 -0.0854492 0.1375953 0.8624047 -2.2339883 0.0261025
米ドル ISM製造業 0.4683029 0.2807841 0.2114298 0.2038349 0.7961651 5.5276311 0.0000001
米ドル 資本財受注 航空を除く非国防品 -1.0522008 -0.3326872 -0.2549579 0.0587137 0.9412863 -6.6656324 0.0000000
運輸を除く耐久消費財 1.0195595 0.3332286 0.2554246 0.0627625 0.9372375 6.6778344 0.0000000
米ドル住宅価格購入指数（前期比） -0.6493641 -0.3164098 -0.2410558 0.1378030 0.8621970 -6.3021765 0.0000000
USD シカゴ購買部 -0.7364752 -0.2854029 -0.2152134 0.0853930 0.9146070 -5.6265502 0.0000000
個人消費支出コア(前年同期比) -0.5430761 -0.2067342 -0.1527068 0.0790670 0.9209330 -3.9923747 0.0000794
1234
新しいコメント