다시 말하지만, 내 방법은 S&P500을 예측하지 않습니다. 그는 경기 침체를 예측합니다. 2020년 경기 침체는 아직 끝나지 않았습니다. 예보에는 문제가 없습니다.
...
건설적인 대화를 위해. 그러나 나는 이 주제의 첫 번째 게시물의 첫 번째 줄에서 흑백으로 연구 과제가 S & P500을 예측하는 것으로 설정되었음을 주목합니다. 또한 다음 분기의 예측에 대해 이야기하고 있으며 연구 구축 방법을 단계별로 설명합니다. 경기 침체는 지나가면서 언급됩니다(더 정확하게는 전혀 언급되지 않음).
유일한 가능한 비판은 역사적 결과가 미래의 경기 침체 예측의 정확성을 보장하지 않는다는 것입니다. 표시된 차트의 모든 결과는 2019년 12월의 마지막 경기 침체 신호를 제외하고 역사적으로 조정되었습니다.
건설적인 대화를 위해 나는 내 시스템/모델의 정확성을 경기 침체를 예측하기 위한 다른 기본 또는 기술 시스템과 비교할 것을 제안합니다. S&P500을 거래하는 다른 시스템과 내 시스템의 수익률 + 드로다운을 비교할 수도 있습니다.
강조합니다: 내 주장은 S&P500 예측 방법을 설명하는 주제의 첫 번째 게시물 내용을 기반으로 합니다. 이 주제의 다른 게시물을 건너뛸 수 있고 첫 페이지에 방법이 완전히 제시되어 있다는 점을 고려하면 전혀 고려하지 않습니다.
1. 나는 이것을 첫 번째 게시물에서 찾지 못했습니다. 설명된 예측 방법은 S&P500의 다음 분기를 예측하는 것을 목표로 합니다. 나는 경기 침체 예측 방법에 대해 읽은 적이 없습니다. 경기 침체 예측 방법이 설명된 방법과 다른 경우 아이디어를 얻을 수 있도록 설명(또는 링크 제공)하십시오.
또한 주관성 요인이 완전히 제거될 수 있도록 지표의 자동선정 방식을 가능하면 구체적으로 기술한다.
2. 나는 이 점을 이해하지 못했다. 예측 방법에 대한 설명은 특정 전략에 대해 이야기하지 않습니다. (좀 더 정확히 말하면 방법 자체가 전략이지만 구체적으로 명명되지는 않았다).
3. 즉, 각 지표의 이력의 전체 깊이를 단축하지 않고 취하는 것입니까?
...
귀하의 경기 침체 예측 시스템의 정확성을 다른 시스템과 비교하는 데 동의합니다. 하지만 어디서 얻습니까?
МОСКВА, 16 июн — РИА Новости, Наталья Дембинская. С февраля американская экономика погрузилась в рецессию — впервые за 13 лет. Сокращение производства и рост безработицы просто катастрофические. Аналитики предупреждают: нынешний кризис, возможно, окажется даже хуже глобального финансового краха 2007-2009 годов.Скатились в рецессиюО том, что...
1단계: 지표를 찾습니다. 지표는 http://research.stlouisfed.org/fred2/에서 공개적으로 사용할 수 있습니다. 그 중 240,000개가 있습니다. 가장 중요한 것은 GDP 성장률입니다. 이 지표는 분기마다 계산됩니다. 따라서 우리의 단계 - 3 개월. 더 짧은 기간의 모든 지표는 3개월 동안 다시 계산되고 나머지(연간)는 폐기됩니다. 또한 미국을 제외한 모든 국가의 지표와 역사가 깊지 않은 지표(최소 15년)는 버립니다. 따라서 힘든 작업으로 많은 지표를 걸러내고 약 10,000개의 지표를 얻습니다. 우리는 분기 기간 동안 10,000개의 경제 지표를 사용할 수 있는 S&P 500 지수를 1~2분기 전에 예측하는 보다 구체적인 작업을 공식화합니다. R에서는 가능하지만 MatLab에서 모든 작업을 수행합니다.
2단계: 미분 및 정규화를 통해 모든 데이터를 고정된 형태로 변환합니다. 여기에는 많은 방법이 있습니다. 가장 중요한 것은 변환된 데이터에서 원본 데이터를 복원할 수 있다는 것입니다. 고정성이 없으면 어떤 모델도 작동하지 않습니다. 전환 전과 후의 S&P 500 시리즈는 아래와 같습니다.
3단계: 모델을 선택합니다. 아마도 신경망일 것입니다. 다변수 선형 회귀 를 수행할 수 있습니다. 다변수 다항식 회귀를 수행할 수 있습니다. 선형 및 비선형 모델을 테스트한 후 데이터가 너무 시끄럽기 때문에 비선형 모델을 입력하는 것이 의미가 없다는 결론에 도달했습니다. y = S&P 500이고 x = 10,000개 지표 중 하나인 y(x) 그래프는 거의 원형에 가까운 구름입니다. 따라서 우리는 작업을 훨씬 더 구체적으로 공식화합니다. 다변수 선형 회귀를 사용하여 분기별 10,000개의 경제 지표가 있는 S&P 500 지수를 1~2분기 전에 예측합니다.
4단계: 10,000에서 가장 중요한 경제 지표를 선택합니다(문제의 차원 축소). 가장 중요하고 어려운 단계입니다. S&P 500의 역사를 30년(120분기)이라고 가정해 보겠습니다. S&P 500을 다양한 경제 지표의 선형 조합으로 나타내려면 이 30년 동안 S&P 500을 정확하게 설명할 수 있는 120개의 지표로 충분합니다. 게다가, 120개의 지표와 120개의 S&P 500 값의 정확한 모델을 생성하기 위해 지표는 절대적으로 무엇이든 될 수 있으므로 설명된 함수 값의 수 이하로 입력 수를 줄여야 합니다. 예를 들어, 우리는 10-20개의 가장 중요한 입력 지표를 찾고 있습니다. 수많은 후보 기반(사전)에서 선택된 적은 수의 입력으로 데이터를 기술하는 이러한 작업을 희소 코딩(sparse coding)이라고 합니다.
예측 변수 입력을 선택하는 방법에는 여러 가지가 있습니다. 나는 그들 모두를 시도했다. 다음은 주요 두 가지입니다.
10,000개의 데이터를 모두 S&P 500 예측력으로 분류하고 예측력은 상관계수나 상호 정보로 측정할 수 있습니다.
하단을 따라 10,000개의 지표를 모두 살펴보고 가장 작은 오류로 S&P 500을 설명하는 선형 모델 y_mod = a + b*x1을 제공하는 지표를 선택합니다. 그런 다음 나머지 10,000 -1 표시기를 정렬하여 두 번째 입력을 다시 선택하여 오류가 가장 적은 나머지 y - y_mod = c + d*x2를 설명합니다. 등. 이 방법을 단계적 회귀 또는 일치 추적이라고 합니다.
다음은 S&P 500과의 상관 계수가 가장 높은 상위 10개 지표입니다.
시리즈 ID
지연
코르
뮤트 정보
'PPICRM'
2
0.315
0.102
'CWUR0000SEHE'
2
0.283
0.122
'CES1021000001'
하나
0.263
0.095
'B115RC1Q027SBEA'
2
0.262
0.102
'CES1000000034'
하나
0.261
0.105
'A371RD3Q086SBEA'
2
0.260
0.085
'B115RC1Q027SBEA'
하나
0.256
0.102
'CUUR0000SAF111'
하나
0.252
0.117
'CUUR0000SEHE'
2
0.251
0.098
'USMINE'
하나
0.250
0.102
다음은 S&P 500과의 상호 정보가 가장 높은 상위 10개 지표입니다.
시리즈 ID
지연
코르
뮤트 정보
'CPILEGSL'
삼
0.061
0.136
'B701RC1Q027SBEA'
삼
0.038
0.136
'CUSR0000SAS'
삼
0.043
0.134
'지디팟'
삼
0.003
0.134
'NGDPOT'
5
0.102
0.134
'오텍'
4
0.168
0.133
'LNU01300060'
삼
0.046
0.132
'LRAC25TTUSM156N'
삼
0.046
0.132
'LRAC25TTUSQ156N'
삼
0.046
0.131
'CUSR0000SAS'
하나
0.130
0.131
지연은 시뮬레이션된 S&P 500 시리즈에 대한 입력 시리즈의 지연입니다. 이 표에서 볼 수 있듯이 가장 중요한 입력을 선택하는 다양한 방법으로 인해 다른 입력 세트가 생성됩니다. 최종 목표는 모델 오류를 최소화하는 것이므로 두 번째 입력 선택 방법, 즉 모든 입력의 열거 및 가장 적은 오류를 제공한 입력의 선택.
...
감지할 수 없는 주관적인 요인이 연구에 미치는 영향에 대한 질문에 대해 이 단계를 주의 깊게 다시 읽고 주관성이 없는지 또는 최종 결과를 변경하지 않는지 확인하는 것이 좋습니다.
4단계에서 분석에서 제외된 지표는 전체적으로 가중치를 가질 수 있으므로 모두 고려하면 반대 결과가 나타날 수 있습니다. 저것들. 우리는 그것을 알 수 없습니다.
Vladimir는 " 이 전략은 2019년 12월에 매도 신호를 보냈습니다. 지금까지 매수 신호를 주지 않았습니다. 분명히 시장은 하락할 것입니다." 라고 썼습니다. (와 함께).
폰으로 읽는 중이라 놓친 부분이 있을 수 있습니다.
예, 55페이지에 있습니다. 56일 첫 포스팅입니다. 나는 예측 방법의 본질을 설명하는 첫 번째 것을 읽고 나머지는 놓쳤습니다. 본질에 관심이 있다. 그것이 (본질) 수년에 걸쳐 바뀌었다면 (아마도 Vladimir가 첫 번째 게시물에 아무것도없는 경기 침체에 대해 이야기하기 시작했기 때문에) 첫 번째 게시물의 방법에 대해 이야기하고 있습니다.
그들이 세계 통화 를 인쇄하고 그것을 위해 세계의 모든 것을 사서 부채의 형태로 되돌려 주면 주에서 어떤 종류의 경기 침체에 대해 이야기 할 수 있습니까? 나머지 세계에는 제품이나 통화가 남아 있지 않습니다. 이 부스에서는 주에서 생산되는 국내 생산 수단의 가격이 오르고 있습니다. 인구가 고통받지 않기 때문에 구매력은 인쇄기가 지원합니다. 인플레이션은 국가에서 수행됩니다. 나머지 세계 의 달러 저축은 지수 에 반비례 S&P 500.
Реter Konow : 감지할 수 없는 주관적인 요소가 연구에 미치는 영향에 대한 질문에 대해 이 단계를 주의 깊게 다시 읽고 주관성이 없는지 또는 최종 결과를 변경하지 않는지 확인하는 것이 좋습니다...
이 주제에 대한 나의 상대가 일종의 "숙련된" 철학자였다면, 그는 내가 어떤 상황에서도 어떤 식으로든 부인할 수 없는 "객관적" 연구의 주관성에 대한 질문으로 그를 함정에 빠뜨렸다는 것을 깨닫고, "그러나 절대적으로 객관적인 연구를 어떻게 상상할 수 있습니까?"라는 반문을 할 것입니다. 모든 연구의 조건이 정해져 있기 때문에 그러한 옵션을 전혀 상상할 수 없다고 대답해야 할 것입니다. 연구원의 구축 된 개념에 의해이 요소는 피할 수 없습니다. 결과적으로, 우리는 함께 예측에서 데이터 분석 방법 자체에 중점을 두지 않고 연구의 모든 "객관적" 지표에도 불구하고 옳을 수 있는 개인의 주관성에 중점을 두어야 한다는 결론에 도달할 것입니다. .
정확성은 불변하고 과학적으로 설명할 수 없기 때문에 첫 번째 장소에서 성격에 베팅하고 두 번째 장소에서 분석에서 고려된 지표에 베팅하십시오. 그런 사람들은 과거에도 그랬고 앞으로도 그럴 것입니다.
Реter Konow : ... 결과적으로, 우리는 함께 예측에서 데이터 분석 방법 자체가 아니라 모든 "객관적" 지표에도 불구하고 옳을 수 있는 개인의 주관성에 중점을 두어야 한다는 결론에 도달하게 될 것입니다. 연구에서.
정확성은 불변하고 과학적으로 설명할 수 없기 때문에 첫 번째 장소에서 성격에 베팅하고 두 번째 장소에서 분석에서 고려된 지표에 베팅하십시오. 그런 사람들은 과거에도 그랬고 앞으로도 그럴 것입니다.
여기서 나는 독자가 내가 그를 신비주의로 이끌고 있다고 생각하지 않도록 명확히 할 것입니다.
그래서:
분석/연구의 개인 주관성은 현지화되고 명확하게 제한되어야 합니다. 우리는 무엇을 그리고 왜 주관적인 가정을 해야 하는지에 대해 명확히 해야 합니다. 우리는 왜 이러한 추측을 받아들일 준비가 되어 있는지에 대한 질문에 답해야 합니다. 동시에 우리의 분석/연구는 여전히 최대의 객관성, 실험적 확인, 사실 및 검증을 위해 노력해야 하지만 주관성은 여전히 제거할 수 없기 때문에 신뢰할 수 있음을 나타내는 기준을 개발할 필요가 있습니다.
이것은 (비유적으로) 각 연구/분석에서 숫자 시리즈, 공식 및 모델에서 "나는 그렇게 생각합니다"라는 매개변수를 추가하고 함께 계산함을 의미합니다. 더 정확할 것입니다.
더 시각적인 그림:
다시 말하지만, 내 방법은 S&P500을 예측하지 않습니다. 그는 경기 침체를 예측합니다. 2020년 경기 침체는 아직 끝나지 않았습니다. 예보에는 문제가 없습니다.
...
1. 예측가는 경기 침체를 예측하는 능력에 따라 선택됩니다. 선택은 내 영향력과 의견 없이 자동으로 이루어집니다.
2. 등급 척도는 제안된 매수 및 매도 전략이 매수 및 보유보다 얼마나 수익성이 높은가입니다.
3. 역사적 유적지는 개별 경제 지표 의 역사의 깊이에 의해 제한됩니다.
유일한 가능한 비판은 역사적 결과가 미래의 경기 침체 예측의 정확성을 보장하지 않는다는 것입니다. 표시된 차트의 모든 결과는 2019년 12월의 마지막 경기 침체 신호를 제외하고 역사적으로 조정되었습니다.
건설적인 대화를 위해 나는 내 시스템/모델의 정확성을 경기 침체를 예측하기 위한 다른 기본 또는 기술 시스템과 비교할 것을 제안합니다. S&P500을 거래하는 다른 시스템과 내 시스템의 수익률 + 드로다운을 비교할 수도 있습니다.
간단히 질문하겠습니다. 귀하의 경기 침체 예측 시스템은 이 경기 침체를 예측했으며 그 전의 기간은 무엇입니까?
https://www.google.com/amp/s/ria.ru/amp/20200616/1572964400.html
간단히 묻겠습니다. 귀하의 경기 침체 예측 시스템은 이 경기 침체를 예측했으며 그 전의 기간은 얼마입니까?
https://www.google.com/amp/s/ria.ru/amp/20200616/1572964400.html
당신은 침대 시트에 댓글을 달기 전에 댓글을 읽습니까?
Vladimir는 " 이 전략은 2019년 12월에 매도 신호를 보냈습니다. 지금까지 매수 신호를 주지 않았습니다. 분명히 시장은 하락할 것입니다." 라고 썼습니다. (와 함께).
따라서 작업은 사용 가능한 경제 지표를 기반으로 S&P 500 지수를 예측하는 것입니다.
1단계: 지표를 찾습니다. 지표는 http://research.stlouisfed.org/fred2/에서 공개적으로 사용할 수 있습니다. 그 중 240,000개가 있습니다. 가장 중요한 것은 GDP 성장률입니다. 이 지표는 분기마다 계산됩니다. 따라서 우리의 단계 - 3 개월. 더 짧은 기간의 모든 지표는 3개월 동안 다시 계산되고 나머지(연간)는 폐기됩니다. 또한 미국을 제외한 모든 국가의 지표와 역사가 깊지 않은 지표(최소 15년)는 버립니다. 따라서 힘든 작업으로 많은 지표를 걸러내고 약 10,000개의 지표를 얻습니다. 우리는 분기 기간 동안 10,000개의 경제 지표를 사용할 수 있는 S&P 500 지수를 1~2분기 전에 예측하는 보다 구체적인 작업을 공식화합니다. R에서는 가능하지만 MatLab에서 모든 작업을 수행합니다.
2단계: 미분 및 정규화를 통해 모든 데이터를 고정된 형태로 변환합니다. 여기에는 많은 방법이 있습니다. 가장 중요한 것은 변환된 데이터에서 원본 데이터를 복원할 수 있다는 것입니다. 고정성이 없으면 어떤 모델도 작동하지 않습니다. 전환 전과 후의 S&P 500 시리즈는 아래와 같습니다.
3단계: 모델을 선택합니다. 아마도 신경망일 것입니다. 다변수 선형 회귀 를 수행할 수 있습니다. 다변수 다항식 회귀를 수행할 수 있습니다. 선형 및 비선형 모델을 테스트한 후 데이터가 너무 시끄럽기 때문에 비선형 모델을 입력하는 것이 의미가 없다는 결론에 도달했습니다. y = S&P 500이고 x = 10,000개 지표 중 하나인 y(x) 그래프는 거의 원형에 가까운 구름입니다. 따라서 우리는 작업을 훨씬 더 구체적으로 공식화합니다. 다변수 선형 회귀를 사용하여 분기별 10,000개의 경제 지표가 있는 S&P 500 지수를 1~2분기 전에 예측합니다.
4단계: 10,000에서 가장 중요한 경제 지표를 선택합니다(문제의 차원 축소). 가장 중요하고 어려운 단계입니다. S&P 500의 역사를 30년(120분기)이라고 가정해 보겠습니다. S&P 500을 다양한 경제 지표의 선형 조합으로 나타내려면 이 30년 동안 S&P 500을 정확하게 설명할 수 있는 120개의 지표로 충분합니다. 게다가, 120개의 지표와 120개의 S&P 500 값의 정확한 모델을 생성하기 위해 지표는 절대적으로 무엇이든 될 수 있으므로 설명된 함수 값의 수 이하로 입력 수를 줄여야 합니다. 예를 들어, 우리는 10-20개의 가장 중요한 입력 지표를 찾고 있습니다. 수많은 후보 기반(사전)에서 선택된 적은 수의 입력으로 데이터를 기술하는 이러한 작업을 희소 코딩(sparse coding)이라고 합니다.
예측 변수 입력을 선택하는 방법에는 여러 가지가 있습니다. 나는 그들 모두를 시도했다. 다음은 주요 두 가지입니다.
다음은 S&P 500과의 상관 계수가 가장 높은 상위 10개 지표입니다.
다음은 S&P 500과의 상호 정보가 가장 높은 상위 10개 지표입니다.
지연은 시뮬레이션된 S&P 500 시리즈에 대한 입력 시리즈의 지연입니다. 이 표에서 볼 수 있듯이 가장 중요한 입력을 선택하는 다양한 방법으로 인해 다른 입력 세트가 생성됩니다. 최종 목표는 모델 오류를 최소화하는 것이므로 두 번째 입력 선택 방법, 즉 모든 입력의 열거 및 가장 적은 오류를 제공한 입력의 선택.
...
당신은 침대 시트에 댓글을 달기 전에 댓글을 읽습니까?
Vladimir는 " 이 전략은 2019년 12월에 매도 신호를 보냈습니다. 지금까지 매수 신호를 주지 않았습니다. 분명히 시장은 하락할 것입니다." 라고 썼습니다. (와 함께).
감지할 수 없는 주관적인 요소가 연구에 미치는 영향에 대한 질문에 대해 이 단계를 주의 깊게 다시 읽고 주관성이 없는지 또는 최종 결과를 변경하지 않는지 확인하는 것이 좋습니다...
... 결과적으로, 우리는 함께 예측에서 데이터 분석 방법 자체가 아니라 모든 "객관적" 지표에도 불구하고 옳을 수 있는 개인의 주관성에 중점을 두어야 한다는 결론에 도달하게 될 것입니다. 연구에서.