Marktprognose basierend auf makroökonomischen Indikatoren - Seite 37

 
Дмитрий:
Sehr einfach - nicht öffnen, wenn wichtige Nachrichten anstehen

Ich handle nicht aufgrund von Nachrichten. Es gibt auch ohne sie genug Bewegung.

Der Expert Advisor ist gut abgestimmt, aber der Broker kann einen Anfall bekommen.

 

Das Thema wird fortgesetzt. Zur Erinnerung: Mein Modell prognostiziert den Markt auf der Grundlage makroökonomischer Indikatoren. Aus 2.000 Wirtschaftsindikatoren werden einige wenige aufgrund ihrer Fähigkeit, die Zukunft vorherzusagen, ausgewählt. Es gibt keinen Blick nach vorn. Jedes Quartal, wenn das BIP-Wachstum und andere Indikatoren eintreffen, durchläuft das Modell automatisch die Historie einschließlich der neuen Daten, wählt Indikatoren aus, die die alten und neuen Daten gut vorausgesagt haben, und erstellt auf dieser Grundlage neue Prognosen für die nächsten zwei Quartale. Nach meiner letzten Vorhersage habe ich einige Fehler im Code gefunden. Außerdem wurde eine neue Umrechnung von Wirtschaftsindikatoren gefunden, die die Vorhersagen genauer macht. Kurzfristiger Rat an andere Prognostiker und Vorhersager: Eine Differenzierung der Eingangsdaten ist für Vorhersagen nicht sehr gut, weil dadurch die Struktur (das Signal) verloren geht und die Daten zu Rauschen werden.

Hier ist eine Vorhersage des BIP-Wachstums in den USA. Die blaue Linie zeigt die tatsächlichen Daten. Die rote Linie ist die Vorhersage. Für jede vergangene Vorhersage wurden nur die bis dahin verfügbaren Daten abzüglich zwei Quartale verwendet. Die Wirtschaft wird vorerst moderat wachsen. Angesichts des sich langsam glättenden BIP-Wachstums ist eine Rezession im nächsten Jahr jedoch durchaus möglich. Im nächsten Beitrag werde ich die Genauigkeit der BIP-Vorhersagen verschiedener Banken und Wirtschaftswissenschaftler aufzeigen.

Die S&P500-Vorhersage ist noch nicht fertig. Aber es ist viel schwieriger, den Markt vorherzusagen als die Wirtschaftsindikatoren selbst. Bei den Preisen gibt es viel Lärm.

 
Vladimir:

Das Thema wird fortgesetzt. Zur Erinnerung: Mein Modell prognostiziert den Markt auf der Grundlage makroökonomischer Indikatoren. Aus 2.000 Wirtschaftsindikatoren werden einige wenige aufgrund ihrer Fähigkeit, die Zukunft vorherzusagen, ausgewählt. Es gibt keinen Blick nach vorn. Jedes Quartal, wenn das BIP-Wachstum und andere Indikatoren eintreffen, durchläuft das Modell automatisch die Historie einschließlich der neuen Daten, wählt Indikatoren aus, die die alten und neuen Daten gut vorausgesagt haben, und erstellt auf dieser Grundlage neue Prognosen für die nächsten zwei Quartale. Nach meiner letzten Vorhersage habe ich einige Fehler im Code gefunden. Außerdem wurde eine neue Umrechnung von Wirtschaftsindikatoren gefunden, die die Vorhersagen genauer macht. Kurzfristiger Rat an andere Prognostiker und Vorhersager: Eine Differenzierung der Eingabedaten ist für Vorhersagen nicht sehr gut, weil dadurch die Struktur (das Signal) verloren geht und die Daten zu Rauschen werden.

Hier ist eine Vorhersage des BIP-Wachstums in den USA. Die blaue Linie zeigt die tatsächlichen Daten. Die rote Linie ist die Vorhersage. Für jede vergangene Vorhersage wurden nur die bis dahin verfügbaren Daten abzüglich zwei Quartale verwendet. Die Wirtschaft wird vorerst moderat wachsen. Angesichts des sich langsam glättenden BIP-Wachstums ist eine Rezession im nächsten Jahr jedoch durchaus möglich. Im nächsten Beitrag werde ich die Genauigkeit der BIP-Vorhersagen verschiedener Banken und Wirtschaftswissenschaftler aufzeigen.

Die S&P500-Vorhersage ist noch nicht fertig. Aber es ist viel schwieriger, den Markt vorherzusagen als die Wirtschaftsindikatoren selbst. Bei den Preisen gibt es viel Lärm.

Und können wir einen Blick auf die rohen tatsächlichen BIP-Daten werfen - Sie können dies hier mit einer einfachen Tabellenkalkulation tun
 
Der letztgenannte Wert beträgt nicht 0,7, sondern 1 %.
 
Дмитрий:
und Sie können sich die tatsächlichen Rohdaten für das BIP ansehen - Sie können dies hier mit einer einfachen Tabelle tun

Hier: https://research.stlouisfed.org/fred2/series/GDPC96#

Die Tabelle und die Wachstumsberechnungen sind beigefügt.

Real Gross Domestic Product, 3 Decimal
Real Gross Domestic Product, 3 Decimal
  • fred.stlouisfed.org
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...
Dateien:
GDPC96.zip  16 kb
 
Vizard_:
Der letzte Wert ist nicht 0,7, sondern 1 %.

Das ist sicher. Wie ich sehe, hat die Fed die BIP-Daten am vergangenen Freitag angepasst. Meine Vorhersagen ändern sich durch die Korrekturen nicht, da sie sich auf die in der Vergangenheit ermittelten Daten stützen. Die Anpassungen werden sich über Monate hinziehen und können die Vorschussdaten ganz erheblich verändern. Meine Vorhersage für Q4 ist ein Wachstum von 2,1 %, durch die Korrektur wurde der Vorschuss von 0,7 % auf 1 % geändert. Es ist nicht ratsam, die Vorausdaten als Maßstab für die Vorhersagegenauigkeit zu verwenden. Hier finden Sie Beispiele für frühere Anpassungen:

2015Q4
Prozentuale Veränderung
Weinlese Milliarden von laufenden Dollars aus dem vorangegangenen Zeitraum
BIP GDI Reales BIP Echte GDI Datum der Veröffentlichung
Vorschuss 18,128.2 ..... 0.7 ..... Jan 29, 2016 GDI nicht veröffentlicht
2015Q3
Prozentuale Veränderung
Weinlese Milliarden von laufenden Dollars aus dem vorangegangenen Zeitraum
BIP GDI Reales BIP Echte GDI Datum der Veröffentlichung
Dritte 18,060.2 18,272.1 2.0 2.7 22. Dezember 2015
Zweite 18,064.7 18,292.1 2.1 3.1 24. November 2015
Vorschuss 18,034.8 ..... 1.5 ..... 29. Oktober 2015 GDI nicht veröffentlicht
2015Q2
Prozentuale Veränderung
Weinlese Milliarden von laufenden Dollars aus dem vorangegangenen Zeitraum
BIP GDI Reales BIP Echte GDI Datum der Veröffentlichung
Überarbeitet 17,913.7 18,094.0 3.9 2.2 24. November 2015 BIP nicht zur Revision freigegeben
Dritte 17,913.7 18,028.1 3.9 0.7 25. September 2015
Zweite 17,902.0 18,022.9 3.7 0.6 27. August 2015
Vorschuss 17,840.5 ..... 2.3 ..... Jul 30, 2015 GDI nicht veröffentlicht
2015Q1
Prozentuale Veränderung
Weinlese Milliarden von laufenden Dollars aus dem vorangegangenen Zeitraum
BIP GDI Reales BIP Echte GDI Datum der Veröffentlichung
Überarbeitet 17,649.3 17,901.6 0.6 0.4 27. August 2015 BIP nicht zur Revision freigegeben
Überarbeitet 17,649.3 17,895.6 0.6 0.3 30. Juli 2015
Dritte 17,693.3 18,019.1 -0.2 1.9 24. Juni 2015
Zweite 17,665.0 17,993.3 -0.7 1.4 Mai 29, 2015
Vorschuss 17,710.0 ..... 0.2 ..... Apr 29, 2015 GDI nicht veröffentlicht
 

Die Prognosen der Ökonomen können Sie hier einsehen: http://projects.wsj.com/econforecast/#ind=gdp&r=20

Nachstehend finden Sie eine Tabelle mit den bisherigen Prognosen der genauesten Prognostiker (Standards and Poor, Bank of America, Moody's, Goldman Sachs, Northern Trust, Combinatorics Capital, UBS Bank). Insgesamt gibt es etwa 50 Meteorologen. Am interessantesten ist der Zeitraum im Jahr 2008, das erste Quartal, als das BIP um 2,7 % fiel. Kein einziger Wirtschaftswissenschaftler hätte dies 2 Quartale im Voraus vorhersagen können, obwohl die oben genannten Wirtschaftswissenschaftler in der nachstehenden Tabelle in der Lage waren, es 1 Quartal im Voraus vorherzusagen. Die anderen 40 Ökonomen, darunter auch die größten Banken, sagten bis ins 4. Quartal 2008 hinein Wachstum voraus. Um die Vorhersagen aller Ökonomen zu sehen, benutzen Sie den Link oben im Menü auf der linken Seite, gehen Sie ganz unten auf Edition und dann auf den Link über Download.

Beginn des Quartals Vorhersage für Aktuell Umfrage zur Wirtschaftsprognose, 1Q voraus Umfrage zur Wirtschaftsprognose, 2Q voraus S&P, 1Q voraus S&P, 2Q voraus BA, 1Q voraus BA, 2Q voraus Moody's, 1Q voraus Moody's, 2Q voraus GS, 1Q voraus GS, 2Q voraus Northern Trust, 1Q voraus Northern Trust, 2Q voraus Combinatorics Capital, 1. Quartal voraus Combinatorics Capital, 2Q voraus UBS, 1Q voraus UBS, 2Q voraus

























2007-07-01 Q3 2.7 2.3 2.4 2.5 2.2 2 2.5 1.5 2 1.7
2007-10-01 Q4 1.4 1.6 2.5 1.5 2.7 1.4 2.5 1.5 3.8 1.5 2.5 1.3 1.5 1 1.7 1.7
2008-01-01 Q1 -2.7 0.6 1.9 -0.8 1.4 -0.8 1.7 -0.2 1.3 -0.5 1 -0.7 0.6 -1 -1 2
2008-04-01 Q2 2.0 0.2 1.2 -0.8 1.2 -0.3 0.2 0.5 0.8 -1 -1 -0.8 -0.7 2.5 1 -1.5 -1.5
2008-07-01 Q3 -1.9 1.3 1.8 1.7 2.3 1.6 1.4 1.2 2.4 2 1 0 0.3 0.5 0.5 -1 -0.5
2008-10-01 Q4 -8.2 -3 0.6 -3.1 -0.8 -4.2 1.4 -3.2 0.2 -3.5 0 -4.1 -1.2 -3.5 -1 -3.5 -0.5
2009-01-01 Q1 -5.4 -4.6 -1.5 -5.5 -2 -5.2 -2.1 -5 -0.9 -4.5 -2 -6.4 -2.9 -3 -1.5 -4 -1.5
2009-04-01 Q2 -0.5 -1.4 -1.5 -2.4 -2 -4.8 -3.2 -0.9 -0.9 -3 -1 -3.8 -2.5 0 0 -2 0
2009-07-01 Q3 1.3 2.4 0.6 1 -0.2 3 2.5 3 0.8 1 1 1.5 -1.9 3 2 2.5 2
2009-10-01 Q4 3.9 2.9 2.1 1.8 1.5 3.4 2.3 2.9 2.2 3 -0.2 2.6 2.2 4 4 3 3
2010-01-01 Q1 1.7 3 2.8 2.5 1.9 2 3.5 2.4 2.4 2.5 2 2.7 2 4 3 2.5 2.5
2010-04-01 Q2 3.9 3.4 3 3.1 2 3 3.7 3.61 2.5 3 2 2.9 2.4 4.5 4.5 3 2.5
2010-07-01 Q3 2.7 2.5 3.1 2.5 3 2.9 3.6 2 2.32 1.5 1.5 1.8 2.4 4 5 3 3
2010-10-01 Q4 2.5 2.4 2.7 2 2.3 2.6 2.5 2.2 1.5 1.5 1.9 1.9 4 4 2.5 2.5
2011-01-01 Q1 -1.5 3.6 2.5 3.5 2.4 4 3.8 2.9 3.5 1.5 3.5 2.4 5 5 4.2 3
2011-04-01 Q2 2.9 3.2 3.4 3.2 3.2 2.8 3 2.6 3.7 3.5 4 3.5 3.2 4.5 3.5 3.5 3.5
2011-07-01 Q3 0.8 2.1 3.3 3.3 1.8 2.9 2.6 3.2 2 3.3 2.3 2.9 4 5 2.5 3
2011-10-01 Q4 4.6 2.5 2.4 3 2.2 2.5 2.5 2 2 2.2 2.2 3.5 4.5 2 2
2012-01-01 Q1 2.7 2.3 2 2.2 2 1.6 1.6 2.3 0.5 2.4 1.5 3.5 3.5 2.3 2
2012-04-01 Q2 1.9 2.2 2.4 2.1 2.2 2 2.2 1.6 1.5 2.2 2.4 2.2 4.5 2 2
2012-07-01 Q3 0.5 1.8 2.3 2 1.3 2 1.1 1.7 2 2 1.8 2.5 2.5 2.5 2
2012-10-01 Q4 0.1 2 2.1 2 1 2 1.4 2 2 2 2 4



















Economic Forecasting Survey
Economic Forecasting Survey
  • WSJ.com News Graphics
  • projects.wsj.com
The Wall Street Journal surveys a group of nearly 50 economists on more than 10 major economic indicators on a monthly basis.
 
Vladimir:

Die Prognosen der Ökonomen können Sie hier einsehen: http://projects.wsj.com/econforecast/#ind=gdp&r=20

Nachstehend finden Sie eine Tabelle mit den bisherigen Prognosen der genauesten Prognostiker (Standards and Poor, Bank of America, Moody's, Goldman Sachs, Northern Trust, Combinatorics Capital, UBS Bank). Insgesamt gibt es etwa 50 Meteorologen.




















Es geht nicht nur um die Genauigkeit der Bewertungsmodelle verschiedener Ökonomen, sondern auch um zukunftsorientierte Tests.
 
 

Ich danke Ihnen. Ich werde etwas lesen.

Der schwierigste Teil der Erstellung von Wirtschaftsmodellen ist die Umwandlung der Eingabedaten. Betrachtet man die Wirtschaftsindikatoren (es gibt etwa 10.000 davon), so unterscheiden sie sich in vielerlei Hinsicht voneinander. Einige wachsen exponentiell, andere zucken in einem gewissen Bereich, andere bewegen sich mit zunehmender Größe um den Nullpunkt herum, wieder andere verändern sich ruckartig in der Mitte der Geschichte usw. Um ein Modell zu erstellen, müssen alle diese Daten so verändert werden, dass sie ähnliche statistische Merkmale aufweisen, die sich im Laufe der Zeit nicht ändern. Es gibt solche Möglichkeiten:

1. Berechnen Sie die relativen Geschwindigkeiten: r[i] = x[i]/x[i-1]-1. Durch diese Umwandlung werden die Daten automatisch normalisiert, es gibt keinen Blick in die Zukunft, Sie brauchen nichts weiter zu tun. Ein großes Problem besteht jedoch bei Null-Daten (x[i-1]=0) und negativen Daten, und davon gibt es bei Wirtschaftsindikatoren viele.

2. Berechnung der Inkremente d[i] = x[i] - x[i-1]. Diese Transformation kümmert sich nicht um Null und negative Daten, aber die Inkremente wachsen mit der Zeit für exponentiell wachsende Daten wie das jährliche Bruttosozialprodukt. D.h. die Varianz ist nicht konstant. So ist es beispielsweise nicht möglich, die Abhängigkeit der GWP-Zuwächse von der Arbeitslosenquote darzustellen, da die Arbeitslosenquote innerhalb einer Bandbreite mit konstanter Varianz schwankt, während das GWP exponentiell wächst, mit exponentiell zunehmender Varianz. Die Inkremente müssen also auf die zeitlich veränderliche Varianz normiert werden. Letzteres zu berechnen ist jedoch nicht einfach.

3. Entfernen Sie aus den Daten den z. B. mit dem Hodrick-Prescott-Filter berechneten Trend und normalisieren Sie das hochfrequente Residuum durch die zeitlich veränderliche Varianz und verwenden Sie es als Modelleingabe. Das Problem dabei ist, dass der Hodrick-Prescott-Filter und andere Filter, die auf Polynom-Anpassung beruhen(Savitzky-Golay-Filter, Lowess usw.), vorausschauen. Mooving hinkt den Daten hinterher und ist für die Trendentfernung ungeeignet, insbesondere bei exponentiell wachsenden Daten.

Haben Sie eine andere Idee?

In meiner letzten GWP-Wachstumsprognose habe ich einen Blick in die Zukunft geworfen. Ich habe es erst nach der Veröffentlichung entdeckt. Deshalb hat das Modell die vergangenen Ereignisse so gut vorhergesagt. Ich kämpfe weiter.