Marktprognose basierend auf makroökonomischen Indikatoren - Seite 50
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Es ist so schwer, das in diesem Maßstab mit dem Auge zu erkennen.
Ich habe ein Multifaktormodell entwickelt, aber die Genauigkeit des Modells war geringer als die der öffentlich verfügbaren Prognosen.
Nehmen Sie nur einen Indikator wie HOUST1F oder PRFI, und schon ist Ihr Modell genauer als öffentlich verfügbare Prognosen. Fügen Sie einige Verbraucherindikatoren und die Renditekurve hinzu, und Sie haben ein Super-Modell.
Nachstehend finden Sie eine Grafik des BIP-Wachstums und des S&P500 seit 1959. Man kann nicht leugnen, dass der S&P500 während negativer BIP-Wachstumsraten (Rezessionen) gefallen ist:
Ich habe selbst eine Menge "Supermodelle". Nur der Vorwärtstest zeigt aus irgendeinem Grund eine schlechtere Vorhersagegenauigkeit als die veröffentlichten Vorhersagen
Nehmen Sie nur einen Indikator wie HOUST1F oder PRFI, und schon ist Ihr Modell genauer als die öffentlich verfügbaren Prognosen. Fügen Sie einige Verbraucherindikatoren und die Renditekurve hinzu, und Sie haben ein Super-Modell.
Nachstehend finden Sie eine Grafik des BIP-Wachstums und des S&P500 seit 1959. Man kann nicht leugnen, dass der S&P500 während negativer BIP-Wachstumsraten (Rezessionen) gefallen ist:
Sie reagieren irgendwie selektiv auf meine Beiträge.
Das obige Diagramm ist natürlich wie eine Straßenbahn. Die Straßenbahn fährt - und alle Fahrgäste sind unterwegs, stop.... Und die Verbindung zwischen den Fahrgästen ist eine - sie fahren in der gleichen Straßenbahn - in unserem Fall in der gleichen Wirtschaft
Der Index und das BIP leiten sich von der wirtschaftlichen Situation des Landes ab, und es besteht kein Zusammenhang zwischen ihnen.
Die Krise von 2008 war eine Immobilienkrise, und die Zahlen des BIP und der Indizes sowie viele andere Zahlen sind von dieser Krise abgeleitet. Und der Index folgt nicht aus dem BIP und der Index folgt nicht aus dem BIP - sie sind bestenfalls synchron (und nicht immer - Sie können es in der Grafik sehen, die Sie vorhin erwähnt haben).
Es gibt Prozesse in der Wirtschaft, die ihre zukünftige Entwicklung bestimmen, und eine Reihe von Indikatoren wird diese Entwicklung widerspiegeln.
Was sind die grundlegenden Bewegungen in der US-Wirtschaft heute?
Ich persönlich schließe mich denjenigen an, die glauben, dass das Hauptproblem der US-Wirtschaft der Nullzins ist. Der gesamte soziale Sektor (Versicherungen und Pensionsfonds) profitierte von Investitionen in Staatspapiere. Bei einem Nullsatz erzielen diese Organisationen nicht die erforderlichen Gewinne. Wenn sie anfangen, diese Art von Organisationen in den Ruin zu treiben, wird es eine andere Ebene von Problemen geben, sie sind keine Dotcoms. Übrigens, das BIP und alle Indizes werden sich in die gleiche Richtung bewegen - nach unten, vertikal
Der Index und das BIP leiten sich von der wirtschaftlichen Situation des Landes ab, und es besteht kein Zusammenhang zwischen ihnen.
Die Krise von 2008 ist eine Immobilienkrise, und das BIP, die Indexzahlen und viele andere Zahlen in der Straßenbahn sind von dieser Krise abgeleitet. Und der Index folgt nicht aus dem BIP und der Index folgt nicht aus dem BIP - sie sind bestenfalls (und nicht immer - Sie können es in der Grafik sehen, die Sie vorhin erwähnt haben) und sie zeigen das gleiche Bild.
Es gibt Prozesse in der Wirtschaft, die ihre zukünftige Entwicklung bestimmen, und eine Reihe von Indikatoren wird diese Entwicklung widerspiegeln.
Was sind die grundlegenden Bewegungen in der US-Wirtschaft heute?
Ich persönlich schließe mich denjenigen an, die glauben, dass das Hauptproblem der US-Wirtschaft der Nullzins ist. Der gesamte soziale Sektor (Versicherungen und Pensionsfonds) profitierte von Investitionen in Staatspapiere. Bei einem Nullsatz erzielen diese Organisationen nicht die erforderlichen Gewinne. Wenn sie anfangen, diese Art von Organisationen in den Ruin zu treiben, wird das eine andere Ebene von Problemen sein, denn es handelt sich nicht um Dotcoms. Übrigens werden sich das BIP und alle Indizes in die gleiche Richtung bewegen, nämlich nach unten, vertikal.
Ich stimme mit allem, was gesagt wurde, überein. Ich habe versucht, die Stelle zu finden, an der ich sagte, dass der Marktindex aufgrund eines Rückgangs des BIP fällt, und konnte sie nicht finden. Beide Rückgänge spiegeln, wie Sie richtig sagten, den Zustand der Wirtschaft wider. Ein Rückgang des Börsenindexes ist schwer vorherzusagen, ein Rückgang des BIP ist viel leichter vorherzusagen. Da die Rückgänge des Index und des BIP synchron verlaufen (Sie haben es selbst geschrieben, obwohl nach meinen Beobachtungen der Index ein Quartal vor dem BIP zu fallen beginnt), kann man einen Rückgang des Index vorhersagen, indem man einen Rückgang des BIP vorhersagt, was ich hier tue. Der Wohnungsbau beginnt viel früher zu fallen als der Markt und das BIP. Wenn es mir also nicht gelingt, ein gutes Modell für den S&P500 und das BIP zu erstellen, werde ich als letzten Ausweg nur den HOUST und die Hauspreise beobachten und aus dem Markt aussteigen, wenn sie fallen. Bislang wurde nichts dergleichen beobachtet. Wenn HOUST 1,6-1,7 Mio. erreicht, werde ich genau hinschauen. Wenn der HOUST unter 1,2-1,3 Mio. fällt, haben die vergangenen Rezessionen rechtmäßig begonnen.
https://research.stlouisfed.org/fred2/series/HOUST
Was das Problem mit der heutigen Wirtschaft angeht, so denke ich, dass die private Verschuldung weiterhin ein großes Problem darstellt. Die Banken vergeben immer noch Kredite an Menschen, die ihre Schulden nicht zurückzahlen können. In den USA drehen die Banken durch und gewähren Rabatte auf Einkäufe mit Kreditkarten. Jedes Markengeschäft hat eine Kreditkarte: Walmart, Target, Macy's, Starbuks und Hunderte andere. In China hat die private Verschuldung im Verhältnis zum BIP ein noch höheres Niveau erreicht als in den USA vor der Rezession. Vielleicht ist China ja doch die Ursache der nächsten Rezession.
Was das Problem mit der heutigen Wirtschaft angeht, so denke ich, dass die private Verschuldung weiterhin ein großes Problem darstellt. Die Banken vergeben immer noch Kredite an Menschen, die ihre Schulden nicht zurückzahlen können. In den USA drehen die Banken durch und gewähren Rabatte auf Einkäufe mit Kreditkarten. Jedes Markengeschäft hat eine Kreditkarte: Walmart, Target, Macy's, Starbuks und Hunderte andere. In China hat die private Verschuldung im Verhältnis zum BIP ein noch höheres Niveau erreicht als in den USA vor der Rezession. Vielleicht ist China ja doch die Ursache der nächsten Rezession.
Über Chinas BIP wird im gestrigen Thread "Interessantes und Humorvolles" berichtet. Nach der "Allgemeinen Theorie von allem" ist das BIP-Wachstum Chinas zu 2/3 proportional zur Zeit (t-t0).
Gehen wir nun die Prädiktoren Schritt für Schritt durch. Zunächst werden alle Daten wie oben beschrieben transformiert, indem die absoluten Inkremente ihres Mittelwerts normalisiert werden. Gehen Sie dann die gesamte Historie durch und sehen Sie sich die Vorhersagefehler des transformierten BIP mittels linearer Regression an. Hier ist eine Liste der ersten 10 Prädiktoren, sortiert nach zunehmendem Vorhersagefehler:
Wie wir sehen können, gibt es viele Prädiktoren aus dem Bereich der Investitionen, insbesondere bei Immobilien und Haushaltsgeräten. Die Prädiktoren mit dem geringsten Vorhersagefehler haben auch die höchsten Korrelationskoeffizienten mit dem BIP und eine hohe gegenseitige Information. Entweder A012RC1Q027SBEA oder PRFI sind als erster Prädiktor des Modells geeignet. Betrachten wir zum Beispiel die Darstellung des transformierten BIP als Funktion des PRFI(1):
Die Farbe der Punkte ändert sich entlang des Spektrums fließend nach der Zeit, d.h. die blauen Punkte gehören z.B. zum gleichen Zeitintervall. Wie aus dem Schaubild ersichtlich ist, hat sich die Abhängigkeit des BIP vom PRFI im Laufe der Zeit nicht besonders verändert. Die lineare Abhängigkeit ist in diesem Fall nicht schlechter als die nichtlineare Abhängigkeit und ist aufgrund ihrer Einfachheit vorzuziehen. Übrigens können wir darüber diskutieren, ob nichtlineare neuronale Netze bei Finanzmodellen Vorteile bringen, wenn die Eingabedaten so verrauscht sind.
Betrachten wir nun vergangene und zukünftige BIP-Prognosen auf der Grundlage des PRFI(1):
Ziemlich gut, und mit nur einem Prädiktor besser als die Bankprognosen. Bei diesen Prognosen wird nicht in die Zukunft geschaut, da zu jedem vergangenen Zeitpunkt in der Geschichte die bis dahin verfügbaren BIP- und PRFI-Daten verwendet wurden. Die einzige zukunftsorientierte Erkenntnis besteht in der Wahl des Prädiktors selbst (der PRFI wurde im Laufe der Geschichte immer wieder gewählt).
Weiter geht's. Die Wahl des zweiten Prädiktors ist nicht so einfach. Ich verwende eine Art schrittweise Regression. Die Idee ist, dass ich, nachdem ich den ersten Prädiktor und das BIP-Modell auf seiner Basis gefunden habe, sein Modell vom BIP subtrahiere. Der sich daraus ergebende Rückstand wird zu einer neuen modellierten Reihe, für die ich den zweiten Prädiktor finde und so weiter. Diejenigen, die mit Mathematik vertraut sind, wissen, dass alle auf diese Weise ausgewählten Prädiktoren orthogonal sein sollten (Nullkorrelation zwischen den Prädiktoren), was bei den meisten Wirtschaftsindikatoren nicht der Fall ist. Hierfür gibt es einige Lösungen, auf die wir später noch eingehen werden.
Wir haben also ein Residuum (BIP minus Modell basierend auf dem ersten Prädiktor). Wir gehen alle verfügbaren Prädiktoren durch und berechnen ihren Fehler bei der Vorhersage des Residuums sowie ihre Korrelation und gegenseitige Information mit dem Residuum. Es ergibt sich die folgende Tabelle (nur die ersten 11 Prädiktoren werden angezeigt)
In diesem Fall ist der Vorhersagefehler der kombinierte Fehler des ersten Prädiktors und jedes der Prädiktoren in dieser Tabelle. Die Wahl des zweiten Prädiktors sollte hier mit Vorsicht getroffen werden. Obwohl pred2 in Kombination mit dem ersten Prädiktor (PRFI oder pred1) den geringsten Fehler ergibt, sind der Korrelationskoeffizient und die gegenseitige Information dieses Prädiktors nicht so hoch. Pred12 sieht vielversprechender aus, also werde ich es wählen. Das Diagramm der Abhängigkeit des Residuums von pred12:
Die Wolke ist unschärfer geworden. Vorhersagen auf der Grundlage von pred1 und pred12:
Diese Prognosen enthalten keinen Blick in die Zukunft, da die bis zu diesem Zeitpunkt verfügbaren BIP- und PRFI-Daten zu jedem vergangenen Zeitpunkt der Geschichte verwendet wurden. Der einzige Blick in die Zukunft besteht in der Wahl des Prädiktors selbst (der PRFI wurde im Laufe der Geschichte gewählt).
Ein Blick in die Zukunft. Schade, dass es nur ein Blick in die Zukunft ist.
Bei einer sehr großen Menge von Eingangsvariablen kann man immer diejenige auswählen, die am besten zum gewählten Intervall der vorhergesagten Variable passt, ABER NICHT DIE TATSACHE, dass die funktionale Beziehung zwischen dem Faktor und der vorhergehenden Funktion besteht.
Das heißt, die Variable "Anzahl der Patienten, die mit einer Lebensmittelvergiftung in Krankenhäuser in Angola eingeliefert wurden" mag für das ausgewählte Segment des projizierten US-BIP durchaus in Ordnung sein, aber es besteht offensichtlich kein funktionaler Zusammenhang.
Auch hier ist nur die Vorwärtsbewegung entscheidend, ohne dass es zu Spitzen kommt (auch bei variabler Auswahl).
Die Falle einer großen Anzahl von Variablen.
Das heißt, die Variable "Anzahl der Patienten, die mit einer Lebensmittelvergiftung in angolanische Krankenhäuser eingeliefert wurden" mag zwar perfekt zu dem ausgewählten Diagramm des projizierten US-BIP passen, aber es besteht offensichtlich kein funktionaler Zusammenhang.
Bei der Optimierung von Experten bin ich oft auf ähnliche Probleme gestoßen. Sie können z. B. einen Expert Advisor für 10 Jahre Historie optimieren, das beste Ergebnis erzielen und dann nichts mehr von solchen Einstellungen haben. Das Problem ist, dass der Expert Advisor 9 Jahre lang mit den gefundenen Einstellungen stagnierte und erst innerhalb einer Woche an die Spitze kam, als die Einstellungen zufällig angepasst wurden und zu einem Gewinn führten. Es ist unwahrscheinlich, dass sich ein solcher Unfall in Zukunft ereignet. Eine gute Lösung ist es, die gesamte Historie der Geschäfte nach Jahren zu unterteilen, den Gewinn für jedes Jahr separat zu berechnen und das schlechteste Jahresergebnis zu nehmen.
Um die beste Korrelation zu finden, würde ich die folgende Fehlerfunktion verwenden: MAX(Fehler(2000-2016), Fehler(2000), Fehler(2001), ..., Fehler(2014), Fehler(2015)). Ich garantiere für nichts, ich habe diesen Ansatz nicht für Statistiken ausprobiert.
Ein Blick in die Zukunft. Schade, dass es nur ein Blick in die Zukunft ist.
Bei einer sehr großen Menge von Eingangsvariablen kann man immer diejenige auswählen, die am besten zu dem gewählten Intervall der vorhergesagten Variablen passt, ABER NICHT DIE TATSACHE, dass die funktionale Beziehung zwischen dem Faktor und der bereitgestellten Funktion besteht.
Das heißt, die Variable "Anzahl der Patienten, die mit einer Lebensmittelvergiftung in Krankenhäuser in Angola eingeliefert wurden" mag für das ausgewählte Segment des projizierten US-BIP durchaus in Ordnung sein, aber es besteht offensichtlich kein funktionaler Zusammenhang.
Auch hier ist nur die Vorwärtsbewegung entscheidend, ohne dass es zu Spitzen kommt (auch bei variabler Auswahl).
Die Falle einer großen Anzahl von Variablen.