Predicción de mercado basada en indicadores macroeconómicos - página 58

[Vladimir]

Una imagen más clara:

[Реter Konow]

Vladimir:

De nuevo, mi método no predice el S&P500. Predice las recesiones. La recesión de 2020 aún no ha terminado. No hay ningún problema con la predicción.

...

Por un diálogo constructivo. No obstante, debo señalar que en la primera línea del primer post de este hilo, en blanco y negro, se indica el objetivo del estudio: predecir el S&P500. A continuación, habla de la predicción del próximo trimestre y describe paso a paso el planteamiento de la construcción del estudio. La recesión se menciona de pasada (o mejor dicho, no se menciona en absoluto).

Por supuesto, no importa lo que se prediga, siempre que se cumpla).

[Реter Konow]

Vladimir:

1. los pronosticadores se seleccionan en función de su capacidad para predecir las recesiones. La selección se hace automáticamente sin mi influencia ni opinión.

2. la escala de valoración consiste en saber si la estrategia de compra y venta propuesta es más rentable que la de compra y retención

3. las parcelas históricas se limitan a la profundidad de la historia de los resultados económicos individuales

La única crítica posible es que los resultados históricos no garantizan la exactitud de la predicción de las recesiones en el futuro. Todos los resultados del gráfico mostrado se han ajustado a la historia, excepto la última señal de recesión de diciembre de 2019.

Para un diálogo constructivo, sugiero que se compare la exactitud de mi sistema/modelo con otros sistemas de predicción de recesiones fundamentales o técnicas. También puede comparar el rendimiento + drawdown de mi sistema con otros sistemas que operan con el S&P500.

Insisto: mis argumentos se basan en el primer post de este hilo, donde se describe el método de previsión del S&P500. Podría faltar algún otro post en este hilo, no lo comento, sólo creo, que el método está completamente descrito en la primera página.

1. No he encontrado esto en el primer post. El método de previsión descrito tiene como objetivo predecir el próximo trimestre del S&P500. No he leído nada sobre el método de predicción de la recesión. Si el método de predicción de la recesión es diferente al descrito, por favor, indíquelo (o dé un enlace) para poder hacerse una idea.

Además, si es posible, describa en detalle el método de selección automática de los indicadores, de modo que se elimine por completo el factor de la subjetividad.

2. No entiendo este punto. La descripción del método de predicción no habla de estrategias específicas. (Más concretamente, el método en sí es una estrategia, pero no se nombra específicamente).

3. ¿Entonces se toma toda la profundidad de la historia de cada indicador sin ningún acortamiento?

...

Estoy de acuerdo en comparar la exactitud de su sistema de predicción de la recesión con otros, pero ¿de dónde lo saca?

[Реter Konow]

Pregunto simplemente: ¿su sistema de predicción de la recesión predijo esta recesión y cuánto tiempo antes?

https://www.google.com/amp/s/ria.ru/amp/20200616/1572964400.html

[denis.eremin]

Реter Konow:

Pregunto simplemente: ¿su sistema de predicción de la recesión predijo esta recesión y cuánto tiempo antes?

https://www.google.com/amp/s/ria.ru/amp/20200616/1572964400.html

¿Acaso lees lo que comentas antes de comentar?

Vladimir escribió"Esta estrategia dio una señal de venta en diciembre de 2019. Todavía no ha dado una señal de compra. Al parecer, el mercado bajará". (с).

[Реter Konow]

Vladimir:

Así pues, la tarea consiste en predecir el índice S&P 500 a partir de los indicadores económicos disponibles.

Paso 1: Encontrar los indicadores. Los indicadores están disponibles públicamente aquí: http://research.stlouisfed.org/fred2/ Hay 240.000 de ellos. El más importante es el crecimiento del PIB. Este indicador se calcula cada trimestre. De ahí que nuestro paso sea de 3 meses. Todos los indicadores de plazos más cortos se recalculan a 3 meses, el resto (anuales) se descartan. También descartamos los indicadores de todos los países, excepto los de EE.UU., y los que no tienen un historial profundo (al menos 15 años). Así que seleccionamos laboriosamente un montón de indicadores y obtenemos unos 10.000 indicadores. Formulemos una tarea más específica para predecir el índice S&P 500 con uno o dos trimestres de antelación, teniendo 10 mil indicadores económicos con un periodo trimestral. Lo hago todo en Matlab, aunque también es posible hacerlo en R.

Paso 2: Convertir todos los datos a una forma estacionaria diferenciando y normalizando. Hay muchos métodos. Lo principal es que los datos transformados puedan recuperarse a partir de los datos originales. Ningún modelo funcionará sin estacionalidad. A continuación se muestra la serie del S&P 500 antes y después de la transformación.

Paso 3: Elegir un modelo. Podrías tener una red neuronal. Puede ser unaregresión lineal multivariable. Podría ser una regresión polinómica multivariable. Después de probar con modelos lineales y no lineales, llegamos a la conclusión de que los datos tienen tanto ruido que no tiene sentido ajustar un modelo no lineal, ya que el gráfico y(x) donde y = S&P 500 y x = uno de los 10 mil indicadores es casi una nube redonda. Así, formulamos la tarea de forma aún más concreta: predecir el índice S&P 500 para uno o dos trimestres adelante teniendo 10 mil indicadores económicos con un periodo trimestral, utilizando una regresión lineal multivariable.

Paso 4: Seleccionar los indicadores económicos más importantes de entre 10 mil (reducir la dimensión del problema). Este es el paso más importante y difícil. Supongamos que tomamos la historia del S&P 500, que tiene 30 años (120 trimestres). Para representar el S&P 500 como una combinación lineal de varios indicadores económicos, basta con tener 120 indicadores para describir con precisión el S&P 500 durante estos 30 años. Además, los indicadores pueden ser absolutamente de cualquier tipo, para crear un modelo tan preciso de 120 indicadores y 120 valores de S&P 500. Así, reduciremos el número de entradas por debajo del número de valores de la función descrita. Por ejemplo, buscamos los 10-20 indicadores/insumos más importantes. Estas tareas de descripción de datos mediante un pequeño número de entradas seleccionadas entre un gran número de bases candidatas (diccionario) se denominan codificación dispersa.

Hay muchos métodos para seleccionar las entradas del predictor. Los he probado todos. Aquí están los dos principales:

1. Clasificamos todos los datos de 10k por su capacidad de predicción del S&P 500. La capacidad de predicción puede medirse mediante el coeficiente de correlación o la información mutua.
2. Veamos los 10 mil indicadores uno por uno y seleccionemos el que ha dado el modelo lineal y_mod = a + b*x1 que describe el S&P 500 con el mínimo error. Entonces seleccionamos de nuevo la segunda entrada probando los 10 mil indicadores -1 restantes para que describa el residuo y - y_mod = c + d*x2 con el mínimo error. Y así sucesivamente. Este método se denomina regresión por pasos o búsqueda de coincidencias.

Aquí están los 10 primeros indicadores con el máximo coeficiente de correlación con el S&P 500:

Identificación de la serie	Lag	Corr	Información mutua
'PPICRM	2	0.315	0.102
"CWUR0000SEHE	2	0.283	0.122
"CES1021000001	1	0.263	0.095
"B115RC1Q027SBEA	2	0.262	0.102
"CES1000000034	1	0.261	0.105
'A371RD3Q086SBEA'	2	0.260	0.085
"B115RC1Q027SBEA	1	0.256	0.102
"CUUR0000SAF111	1	0.252	0.117
'CUUR0000SEHE'.	2	0.251	0.098
"USMINE	1	0.250	0.102

Aquí están los 10 indicadores con máxima información mutua con el S&P 500:

Identificación de la serie	Lag	Corr	Información mutua
CPILEGSL	3	0.061	0.136
'B701RC1Q027SBEA'	3	0.038	0.136
"CUSR0000SAS	3	0.043	0.134
"GDPPOT	3	0.003	0.134
"NGDPPOT	5	0.102	0.134
"OTHSEC	4	0.168	0.133
3 "LNU01300060	3	0.046	0.132
'LRAC25TTUSM156N'	3	0.046	0.132
'LRAC25TTUSQ156N'	3	0.046	0.131
"CUSR0000SAS	1	0.130	0.131

Lag es el desfase de la serie de entrada con respecto a la serie simulada de S&P 500. Como se puede ver en estas tablas, los diferentes métodos para elegir los insumos más importantes dan como resultado diferentes conjuntos de insumos. Como mi objetivo final es minimizar el error del modelo, elegí el segundo método de selección de entradas, es decir, pasar por todas las entradas y seleccionar la que diera el menor error.

...

En cuanto a la cuestión de la existencia e influencia de un factor subjetivo inobservable en el estudio, te sugiero que vuelvas a leer detenidamente estos pasos y te asegures de que la subjetividad está ausente o NO modifica el resultado final.

Tenga en cuenta que los indicadores excluidos (en el paso 4) del análisis, en total, podrían tener pesos que dieran el resultado contrario, si los hubiera tenido en cuenta todos. No podemos saberlo, ¿verdad?

[Реter Konow]

denis.eremin:

¿Acaso lees lo que comentas antes de comentar?

Vladimir escribió"Esta estrategia dio una señal de venta en diciembre de 2019. No hay señal de compra hasta ahora. Al parecer, el mercado bajará". (с).

Estoy leyendo desde mi teléfono, puede que me lo haya perdido.

Sí, en la página 55. Mi primer puesto es el 56. He leído el primero, que describe la esencia del método de previsión y me he saltado el resto, porque me interesa su esencia. Si (la esencia) ha cambiado a lo largo de los años (quizás porque Vladimir empezó a hablar de recesión, sobre la que no hay nada en el primer post), entonces me refiero al método del primer post.

[Uladzimir Izerski]

De qué recesión pueden hablar los Estados cuando imprimen la moneda del mundo, compran con ella todo lo que hay en el mundo y lo pagan con deuda. En el resto del mundo ya no hay producción ni moneda. Los medios de producción nacionales de los Estados aumentan su valor. La población no sufre, ya que el poder adquisitivo se mantiene gracias a la imprenta. La inflación se lleva fuera del país. El ahorro en dólares en elresto del mundotiende a ser inverso al índice S&P 500.

[Реter Konow]

Реter Konow:
Sobre la cuestión de la existencia e influencia de un factor subjetivo invisible en el estudio, te sugiero que vuelvas a leer con atención estos pasos y te asegures de que la subjetividad está ausente o NO modifica el resultado final...

Si mi oponente en este tema fuera un filósofo "sofisticado", entendería que le he atrapado con la cuestión de la subjetividad de la investigación "objetiva", de la que no hay manera de librarse, me haría una contrapregunta - "¿y cómo imaginas una investigación absolutamente objetiva?", a la que tendría que responder que no imagino ninguna opción así, porque las condiciones de CUALQUIER investigación las establece el concepto del investigador y este factor no se puede evitar. Al final, juntos concluiríamos que en la previsión no debemos confiar tanto en el método de análisis de datos en sí, sino en la subjetividad personal, que puede acertar a pesar de todos los indicadores "objetivos" de la investigación.

Apuesta por la Personalidad en primer lugar y por los indicadores considerados en el análisis en segundo lugar, pues la rectitud puede ser invariable y científicamente inexplicable. Tales personalidades han estado y seguirán estando en la historia.

[Реter Konow]

Реter Konow:
... Al final, juntos llegaríamos a la conclusión de que en la previsión no hay que confiar tanto en el método de análisis de datos en sí, sino en la subjetividad personal, que puede tener razón frente a todos los indicadores "objetivos" de un estudio.

Apuesta por la Personalidad en primer lugar y por los indicadores considerados en el análisis en segundo lugar, pues la rectitud puede ser invariable y científicamente inexplicable. Tales personalidades han estado y seguirán estando en la historia.

Voy a hacer una aclaración aquí, para que el lector no piense que le estoy llevando al misticismo (bueno, quizás sólo un poco).

Y así:

La subjetividad personal en el análisis/investigación debe estar localizada y claramente circunscrita. Debemos tener claro dónde y por qué nos vemos obligados a hacer suposiciones subjetivas. Debemos responder a la pregunta de por qué estamos dispuestos a aceptar este grado de especulación. Sin embargo, nuestro análisis/investigación debe buscar la máxima objetividad, validez experimental, hechos y verificaciones, pero como la subobjetividad no es inevitable, debemos elaborar criterios que indiquen que podemos confiar en ella.

Eso significa (en sentido figurado), en cada estudio/análisis, serie numérica, fórmulas y modelos, añadir un parámetro "creo que sí" y contar con él. Será más preciso.