Prédiction du marché basée sur des indicateurs macroéconomiques - page 50
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
C'est si difficile à dire à l'œil à cette échelle.
J'avais l'habitude de faire tourner un modèle multifactoriel, mais la précision du modèle était inférieure aux prévisions publiques.
Prenez un seul indicateur comme HOUST1F ou PRFI et déjà votre modèle est plus précis que les prévisions disponibles publiquement. Ajoutez quelques indicateurs de consommation et une courbe de rendement et vous obtenez un super modèle.
Vous trouverez ci-dessous un graphique de la croissance du PIB et de l'indice S&P500 depuis 1959. Vous ne pouvez pas nier que le S&P500 a chuté pendant les périodes de croissance négative du PIB (récessions) :
J'ai moi-même beaucoup de "super modèles". Pour une raison quelconque, seul le test avant présente une précision de prédiction inférieure à celle des prédictions publiées.
Prenez un seul indicateur comme HOUST1F ou PRFI et déjà votre modèle sera plus précis que les prévisions disponibles publiquement. Ajoutez quelques indicateurs de consommation et une courbe de rendement et vous obtenez un super modèle.
Vous trouverez ci-dessous un graphique de la croissance du PIB et de l'indice S&P500 depuis 1959. Vous ne pouvez pas nier que le S&P500 a chuté pendant les périodes de croissance négative du PIB (récessions) :
Vous répondez de manière sélective à mes messages en quelque sorte.
Naturellement, le graphique ci-dessus ressemble à un tramway. Le tramway est en marche - et tous les passagers vont, stop..... Et le lien entre les passagers est unique - ils sont dans le même tram - dans notre cas, la même économie.
L'indice et le PIB sont dérivés de la situation économique du pays et il n'y a aucun lien entre eux.
La crise de 2008 était une crise immobilière et les chiffres du PIB et des indices et beaucoup d'autres chiffres sont dérivés de cette crise. Et l'indice ne suit pas le PIB et l'indice ne suit pas le PIB - ils sont au mieux (et pas toujours - vous pouvez le voir dans le graphique que vous avez mentionné plus tôt) et ils montrent la même image.
Il existe des processus dans l'économie qui déterminent son évolution future et une série d'indicateurs refléteront cette évolution.
Quels sont les mouvements sous-jacents de l'économie américaine aujourd'hui ?
Personnellement, je me joins aux personnes qui pensent que le principal problème de l'économie américaine est le taux zéro. L'ensemble du secteur social (assurances et fonds de pension) a profité des investissements en titres publics. À taux zéro, ces organisations ne réalisent pas les bénéfices dont elles ont besoin. S'ils commencent à mettre en faillite ce type d'organisations, il y aura un autre niveau de problèmes, ce ne sont pas des dotcoms. D'ailleurs, le PIB et tous les indices iront dans la même direction - vers le bas, verticalement.
L'indice et le PIB sont dérivés de la situation économique du pays et il n'y a aucun lien entre eux.
La crise de 2008 est une crise immobilière et les chiffres du PIB et de l'indice et beaucoup d'autres chiffres du tram sont dérivés de cette crise. Et l'indice ne suit pas le PIB et l'indice ne suit pas le PIB - ils sont au mieux (et pas toujours - vous pouvez le voir dans le graphique que vous avez mentionné plus tôt) et ils montrent la même image.
Il existe des processus dans l'économie qui déterminent son évolution future et une série d'indicateurs refléteront cette évolution.
Quels sont les mouvements sous-jacents de l'économie américaine aujourd'hui ?
Personnellement, je me joins aux personnes qui pensent que le principal problème de l'économie américaine est le taux zéro. L'ensemble du secteur social (assurances et fonds de pension) a profité des investissements en titres publics. À taux zéro, ces organisations ne réalisent pas les bénéfices dont elles ont besoin. S'ils commencent à mettre en faillite ce type d'organisations, il y aura un autre niveau de problèmes, ce ne sont pas des dotcoms. D'ailleurs, le PIB et tous les indices iront dans la même direction, vers le bas, verticalement.
Je suis d'accord avec tout ce qui a été dit. J'ai essayé de trouver où j'ai dit que l'indice du marché baissait à cause d'une baisse du PIB et je n'ai pas pu le trouver. Les deux chutes reflètent l'état de l'économie, comme vous l'avez dit à juste titre. Une baisse de l'indice boursier est difficile à prévoir, une baisse du PIB est beaucoup plus facile à prévoir. Puisque les baisses de l'indice et du PIB sont synchronisées (vous l'avez écrit vous-même, bien que d'après mes observations, l'indice commence à baisser un trimestre avant le PIB), on peut prédire une baisse de l'indice en prédisant une baisse du PIB, ce que je fais ici. Les mises en chantier commencent à chuter beaucoup plus tôt que le marché et le PIB. Ainsi, en dernier recours, si je ne parviens pas à créer un bon modèle du S&P500 et du PIB, je me contenterai d'observer le HOUST et les prix de l'immobilier et de sortir du marché lorsqu'ils chutent. Jusqu'à présent, rien de tel n'a été observé. Quand HOUST atteindra 1.6-1.7M, je regarderai attentivement. Lorsque HOUST tombe en dessous de 1,2-1,3M, les récessions passées ont légitimement commencé.
https://research.stlouisfed.org/fred2/series/HOUST
En ce qui concerne le problème de l'économie aujourd'hui, je pense que la dette privée continue d'être un gros problème. Les banques continuent de prêter à des gens qui ne peuvent pas rembourser. Aux États-Unis, les banques s'emballent et accordent des remises sur les achats effectués avec des cartes de crédit. Tous les magasins de marque ont une carte de crédit : Walmart, Target, Macy's, Starbuks, et des centaines d'autres. En Chine, la dette privée par rapport au PIB a atteint des niveaux encore plus élevés qu'aux États-Unis avant la récession. Après tout, la Chine sera peut-être la cause de la prochaine récession.
En ce qui concerne le problème de l'économie actuelle, je pense que la dette privée continue d'être un gros problème. Les banques continuent de prêter à des gens qui ne peuvent pas rembourser. Aux États-Unis, les banques s'emballent et accordent des remises sur les achats effectués avec des cartes de crédit. Tous les magasins de marque ont une carte de crédit : Walmart, Target, Macy's, Starbuks, et des centaines d'autres. En Chine, la dette privée par rapport au PIB a atteint des niveaux encore plus élevés qu'aux États-Unis avant la récession. Après tout, la Chine sera peut-être la cause de la prochaine récession.
Le PIB de la Chine est mentionné dans le fil de discussion "Intéressant et humoristique" d'hier. Selon la "théorie générale du tout", la croissance du PIB de la Chine est proportionnelle au 2/3 du temps (t-t0).
Commençons à parcourir les prédicteurs étape par étape. Tout d'abord, transformons toutes les données comme décrit ci-dessus en normalisant les incréments absolus de leur moyenne. Ensuite, parcourez toute l'histoire et voyez les erreurs de prédiction du PIB transformé en utilisant la régression linéaire. Voici une liste des 10 premiers prédicteurs triés par erreur de prédiction croissante :
Comme nous pouvons le constater, il existe de nombreux prédicteurs du thème de l'investissement, notamment dans l'immobilier et l'équipement ménager. Les prédicteurs présentant l'erreur de prédiction la plus faible ont également les coefficients de corrélation les plus élevés avec le PIB et une information mutuelle élevée. Soit A012RC1Q027SBEA, soit PRFI conviennent comme premier prédicteur du modèle. Par exemple, voyons un graphique de la dépendance du PIB transformé par rapport à PRFI(1) :
La couleur des points change doucement le long du spectre en fonction du temps, c'est-à-dire que, par exemple, les points bleus appartiennent au même intervalle de temps. Comme on peut le voir sur le graphique, il n'y a pas de changement particulier dans la dépendance du PIB vis-à-vis du PRFI au fil du temps. La dépendance linéaire n'est pas pire que la dépendance non linéaire dans ce cas, et est préférable en raison de sa simplicité. À propos, nous pouvons discuter de la question de savoir si les réseaux neuronaux non linéaires présentent des avantages dans les modèles financiers lorsque les données d'entrée sont si bruyantes.
Examinons maintenant les prévisions passées et futures du PIB basées sur PRFI(1) :
Plutôt bon, et avec un seul prédicteur, meilleur que les prédictions des banques. Ces prévisions ne sont pas tournées vers l'avenir, car à chaque moment de l'histoire, les données du PIB et de l'IPRP disponibles jusqu'à ce moment ont été utilisées. La seule perspective d'avenir réside dans le choix du prédicteur lui-même (le PRFI a été choisi tout au long de l'histoire).
Allons de l'avant. Le choix du deuxième prédicteur n'est pas si simple. J'utilise une sorte de régression par étapes. L'idée est qu'après avoir trouvé le premier prédicteur et le modèle du PIB sur sa base, je soustrais son modèle du PIB. Le résidu résultant devient une nouvelle série modélisée pour laquelle je trouve le deuxième prédicteur et ainsi de suite. Ceux qui sont familiers avec les mathématiques savent que tous les prédicteurs sélectionnés de cette manière devraient être orthogonaux (corrélation nulle entre les prédicteurs), ce qui n'est pas le cas pour la plupart des indicateurs économiques. Il existe quelques solutions à ce problème, que nous aborderons plus tard.
Nous avons donc un résidu (le PIB moins le modèle basé sur le premier prédicteur). Nous commençons par passer en revue tous les prédicteurs disponibles et calculons leur erreur de prédiction du résidu ainsi que leur corrélation et leur information mutuelle avec le résidu. Nous obtenons le tableau suivant (seuls les 11 premiers prédicteurs sont affichés)
Dans ce cas, l'erreur de prédiction est l'erreur combinée du premier prédicteur et de chacun des prédicteurs de ce tableau. Le choix du deuxième prédicteur doit être fait ici avec prudence. Bien que pred2 nous donne l'erreur la plus faible lorsqu'il est combiné avec le premier prédicteur (PRFI ou pred1), le coefficient de corrélation et l'information mutuelle de ce prédicteur ne sont pas aussi élevés. Pred12 semble plus prometteur, je vais donc le choisir. Le graphique de la dépendance résiduelle par rapport à la pred12 :
Le nuage est devenu plus flou. Prédictions basées sur pred1 et pred12 :
Il n'y a pas de regard vers l'avenir dans ces prédictions, puisque les données du PIB et de l'IPRP disponibles jusqu'à ce moment-là ont été utilisées à chaque point de l'histoire. Le seul regard sur l'avenir se trouve dans la sélection du prédicteur lui-même (le PRFI a été sélectionné tout au long de l'histoire).
Un coup d'œil sur l'avenir. Dommage que ce soit un coup d'œil dans le futur.
Lorsque vous disposez d'un très grand ensemble de variables d'entrée, vous pouvez toujours choisir celle qui sera la mieux adaptée à l'intervalle choisi de la variable prédite, MAIS PAS LE FAIT QUE LA RELATION FONCTIONNELLE ENTRE LA FACTEUR ET LA FONCTION PRÉCÉDENTE EXISTE.
En d'autres termes, la variable "Nombre de patients admis dans les hôpitaux en Angola pour une intoxication alimentaire" peut très bien convenir au segment sélectionné du PIB américain projeté, mais il n'y a manifestement pas de relation fonctionnelle.
Une fois de plus, seul l'avant est décisif, sans aucun coup d'éclat (même en sélection variable).
Le piège d'un grand nombre de variables.
En d'autres termes, la variable "Nombre de patients admis dans les hôpitaux en Angola pour une intoxication alimentaire" peut parfaitement s'adapter au graphique sélectionné du PIB américain projeté, mais il n'existe manifestement pas de relation fonctionnelle.
J'ai souvent rencontré des problèmes similaires lors de l'optimisation des experts. Par exemple, vous pouvez optimiser un conseiller expert pour 10 ans d'historique, obtenir le meilleur résultat, puis ne rien obtenir de ces paramètres. Le problème est que le conseiller expert a stagné pendant 9 ans en utilisant les paramètres trouvés et n'a pris le dessus qu'au bout d'une semaine lorsque les paramètres ont été accidentellement appariés et ont permis de réaliser un bénéfice. Il est peu probable qu'un tel accident se produise à l'avenir. Une bonne solution consiste à diviser l'ensemble de l'historique de négociation par années, à calculer le bénéfice de chaque année séparément et à prendre le plus mauvais résultat annuel.
Pour trouver la meilleure corrélation, j'utiliserais la fonction d'erreur suivante : MAX(erreur(2000-2016), erreur(2000), erreur(2001), ..., erreur(2014), erreur(2015)). Je ne garantis rien, je n'ai pas essayé cette approche pour les statistiques.
Un coup d'œil sur l'avenir. Dommage que ce soit un coup d'œil dans le futur.
Lorsque vous disposez d'un ensemble TRÈS large de variables d'entrée, vous pouvez toujours choisir celle qui s'adaptera le mieux à l'intervalle choisi de la variable prédite, MAIS PAS LE FAIT QUE LA RELATION FONCTIONNELLE ENTRE LE FACTEUR ET LA FONCTION FOURNIE EXISTE.
En d'autres termes, la variable "Nombre de patients admis dans les hôpitaux en Angola pour une intoxication alimentaire" peut très bien convenir au segment sélectionné du PIB américain projeté, mais il n'y a manifestement pas de relation fonctionnelle.
Une fois de plus, seul l'avant est décisif, sans aucun coup d'éclat (même en sélection variable).
Le piège d'un grand nombre de variables.