Previsione di mercato basata su indicatori macroeconomici - pagina 43
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Bene, ecco un pensiero chiaro di Hazin.
Per il 2010, il totale degli strumenti finanziari sul NYCE NASDAQ = 17,796 + 12,659 trilioni di dollari. E il PIL è la metà. E la quota della finanza nel PIL è ridicola. Come può essere?
Tutto ciò che riguarda le statistiche negli Stati Uniti deve essere fatto con estrema cautela. Bisogna approfondire la metodologia di calcolo del PIL... È necessario?
Il PIL conta la quantità di servizi finanziari resi in un anno, non la capitalizzazione nominale del mercato azionario nazionale
Beh, vedete, siete arrivati a due. Quindi il margine di intermediazione è preso in considerazione. È meno della nostra - una quantità ridicola.
E il resto dei soldi? Si comprano i pantaloni, è una vendita, ma si compra un'azione, un futures, cos'è? Bisogna contare il fatturato dei conti...
Beh, vedete, siete arrivati a due. Quindi il margine di intermediazione è preso in considerazione. Hanno meno dei nostri - una quantità ridicola.
E il resto dei soldi? Si comprano i pantaloni, è una vendita, ma si comprano le azioni, i futures, cos'è? Devi calcolare il fatturato dei conti...
L'intera economia di mercato ....
Bisogna contare in natura, in boccaloni. E il valore monetario, e anche in diverse valute, funziona solo con prezzi e tassi stabili. E oggi? Tutti sono bloccati con il rublo... E guardate i grafici delle coppie di valute! Oppure guardate i grafici dell'indice del dollaro. Di quali prezzi possiamo parlare?
A cosa lo paragoniamo? Parte del PIL degli Stati Uniti per l'elettronica con la loro produzione reale e fisica in Cina? Aria con ferro vero?
Come ho scritto prima, non scelgo i predittori, ma il codice per errore di predizione. Guardo solo il modello finale e controllo quali sono gli indicatori. Per esempio, un indicatore è l'inizio della costruzione di case:
https://research.stlouisfed.org/fred2/series/HOUST1F
Guardando questo grafico si può vedere la tendenza degli inizi di costruzione di case che diminuiscono prima delle recessioni. Quali indicatori vengono scelti dal codice dipende abbastanza dal metodo di conversione dei dati. Accetto che i futures abbiano un impatto sul PIL. Se c'è una serie temporale che riflette i futures, mostratemi il link. Tutti i miei predittori sono presi dal database FRED2 della Fed. Ci sono indicatori economici e finanziari:
https://research.stlouisfed.org/fred2/categories
Il problema con questi indicatori è che ce ne sono circa 300 mila. Molti dati regionali e internazionali. Ho dovuto scartare manualmente i dati "inutili" per evitare di caricare il codice. Abbiamo circa 10 mila indicatori. Ma non tutti questi indicatori sono stati rilasciati dal governo per molto tempo: alcuni sono stati rilasciati dal 1800, altri hanno iniziato ad essere rilasciati negli ultimi 10 anni. Il mio codice considera solo gli indicatori che sono stati prodotti dal 1960 per avere abbastanza dati per costruire il modello, cioè 55 anni di storia o 220 dati in ogni indicatore. I 10.000 indicatori selezionati si riducono a 2.000. Si potrebbe approfondire la discussione sul fatto che il mercato di oggi è significativamente diverso da quello di 50 anni fa. E sono abbastanza d'accordo: computer, internet, influenza cinese, interferenza del governo americano nella gestione economica, e così via. Ma se prendo solo i dati degli ultimi 15 anni, ottengo solo 60 valori in ogni indicatore, solo due recessioni, e questo, come gli statistici sanno, non è sufficiente per costruire un modello. Quindi devo andare più a fondo nella storia, quando l'economia era diversa. Di conseguenza, sorgono altre difficoltà: ciò che descriveva l'economia allora, non la descrive bene oggi. A proposito, ho provato ad accorciare la storia di 15-20 anni, ma le previsioni erano molto peggiori.
Come ho scritto prima, non scelgo i predittori, ma il codice per errore di predizione. Guardo solo il modello finale e controllo quali sono gli indicatori. Per esempio, un indicatore è l'inizio della costruzione di case:
https://research.stlouisfed.org/fred2/series/HOUST1F
Guardando questo grafico si può vedere una tendenza di diminuzione degli inizi di costruzione di case prima delle recessioni. Quali indicatori vengono scelti dal codice dipende abbastanza dal metodo di conversione dei dati. Accetto che i futures abbiano un impatto sul PIL. Se c'è una serie temporale che riflette i futures, mostratemi il link. Tutti i miei predittori sono presi dal database FRED2 della Fed. Ci sono indicatori economici e finanziari:
https://research.stlouisfed.org/fred2/categories
Il problema con questi indicatori è che ce ne sono circa 300 mila. Molti dati regionali e internazionali. Ho dovuto scartare manualmente i dati "inutili" per evitare di caricare il codice. Abbiamo circa 10 mila indicatori. Ma non tutti questi indicatori sono stati rilasciati dal governo per molto tempo: alcuni sono stati rilasciati dal 1800, altri hanno iniziato ad essere rilasciati negli ultimi 10 anni. Il mio codice considera solo gli indicatori che sono stati prodotti dal 1960 per avere abbastanza dati per costruire il modello, cioè 55 anni di storia o 220 dati in ogni indicatore. I 10 mila indicatori selezionati si restringono a 2 mila. Si potrebbe approfondire la discussione sul fatto che il mercato di oggi è significativamente diverso da quello di 50 anni fa. E sono abbastanza d'accordo: computer, internet, influenza cinese, interferenza del governo americano nella gestione economica, e così via. Ma se prendo solo i dati degli ultimi 15 anni, ottengo solo 60 valori in ogni indicatore, solo due recessioni, e questo, come gli statistici sanno, non è sufficiente per costruire un modello. Quindi devo andare più a fondo nella storia, quando l'economia era diversa. Di conseguenza, sorgono altre difficoltà: ciò che descriveva l'economia allora, non la descrive bene oggi. A proposito, ho provato ad accorciare la storia di 15-20 anni, ma le previsioni erano molto peggiori.
Come dice una mia vecchia conoscenza che vive in Canada: il tuo numero otto, ti verrà chiesto dopo.
È importante conoscere il proprio posto in questa coda.
È in qualche modo avvilente e insultante per noi stessi. Non c'è un senso di dignità? Non andrai lontano con un atteggiamento del genere.
Non sono un esperto di economia e non so quanto sia saggio il numero 1, ma nel mio campo scientifico posso assicurarvi che i professori universitari ne sanno molto meno delle persone che lavorano per le aziende, i professionisti. Suppongo che sia lo stesso in economia: solo un paio di esperti che sono capaci di nuove teorie, e il resto sono, come dicono gli americani, a lucidare la mela. Pensate che le banche federali impieghino luminari che sanno prevedere l'economia? E il 2008? Bernanke ha rifiutato di abbassare i tassi fino a settembre 2007, 3 mesi prima che la recessione iniziasse ufficialmente. E che dire dell'hedge fund Long-Term Capital Management che è fallito alla fine degli anni '90 ed è stato salvato dalle banche acquirenti e dal governo? Questo fondo era diretto dai due premi Nobel Scholes e Merton.Scholes, come forse sapete, è uno degli autori delmodellofinanziarioBlack-Scholes(modello di prezzo delleopzioni) per il quale ha ricevuto il suo premio Nobel. Perché gli investitori ricchi (e questi erano i membri di LTCM) o fanno bei soldi o perdono soldi ma li recuperano sempre, al massimo dal governo, mentre gli altri investitori perdono soldi in borsa e basta, nessuno li salva.
https://en.wikipedia.org/wiki/Long-Term_Capital_Management
Onestamente, io non l'ho letto, ma qualcuno ha letto Didier Sornetto?
Illustrerò la mia esperienza con la trasformazione dei dati di input. Ci sono diversi modi di trasformare i dati descritti negli articoli sulla modellazione economica:
1. Differenza: x[i] - x[i-1]. Applicabile se l'input x[] ha una varianza costante. Ho circa 2 mila predittori con storie che risalgono al 1960. Per vedere come la loro varianza varia con il tempo, ho calcolato la differenza x[i] - x[i-1], l'ho squadrata, poi ho fatto la media usando il filtro Hodrick-Prescott con lambda 1e7 e ho preso la radice per vedere la varianza in funzione del tempo. Poi ho diviso la varianza alla fine della storia (Q4 2015) per la varianza all'inizio della storia (Q1 1960) per ogni variabile di input e ho fatto un istogramma:
Molti input hanno una varianza più o meno costante (il rapporto della varianza all'inizio e alla fine della storia è circa 1). Ma ci sono anche molti input con un rapporto di varianza di 3 o più. La varianza del PIL aumenta di circa 4 volte dal 1960 a oggi. Poiché non è possibile costruire un modello del PIL con input la cui varianza non cambia, la trasformazione degli input per la varianza è insufficiente.
2. Momento: x[i]/x[i-1] - 1 o log(x[i]/x[i-1]). Normalizza automaticamente gli input con diversa varianza, ma funziona solo se tutti i dati sono positivi. La formula x[i]/x[i-1] - 1 = (x[i] - x[i-1])/x[i-1] può essere pensata come calcolo della crescita in %, cioè x[i] - x[i-1] come percentuale di x[i-1]. Se x[i-1] è zero, questa formula non ha senso e dà un valore infinito. Quando x[i-1] è negativo, anche questa formula non ha senso. Circa il 15% degli indicatori economici ha valori sia positivi che negativi. Si può provare a usare il momentum per le serie positive e la varianza per le serie negative, nella speranza che le serie negative abbiano una varianza approssimativamente costante. Purtroppo, ci sono alcuni indicatori economici che hanno valori positivi e negativi e la varianza cresce fortemente nel tempo. Per esempio:
3. La varianza normalizzata dalla varianza è (x[i] - x[i-1])/StdDev[i]. Nella mia esperienza questa è la trasformazione migliore e più universale adatta a tutti i tipi di dati. Ci sono due problemi seri qui: (1) come calcolare correttamente la varianza dipendente dal tempo di StdDev, e (2) come convertire la previsione nella forma della serie originale se la varianza futura è sconosciuta.
Dividerei tutta la matematica economica moderna in due parti
La divisione sembra essere sbagliata, poiché è impossibile prevedere il futuro senza analizzare il passato.
In pratica, però, ho scoperto che non è così. Esiste una distinzione, e una distinzione fondamentale.
1. C'è l'analisi in sé. Analizziamo la disoccupazione e cerchiamo i fattori che l'hanno influenzata in passato.
2. E c'è un'altra analisi. Inizialmente si cerca di prevedere la disoccupazione e di cercare i fattori che hanno influenzato questa disoccupazione nel futuro.
Nel primo caso, se vogliamo prevedere il futuro, estrapoliamo i risultati della nostra analisi. Qui incontriamo una situazione in cui la differenza tra il valore estrapolato e il valore attuale cade nell'intervallo di confidenza, il che significa che il miglior predittore basato sull'estrapolazione è il valore attuale!
Nel secondo caso, non ci interessa il valore precedente. Calcoliamo un nuovo valore futuro (tendenza) basato su dati storici, piuttosto che continuare il passato nel futuro. In questo caso, quando arrivano nuovi dati, il modello fa una previsione basata sulla conoscenza di situazioni passate, che non sono necessariamente precedenti, ma sono state nel passato.
Cioè, l'estrapolazione dovrebbe essere rigorosamente distinta dalla previsione.
Le differenze apparentemente sottili comportano conseguenze molto gravi.
1. La variabile di destinazione stessa. Risulta essere tutt'altro che una domanda oziosa. È impossibile farlo senza un'analisi approfondita delle proprietà della variabile obiettivo, soprattutto tenendo conto del punto 2.
Selezione dei predittori che sono rilevanti per la variabile obiettivo. Selezione dei predittori che hanno un potenziale predittivo per la variabile obiettivo per le sue proprietà. Per esempio, la variabile obiettivo: crescita-declino. Abbiamo bisogno di predittori che siano rilevanti per la crescita-declino della variabile obiettivo, ma non siamo interessati a predittori che predicano il valore della variabile obiettivo.
PS.
Per esperienza. In questo approccio di predizione di variabili nominali, non ho trovato alcun effetto sulla capacità predittiva dei predittori con il pre-trattamento come descritto sopra, e con metodi più radicali come la conversione in un insieme di componenti principali (PCA o altri), che hanno proprietà sorprendenti per noi, e nessuna utilità.