Makroekonomik göstergelere dayalı piyasa tahmini - sayfa 43
Alım-satım fırsatlarını kaçırıyorsunuz:
- Ücretsiz alım-satım uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Khazin'in fikri açık.
2010 için, NYCE NASDAQ'daki toplam finansal araç hacmi = 17.796 + 12.659 trilyon dolar. Ve GSYİH iki kat daha düşük. Aynı zamanda, finansın GSYİH içindeki payı gülünçtür. Bu nasıl olabilir?
ABD'de istatistiklerle ilgili her şey son derece dikkatli olmalıdır. GSYİH'yı hesaplamak için metodolojiyi araştırmak gerekiyor ... Bu gerekli mi?
GSYİH, ulusal borsanın nominal kapitalizasyonunu değil, yıl için verilen finansal hizmetlerin miktarını dikkate alır.
Görüyorsun, bir araya geldik. Onlar. aracılık marjı dikkate alınır. Bizimkinden daha azına sahipler - gülünç bir miktar.
Paranın geri kalanı ne olacak? Pantolon aldım - aydınlanma, ama bir hisse aldım, vadeli - nedir bu? Hesaplardaki ciroyu saymanız gerekiyor ...
Görüyorsun, bir araya geldik. Onlar. aracılık marjı dikkate alınır. Bizimkinden daha azına sahipler - gülünç bir miktar.
Paranın geri kalanı ne olacak? Pantolon aldım - gerçekleşme, ama bir hisse aldım, vadeli işlemler - nedir bu? Hesaplardaki ciroyu saymanız gerekiyor ...
Genel olarak, tüm bu piyasa ekonomisi ....
Big Mac'lerde ayni saymak gerekir. Ve parasal ifade ve hatta farklı para birimlerinde bile, yalnızca istikrarlı fiyatlar ve istikrarlı döviz kurları ile etkilidir. Bugün? Hepsi rubleye dayandı .. Ve döviz çiftlerinin tablolarına bakın! Veya dolar endeksi tablosunda. Hangi fiyatlardan bahsedebilirsiniz?
Neyle neyi karşılaştırıyoruz? Çin'deki gerçek, fiziksel üretimleriyle elektronik için ABD GSYİH'sının bir parçası mı? Gerçek bir demir parçasıyla hava mı?
Daha önce yazdığım gibi, tahmin edicileri seçen ben değilim, tahmin hatasıyla kodu seçiyorum. Sadece son modele bakıyorum ve orada hangi göstergelerin olduğunu kontrol ediyorum. Örneğin, göstergelerden biri ev inşaatının başlangıcıdır :
https://research.stlouisfed.org/fred2/series/HOUST1F
Bu grafiğe bakarak, resesyonlardan önce konut inşaatının düşüş eğilimini görebilirsiniz. Kod tarafından hangi göstergelerin seçileceği, veri dönüştürme yöntemine oldukça bağlıdır. Geleceğin GSYİH'yi etkilediğini tamamen kabul ediyorum. Gelecekleri yansıtan zaman serileri varsa, bağlantıyı gösterin. Tüm tahmincilerim FRED2 feda veri tabanından alınmıştır. Ekonomik ve finansal göstergeler var:
https://research.stlouisfed.org/fred2/categories
Bu göstergelerle ilgili sorun, bunların yaklaşık 300 bin olmasıdır. Çok sayıda bölgesel ve uluslararası veri. Kodu yüklememek için "gereksiz" verileri manuel olarak atmak zorunda kaldım. Yaklaşık 10 bin gösterge ortaya çıktı. Ancak bu göstergelerin tümü uzun süredir hükümet tarafından yayınlanmadı: bazıları 1800'lerden beri, bazıları ise son 10 yılda üretildi. Kodum, bir model oluşturmak için yeterli veriye sahip olmak için yalnızca 1960'tan beri üretilmiş göstergeleri dikkate alır, yani. 55 yıllık tarih veya her göstergede 220 veri. 10.000 seçili gösterge 2.000'e iner. Bugün piyasanın 50 yıl önceki piyasadan önemli ölçüde farklı olduğu tartışmasına dalabilirsiniz. Ve buna tamamen katılıyorum: bilgisayarlar, internet, Çin'in etkisi, ABD hükümetinin ekonomik yönetime müdahalesi vb. Ancak sadece son 15 yıla ait verileri alırsam, her göstergede sadece 60 değer, sadece iki durgunluk alıyorum ve bu, istatistikçilerin bildiği gibi bir model oluşturmak için yeterli değil. Bu nedenle, ekonominin farklı olduğu tarihte daha derine inmemiz gerekiyor. Sonuç olarak, başka zorluklar ortaya çıkıyor: o zaman ekonomiyi tanımlayan şey, bugün onu iyi tanımlamıyor. Bu arada, tarihi 15-20 yıl kısaltmaya çalıştım ama tahminler çok daha kötüydü.
Daha önce yazdığım gibi, tahmin edicileri seçen ben değilim, tahmin hatasıyla kodu seçiyorum. Sadece son modele bakıyorum ve orada hangi göstergelerin olduğunu kontrol ediyorum. Örneğin, göstergelerden biri ev inşaatının başlangıcıdır :
https://research.stlouisfed.org/fred2/series/HOUST1F
Bu grafiğe bakarak, durgunluklardan önce konut inşaatının düşüş eğilimini görebilirsiniz. Kod tarafından hangi göstergelerin seçileceği, veri dönüştürme yöntemine oldukça bağlıdır. Geleceğin GSYİH'yi etkilediğini tamamen kabul ediyorum. Gelecekleri yansıtan zaman serileri varsa, bağlantıyı gösterin. Tüm tahmincilerim FRED2 feda veri tabanından geliyor. Ekonomik ve finansal göstergeler var:
https://research.stlouisfed.org/fred2/categories
Bu göstergelerle ilgili sorun, bunların yaklaşık 300 bin olmasıdır. Çok sayıda bölgesel ve uluslararası veri. Kodu yüklememek için "gereksiz" verileri manuel olarak atmak zorunda kaldım. Yaklaşık 10 bin gösterge ortaya çıktı. Ancak bu göstergelerin tümü uzun süredir hükümet tarafından yayınlanmadı: bazıları 1800'lerden beri, bazıları ise son 10 yılda üretildi. Kodum, bir model oluşturmak için yeterli veriye sahip olmak için yalnızca 1960'tan beri üretilmiş göstergeleri dikkate alır, yani. 55 yıllık tarih veya her göstergede 220 veri. 10.000 seçili gösterge 2.000'e iner. Bugün piyasanın 50 yıl önceki piyasadan önemli ölçüde farklı olduğu tartışmasına dalabilirsiniz. Ve buna tamamen katılıyorum: bilgisayarlar, internet, Çin'in etkisi, ABD hükümetinin ekonomik yönetime müdahalesi vb. Ancak sadece son 15 yıla ait verileri alırsam, her göstergede sadece 60 değer, sadece iki durgunluk alıyorum ve bu, istatistikçilerin bildiği gibi bir model oluşturmak için yeterli değil. Bu nedenle, ekonomi farklıyken tarihin derinliklerine inmemiz gerekiyor. Sonuç olarak, başka zorluklar ortaya çıkıyor: o zaman ekonomiyi tanımlayan şey, bugün onu iyi tanımlamıyor. Bu arada, tarihi 15-20 yıl kısaltmaya çalıştım ama tahminler çok daha kötüydü.
Kanada'da yaşayan eski bir arkadaşımın dediği gibi: numaranız sekiz, daha sonra sorulacak.
Bu sıradaki yerinizi bilmeniz önemlidir.
Bir şekilde kendilerini küçük düşürücü ve aşağılayıcı. Şeref duygusu yok mu? Bu tavırla fazla uzağa gidemezsin.
Ben bir ekonomi uzmanı değilim ve 1 numara ne kadar akıllıdır bilmiyorum ama benim bilim dalımda sizi temin ederim ki üniversite profesörleri şirketler ve uygulamalar için çalışan insanlardan çok daha az şey biliyor. Ekonomide de bunun aynı olduğuna inanıyorum: sadece yeni teoriler üretebilen birkaç uzman ve geri kalanlar, Amerikalıların dediği gibi, bir elmayı parlatıyor. Federal bankaların ekonomiyi nasıl tahmin edeceğini bilen aydınlar olduğunu düşünüyor musunuz? Peki ya 2008? Bernanke, resesyonun resmen başlamasından 3 ay önce, Eylül 2007'ye kadar faiz oranlarını düşürmeyi reddetti. 1990'ların sonunda iflas eden ve bankalar ve hükümet tarafından kurtarılan Uzun Vadeli Sermaye Yönetimi hedge fonuna ne dersiniz? Bu fonun başında iki Nobel ödüllü Scholes ve Merton vardı. Scholes, muhtemelen bildiğiniz gibi , Nobel Ödülü'nü aldığı Black-Scholes finansal modelinin ( opsiyon fiyatlandırma modeli ) yazarlarından biridir . Bir nedenden dolayı, zengin yatırımcılar (ve bunlar LTCM üyesiydi) ya iyi para kazanıyor ya da para kaybediyor, ama her zaman son çare olarak devletten geri alıyor ve yatırımcıların geri kalanı borsada para kaybediyor ve bu kadar. , kimse onları kurtarmadı.
https://en.wikipedia.org/wiki/Long-Term_Capital_Management
Dürüst olmak gerekirse, kendim okumadım ama Didier Sornetto'yu okuyan var mı ???
Girdi verilerinin dönüştürülmesi konusundaki deneyimimi sunacağım. Ekonomik modelleme ile ilgili makalelerde özetlenen verileri dönüştürmenin birkaç yolu vardır:
1. Fark: x[i] - x[i-1]. x[] girişi sabit varyansa sahipse geçerlidir. 1960 geçmişi olan yaklaşık 2 bin tahmincim var. Varyanslarının zaman içinde nasıl değiştiğini bulmak için, x[i] - x[i-1] farkını hesapladım, sonra karesini aldım, sonra lambda 1e7 ile bir Hodrick-Prescott filtresi kullanarak ortalamasını aldım, sonra bulmak için kökü aldım zamanın bir fonksiyonu olarak varyans . Ardından, tarihin sonundaki varyansı (Q4 2015), her bir girdi serisi için tarihin başlangıcındaki (Q1 1960) varyansa böldüm ve bir histogram oluşturdum:
Birçok girdinin az çok sabit varyansı vardır (geçmişin başındaki ve sonundaki varyansların oranı yaklaşık 1'dir). Ancak varyans oranı 3 veya daha fazla olan birçok girdi de vardır. 1960'dan günümüze GSYİH'nın dağılımı yaklaşık 4 kat artmıştır. Varyansı değişmeyen girdilerle bir GSYİH modeli oluşturmak mümkün olmadığından girdileri farkla dönüştürmek yeterli değildir.
2. Momentum: x[i]/x[i-1] - 1 veya log(x[i]/x[i-1]). Farklı varyansa sahip girdileri otomatik olarak normalleştirir, ancak yalnızca tüm veriler pozitifse çalışır. x[i]/x[i-1] - 1 = (x[i] - x[i-1])/x[i-1] formülü, büyümenin % cinsinden hesaplanması olarak görülebilir, yani. x[i] - x[i-1], x[i-1]'in yüzdesi olarak. Sıfır x[i-1] ile bu formül anlamsızdır ve sonsuz bir değer verir. x[i-1] negatifse, bu formül de bir anlam ifade etmez. Ekonomik göstergelerin yaklaşık %15'i hem olumlu hem de olumsuz değerlere sahiptir. Negatif serinin yaklaşık olarak sabit varyansa sahip olması umuduyla, pozitif seriler için momentum ve negatif seriler için varyans kullanmayı deneyebiliriz. Ama ne yazık ki olumlu ve olumsuz değerleri olan ekonomik göstergeler var ve bu dağılım zamanla güçlü bir şekilde büyüyor. Örneğin:
3. Varyansla normalize edilen fark: (x[i] - x[i-1])/StdDev[i]. Tecrübelerime göre bu, her türlü veri için en iyi ve en çok yönlü dönüşümdür. Burada iki ciddi sorun vardır: (1) StdDev'in zamana bağlı varyansının nasıl doğru bir şekilde hesaplanacağı ve (2) gelecekteki varyans bilinmiyorsa tahminin serinin orijinal biçimine nasıl döndürüleceği.
Tüm modern ekonomik matematiği iki kısma ayırırdım:
Geçmişi analiz etmeden geleceği tahmin etmek imkansız olduğu için bölünme yanlış gibi görünüyor.
Ancak pratikte durumun böyle olmadığını gördüm. Sınır vardır ve esastır.
1. Kendi içinde bir analiz vardır. İşsizliği analiz ediyor ve geçmişte onu etkileyen faktörleri araştırıyoruz.
2. Bir analiz daha var. Başlangıçta işsizliği tahmin etmeye ve gelecekte bu işsizliği etkileyen faktörleri aramaya çalışıyoruz.
İlk durumda, geleceği tahmin etmek istiyorsak, analizimizin sonuçlarını tahmin ederiz. Ve burada, tahmin edilen değer ile mevcut değer arasındaki farkların güven aralığı içinde olduğu bir durumla karşı karşıyayız, yani, ekstrapolasyona dayalı en iyi tahmin, onun mevcut değeridir!
İkinci durumda, önceki değerle ilgilenmiyoruz. Geçmiş verilere dayanarak yeni, gelecek bir değer (trend) hesaplarız ve geçmişi geleceğe taşımayız. Bu durumda, yeni veriler geldiğinde model, mutlaka öncekiler olmasa da geçmişte olan geçmiş durumların bilgisine dayanarak bir tahminde bulunur.
Onlar. Ekstrapolasyon, tahminden kesinlikle ayırt edilmelidir.
Görünen o ki, algılanması güç farklar çok ciddi sonuçlar doğuruyor.
1. Hedef değişkenin kendisi. Görünüşe göre, bu boş bir soru olmaktan uzak. Ve özellikle 2. nokta göz önüne alındığında, hedef değişkenin özelliklerinin kapsamlı bir analizi olmadan yapılamaz.
2. Bu hedef değişkenle ilgili tahmin edicilerin seçimi. Özellikleri için hedef değişken için tahmin potansiyeli olan bu tür tahmin edicilerin seçimi. Örneğin, hedef değişken: yükseliş-düşüş. Hedef değişkenin yükseliş-düşüşü ile ilgili öngörücülere ihtiyacımız var, ancak hedef değişkenin değerini öngören öngörücülerle ilgilenmiyoruz.
not.
Tecrübeden. Bu yaklaşımla, nominal değişkenleri tahmin ederken, yukarıda açıklandığı gibi ön işlemleriyle ve hatta daha radikal yollarla, örneğin bir dizi temel bileşene (PCA veya diğerleri), bizim için şaşırtıcı olan ve hiçbir anlamı olmayan özelliklere sahip.