Units: Display integer periods instead of dates (e.g. ...,-1,0,1,...) with the value scaled to 100 at period 0. Use a formula to modify and combine data series into a single line. For example, invert an exchange rate a by using formula 1/a, or calculate the spread between 2 interest rates a and b by using formula a - b. Use the...
非常简单--不要在有重要新闻时打开
我不根据新闻进行交易。没有它就有足够的运动。
专家顾问是经过微调的，但经纪人可能会大发雷霆。
继续这个主题。提醒一下，我的模型是根据宏观经济指标来预测市场的。在2000个经济指标中，有几个指标是根据其预测未来的能力来选择的。没有展望未来。每个季度，当GDP增长和其他指标出现时，该模型会自动运行包括新数据在内的历史数据，选择在新旧数据中预测良好的指标，并根据这些指标做出提前两个季度的新预测。在我上次预测之后，我发现了代码中的一些错误。还发现了一个新的经济指标转换，使预测更加准确。对其他预测者和预测者的短期建议，输入数据的差异化对预测不是很好，因为它失去了结构（信号），使数据成为噪音。
下面是对美国GDP增长的预测。蓝线是实际数据。红线是预测值。对于每一个过去的预测，只使用到那时为止的数据，减去两个季度。经济目前将适度增长。虽然从缓慢平滑的GDP增长来看，明年的经济衰退是很有可能的。在下一篇文章中，我将展示各银行和经济学家对GDP预测的准确性。
S&P500的预测还没有准备好。但预测市场要比经济指标本身难得多。价格方面有很多噪音。
继续这个主题。提醒一下，我的模型是根据宏观经济指标来预测市场的。在2000个经济指标中，有几个指标是根据其预测未来的能力来选择的。没有展望未来。每个季度，当GDP增长和其他指标出现时，该模型会自动运行包括新数据在内的历史数据，选择对新旧数据预测良好的指标，并根据这些指标做出提前两个季度的新预测。在我上次预测之后，我发现了代码中的一些错误。还发现了一个新的经济指标转换，使预测更加准确。对其他预测者和预测者的短期建议，输入数据的差异化对预测不是很好，因为它失去了结构（信号），使数据成为噪音。
下面是对美国GDP增长的预测。蓝线是实际数据。红线是预测值。对于每一个过去的预测，只使用到那时为止的数据，减去两个季度。经济目前将适度增长。虽然从缓慢平滑的GDP增长来看，明年的经济衰退是很有可能的。在下一篇文章中，我将展示各银行和经济学家对GDP预测的准确性。
S&P500的预测还没有准备好。但预测市场要比经济指标本身难得多。价格方面有很多噪音。
你可以看一下GDP的原始实际数据--你可以在这里用一个简单的表格来做这件事
这里: https://research.stlouisfed.org/fred2/series/GDPC96#
该表和增长的计算方法见附件。
最后的数值不是0.7，而是1%。
那是肯定的。我看到美联储上周五纠正了GDP数据。我的预测不会因为修正而改变，因为它们使用的是过去的既定数据。调整将持续数月，并能相当显著地改变预付款数据。我对第四季度的预测是2.1%的增长，修正后将预支的0.7%改为1%。使用预先数据作为预测准确性的衡量标准是不可取的。以下是过去调整的例子。
如果你有兴趣，经济学家的预测可以在这里找到：http://projects.wsj.com/econforecast/#ind=gdp&r=20
以下是最准确的预测者（标准普尔、美国银行、穆迪、高盛、北方信托、Combinatorics Capital、瑞银银行）过去的预测表。总共有大约50名预报员。最有趣的是2008年第一季度，国内生产总值下降了2.7%。没有一个经济学家能提前2个季度预测到这一点，尽管下表中的上述经济学家能提前1个季度预测到。其他40位经济学家，包括最大的银行，一直预测增长到2008年第四季度。要看所有经济学家的预测，请使用左边菜单上的链接，在最下面进入版本，然后是上面的下载链接。
如果你有兴趣，经济学家的预测可以在这里找到：http://projects.wsj.com/econforecast/#ind=gdp&r=20
以下是最准确的预测者（标准普尔、美国银行、穆迪、高盛、北方信托、Combinatorics Capital、瑞银银行）过去的预测表。总共有大约50名预报员。
http://library.hse.ru/e-resources/HSE_economic_journal/articles/18_01_07.pdf 关于该主题的有趣文章.....
谢谢你。我将做一些阅读。
创建经济模型最困难的部分是转换输入数据。如果你看一下经济指标（大约有10,000个），它们在许多方面是不同的。有的呈指数增长，有的在某个范围内抽动，有的在零附近抽动，幅度越来越大，有的在历史中间抽动地变化，等等。为了建立一个模型，所有这些数据必须被改变，以便它们具有类似的统计特征，不随时间变化。有这样的可能性。
1.计算相对速度：r[i]=x[i]/x[i-1]-1。这种转换会自动对数据进行规范化处理，不存在对未来的展望，你不需要做任何其他事情。但零数据（x[i-1]=0）和负数据存在一个很大的问题，而在经济指标中存在很多这样的问题。
2.计算增量 d[i] = x[i] - x[i-1] 。这种转换并不关心零和负的数据，但对于指数级增长的数据，如年生产总值，增量会随着时间而增长。也就是说，方差不是恒定的。例如，不可能绘制全球升温潜能值对失业率的依赖性，因为失业率 在一个范围内波动，方差不变，而全球升温潜能值是指数式增长，方差呈指数式增长。所以增量必须归一化为时间变化的方差。但计算后者并不容易。
3.从数据中去除例如由Hodrick-Prescott滤波器计算出的趋势，并通过时变方差将高频残差归一，作为模型输入。这里的问题是，Hodrick-Prescott滤波器和其他基于多项式拟合的滤波器（Savitzky-Golay滤波器，lowess等）是向前看的。Mooving滞后于数据，不适合用于消除趋势，特别是在指数增长的数据上。
有其他想法吗？
在我的最后一次GWP增长预测中，有一个对未来的窥视。我是在出版后才发现的。这就是为什么该模型对过去的事件预测得那么好。我一直在挣扎。