基于宏观经济指标的市场预测 - 页 38

新评论
 
Vladimir:

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如此之好。我一直在挣扎。

有一种观点认为，随着贴现率的变化，每次都会出现现有依赖关系和新依赖关系的形成。在过去的七年里，该比率没有变化....。
 
Rafael Sahibgareev:
有一种观点认为，当利率发生变化时，每次都会出现现有的依赖关系和新的依赖关系的形成。在过去的七年里，该比率没有变化....。

什么之间的关联性？

宏观因素之间的相关系数不能全球变化

 
Vladimir:
和模型变量之间的强关联性不产生干扰？
 
Дмитрий:
和模型中的变量之间的强关联性并不干扰？

到目前为止，一切都很好。到目前为止，很难找到哪怕是一个能够预测GDP未来价值的经济指标，而不是简单地取GDP的最新已知值。实际上，有可能找到这样的预测器，但前提是已经知道这个未来的价值。例如，通过观察历史，人们可以选择良好的预测因素，并找到一个相当准确的 "过去 "未来价值的模型。但这是自取灭亡。在历史上的每一个点，人们必须只采取直到那一刻的可用数据，在这些数据上选择预测器并建立一个未来的模型。但是到目前为止，在过去的数据上选择的预测器在预测未来方面是很糟糕的。"差 "是指比等于最后已知值的微不足道的预测差。增加模型的维度并不能提高其准确性。我的理论是，如果我连一个预测因素都找不到，根据我的众多实验，寻找两个预测因素就没有意义了。用非线性模型代替线性模型只会降低准确性。

通过二次任意转换输入数据，在<转换后的过去未来>-<转换后的预测者>图上产生了一个圆形云，这证实了二次导数之间没有任何关联。预测结果几乎等同于琐碎的预测。第一个导数之间的相关性存在，但很小。但同样，在过去选择的预测器不适合预测未来。可能市场崩溃有不同的背景。例如，2008年的崩溃与2001年的崩溃有着不同的经济假设和预测因素。如果没有衍生工具，数据是非常高度相关的，如果不着眼于未来，将其转换为一个方差范围是很困难的。如果有时间，我将更详细地解释这一点。

下面是一个基于使用二阶导数作为转换输入数据的方法进行琐碎预测的例子。

对于那些想尝试他们转换输入、选择预测器和建立预言模型的方法，我附上一个Matlab数据矩阵。第一栏是各季度的日期。其余各栏是不同的经济预测因素。国内生产总值在1166列（第一列的数字与日期=1）。根据美联储的方法，季度的日期是季度的第一天，即1/1、4/1、7/1、10/1。季度数据被分配到该季度每月的第一天。例如，最新的GDP值归于2015年1月10日，即2015年第四季度开始。

附加的文件：
Data.zip  1452 kb
 
Дмитрий:

什么之间的关联性？

宏观因素之间的相关系数不能全球变化

宏观数据对某一工具价格的影响强度可能会有变化..........，即过去七年看非农,

变化率--看工资和每周福利申请.

这当然是一个不同的情况，而且时间范围也非常不同，但相关的情况可以是..........。

 
Rafael Sahibgareev:

宏观数据对某一工具价格的影响力度可能会有变化..........，即过去7年看非农,

率的变化--看工资和每周的福利申请。

这当然是一个不同的情况，时间范围也非常不同，但关系可以是..........。

在这个模型中作者根据宏观因素预测了一个宏观因素，那么这个工具的价格是多少。
 
Vladimir:


恰恰是模型因素的选择是本世纪的挑战。从大量的经济因素中，总是有可能找到那些在这个数据区间给出最佳预测的因素，但在另一个数据区间却不是最佳的。这个问题只能通过正向测试来解决--不是最好的准确性，而是对训练和正向样本有相同的预测准确性。

经过大量的摆弄，我最终得出结论，公布的宏观预测比我的好，并开始使用它。

 
Rafael Sahibgareev:

http://library.hse.ru/e-resources/HSE_economic_journal/articles/18_01_07.pdf 关于该主题的有趣文章.....

在经济学领域有这样一个欺诈性的办公室，它发放的文件叫做 "诺贝尔奖获得者"。它就是这样的一个吊脚楼，一个巨大的吊脚楼，一个掩盖了西方金融泡沫的吊脚楼。

看看任何危机。这些诺贝尔奖获得者或 "伟大的 "三人中的任何一个是否预测了这些危机？

这就是你的答案。

必须把诺贝尔奖给《下跌游戏》的作者，该书展示了房地产市场上股票报价的整个底细。看来，房地产，还有什么能比这个现实更真实的呢？然而，显示所有这些由诺贝尔奖得主发明的杰出指标的论文都是假的，不现实的。人们意识到了这一点，不断旋转....

作为开胃菜，请看 "华尔街之狼"。"诺贝尔奖得主 "招牌背后的垃圾程度在于细节。这是真实的。而由一群诺贝尔奖得主写的任何东西都是战略性的谎言。充其量只能在短时间内使用，如格兰杰。

在更大的范围内，西方在宏观经济层面上写的所有东西都是一个三杯酒的游戏。因为经济是产品和服务的生产，而金融与经济没有任何关系。这是一个儿童游戏《大富翁》的成人版本。让大家回答一个简单的问题：让我们以世界上最昂贵的公司之一谷歌为例。明天我们把它扔掉，我们把它销毁。会不会有人饿死，会不会没有裤子穿？我们从通常的实践中知道这一切。21世纪初的砂纸危机，当时该指数下跌了三倍。那又怎样？

最后。

这条线的作者的工作是否有兴趣？无疑是的。你必须每天都吃。非常有趣的工作，但我们不能忘记，它与我们的日常现实有关，必须明白，市场经济领域的诺贝尔奖得主是骗子，仅此而已。诺贝尔奖不过如此。但从一堆经济指标中，选择那些影响预测指标的指标...这非常有趣...

祝该主题的作者好运。

 
СанСаныч Фоменко:

经济学领域有一个欺诈性的办公室，它发放名为 "诺贝尔奖 "的文件。它就是这样的一个吊脚楼，一个巨大的吊脚楼，一个掩盖了西方金融泡沫的吊脚楼。

看看任何危机。这些诺贝尔奖获得者或 "伟大的 "三人中的任何一个是否预测了这些危机？

你有了它。

必须把诺贝尔奖给《下跌游戏》的作者，该书展示了房地产市场上股票报价的整个底细。看来，房地产，还有什么能比这个现实更真实的呢？然而，显示所有这些诺贝尔奖得主发明的杰出指标的论文是假的，不现实的。人们理解这一点，不断地旋转....

作为开胃菜，请看 "华尔街之狼"。"诺贝尔奖得主 "招牌背后的垃圾程度在于细节。这是真实的。而由一群诺贝尔奖得主写的任何东西都是战略性的谎言。充其量可以用来走捷径，比如格兰杰。

在更大的范围内，西方在宏观经济层面上写的所有东西都是一个三杯酒的游戏。因为经济是产品和服务的生产，而金融与经济没有任何关系。这是一个儿童游戏《大富翁》的成人版本。让大家回答一个简单的问题：让我们以世界上最昂贵的公司之一谷歌为例。明天我们把它扔掉，我们把它销毁。会不会有人饿死，会不会没有裤子穿？我们从通常的实践中知道这一切。21世纪初的砂纸危机，当时该指数下跌了三倍。那又怎样？

最后。

这条线的作者的工作是否有兴趣？无疑是的。你必须每天都吃。非常有趣的工作，但我们不能忘记，它与我们的日常现实有关，必须明白，市场经济领域的诺贝尔奖得主是骗子，仅此而已。诺贝尔奖不过如此。但从一堆经济指标中，选择那些影响预测指标的指标...这非常有趣...

祝该主题的作者好运。

我同意诺贝尔奖是为废话而设的，有时，但你也可以在那里找到很多有趣的东西 ...........你看过电影 "Margin call "吗？
 
Rafael Sahibgareev:
我同意，他们有时会给诺贝尔奖的垃圾，但你也可以在那里找到很多有趣的东西 ...........你看过电影 "Margin call "吗？

你知道诺贝尔经济学奖到底有什么用吗？

是否有一部值得获得诺贝尔奖的经济学著作或研究报告，而你已经完全阅读并理解了它？

1...313233343536373839404142434445...61
新评论