基于宏观经济指标的市场预测 - 页 58

[Vladimir]

一个更清晰的画面。

[Реter Konow]

Vladimir:

同样，我的方法并不能预测S&P500指数。它预测了经济衰退。2020年的经济衰退还没有结束。预测是没有问题的。

...

为了建设性的对话。不过，我应该注意到，这个主题的第一篇帖子的第一行，白纸黑字写着研究的目标：预测S&P500。然后，它谈到了对下一季度的预测，并一步步描述了建立研究的方法。经济衰退被顺便提及（或者说，根本没有提及）。

当然，预测什么并不重要，只要它实现了）。

[Реter Konow]

Vladimir:

1.预测者是根据他们预测衰退的能力来选择的。选择是自动进行的，没有我的影响或意见。

2. 估值尺度是所提出的买卖策略是否比购买和持有更有利可图。

3.历史情节仅限于个别经济表现 的历史深度

唯一可能的批评是，历史结果并不能保证预测未来衰退的准确性。除了2019年12月的最后一次衰退信号外，所示图表的所有结果都已与历史相吻合。

为了进行建设性的对话，我建议将我的系统/模型的准确性与其他基本面或技术面的衰退预测系统进行比较。你也可以将我的系统的收益率+缩水与其他交易S&P500的系统进行比较。

我强调：我的论点是基于本主题的第一个帖子，其中描述了S&P500的预测方法。我可能错过了这个主题中的一些其他帖子，我就不评论了，我相信这个方法在第一页上已经完全描述了。

1.我在第一个帖子中没有发现这一点。所述的预测方法旨在预测S&P500的下一个季度。我没有读到关于经济衰退预测方法的内容。如果经济衰退的预测方法与所描述的不同，请说明（或给出一个链接），以便你能了解情况。

另外，如果可能的话，详细说明自动选择指标的方法，以便完全消除主观的因素。

2.我不明白这一点。预测方法的描述并没有谈到具体的策略。(更确切地说，该方法本身就是一种策略，但它没有被具体命名）。

3.那么，每个指标的历史深度都是全取的，没有任何缩短？

...

我同意将你的经济衰退预测系统的准确性与其他人进行比较，只是你从哪里得到的？

[Реter Konow]

我问的很简单：你的经济衰退预测系统是否预测到了这次经济衰退，在衰退前多久？

https://www.google.com/amp/s/ria.ru/amp/20200616/1572964400.html

[denis.eremin]

Реter Konow:

我问的很简单：你的经济衰退预测系统是否预测到了这次经济衰退，在衰退前多久？

https://www.google.com/amp/s/ria.ru/amp/20200616/1572964400.html

你在发表评论之前，有没有看过你所评论的内容？

弗拉基米尔写道："这个策略在2019年12月给出了一个卖出信号。它还没有给出买入信号。显然，市场会下跌。"(с).

[Реter Konow]

Vladimir:

因此，任务是根据现有的经济指标来预测标普500指数。

第1步： 找到指标。这些指标在这里公开提供：http://research.stlouisfed.org/fred2/，有24万个。最重要的是GDP增长。该指标每季度计算一次。因此，我们的步骤是3个月。所有时间较短的指标都被重新计算为3个月，其余的（年度）则被舍弃。我们还放弃了除美国以外的所有国家的指标和没有深厚历史（至少15年）的指标。因此，我们费力地筛选出一堆指标，得到大约1万个指标。我们制定了一个更具体的任务，预测标准普尔500指数未来的一个或两个季度，有一万个经济指标，以季度为周期。我在Matlab中做所有的事情，但也有可能在R中做。

第2步： 通过微分和归一化将所有数据转换为静止的形式。有很多的方法。最主要的是，转换后的数据可以从原始数据中恢复出来。没有静止性，任何模型都无法工作。转型前后的标普500指数系列如下所示。

第3步： 选择一个模型。你可以有一个神经网络。它可以是一个多变量的线性回归。可以是一个多变量的多项式回归。在尝试了线性和非线性模型后，我们得出结论，数据的噪声很大，没有必要去拟合一个非线性模型，因为y(x)图中y=标准普尔500指数，x=一万个指标中的一个，几乎就是一个圆云。因此，我们更具体地制定了任务：利用多变量线性回归，在有1万个经济指标的情况下，预测标普500指数未来一到两个季度的情况。

第四步： 从一万个经济指标中选择最重要的指标（减少问题的维度）。这是最重要和最困难的一步。假设我们以标普500指数的历史为例，该指数长达30年（120个季度）。为了将标准普尔500指数表现为各种经济指标的线性组合，有120个指标足以准确描述这30年中的标准普尔500指数。此外，这些指标绝对可以是任何种类的指标，以便建立这样一个120个指标和120个标普500指数值的精确模型。因此，我们应将输入的数量减少到描述函数值的数量以下。例如，我们正在寻找10-20个最重要的指标/输入。这种通过从大量候选基数（字典）中选择少量输入来描述数据的任务被称为稀疏编码。

有许多选择预测器输入的方法。我都试过了。这里是主要的两个。

1. 我们按照对标普500指数的预测能力对所有的10k数据进行分类。预测能力可以用相关系数或相互信息来衡量。
2. 让我们逐一查看所有一万个指标，并选择一个给出描述标普500指数的线性模型y_mod = a + b*x1且误差最小的指标。然后，我们通过尝试剩余的1万个-1指标再次选择第二个输入，使其以最小的误差描述残差y - y_mod = c + d*x2。以此类推。这种方法被称为逐步回归或匹配追求。

以下是与标普500指数相关系数最大的前10个指标。

系列标识	滞后	ǞǞǞ	彼此的信息
'PPICRM	2	0.315	0.102
'CWUR0000SEHE'	2	0.283	0.122
'ces1021000001'	1	0.263	0.095
'b115rc1q027sbea'。	2	0.262	0.102
'ces1000000034'	1	0.261	0.105
'a371rd3q086sbea'。	2	0.260	0.085
'b115rc1q027sbea'。	1	0.256	0.102
'cuur0000saf111'	1	0.252	0.117
'cuur0000sehe'。	2	0.251	0.098
'USMINE'	1	0.250	0.102

以下是与标普500指数相互信息量最大的前10个指标。

系列标识	滞后	ǞǞǞ	彼此的信息
ǞǞǞ	3	0.061	0.136
'b701rc1q027sbea'。	3	0.038	0.136
'CUSR0000SAS'	3	0.043	0.134
'GDPPOT'	3	0.003	0.134
'NGDPPOT'	5	0.102	0.134
'OTHSEC'	4	0.168	0.133
3 'lnu01300060'	3	0.046	0.132
'Lrac25ttusm156n'。	3	0.046	0.132
'lrac25ttusq156n' 。	3	0.046	0.131
'CUSR0000SAS'	1	0.130	0.131

滞后是指输入序列相对于模拟标普500序列的滞后。从这些表格中可以看出，选择最重要的投入的不同方法导致了不同的投入集。由于我的最终目标是使模型误差最小，我选择了第二种选择输入的方法，即通过所有的输入，选择误差最小的输入。

...

关于不可观察的主观因素的存在和对研究的影响问题，我建议你重新仔细阅读这些步骤，确保主观因素不存在或不改变最终结果。

考虑到从分析中排除的指标（在步骤4中），总的来说，如果你把它们都考虑进去，可能会有权重，产生相反的结果。我的意思是，我们不可能知道，对吗？

[Реter Konow]

denis.eremin:

你在发表评论之前，有没有看过你所评论的内容？

弗拉基米尔写道："这个策略在2019年12月给出了一个卖出信号。到目前为止没有买入信号。显然，市场会下跌。"(с).

我是用手机看的，可能错过了。

是的，在第55页。我的第一个帖子是在56号。我读了第一篇，描述了预测方法的本质，跳过了其余的，因为我对它的本质感兴趣。如果它（本质）在这些年里发生了变化（也许是因为弗拉基米尔开始谈论经济衰退，而第一篇文章里没有关于经济衰退的内容），那么我说的是第一篇文章的方法。

[Uladzimir Izerski]

当各州印制世界货币，用它购买世界上的一切，并以债务偿还时，还能谈什么衰退。在世界其他地区，已经没有生产，也没有货币了。各州的国内生产资料的价值上升。人口并没有受到影响，因为购买力是由印刷厂维持的。通货膨胀被带出国门。世界其他 地区的美元储蓄与标准普尔 500指数成反比。

[Реter Konow]

Реter Konow:
关于一个看不见的主观因素的存在和对研究的影响问题，我建议你重新仔细阅读这些步骤，并确保主观因素不存在或不改变最终结果......

如果我在这个问题上的对手是一个 "老练 "的哲学家，他就会明白我已经用 "客观 "研究的主观性问题困住了他，而这个问题是无法摆脱的，他会问我一个反问--"你如何想象绝对客观的研究？"对此，我不得不回答，我没有想象任何这种选择，因为任何研究的条件都是由研究者的概念设定的，这个因素无法回避。最后，我们一起得出结论，在预测中，我们不应过分依赖数据分析方法本身，而应依赖个人的主观性，尽管研究中的所有 "客观 "指标都可能是正确的。

首先押在人格上，其次押在分析中考虑的指标上，因为正确性可以是不变的，在科学上是无法解释的。这样的人物在历史上一直存在并将继续存在。

[Реter Konow]

Реter Konow:
...最后，我们会一起得出这样的结论：在预测中，人们不应过分依赖数据分析方法本身，而应依赖个人的主观能动性，这种主观能动性与研究中的所有 "客观 "指标相对应。

首先押在人格上，其次押在分析中考虑的指标上，因为正确性可以是不变的，在科学上是无法解释的。这样的人物在历史上一直存在并将继续存在。

我在这里要做一个澄清，以免读者认为我在把他引向神秘主义（好吧，也许只是一点点）。

就这样。

分析/研究中的个人主观性必须是本地化的，并有明确的界限。我们需要清楚地了解在什么地方以及为什么我们被迫做出主观的假设。我们需要回答这样一个问题：为什么我们愿意接受这种程度的猜测性。然而，我们的分析/研究必须争取最大限度的客观性、实验有效性、事实和验证，但由于次客观性不是不可避免的，我们必须制定标准，表明我们可以依靠它。

这意味着（比喻），在每项研究/分析中，在数字系列、公式和模型中，添加一个 "我认为是 "的参数，并以它来计算。它将更加准确。