Очень краткое вступление.
Многократно доказано, что макроэкономические релизы оказывают сильное влияние на движение рыночных котировок. Кроме того, многие макроэкономические индикаторы закономерно связаны между собой. Это значит, что по уже известным макроэкономическим данным, в принципе, можно прогнозировать значение важных релизов в ближайшем будущем.
Для этого использован статистический метод множественного регрессионного анализа (РегА). Технологию расчетов пока не рассматриваем, если будут вопросы, то отвечу.
Практически из календаря событий набраны данные (их окончательные значения) по 130 индикаторам экономики США за последние 20 месяцев.
РегА заключается в выборе нескольких значимых, наиболее информативных независимых переменных (предикторов) из их множества, в поиске константы и весовых коэффициентов, на основе чего строится многочленное уравнение линейной регрессии для предсказания значения интересующего нас индикатора (отклика).
Общий вид уравнения:
Y = k + b1*X1 + b2*X2 + ... + bn*Xn,
где Y - отклик (индикатор, который прогнозируем), k - эмпирическая константа, b - весовые коэффициенты для каждого предиктора, Х - предикторы (последние известные значения индикаторов, по которым прогнозируем), n - количество предикторов.
РегА провожу в пошаговом варианте с исключением. Это значит, что после процедуры расчета исключаются статистически самые не значимые, бесполезные аргументы, после чего производится новый расчет (шаг), до тех пор, пока в уравнении не останутся самые надежные, информативные аргументы - предикторы.
Качество, достоверность прогнозов изменчива. Поэтому, начиная с 10 поста, будет указываться значение некоего мерила статистической надежности сделанного прогноза. Функцию такого мерила лучше всего выполняет, так называемый, нормированный R-квадрат (Rкв). Максимально возможное значение Rкв равно 1, что соответствует стопроцентной точности. Хорошим считается прогноз при Rкв более чем 0,65.
Очень желательно, чтобы наряду с высокой статистической значимостью, выбор предикторов был еще обоснован и экономическим смыслом.
Ваша помощь в вопросах макроэкономики приветствуется!Примерно в течение месяца (август) уже проводилось такое прогнозирование на практике. Если оценивать частоту совпадений прогнозов с фактическими результатами, то примерно в 65-70% случаев направление прогнозов (повышение или снижение индикатора) совпадало с фактическим изменением. Так как прошлые прогнозы уже не актуальны, то, видимо, их не нужно показывать. Конечно, один месяц - это слишком мало для точного вывода, поэтому нужно наблюдать дальше, ежемесячно база данных будет пополняться. Каждый месяц нужно составлять новое уравнение, так как его компоненты будут уточняться по мере пополнения базы данных.
В последнее время набираю данные по странам Еврозоны. Зная прогнозы по отдельным валютам, можно будет прогнозировать движение конкретных валютных пар.
Очень краткое вступление.
Многократно доказано, что макроэкономические релизы оказывают сильное влияние на движение рыночных котировок. Кроме того, многие макроэкономические индикаторы закономерно связаны между собой. Это значит, что по уже известным макроэкономическим данным, в принципе, можно прогнозировать значение важных релизов в ближайшем будущем.
Для этого использован статистический метод множественного регрессионного анализа (РегА). Технологию расчетов пока не рассматриваем, если будут вопросы, то отвечу.
Практически из календаря событий набраны данные (их окончательные значения) по 130 индикаторам экономики США за последние 20 месяцев.
РегА заключается в выборе нескольких значимых, наиболее информативных независимых переменных (предикторов) из их множества, в поиске константы и весовых коэффициентов, на основе чего строится многочленное уравнение линейной регрессии для предсказания значения интересующего нас индикатора (отклика).
Общий вид уравнения:
Y = k + b1*X1 + b2*X2 + ... + bn*Xn,
где Y - отклик (индикатор, который прогнозируем), k - эмпирическая константа, b - весовые коэффициенты для каждого предиктора, Х - предикторы (последние известные значения индикаторов, по которым прогнозируем), n - количество предикторов.
РегА провожу в пошаговом варианте с исключением. Это значит, что после процедуры расчета исключаются статистически самые не значимые, бесполезные аргументы, после чего производится новый расчет (шаг), до тех пор, пока в уравнении не останутся самые надежные, информативные аргументы - предикторы.
Качество, достоверность прогнозов изменчива. Поэтому, начиная с 10 поста, будет указываться значение некоего мерила статистической надежности сделанного прогноза. Функцию такого мерила лучше всего выполняет, так называемый, нормированный R-квадрат (Rкв). Максимально возможное значение Rкв равно 1, что соответствует стопроцентной точности. Хорошим считается прогноз при Rкв более чем 0,65.
Очень желательно, чтобы наряду с высокой статистической значимостью, выбор предикторов был еще обоснован и экономическим смыслом. [b]Ваша помощь в вопросах макроэкономики приветствуется![/b]
Примерно в течение месяца (август) уже проводилось такое прогнозирование на практике. Если оценивать частоту совпадений прогнозов с фактическими результатами, то примерно в 65-70% случаев направление прогнозов (повышение или снижение индикатора) совпадало с фактическим изменением. Так как прошлые прогнозы уже не актуальны, то, видимо, их не нужно показывать. Конечно, один месяц - это слишком мало для точного вывода, поэтому нужно наблюдать дальше, ежемесячно база данных будет пополняться. Каждый месяц нужно составлять новое уравнение, так как его компоненты будут уточняться по мере пополнения базы данных.
В последнее время набираю данные по странам Еврозоны. Зная прогнозы по отдельным валютам, можно будет прогнозировать движение конкретных валютных пар.
Последний раз редактировалось
Евгений Субботин 17 сен 2015, 21:15, всего редактировалось 5 раз(а).