Architec.Ton is a ecosystem on the TON chain with non-custodial wallet, swap, apps catalog and launchpad.
Main app: @architec_ton_bot
Our Chat: @architec_ton
EU Channel: @architecton_eu
Twitter: x.com/architec_ton
Support: @architecton_support
Last updated 2 weeks, 4 days ago
Канал для поиска исполнителей для разных задач и организации мини конкурсов
Last updated 1 month ago
Сегодня на звонке ACI Russia с финансистами (то есть заранее довольно образованными в экономике людьми) прозвучало два любопытных вопроса-утверждения:
1) "моя личная инфляция порядка 30-35%, сходим вот в Эту Сеть и посмотрим"
2) "почему это Росстат не может по чекам платформы оператора фискальных данных считать инфляцию"
Наверное, мы когда-то поговорим об этом в эфире подробно, но
1) достаточно пару раз посмотреть "средние цены" по Росстату, чтобы согласиться - они адекватно отображают происходящее в торговых сетях. Я буквально сегодня купил по этим ценам молоко, бананы и помидоры, сильно дешевле виноград, сильно дороже апельсины (не было по обычной цене в небольшом магазине). Про динамику этих цен я тоже писал - адекватно индексу Росстата;
2) цены по чекам это головная боль. Помидоры в разных сетях могут обозначать "пмдр, пом-р, помидорчик, томат" и т.п. Нет, единый каталог сети не делают. Да, разбирать эти разные слова через "словари" достаточно сложно. Да, я не видел результат экспериментов Росстата, а хотелось бы посмотреть. Но в целом сделать инфляцию "по чекам" весьма дорогое упражнение.
Вывод: если у кого-то инфляция действительно больше 30%, то потребительская корзина человека очень специфическая. Не спорю, такой набор еды и услуг можно придумать. Но мы, работающие с инфляцией на еженедельной основе, должны сочинить достигающие сердец слова. Иначе даже самые образованные продолжат повторять за Ромиром (или за кем) - у него "расходы выросли на 21% к прошлому году".
Распределение компаний важно для макропеременных.
Статья (июль 2024) проверяет, стоит ли добавлять данные по компаниям при оценке макропеременных. Идея такая: если мы видим распределение доходов по компаниям, может ли быть так, что концентрация их в более узком круге фирм приводит к снижению инфляции? Или что рост ВВП будет завязан на жизнь нескольких крупных компаний? Авторы смотрят на данные по зоне евро в 2000-2023. Основные результаты:
1) да, знание распределения доходов по компаниям позволяет лучше прогнозировать динамику ВВП, инфляции, потребления и инвестиций,
2) при этом ставку ЕЦБ не очень хорошо удаётся уловить - но в этом промежутке есть время с фактически нулевой ставкой, так что может быть не показательно.
Это любопытный результат. Меня смущает короткий горизонт прогноза (квартал) и немного сложная "двухэтапная" оценка регрессий - там по сути даже не регрессии, а Байесовский подход. Но в целом заставляет задуматься - если "распределение важно", то надо его использовать более активно.
Как, возможно, не надо писать статьи.
Сотрудники Банка Японии попробовали (май 2024) прогнозировать инфляцию при помощи инфляционных ожиданий (ИО) разных участников экономики - в целом граждан; аналитиков; рынка; и компаний. Для этого они делают дополнительный шаг - убирают "сдвиг" в ИО по всей выборке, после чего проверяют прогнозы с использованием ИО и без. Кажется, что есть снижение ошибки прогноза.
Но в тексте сразу три странности (судя по довольно невнятному тексту - а больше ничего и нет):
1) Базовая модель для сравнения - "случайное блуждание", то есть "инфляция в следующем году как в этом". Хотя это неплохая модель, но как минимум AR(1) надо было проверить.
2) "Сдвиг" оценён по всей выборке и затем вычитается из данных каждого месяца. Так делать нельзя, это стандартное "заглядывание в будущее", которого мы, аналитики, пытаемся избегать.
3) Нет чёткого подсчёта ошибки прогноза "случайного блуждания", есть только "улучшения по сравнению с ним". Если ошибка базового прогноза миллион, улучшения величиной в 30 бп не выглядят интересно.
Вывод: пожалуйста, пишите текст так, как будто читать его будет очень средний исследователь. Которому не удаётся телепатически залезть вам в голову и узнать недостающие детали. И не делайте простых ошибок (а если не делали их - напишите об этом в тексте, чтобы алгоритм действий был понятен).
(А находить эти статьи можно тут: https://t.me/workingpaper)
(Про ЦБ и реклама РЭШ)
Записали подкаст про мировые ЦБ. Как всегда, это моё мнение, не выражающее позицию организаций. Возможно, местами неверное - я вполне могу ошибаться!
И конечно на ФИБ стараемся разобраться как с базовой макро, так и с её применениями в бизнесе.
https://t.me/nes_official/1947
#CB #Inflation #MAFNES #Teaching
Telegram
Российская экономическая школа
Ждет ли нас конец истории денежной политики центробанков «Экономика на слух» разбирается в политике центробанков. О ней очень доступно и просто рассказывает профессор РЭШ Олег Шибанов. Почему именно инфляция – наилучшая цель политики центробанков? Как воздействовать…
Кто лучше предсказывает ставки в США: рынок против ФРС.
Заметка (июнь 2024) проверяет, кто лучше «понимает» будущие действия ФРС - рыночные индикаторы (фьючерсы на ставку Fed Funds), сама ФРС или опросы дилеров первичного рынка. Когда мы смотрим что прогнозы ФРС (обычно они обновляются четыре раза в год), что опросы дилеров (восемь раз в год) - мы видим, что они часто промахиваются мимо итогового значения ставки.
Примеры:
1) в июне 2019 ФРС предполагала ставку 2,4% на конец года, рынок 1,7%, по итогам ставку снизили до 1,6%;
2) в марте 2023 (банковский мини-кризис в США) при ставке 4,6% рынок снизил ожидания на конец года до 4%, ФРС сохранил 5,1%, а по итогам повысили до 5,4%.
И эти примеры характерны - в среднем оказывается, что и ФРС, и фьючерсы сильно промахиваются со ставками даже на текущий год (график ниже).
Авторы утверждают, что прогнозы дилеров чуть лучше - хотя на графике тоже не идеально.
И всё это потому, что будущие шоки инфляции очень плохо предсказываются даже в США. А на развивающихся рынках тем более сложно это делать. Поэтому не удивляйтесь в июле, когда интервал инфляции и средней ставки Банка России будут резко сдвинуты вверх.
Как не стоит работать с прогнозами (ВВП, курса, ставки, доходности акций).
Извините, если это неприятно читать, но я вынужден. Статья (2024) делает очень важное упражнение - пробует использовать несколько опережающих индикаторов из опроса предприятий Банка России для предсказания ВВП. Автор получает довольно хорошие результаты со значительным снижением ошибок прогноза.
В чём же тогда мои претензии? Посмотрите таблицу 5.
1) Вообще непонятно, как выглядят регрессионные модели. Нет ни одной формулы. ARIMA можно нарезать настолько по-разному! И где тут "нестационарные данные", зачем нужна I?
2) Как отработана сезонность? Или одни данные со снятой сезонностью, другие без? Как введены дамми кварталов? Используются винтажи или итоговые данные Росстата? Ничего нельзя понять из текста.
3) Нельзя, никогда, делать вывод по одной, двум, пяти точкам. В таблице 5 показаны прогнозы на 5 кварталов максимум. Это ровно пять точек. Если модель лучше на пяти точках, это лишь говорит, что не надо показывать такие результаты. Ищите способы расширить выборку, иначе получается почти бессмысленное сравнение.
Вывод: да, короткие ряды проблема, но надо как-то выкручиваться и не считать статистики прогноза по одной-пяти точкам. И пожалуйста пишите формулы регрессий, иначе совсем ничего не понять.
(А находить эти статьи можно тут: https://t.me/workingpaper)
Architec.Ton is a ecosystem on the TON chain with non-custodial wallet, swap, apps catalog and launchpad.
Main app: @architec_ton_bot
Our Chat: @architec_ton
EU Channel: @architecton_eu
Twitter: x.com/architec_ton
Support: @architecton_support
Last updated 2 weeks, 4 days ago
Канал для поиска исполнителей для разных задач и организации мини конкурсов
Last updated 1 month ago