ग्रीनलैंड राहत से एशियाई शेयरों में उछाल; दक्षिण कोरिया रिकॉर्ड ऊंचाई पर पहुंचा
इस महीने की शुरुआत में, मैंने एक मॉडल की समीक्षा की जो दुनिया की सबसे महत्वपूर्ण ब्याज दर के लिए सैद्धांतिक स्तर का अनुमान लगाता है: 10-वर्षीय ट्रेजरी यील्ड। आज की अनुवर्ती कार्रवाई में, आइए अतिरिक्त संदर्भ के लिए एक दूसरे मॉडल पर विचार करें।
इस श्रृंखला का लक्ष्य अनुमानों के संयोजन को ध्यान में रखते हुए कई मॉडलों का चयन करना है। साहित्य की एक लंबी लाइन, बल्कि आश्वस्त रूप से प्रदर्शित करती है कि पूर्वानुमान और अनुमान के साथ परिणामों में सुधार के लिए सबसे (शायद सबसे) विश्वसनीय पद्धति में से एक कई मॉडलिंग अनुप्रयोगों से अंतर्दृष्टि प्राप्त कर रहा है।
संयोजन पूर्वानुमानों की शक्ति मानती है कि मॉडल स्वतंत्र हैं और कुछ अर्थों में पूरक हैं। अनिवार्य रूप से समान कार्यप्रणाली वाले दस मॉडलों का औसत लेना व्यर्थ होगा। इस बात को ध्यान में रखते हुए, हम मिश्रण में फ्रंटियर मॉडल को जो कहते हैं उसे जोड़ दें।
इस दृष्टिकोण के लिए विचार 2018 में फ्रंटियर एडवाइजर्स के एक शोध नोट ("फ्रंटियर के मात्रात्मक 'उचित मूल्य' बॉन्ड मॉडल") में उल्लिखित किया गया था। पेपर तीन इनपुट के साथ एक पारम्परिक मॉडल की रूपरेखा तैयार करता है:
- यूएस बेरोजगारी अंतर (बेरोजगारी दर और बेरोजगारी की गैर-त्वरित मुद्रास्फीति दर के सीबीओ के अनुमान के बीच अंतर);
- 10 साल की यील्ड की अस्थिरता; तथा
- 10 साल के ट्रेजरी यील्ड की गति।
लेखक बताते हैं कि "हमने मुद्रास्फीति की अपेक्षाओं के बाजार व्युत्पन्न उपायों का उपयोग करने पर विचार किया, लेकिन उनके छोटे इतिहास (लगभग एक दशक में एक बार पर्याप्त रूप से तरल) के कारण, इसके खिलाफ फैसला किया।"
नाममात्र की वृद्धि के साथ बेरोजगारी की खाई का सहसंबंध, जिसमें स्वयं एक मुद्रास्फीति घटक शामिल है, हमें कुछ आराम प्रदान करता है। जहां तक अन्य दो चरों का संबंध है, उनका समावेशन जोखिम पर/जोखिम बंद व्यवहार और निवेशक प्रवाह को पकड़ लेता है। बाजार के तनाव की अवधि के दौरान, महसूस की गई अस्थिरता तेजी से बढ़ने लगती है, क्योंकि निवेशक यूएसटी बाजार में आश्रय की तलाश करते हैं, यील्ड कम हो जाती है। मोमेंटम संभावित रूप से निवेशक प्रवाह और अन्य अस्थायी कारकों को उठाता है जिन पर बाजार समय-समय पर ध्यान केंद्रित करता है।
उस आधार पर, फ्रंटियर मॉडल पहले उल्लिखित शेवलिन मॉडल के लिए एक मानार्थ विकल्प प्रदान करता है। याद रखें कि शेवलिन मॉडल वास्तविक अमेरिकी आर्थिक विकास (जीडीपी) और मुद्रास्फीति (सीपीआई) को इनपुट के रूप में उपयोग करता है।
ध्यान दें कि मैं फ्रंटियर मॉडल के लिए तीन चरों को संसाधित करने के तरीके के बारे में कुछ धारणाएँ बना रहा हूँ - ऐसी मान्यताएँ जो लगभग निश्चित रूप से फ्रंटियर की संख्या क्रंचिंग से भिन्न हैं। तदनुसार, परिणाम फ्रंटियर के शोध नोट से प्रेरित हैं, लेकिन इसे फर्म के अनुमानों की एक निर्दोष प्रतिकृति नहीं माना जाना चाहिए।
आर में परिणामों को कोड करना निम्नलिखित इतिहास का उत्पादन करता है:
1970 के दशक के अंत और 1980 के दशक की शुरुआत में ब्याज दरों में उतार-चढ़ाव के साथ मॉडल का कठिन समय है, लेकिन जैसे-जैसे वर्ष सामने आते हैं, अनुमान अधिक विश्वसनीय होते जाते हैं। संभवतः यह आंशिक रूप से अधिक डेटा इतिहास के संचय के कारण है जो मॉडलिंग को सूचित करता है। हाल के वर्षों में एक शांत, ट्रेंडिंग मार्केट चोट नहीं पहुंचाता है। ध्यान दें कि वर्तमान अनुमान बताता है कि 10-वर्ष की दर लगभग सही है, जिसका अर्थ है कि इस ट्रेजरी यील्ड में हालिया वृद्धि चरम पर है। इसके विपरीत, शेवलिन मॉडल ने निकट अवधि में अधिक यील्ड के लिए अधिक गुंजाइश की पेशकश की।
इस बीच, फ्रंटियर मॉडल के अवशेषों का इतिहास निश्चित रूप से इंगित करता है कि अनुमानों में समय के साथ सुधार हुआ है।
नतीजे बताते हैं कि जब दरें ट्रेंड कर रही होती हैं तो फ्रंटियर मॉडल उत्कृष्ट होता है। इसके विपरीत, शेवलिन मॉडल दरों में टर्निंग पॉइंट्स को नेविगेट करने के लिए कुछ अधिक उपयोगी प्रतीत होता है, हालांकि ये अंतर्दृष्टि शायद सबसे अच्छे रूप में मामूली हैं।
किसी भी मामले में, प्रत्येक मॉडल अलग-अलग डेटा सेट का उपयोग करके मान्यताओं के एक अलग सेट के साथ 10 साल के लिए उचित मूल्य का अनुमान लगाने की चुनौती से निपटता है। दोनों मोर्चों पर, धारणाएं उचित हैं। लेकिन हर मॉडल की तरह, कुछ हद तक शोर हस्तक्षेप करता है। लक्ष्य अनुमानों की खोज में विभिन्न प्रकार के दोषों के साथ विभिन्न मॉडलों को एकत्रित करना है जो किसी एक मॉडल में उपलब्ध की तुलना में अधिक विश्वसनीय - कम शोर, अधिक संकेत - उपलब्ध हैं।
जैसा कि ब्रिटिश सांख्यिकीविद् जॉर्ज ईपी बॉक्स ने प्रसिद्ध रूप से देखा, "सभी मॉडल गलत हैं, लेकिन कुछ उपयोगी हैं।" हम इसे इस कारण संशोधित कर सकते हैं कि सभी मॉडल गलत हैं, लेकिन कई मॉडलों से अनुमान प्राप्त होने पर पूर्वानुमान कम गलत है।
भविष्य की पोस्ट में मैं मिश्रण में अन्य मॉडल जोड़ूंगा और समीक्षा करना शुरू करूंगा कि संयोजन पूर्वानुमान व्यक्तिगत मॉडल अनुमानों के मुकाबले कैसे ढेर हो जाते हैं। यदि इतिहास एक मार्गदर्शक है, तो परिणाम उत्साहजनक होने चाहिए।