Re: [請益] 通膨惡化 ?
※ 引述《dsrte (把握)》之銘言:
: 徵兆就是:
: fed 官員嘴角又放鷹
: 拜登找鮑爾、葉倫談話
: 通膨降下來,為何還需要找來討論 ?
: 德國五月通膨再創50年來新高,
: 外國分析師說還沒到散戶瘋狂殺出
: 這幾天彈的太快,短短幾天彈了快千點,出現市場未知的重大利多才會這樣,所以不像是回升
: 所以接下來是不是主跌段,才剛開始 ?
: -----
: Sent from JPTT on my Samsung SM-N770F.
回覆會有點長..
如果有人肯定說未來一段期間股市會跌會漲 ,那只有兩種人
一是未來人,二是 騙子
一、通貨膨脹
股市說雖然是經濟之窗,但通常政府最主要關注的是經濟問題,
比較重要的是避免經濟衰退,具體來說就是避免 高貨膨脹與高失業率發生。
簡單計算以月頻率資料分析通貨膨脹與SP500之間關係
1965/2~2022/4 月資料
SPX報酬率 =ln(SPX/SPX(-1))
CPI變動 =ln(CPI/CPI(-1))
Variable Coefficient t-Statistic Prob.
C 0.009 3.876 0.000
CPI -1.092 -2.106 0.036 **
CPI變動與股市呈現負向關係。
雖然以月資料分析 CPI上漲對 SP500 有顯著負向關係,
但一年之中CPI也是會上上下下,以年為頻率分析CPIyoy 與 SP500 報酬率,
關係就沒那麼顯著了。
Variable Coefficient t-Statistic Prob.
截距 0.111 2.989 0.004
平均 CPIYOY -1.053 -1.351 0.182 (不顯著)
高通膨但當年股市上漲的例子
年 SPX 平均 CPIYOY
1980 25.8% 13.6%
1979 12.3% 11.2%
1975 31.5% 9.2%
1978 1.1% 7.6%
1982 14.8% 6.2%
2008年時 通貨膨脹甚至還低於歷史平均值
SPX 平均 CPIYOY
2008 -38.5% 3.9%
拜登 找葉媽跟鮑爾就是目前的鍋一起背,然後要想辦法讓經濟最大程度的軟著陸
https://imgur.com/0pRnBIu
CPI 組成成分裡 Housing 佔最重為42.385%,
目前美國房地產可以用 極度投機來形容。
根據最新公布的房價指數,房價yoy上漲 20%,創1970年以來最高。
https://imgur.com/OOXUvYC
在1970~80年代,Fed對付高通貨膨脹採用的是拉高利率來打擊通貨膨脹
https://imgur.com/dRbkKjI
1979~1980年代FED主席沃克採用拉高聯邦利率至20%的手段打擊通貨膨脹,
這種全面打擊的作法的確將CPI有效壓制下來,但隨後造成了至1982年的經濟衰退,
1982年時失業率曾經最高來到10.8%
但是很有趣的是,股票市場僅在1981年出現不太大的跌幅,
年 SPX 平均-CPIYOY
1980 25.8% 13.6%
1981 -9.7% 10.4%
1982 14.8% 6.2%
1981年以後美國連續漲八年,累積漲幅達188%。
所以高通脹 類似 體脂肪一樣
高通脹時 房地產擁有者很爽,就跟吃甜的對大腦很爽一樣,
但是對身體健康一點都沒有幫助。
對身體健康,降體脂絕對是好事,就像可以讓經濟走得更好更遠一樣。
但需要度過飢餓或是戒斷,或是操練造成的肌肉疼痛。
----------------------------------------------------
二、經濟衰退
經濟衰退會造成社會沉重負擔代價,經濟總是會有擴張與收縮,
所以經濟衰退是不可避免的。
雖然不可避免,但是經濟衰退比較不像股票市場無法預測,經濟衰退是有跡可循的
也就是有跡可循、可以預警,所以才有軟著陸可以討論。
在紐約聯儲 官網 https://reurl.cc/e3p82W 有個計算美國經濟衰退機率的走勢圖
https://imgur.com/9mgrHxX
每月更新未來12個月美國經濟衰退的機率。
對於這衰退機率常有人說 衰退機率50% 就是 一半機率會衰退 一半不會衰退。
但我建議改用 如果得covid19 有50% 會死亡 這樣來看待經濟衰退機率會比較洽當。
簡單說 如果一次經濟衰退可能會造成 20兆美元的經濟損失,如果換算成期望值
50%機率的經濟衰退已經很可觀了。
引用 國發會科員 黃富纖:
"一般而言,長天期公債殖利率會高於短天期公債殖利率,
代表投資人持有公債的天數越多,所能獲得的額外風險溢酬越高,
也就是隨著公債到期天數越長殖利率越大,故殖利率曲線應為正斜率,若
殖利率曲線反轉,「殖利率曲線的斜率」(以下稱「長短期利差」)
呈負數,則市場認為經濟可能將步入衰退"
根據 Arturo Estrella 和 Mary R.
在2006年”The Yield Curve as a Leading Indicator:Some Practical Issues”
對於殖利率曲線變化與經濟的研究表示:
"這意味著收益率曲線可能比其他領先指標更具前瞻性。
換言之,收益率曲線產生的衰退信號可能明顯早於其他指標產生的訊號。
引用國際貨幣基金會IMF 2021/4-Understanding the Rise in Long-Term Rates
說明十年期國債殖利率的重要性:
"十年期美國國債的收益率是對不同要素的反映。其中美國國債的實際收益率是預期
經濟增速的一個替代指標"
目前根據Fed估計至2023/3為止,經濟衰退的機率為3.71%
FED歷史預測的經濟衰退機率官網可以下載
在2006/10月起(預測未來12個月) 預測2007/10~2008/3 經濟衰退機率為:
Date Rec_prob
Oct-07 37.07%
Nov-07 40.73%
Dec-07 39.42%
Jan-08 37.85%
Feb-08 40.08%
Mar-08 41.71%
--------------------------------------------------------
個人認為
目前10年債殖利率大約2.9%上下晃,3個月殖利率約1%多一點點,
3個月殖利率大抵跟著FFR走
https://imgur.com/zid3r9Q
根據Fedwatch 計算明年3月的加權平均預估利率為3.08%
https://imgur.com/hRj5r0F
如果對照美國80年代的作法,FFR 升到 3%,對於目前如此高的CPI與房價
3% 可能都不太夠。
即便3.08%是市場trade 出來的結果,但由於10年債殖利率代表了未來經濟增漲的
代理變數,若10年債殖利率未來沒有超過3%以上而被短利超過出現倒掛,
會導致未來經濟衰退機率升高。
----------------------------------------------------------------------
結語
所謂種瓜得瓜,經濟一定會有輪轉,會擴張也會收縮。
高通脹時期,少數人富得比較快,尤其以錢賺錢的方式。
當經濟衰退前期,所有人就算得到一樣的資訊 也不會做一樣的動作。
我的建議.
1.如果是堅定的定期定額族,在不影響生活情況下繼續執行。
2.波段交易者,可以視波動高低 調整曝險程度。
例如可以承受 20%風險,看著 SP VIX 調整部位
曝顯比例= 可承受風險/vix
= 0.2/0.2619 (5/31 VIX)=0.76
可以以週或月為單位調整
3.低波動時期可以採區間操作,但市場風險升高,不要用逆勢交易
不要猜頭摸底。這種行為是天選之人用的。
4.看不懂的人建議以現金為王,不要拿家底去驗證自己的看法。
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 61.56.194.52 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/Stock/M.1654052610.A.ECB.html
※ 編輯: tompi (61.56.194.52 臺灣), 06/01/2022 11:05:14
推
06/01 11:06,
1年前
, 1F
06/01 11:06, 1F
推
06/01 11:09,
1年前
, 2F
06/01 11:09, 2F
→
06/01 11:10,
1年前
, 3F
06/01 11:10, 3F
推
06/01 11:10,
1年前
, 4F
06/01 11:10, 4F
推
06/01 11:11,
1年前
, 5F
06/01 11:11, 5F
有興趣可以網路翻一下 Target Volatility Strategies
推
06/01 11:11,
1年前
, 6F
06/01 11:11, 6F
→
06/01 11:11,
1年前
, 7F
06/01 11:11, 7F
噓
06/01 11:15,
1年前
, 8F
06/01 11:15, 8F
推
06/01 11:15,
1年前
, 9F
06/01 11:15, 9F
推
06/01 11:15,
1年前
, 10F
06/01 11:15, 10F
推
06/01 11:15,
1年前
, 11F
06/01 11:15, 11F
→
06/01 11:16,
1年前
, 12F
06/01 11:16, 12F
→
06/01 11:17,
1年前
, 13F
06/01 11:17, 13F
推
06/01 11:18,
1年前
, 14F
06/01 11:18, 14F
→
06/01 11:18,
1年前
, 15F
06/01 11:18, 15F
→
06/01 11:19,
1年前
, 16F
06/01 11:19, 16F
※ 編輯: tompi (61.56.194.52 臺灣), 06/01/2022 11:24:54
推
06/01 11:24,
1年前
, 17F
06/01 11:24, 17F
推
06/01 11:29,
1年前
, 18F
06/01 11:29, 18F
推
06/01 11:31,
1年前
, 19F
06/01 11:31, 19F
→
06/01 11:31,
1年前
, 20F
06/01 11:31, 20F
→
06/01 11:31,
1年前
, 21F
06/01 11:31, 21F
推
06/01 11:33,
1年前
, 22F
06/01 11:33, 22F
推
06/01 11:33,
1年前
, 23F
06/01 11:33, 23F
→
06/01 11:33,
1年前
, 24F
06/01 11:33, 24F
→
06/01 11:33,
1年前
, 25F
06/01 11:33, 25F
→
06/01 11:33,
1年前
, 26F
06/01 11:33, 26F
推
06/01 11:38,
1年前
, 27F
06/01 11:38, 27F
哈哈
推
06/01 11:39,
1年前
, 28F
06/01 11:39, 28F
※ 編輯: tompi (61.56.194.52 臺灣), 06/01/2022 11:41:09
→
06/01 11:41,
1年前
, 29F
06/01 11:41, 29F
→
06/01 11:42,
1年前
, 30F
06/01 11:42, 30F
→
06/01 11:42,
1年前
, 31F
06/01 11:42, 31F
謝謝
推
06/01 11:44,
1年前
, 32F
06/01 11:44, 32F
※ 編輯: tompi (61.56.194.52 臺灣), 06/01/2022 11:48:27
推
06/01 11:46,
1年前
, 33F
06/01 11:46, 33F
還有 64 則推文
還有 9 段內文
※ 編輯: tompi (61.56.194.52 臺灣), 06/01/2022 13:52:35
推
06/01 13:54,
1年前
, 98F
06/01 13:54, 98F
謝謝
※ 編輯: tompi (61.56.194.52 臺灣), 06/01/2022 13:57:58
推
06/01 14:00,
1年前
, 99F
06/01 14:00, 99F
→
06/01 14:12,
1年前
, 100F
06/01 14:12, 100F
推
06/01 14:24,
1年前
, 101F
06/01 14:24, 101F
推
06/01 14:36,
1年前
, 102F
06/01 14:36, 102F
推
06/01 14:44,
1年前
, 103F
06/01 14:44, 103F
→
06/01 14:44,
1年前
, 104F
06/01 14:44, 104F
推
06/01 15:05,
1年前
, 105F
06/01 15:05, 105F
→
06/01 15:05,
1年前
, 106F
06/01 15:05, 106F
→
06/01 15:05,
1年前
, 107F
06/01 15:05, 107F
→
06/01 15:05,
1年前
, 108F
06/01 15:05, 108F
→
06/01 15:05,
1年前
, 109F
06/01 15:05, 109F
→
06/01 15:05,
1年前
, 110F
06/01 15:05, 110F
推
06/01 15:17,
1年前
, 111F
06/01 15:17, 111F
謝謝
那個R^2 如果是一般線性迴歸的的確會很看重這個數字,一般接受的是愈大愈好
但在時間序列裡,為了避免假性迴歸,會做一些資料檢定
因此在方程式的判別 會比較注重 因子的 p值 或 t值
還有 AIC 或 SIC等,R^2 就沒那麼重視了(也通常很低)
在時間序列裡 比較多的是殘差部分,也就是未知的部分比較多
而我們也須承認對未來我們不知道的部分佔大多數
因此若以AR模式分析,R^2 非常大的話 例如高於 0.7以上
要不是資料弄錯了,否則已經可以預測未來了。
推
06/01 15:21,
1年前
, 112F
06/01 15:21, 112F
推
06/01 15:29,
1年前
, 113F
06/01 15:29, 113F
※ 編輯: tompi (61.56.194.52 臺灣), 06/01/2022 15:41:47
推
06/01 15:37,
1年前
, 114F
06/01 15:37, 114F
推
06/01 15:39,
1年前
, 115F
06/01 15:39, 115F
推
06/01 15:50,
1年前
, 116F
06/01 15:50, 116F
→
06/01 15:53,
1年前
, 117F
06/01 15:53, 117F
版上應該比較多人知道的迴歸 是同期資料的迴歸分析
所以我最前面採用的是同期資料的迴歸估計。
如果要做AR的話,因為資料都取對數了,就通過單根檢定 (略)
然後做因果關係檢定,其實大多數人接受的是 股市下跌是因為通貨膨脹上升
其實不然,其實通貨膨脹的上升是因為股市的上漲(如果只有CPI這變數的話)
用VAR Lag Order Selection Criteria 判定 最適落後期數 為 1期
因此用lag=1 做因果關係檢定,其結果是
Null Hypothesis: Obs F-Statistic Prob.
SPX does not Granger Cause CPI 685 10.2414 0.0014
CPI does not Granger Cause SPX 2.44437 0.1184
SPX領先CPI變動
因此正常來說 CPI要擺在 等號 左邊,SPX 擺在等號 右邊
Dependent Variable: CPI
Variable Coefficient t-Statistic Prob.
C 0.001 8.402 -
CPI(-1) 0.635 21.394 -
SPX(-1) 0.007 3.200 0.001
R-squared 0.402753
推
06/01 16:13,
1年前
, 118F
06/01 16:13, 118F
※ 編輯: tompi (61.56.194.52 臺灣), 06/01/2022 16:36:19
推
06/01 16:31,
1年前
, 119F
06/01 16:31, 119F
推
06/01 16:52,
1年前
, 120F
06/01 16:52, 120F
推
06/01 17:02,
1年前
, 121F
06/01 17:02, 121F
推
06/01 19:34,
1年前
, 122F
06/01 19:34, 122F
推
06/01 19:45,
1年前
, 123F
06/01 19:45, 123F
推
06/01 19:58,
1年前
, 124F
06/01 19:58, 124F
推
06/01 21:43,
1年前
, 125F
06/01 21:43, 125F
推
06/01 22:09,
1年前
, 126F
06/01 22:09, 126F
推
06/01 22:53,
1年前
, 127F
06/01 22:53, 127F
推
06/01 22:55,
1年前
, 128F
06/01 22:55, 128F
推
06/01 22:56,
1年前
, 129F
06/01 22:56, 129F
推
06/02 00:02,
1年前
, 130F
06/02 00:02, 130F
推
06/02 11:34,
1年前
, 131F
06/02 11:34, 131F
討論串 (同標題文章)