О чем на самом деле говорят нам инверсии кривой доходности

«Это были лучшие времена, это были худшие времена, это был век мудрости, это был век глупости, это была эпоха веры, это была эпоха недоверия»,

Вступительные строки к литературному классику, который сегодня так же уместен, как и два с половиной столетия назад. В «Рассказах о двух городах» Чарльз Диккенс описывает дихотомическое сопоставление буквального и метафорического в эпоху Французской революции. Хотя это не так резко, мы можем провести параллели от его перехода к текущему окружению; поскольку мы видели, как фондовые рынки взлетали до исторического максимума, а доходность - до исторического минимума, фундаментальные экономические основы мировой экономики упорно подавлялись.

Хорошо известно, что в ответ на Великую рецессию (GFC) центральные банки по всему миру синхронно предоставляли ликвидность рынкам в надежде на возобновление роста и инфляции. Однако почти в истинно диккенсовском стиле это мало что сделало для стимулирования роста заработной платы и потребления. Вместо этого более низкие ставки служили только для поддержки активов до беспрецедентной оценки, в значительной степени на благо владельцев активов, но к огорчению обычных людей. Короче, богатые стали еще богаче.

Это несоответствие между основными движущими силами экономики и ценообразования показывает глубокую и порочную динамику, связывающую денежно-кредитную политику и рыночные ожидания. Рынок ожидает продолжения смягчения мер со стороны центрального банка, фактически даже требует этого, чтобы не ослабевать по той же восходящей траектории. Любая информация, ставящая под сомнение этот консенсус, вызвала резкую отрицательную реакцию коленного рефлекса. Примечательно, что две недели назад ФРС снизила ставки впервые за десятилетие, теоретически это было именно то, что было необходимо для поддержания положительных показателей, однако величина сокращения (меньшая, чем первоначально ожидалось) и комментарии председателя Пауэлла после встречи были не способствует устойчивой инфляции активов. Таким образом, рискованное поведение наказывалось.

Еще более недавним явлением стало явление инверсии кривой доходности. Широко изученный спрэд между доходностью двухлетних и десятилетних казначейских облигаций США стал отрицательным в преддверии последних 7 рецессий в США, что заставило многих рыночных комментаторов и практиков внимательно следить за этой точкой данных как опережающим индикатором. . Многие отметили, что исторический лаг между инверсией и рецессией может составлять от месяцев до почти двух лет. Для наблюдателей, ориентированных на данные, это закладывает прекрасную основу для нашего исследования; учитывая постоянное и непропорциональное внимание рынка к этому показателю, можем ли мы внедрить машинное обучение для прогнозирования рецессии в США, используя только спред между 10-летними и 2-летними казначейскими облигациями США?

Установка

Техническая рецессия определяется как два последовательных квартала отрицательного роста (ВВП), поэтому мы можем получить даты, соответствующие этому описанию, из базы данных экономических исследований Федерального исследовательского центра Сент-Луиса здесь. Этот временной ряд имеет двоичную форму, где 1 обозначает период спада, а 0 - другой период.

Далее мы получаем данные спреда кривой доходности из той же базы данных здесь. Рассчитывается как доходность 10-летних казначейских облигаций на конец месяца минус 2-летняя доходность казначейских облигаций.

Наш любимый инструмент машинного обучения - логистическая регрессия, любимый как экономистами, так и специалистами по обработке данных. Мы используем именно этот алгоритм по трем причинам:

  1. Модель относительно проста и понятна,
  2. анализ относительно прост и однозначен по своей природе,
  3. рыночная риторика подразумевает линейную границу принятия решений между инверсией кривой и рецессией.

Для продолжения необходимо внести две корректировки, обе из-за того, что данные по ВВП США публикуются ежеквартально:

  1. Мы расширяем набор данных о рецессии из набора квартальных данных в набор данных за месяц, сделав неявное предположение, что рост за все месяцы в течение кварталов спада всегда был отрицательным.
  2. Мы сдвигаем данные спреда кривой доходности назад на один квартал, это необходимо, поскольку нас интересует предсказательная сила 2-летнего и 10-летнего спредов, в исходной форме обе точки данных совпадают. Использование одной точки данных для прогнозирования другой точки данных, которая становится доступной одновременно, - бессмысленная задача.

Результаты

С помощью функции Generalized Linear Model (glm) и пакета Caret в R мы рандомизируем и разбиваем временной ряд на 70% обучающий набор и 30% тестовый набор. Мы подобрали логит-модель на обучающем наборе и проверили тест, результаты были следующими:

Точность прогнозов просто фантастическая! 87%! Инверсия кривой доходности должна быть отличным предсказателем рецессии! Но подождите, здесь что-то не так, давайте подробнее рассмотрим показатели оценки. Хотя точность высока, распространенность, чувствительность и уровень обнаружения тревожно низкие. Просмотр матрицы неточностей может дать некоторые дополнительные сведения.

Мы сразу видим, что эта модель очень хороша в предсказании истинного отрицания (130 правильных предсказаний), и, откровенно говоря, ничего больше. Это иллюстрирует серьезный недостаток этого конкретного набора данных. Хотя существуют сотни случаев неинверсии / не рецессии, гораздо меньше случаев инверсии / рецессии. На самом деле это очень несбалансированный набор данных: если бы мы предсказать каждый экземпляр в тестовом наборе как нероссийский, мы все равно получили бы 85% точность. Если мы посмотрим на сбалансированный уровень точности в оценочных показателях, которые корректируются с учетом дисбаланса, мы увидим, что модель немного лучше, чем подбрасывание монеты (58%). Это кажется противоречащим тому, какие комментарии и новости заставят нас поверить, так что же тогда, что на самом деле говорит нам инверсия кривой доходности?

Заключение

Хотя временная структура кривой доходности содержит информацию о перспективах экономического роста, что подтверждается большим количеством академической литературы и теории (см. Статью FRB здесь и Ang, Piazzesi and Wei, 2003), мы не должны создавать ложную точность, рассматривая отдельно одну точку данных. Экономика существует как ряд движущихся частей, которые постоянно взаимодействуют друг с другом, и поэтому их следует рассматривать как единое целое. Не менее важны для прогнозов на будущее режим инфляции и направление денежно-кредитной политики. Использование только инверсий кривых в качестве предиктора рецессий является ярким примером сбора данных, которые подходят для заранее созданных нарративов, что характерно для Улицы. Подобный тип поведенческой предвзятости не беспрецедентен, лауреаты Нобелевской премии Даниэль Канеман и Амос Тверски предположили, что, сталкиваясь с неопределенностью, люди прибегают к эвристике / эмпирическим правилам, чтобы помочь нам в принятии решений. Хотя все мы всего лишь люди, у нас все еще есть отличная способность использовать количественные инструменты, такие как машинное обучение, чтобы служить в качестве объективной проверки недоказанных утверждений, когда нам предоставляется возможность, мы должны воспользоваться этим правом. Хотя код не предоставляется, я рад полностью обсудить методологию с кодом R в другом посте, если есть интерес.

Ссылки

Анг А., Пьяццези М. и Вэй М. (2003). Что кривая доходности говорит нам о росте ВВП ?. Электронный журнал ССРН.

Заявление об ограничении ответственности: этот пост является исключительно выражением личных взглядов и мнений. Это ни в коем случае не является советом и не отражает точку зрения моего работодателя.