Oleg Shibanov

Почему американцы плохо думают о своей экономике?

Коллеги показали статью (февраль 2024), которая пытается ответить на этот вопрос. Основная загадка - низкий по историческим меркам уровень потребительской уверенности (consumer sentiment - сейчас около 78, а на пиках было более 111). Вроде бы экономика растёт, безработица низкая, увеличиваются реальные расходы, но почему-то нет веры в лучшее.

Авторы объясняют это "ростом ставок по кредитам". Даже если у граждан увеличиваются чистые активы и зарплаты, они могут воспринимать рост стоимости заимствования как удар по благосостоянию. "Не можем занять по старым ставкам = всё стало плохо". Кажется, что связь между ставками и мнением граждан прослеживается по многим странам - чем выше, тем хуже оценивается ситуация. Кроме того, по мнению авторов, "вменённая рента" в индексах цен в США недостаточна для оценки стоимости жилья, нужно включать ставки по ипотеке и стоимость жилья.

Эти идеи похожи на подсчёты тут - "обслуживание домов" зависит от ставок и т.п. Но вот вопрос, какие издержки должны включаться в индекс потребительских цен, весьма дискуссионный. Почему:

1) Логика авторов статьи в том, что "за время с 2020 издержки на содержание дома выросли вдвое". Что приходится делать ЦБ, чтобы сократить такой рост цен? Повышать ставки не поможет - это увеличит издержки. Значит, у ЦБ ещё меньше шансов повлиять на инфляцию?

2) Строго говоря, компонента "рост цен" в статьях выше очень плохо оценивается. Если вы владеете домом и цена на него растёт со временем, ваши издержки меньше, чем без учёта этого эффекта. "Home prices jumped 40 percent and mortgage rates have risen more than 140 percent" - то есть для владельцев рост цены в 2020-2023 отбил увеличение ставок!

3) Я не понял, почему они делают все эти уточнения про платежи по кредитам, если располагаемые доходы учитывают эти виды издержек и выросли в 2023 по сравнению с 2019 (бесплатные деньги 2020-21 надо бы уже забыть).

4) В таблице 1 видно, что в обучающей выборке R2 хуже у альтернативной инфляции, а вне выборки с ней лучше "предсказания". У меня хорошая новость: модель можно переобучать в духе Goyal Welch 2008, необязательно предсказывать на всё будущее с одной регрессией. И тогда результаты могут измениться.

Вывод: я не уверен, что статья сделала идеальное упражнение, но пробуждает мысли. Надо посмотреть, насколько вообще результаты зависят от сделанных предположений - пока выглядит как "очень сильно".

Почему люди не любят инфляцию?

Исследование по США (апрель 2024) опрашивает людей, почему они не любят инфляцию. Основных причин две (по мнению граждан):

1) Инфляция снижает располагаемые доходы. Зарплаты не успевают за ростом цен;
2) Инфляция вызывает стресс, а также чувство роста неравенства, потому что зарплаты высокодоходных групп растут быстрее, чем низкодоходных;
3) Кроме того, виноваты в инфляции компании и государство.

Что интересно в этом исследовании: почти все ответы скорее неверны и выглядят как мифы. В данных США инфляция реальные доходы не снижает, неравенство по Джини с середины 1990-х не растёт, а "виноваты" в инфляции как шоки издержек, так и рост зарплат - за которые борются сами американцы. Но с микроуровня обычно не удается взглянуть на макро. Домохозяйства не проверяют аккуратность подсчёта инфляции (это требует более чем одного клика мыши). Гражданам неясно, что более высокая инфляция обычно связана с ростом занятости (обе переменные часто означают повышенную деловую активность).

Вывод: как обычно, "макроэкономисты врут", а "реальная инфляция гораздо выше Росстатовской". Победить эти мнения невозможно даже в крупнейшей богатой экономике, что уж говорить про менее развитые страны. Поэтому ввожу раздел "инфляция в середине месяца" - ежемесячную проверку изменения цен Росстата по сравнению с его индексами.

Новый способ конструировать факторы для акций: теперь 3D

3D означает трёхмерное пространство: "характеристика" акции (например, B/M или доходность за последние 12 месяцев); квантиль по капитализации; квантиль по характеристике. Статья (март 2024) конструирует факторы риска из этой трёхмерной структуры и затем тестирует их качество на стандартных данных.

Результаты:

1) Очень приличные Sharpe ratios всех факторов, выше, чем в других моделях;
2) Лучше объяснение доходностей активов (in-sample), меньше ошибки предсказания (out-of-sample).

Интересно, что для выделения факторов можно использовать тензорную алгебру - вот нас и догнала базовая МГУ-математика :))

Предсказание доходностей индивидуальных активов: факторные модели помогают!

Очень интересно, что у авторов статьи (январь 2024) получается вытащить из факторных моделей хорошие прогнозы для будущих доходностей портфелей активов. Это достаточно сложно - методология Goyal and Welch показывает, что обычно предсказания получаются довольно неточными. Но авторы демонстрируют, что хотя факторные модели не могут уловить будущие шоки (это в целом невозможно, на то они и шоки), но риск-премии и беты оценивают неплохо - в итоге будущие доходности гораздо ближе к оценкам по факторам, чем по истории.

Вывод: я был довольно критичен к такому способу. Но кажется, раз у кого-то получилось, придётся проверять и может быть использовать.