像数据科学家一样预测通胀_Two Sigma_对冲基金文章翻译计划017
由polll创建，最终由polll 被浏览 26 用户
\
执行摘要
资产配置者改善通胀预测的一个方法是像数据科学家一样从尽可能多的角度进行分析。在10月份这样做可能会揭示出一个令人惊讶的、或许是反直觉的结果：通胀的中位数预测最近似乎也有所下降，即使劳动力市场的状况收紧。
正文
通货膨胀在资产配置者可以做出的几乎每一个重要决定中都扮演着重要角色，从设定支出目标和管理负债，到了解全球经济基本面和预测风险调整后的回报。不幸的是，准确地定义和衡量通货膨胀仍然很困难。美国联邦储备委员会（美联储）理事长珍妮特·耶伦（Janet Yellen）最近在2017年9月简洁地描述了这一问题：“我们理解通胀动态的框架可能会以某种根本性的方式被错误地指定。”
资产配置者改善通胀预测的一个方法是分析从尽可能多的角度来看，就像数据科学家一样。没有一个单一的度量标准能全面地描述或测量通货膨胀的各个方面，所以我们应该在许多不同的显微镜下研究样本。这样做可能无法完全解决美联储和其他人试图解决的挑战，而多角度的方法会产生其自身的独特挑战。尽管如此，我们相信，汇总和标准化许多不同的预测有助于在资产配置决策中提供更准确的通胀输入。
数据科学方法预测通货膨胀的挑战
试图从尽可能多的角度来量化通胀，也就是说，将具有不同置信度的许多预测结合起来，试图形成一个统一的观点，听起来很简单，但也面临着不少挑战。
一个挑战是对通货膨胀本身的定义。通货膨胀有许多不同的类型，每种类型都可能对不同期限的不同资产产生不同的市场效应。例如，美国劳工统计局发布消费者价格指数（CPI）和生产者价格指数（PPI），其中包括不同的产品篮子。大类别中存在着许多子类别，例如商品与服务通胀，“核心”与“非核心”。美国联邦储备局以第三个指标作为通胀目标，即经济分析局公布的个人消费支出（PCE）指数。还存在许多其他的通货膨胀定义。
另一个挑战是可用数据的量。在线价格的激增是一个明显的例子。由于网上价格的变化可能比实体店的同类商品的价格变化更快，因此将时间戳与测量值相匹配是至关重要的（见下文）。产品规格的频繁变化可能是一个不太明显的例子。今天的智能手机与去年的智能手机捆绑的功能不同。
预测通货膨胀的时间范围变化是第三个挑战。例如，美国财政部发行的通胀保值证券（TIPS）的到期日各不相同。尽管这些工具可能会持续交易，但流动性在流动证券和非流动证券之间存在差异，从而使隐含通胀预测的估计复杂化。通胀率互换也存在类似的问题。
2017年美国通胀预测的统计分布和影响
标题：未来美国通胀的公开可用的预测的标准化合计。纵坐标：通胀调查估计的Z评分。横坐标：2017年1月到10月。
(注意：根据各种前瞻性（包括调查）来源，该图表绘制了预期美国通胀预测的月度分布。为了使不同预测水平和通货膨胀类型（如CPI与PCE）下的值标准化，该图根据每个序列的历史平均值和标准差进行z评分。每个预测都用灰点作图。连接月度分布的橙色线跟踪中位数预测。）
图1描述这些挑战，同时也是一种可能更好地理解通货膨胀的方法。这一数字描绘了公开可用的对未来美国通胀的预测，按照预测是在哪个月作出的来排序。为了标准化估计，图表将每个序列的平均值标准化为零，标准偏差标准化为一（基于历史值）。
图1突出显示了一些要点。首先，大多数月份的通胀预测都在+/-两个标准差的范围之内。这个区间看起来很正常（没有双关语的意思），但重要的特征是它提供了一个相对多样的数据集作为通胀预测的基础。数据科学家可以评估哪些指标随着时间的推移证明最稳定，和/或测试每个预测如何影响单个证券。更重要的是，它强调了这样一种观点，即过分重视一个点的估计，可能会使人困惑，而不是明白通胀形势。
其次，2017年的中位数预测一直徘徊在其长期价值（零）附近，尽管它在10月份大幅下降。认为这个一个月的趋势将继续下去似乎还为时过早，但这似乎与菲利普斯曲线（Phillips curve）的观点不一致。该观点认为，由于劳动力市场条件收紧，通胀预期会上升。
最后，2017年通胀预测的分布似乎存在负偏度。美联储声称有一个“对称的”2%的通胀目标，因此它试图对称地管理高于和低于目标的预期。负偏度的通胀预期意味着更多的市场参与者认为，美联储在通胀问题上变得过于鹰派，而不是过于鸽派。因此，美联储的行动可能会以对某些资产价格产生不利影响的方式给市场带来惊吓。
耶伦主席在9月份的记者招待会上坦率地总结了美联储的困惑：
“现在，我认识到，重要的是，多年来，通货膨胀一直在我们2%的目标之下运行，这是一个令人担忧的问题，特别是如果转化为更低的通胀预期。多年来，出现这种下降的原因是可以理解的，其中包括劳动力市场的大量萧条，我的判断是，这在很大程度上已经消失了，从2014年年中以来，能源价格大幅下降，美元大幅升值降低了进口价格。今年，当所有这些因素都不起作用时，通胀率下降到2%以下，这更是一个谜，我不会说，委员会清楚地了解造成这种情况的原因。”
资产配置者可能也不知道它的原因，但有了适当的数据，他们可以构建一个更好的、多角度的通货膨胀变化图景。数据驱动的方法似乎击败了作为替代的过度依赖理论的方法。过度依赖理论的方法被尝试过、检验过和也多次失败过。
欢迎阅读以下相关文章：
雷闻：测量美中贸易战的影响_Two Sigma_对冲基金文章翻译计划016zhuanlan.zhihu.com 
雷闻：马科维茨、投资组合理论和实践_AQR_对冲基金文章翻译计划015zhuanlan.zhihu.com 雷闻：技术分析的历史_元盛Winton_对冲基金文章翻译计划009zhuanlan.zhihu.com