最近在閱讀FED的一些研究結果的時候意外地發現了一篇由Jack McCoy、Michele Modugno、Dino Palazzo以及Steve Sharpe在2020寫的一篇研究報告叫做”Macroeconomic news and stock prices over the FOMC cycle“挺有趣的，在這邊紀錄一下。
關於總體經濟數據，我想很多人都大概知道的事情在於我們可以透過數據的好壞來大略知道股市會如何成長，而更進一步的人或許知道要去查市場預期以及實際數據，並且分析這之間的落差。
但如果更深入地去問，你可以問說每種類型的總經數據都一樣嗎?什麼總經數據對於股價更明顯?總經數據解釋全部了嗎?這些種種的問題都是非常有趣的。而這篇討論的文章，就針對這點而寫成的。
不過，這只是一篇簡單的討論的文章而已，我會首先呈現這篇文章的背景以及資料，接著跟你講他們的發現，最後提出我覺得可以改進的地方，那我們就開始吧。
Continue reading “總經數據驚喜與股價”2021年的七月，在夏季研討會的時候有一篇論文挺有趣的，是由Elin Halvorsen以及他的同事們寫成的”Why are the Wealthiest So Wealthy?
An Empirical-Quantitative Investigation of Lifecycle Wealth Dynamics“，採用挪威的豐富資料來去研究為什麼有錢人會變得更有錢以及對於財富不均的現象體現。
近幾年探討財富不均的論文其實很喜歡用挪威的資料庫，原因在於他們的豐富性充足，你可以追蹤一個人一輩子的資產變化進而去推算他為何會變得有錢，而這對於一般人而言其實也很值得探討。雖然很多人都說北歐國家比較平等，但事實上挪威在OECD國家裡面的財富不均是屬於名列前茅的，1%的人占據了20%的國家資產，比英國還有法國來的高出許多。
這篇論文就是在探討到底有錢人是如何越來越有錢的，到底有錢人做了什麼使得其資產與一般人拉開?我想，無論是對於想變成有錢人的人或者是對於社會財富分配不均甚至是想探討要如何課徵稅收才能使得所得分配均衡的人而言都是一篇非常值得研究的論文。
Continue reading “投資或者投胎-有錢人是怎麼練成的”在資產定價相關的文獻裡面往往會看到P,Q,M這些東西出現，其實這是屬於測量理論(measure theory)裡面的東西，但是對於資產價格定價其實挺重要的，由於之後可能會寫有關於wu-xia的影子利率的文章，而好死不死她們用的概念是從布萊克的選擇權遠期利率而來，因此真的要完全讀懂wu-xia的影子利率怎麼來的就會需要稍微提到P,Q,M之類的測量理論的東西，這篇雜談就當作一些數學上的雜談。
Continue reading “P,Q,M:有關於資產定價的一些數學理論”
隨著COVID-19疫苗的開發，各國都開始呼籲民眾去打疫苗，但我們也看到很多有關於疫苗副作用的報導，而許多人也因此不敢去打疫苗。這個理由聽起來似乎很合理，但是如果單純從統計數字上面來分析，打疫苗的風險其實應該比不打而得到COVID-19的風險來的高。
從行為經濟學來看，這或許跟Mathe Rabin提出的reference dependence 理論有關，這個理論說明人們在做出決定的時候往往需要找一個特定的點去做基礎，無論這個點是否理性，並且以這個點出發去讓自己效益最大化。而當一個人看到新聞報導副作用的時候或許就會將副作用的新聞作為這個點，進而放大疫苗致死的機率，因此他依然是理性的極大化自己的效益。
2021年的心理學期刊”Journal of Behavioral Decision Making”在七月份有一篇名為Contribution of rationality to vaccine attitudes: Testing two hypotheses“作者為Helena Tomljenovic, Andreja Bubic, Nikola Erceg等人的論文特別把抗拒注射疫苗的心理去做分析，這篇論文挺有意思的，就想說來寫一篇來討論這篇論文，探討到底為何人會在心理上抗拒疫苗。
Continue reading “為什麼會有抗拒疫苗的行為?”在金融市場裡面，往往你會聽到趨勢這兩個字，而似乎這個字與隨機漫步是分開的，因為如果一個金融商品的價格是有趨勢的，那他怎麼可能隨機呢?
理論上，隨機應該是上上下下的起伏才對，但是我們可以看到GDP不斷往上，也可以看到有股票的價格是不斷向下的，在這樣的情況下，為什麼經濟學家們還是執著在隨機漫步裡面，所謂的隨機究竟是什麼呢?
這篇文章就透過2021年的新台幣對美金走勢來講述到底何謂趨勢中的隨機，同時稍微把趨勢以及隨機漫步這兩個概念講解一下。整篇文章會用Python及數學的方式來輔助說明，但對於這部分沒興趣的其實可以單純看圖就好，並不影響閱讀。
Continue reading “趨勢中的漫步-以2021年新台幣為例”2021年的七月十九日，是第一檔被動型指數型基金的上市50週年，所謂的被動型指數型基金，顧名思義，就是被動的只追蹤特定指數的基金，例如單純追蹤美國SP500的SPR，或者是單純追蹤美國科技股的QQQ，這些都是被動型的指數型基金，一方面基金的經理人只需要跟著這些指數去調整成分，二方面管理費也通常比共同基金還要低。
但這樣的被動型指數型基金往往都被認為是懶惰的，或者是沒有技術的，畢竟你只需要追蹤指數就型沒錯吧，技術上面可能會被認為比不上技術分析的黃金交叉或者死亡交叉，甚至不如那些透過分析EPS或者本益比而投資單一公司的。
事實上，第一檔被動型指數型基金其實可以說是廣義上面量化分析的起源，真正把數學以及模型還有科學帶入華爾街的就是這些指數型基金，這篇文章就來講述這些被動型指數型基金的歷史，以及為什麼指數型的投資才是更加科學的投資。
Continue reading “指數型基金-第一代的量化分析”
最近新聞報導Janet Yellen將出任拜登政權的財政部長，有些人質疑這是因為拜登主打性別平權，有些人則認為這是FED跟財政部的掛勾，但是以我這個從事總經研究的人來講，葉倫真的很厲害，出任財政部長當之無愧。
葉倫其實是一個挺特別的人物，她從學術走向政策，在經濟政策委員會跟聯準會都有很多的紀錄，而在學術上面也是備受尊重，這篇文章會先從她的學術開始談起，接著談到她如何進入政界，並介紹跟她有關的幾篇論文來讓人理解葉倫經濟學的思想。
Continue reading “淺談葉倫（上）-學者生涯”雖然說是去年的論文了，我也以為不會寫這東西，但是最近第二波疫情似乎來勢洶洶，可以寫一下這篇的code以及變數方法(所有的code都是用Python寫成的，我的環境是Anaconda 3)，提供給有興趣研究的人參考，同時也科普一下大家常在說的控制Rt到底是怎麼一回事。
這篇論文出自於Andrew Atkeson(2020)的這一篇”What Will Be the Economic Impact of COVID-19 in the US? Rough Estimates of Disease Scenarios“，後續則有許多人引用這篇發展出更深入的探討，但我們可以把重心放在這邊，而我自己則是把疫苗施打率放進去裡面當作一個變數，試圖分析第二波如何在疫苗施打率之下有效控制，目前沒看過有人寫台灣的就自己寫一個。
基本上他的概念是我們要如何透過社會隔離得到最少的染疫人口比例，而這其實真的是可以計算的，事實上去年甚至到今年許多國家都還是採用這個模型作為開端去做符合當地情況的變化，而Robert Shiller於2017在”Narrative Economics“這篇論文裡面也有用這樣的模型來說明報紙以及口接交談的概念或者謠言如何改變我們的思維，所以他不僅僅是一篇一病相關的，未來還有很多可以探討的空間，而這就讓我們開始吧。
Continue reading “關於疫情控制的經濟模型:SIR”近幾年隨著機器學習的崛起，許多人開始使用機器學習的方法來做為預測分析，而經濟學其實在這方面算是先驅的科目之一，例如現任台大校長管中閔與其導師早在1995年的”Forecasting exchange rates using feedforward and recurrent networks“這篇裡面神經網路的方法來預測匯率，這並不新。而許多量化基金其實也採用類似的作法，而且是越來越進步。
這讓我們不禁要問:”那我還學經濟學幹嘛”，尤其是對於興趣其實是預測經濟成長甚至是股價變化的人來講，似乎懂怎麼處理資料以及演算法甚至比起懂經濟學理論還要重要?
在我自己常常學習Python於經濟學運用的社群QuantEcon上面有一篇文章Forecasting Inflation Using VAR: A Horserace Between Traditional and ML Approaches就透過總體經濟常用的模型告訴我們；經濟學理論還是很重要的，而我這一篇主要就根據他的做法重新調整(因為他有些code其實跑出來會出現bug)，說明為什麼機器學習只是輔助，而我們需要更多理解才能做出更好的經濟預測。
Continue reading “為什麼需要經濟理論來預測經濟趨勢:比較機器學習與計量經濟”現代投資理論(簡稱MPT)，是馬可維茲的巨作，也是許多經濟以及金融學家在現代接觸到投資學的第一課，而許多對於投資有興趣的或許也都聽過。但是，很多實務上的運用都是用Excel或者是Matlab來完成的，前者其實功能很受侷限，後者則是很貴。這篇文章就試圖透過Python這個免費的開源軟體來手把手的教你現代投資理論，同樣的使用市場的資料跟你說現代投資理論真正要跟你說的，以及為何你不應該過度依賴他。
Continue reading “如何用Python透過現代投資理論組成資產配置以及為何不應該依賴他”