Artikel ini adalah tentang model yang didasarkan pada jaringan Bayesian, yang menggambarkan kutipan mata uang dunia. Berdasarkan metrik sederhana, saya akan menunjukkan bahwa pola perilaku kuotasi mata uang dunia selama dua tahun terakhir (dari awal 2018 hingga akhir 2019) bertepatan dengan yang diamati selama dua tahun sebelum awal fase akut krisis ekonomi global 2008. Hasil studi kecil saya ini sesuai dengan pendapat banyak ahli bahwa saat ini ekonomi dunia berada di ambang krisis ekonomi skala besar yang dapat melampaui krisis 2008. Saya juga akan menjelaskan bagaimana saya membangun model, di mana saya mengambil data dan memberikan analisis saya tentang hasil model pada contoh kutipan rubel. Saya akan mulai dengan beberapa detail teknis.

ruang kutipan n-dimensional

Kutipan mata uang dunia untuk periode tertentu dapat direpresentasikan sebagai seperangkat poin dalam ruang n-dimensional, di mana n adalah jumlah mata uang yang dimaksud. Setiap titik dalam ruang tersebut dijelaskan oleh vektor n elemen. Elemen-elemen dari vektor ini adalah nilai-nilai penawaran n mata uang dunia selama satu hari. Dengan kata lain, kami memiliki n sumbu yang masing-masingnya kami tunda nilai kuotasi dari mata uang yang sesuai.

Poin dalam ruang multidimensi ini didistribusikan dengan cara tertentu. Mengetahui distribusi ini, kita dapat mengukur probabilitas pengamatan untuk setiap titik. Dengan demikian, Anda dapat menemukan poin yang memiliki probabilitas abnormal rendah. Artinya, mengetahui area ruang di mana titik awan untuk kutipan sejarah berada, kita dapat menemukan titik-titik yang terletak di luar atau di perbatasan awan ini.

Mata uang (atau mata uang) karena yang mengutip poin kami (dalam ruang n-dimensi) tidak mungkin disebut terlalu tinggi atau terlalu rendah, tergantung pada arah mana sepanjang sumbu mata uang yang sesuai, titik ini telah bergerak. Jika mata uang memiliki kuotasi besar yang tidak normal, maka kami akan menyebutnya dinilai kembali, jika anomali kecil, kemudian diremehkan. Mengetahui bahwa mata uang itu diremehkan, kita dapat mengasumsikan bahwa kemungkinan menguatnya dalam waktu dekat adalah tinggi dan, sebaliknya, jika mata uang tersebut dinilai terlalu tinggi, maka sebuah skenario cenderung menurun nilainya.

Alasan untuk kutipan abnormal

Probabilitas rendah untuk mengamati suatu titik dalam ruang n-dimensi kami menunjukkan bahwa setidaknya satu mata uang memiliki nilai penawaran tinggi yang abnormal tinggi atau abnormal rendah pada waktu tertentu. Dalam kasus umum, beberapa atau semua mata uang memiliki tanda kutip seperti itu, kombinasi yang dalam vektor n-dimensi jarang diamati atau tidak pernah diamati dalam periode sejarah yang diteliti. Ada banyak alasan untuk ini, tetapi semuanya ditandai dengan timbulnya pengaruh faktor-faktor tertentu yang mempengaruhi satu atau banyak mata uang.

Salah satu alasannya adalah contoh hipotetis sederhana untuk rubel. Misalkan, sebagai akibat dari kebijakan Bank Sentral Rusia (CB), ada devaluasi rubel yang tidak dapat dibenarkan secara ekonomi. Dalam hal ini, kutipan yang sesuai dengan rubel yang didevaluasi akan ditempatkan di ruang n-dimensi jauh dari awan titik yang diamati dalam interval historis sebelumnya. Artinya, titik-titik akan terletak di wilayah ruang, di mana probabilitas untuk mengamatinya kecil. Kami hanya dapat menemukan cara bagaimana mengukur probabilitas ini.

Perlu dicatat bahwa pelemahan atau penguatan rubel yang tidak masuk akal secara ekonomi dapat disebabkan oleh pengaruh pemain yang kuat (Bank Sentral, Kementerian Keuangan, dll.) Dan kelembaman mata uang ketika tren masih ada, tetapi faktor ekonomi yang memprakarsainya memiliki pengaruh yang kecil.

Jaringan Bayesian

Untuk mengukur probabilitas untuk setiap titik, diperlukan model yang menggambarkan distribusinya. Sebagai model seperti itu, saya memilih jaringan Bayesian karena mudah dipahami, digunakan, dan dapat menggambarkan saling ketergantungan antar mata uang. Setelah pelatihan, model semacam itu mengetahui fluktuasi mata uang mana yang menjadi penyebab dan dampaknya.

Dalam gbr. Gambar 1 menunjukkan contoh grafik untuk lima mata uang. Oval adalah mata uang, dan panah menunjukkan dependensi. Di sini, mata uang 1 tergantung pada mata uang 2 dan mata uang 3, mata uang 5 pada mata uang 1 dan mata uang 4, dll. Jika kami menggambarkan grafik ini dalam hal regresi, maka ketergantungan berarti bahwa mata uang 1 ada di sisi kiri model regresi, dan mata uang 2 dan mata uang 3 ada di sisi kanan. Logika yang sama untuk mata uang 5 dan sisanya.

Grafik seperti itu dapat dibangun dengan tangan jika Anda mengetahui dependensinya atau (seperti yang saya lakukan) tentukan dari data menggunakan algoritma khusus. Setelah melatih jaringan Bayesian tentang penawaran mata uang, kami mendapatkan grafik yang mirip dengan yang ada di Gambar. 1 dan juga tingkat pengaruh satu mata uang pada mata uang lainnya.



Gambar 1. Contoh jaringan Bayesian.

Jaringan Bayesian memberi kita kesempatan untuk mengevaluasi kemungkinan setiap penawaran mata uang. Kredibilitas adalah angka tertentu yang menunjukkan seberapa besar kemungkinan adanya penawaran yang diberikan untuk model yang diberikan. Kredibilitas memberi kita informasi tentang seberapa jauh (atau seberapa dekat) kutipan ini dari area di mana ia paling mungkin diharapkan dalam ruang kutipan. Dengan kata lain, kemungkinan penawaran pada hari tertentu menunjukkan seberapa jauh kutipan mata uang dari nilai yang diharapkan. Artinya, seberapa banyak yang diremehkan atau terlalu tinggi.

Selain itu, selain masuk akal, jaringan Bayesian memberikan nilai dari nilai yang diharapkan dari kutipan. Dengan demikian, dengan menggabungkan informasi tentang kemungkinan penawaran, nilai yang diharapkan dan nyata, kami dapat memberi tahu pada setiap hari di masa lalu (misalnya, kemarin) berapa banyak mata uang yang diremehkan atau ditaksir terlalu tinggi.

Jika nilai riil mata uang kurang dari yang diharapkan dan kemungkinan suatu poin kecil, maka mata uang tersebut diremehkan. Sebaliknya, jika nilai riil mata uang lebih tinggi dari yang diharapkan dan kemungkinannya juga kecil, maka mata uang tersebut dinilai terlalu tinggi. Misalnya, jika harga dolar di bursa adalah 65 rubel dan jaringan Bayesian mengatakan bahwa kemungkinan kuotasi seperti itu kecil, dan nilai yang diharapkan adalah 70 rubel per dolar, maka ini berarti bahwa rubel dinilai terlalu tinggi.

Pelatihan Bayes

Untuk melatih model, saya mengambil kuotasi mata uang pada akhir setiap hari perdagangan. Data tentang mata uang dunia diambil secara gratis dari finance.yahoo.com. Setelah pembersihan yang lama (banyak nilai dan emisi yang hilang), saya memilih sekitar 100 mata uang yang memiliki distribusi yang kurang lebih informatif. Yaitu, ia menolak mata uang itu di mana nilai tukar diatur oleh mekanisme administrasi langsung. Mata uang tersebut memiliki nilai tukar yang sama selama bertahun-tahun dan hanya sesekali mendevaluasi dalam lompatan. Saya harus mengatakan bahwa semua mata uang entah bagaimana diatur oleh Bank Sentral atau pemerintah, tetapi ada orang-orang yang kandungan informasinya untuk model ini jelas kecil. Jadi, dalam ruang n-dimensional kita, n adalah 100.

Setelah pembersihan dan pemrosesan data lainnya, saya melatih jaringan Bayesian di R menggunakan paket bnlearn. Paket ini sangat nyaman dengan deskripsi yang baik dan bekerja dengan cepat. Kutipan, meskipun mereka urutan waktu, tetapi memasuki model tanpa referensi waktu. Data telah digunakan sejak tahun 2003. Untuk setiap tahun berikutnya, model tersebut dilatih secara berlebihan menggunakan data untuk seluruh periode sebelumnya. Yaitu, pada tanggal 1 Januari setiap tahun, model tersebut berlatih lagi dengan memasukkan data baru yang diakumulasikan untuk tahun sebelumnya.

Hasil

Kami berada di ambang krisis global

Dalam gbr. Gambar 2 menunjukkan log-kemungkinan logaritma untuk setiap titik dalam ruang 100-dimensi dari kutipan mata uang dunia kami. Sumbu vertikal mewakili nilai kemungkinan log, dan sumbu horizontal mewakili tanggal. Metrik kemungkinan log harus ditafsirkan sebagai berikut: semakin rendah nilainya, semakin kecil kemungkinannya untuk mengamati kuotasi mata uang dunia pada hari tertentu. Nilai metrik yang sangat rendah ini dapat mengindikasikan beberapa perubahan skala besar dalam ekonomi global.



Gambar 2: Probabilitas (kemungkinan log) untuk mengamati kuotasi mata uang dunia untuk setiap hari (garis merah). Area krisis 2008 disorot dengan warna biru, area awal kemungkinan krisis berikutnya disorot dengan warna oranye.

Mari kita perhatikan wilayah dari 2006 hingga akhir 2008 (wilayah disorot dengan warna biru pada Gambar. 2). Kami melihat bahwa nilai kemungkinan log minimum di area ini diamati pada akhir 2008. Seperti kita ketahui, saat ini ada fase akut dari krisis ekonomi global, diiringi dengan jatuhnya sejumlah organisasi keuangan, seperti bank investasi Lehman Brothers.

Dalam dua tahun sebelumnya dari 2006 hingga 2007, kami telah melihat fluktuasi signifikan dalam log-likelihood. Jika kita dapat kembali ke masa lalu di tahun-tahun itu dan melihat grafik ini, maka kita pasti akan menyimpulkan bahwa sesuatu yang luar biasa sedang terjadi dalam ekonomi global. Hari ini kita tahu bahwa lonjakan pada grafik pada 2006-2007 adalah pertanda krisis ekonomi global.

Sekarang mari kita lihat periode saat ini dari 2018 hingga akhir 2019 (area tersebut disorot dengan warna oranye pada Gambar. 2). Setelah hampir 8 tahun relatif tenang, metrik log-likelihood kami kembali menunjukkan lonjakan yang signifikan, seperti pada 2006-2007. Selain itu, pada akhir 2018, kemungkinan log turun secara signifikan lebih rendah daripada apa yang diamati dua tahun sebelum krisis 2008. Jika pada pertengahan 2006 kami mengamati lonjakan ke -5000, maka pada akhir 2018 kami mengamati lonjakan -12000 (nilai negatif sangat rendah tidak ditampilkan dalam grafik). )

Ini kemungkinan besar dapat menunjukkan adanya perubahan skala besar dalam ekonomi global, mirip atau bahkan lebih signifikan daripada dua tahun sebelum krisis 2008. Jadi, jika kita membandingkan perilaku metrik saat ini dengan perilaku dalam krisis 2008, maka kita dapat mengasumsikan bahwa dalam waktu terdekat Selama satu atau dua tahun, ekonomi dunia akan menghadapi guncangan besar yang mungkin melebihi yang terjadi pada 2008.

Tambahkan sedikit kejelasan pada grafik di Gambar. 2. Kami melihat bahwa untuk setiap tahun ada tren turun yang stabil dari awal hingga akhir tahun. Nilai-nilai metrik mendekati nol pada awal tahun karena fakta bahwa model kereta baru pada awal setiap tahun dan dengan demikian termasuk informasi tentang penawaran terbaru. Pada akhir tahun, bentuk distribusi kutipan di ruang n-dimensi kita berubah. Karena kenyataan bahwa model tidak tahu apa-apa tentang distribusi baru, diharapkan untuk menunjukkan nilai kemungkinan log yang rendah untuk mereka.

Ini ditekankan oleh fakta bahwa ekonomi dunia terus bergerak: ikatan ekonomi baru antar negara muncul dan yang lama lenyap. Artinya, penurunan seragam dalam metrik dari awal hingga akhir tahun adalah gambaran yang diharapkan, dan lonjakan yang kuat dan penurunan tajam menunjukkan perubahan kuat dalam ekonomi global.

Karena kecenderungan turun log, sulit untuk menerapkannya secara langsung untuk mengukur seberapa rendah atau rendahnya nilai mata uang. Untuk melakukan ini, saya memperkenalkan metrik baru yang disebut nilai-z. Metrik nilai-z tergantung pada tiga nilai: log-likelihood yang berubah (di sini log-likelihood untuk mata uang tertentu, dan bukan yang ada pada Gambar 2), nilai yang diharapkan dan nilai riil dari kutipan mata uang. Dengan demikian, nilai-z adalah indikator seberapa rendah nilai mata uang tersebut.

Mari kita lihat rubel Rusia

Lebih lanjut, saya akan menunjukkan bahwa nilai-z relatif menunjukkan peningkatan kemungkinan perubahan tren. Mari lihat ara. 3 di mana kutipan rubel Rusia digambarkan oleh garis hijau. Metrik nilai-z ditunjukkan pada grafik dengan titik-titik merah dan biru. Titik merah menunjukkan bahwa rubel dinilai terlalu tinggi, dan titik biru menunjukkan bahwa rubel diremehkan. Ukuran poin tergantung pada nilai absolut dari nilai-z (semakin besar nilainya, semakin besar poinnya).



Gambar 3: Nilai overvaluation (titik merah) dan nonvaluasi (titik biru) untuk kutipan rubel (garis hijau)

Selanjutnya, untuk kemudahan persepsi, saya menggunakan nilai kuotasi terbalik dengan yang diadopsi di dunia keuangan. Hal ini disebabkan oleh fakta bahwa bagi kebanyakan orang lebih mudah untuk mengingat berapa banyak dolar dalam rubel dibandingkan dengan kebalikannya.

Pada grafik, kita melihat bahwa minimum lokal biasanya disorot dalam warna merah, dan maksimum lokal biasanya disorot dengan warna biru. Tinggi dan rendah, tentu saja, adalah titik perubahan tren. Ada area (misalnya, akhir 2018) di mana metrik menunjukkan perubahan tren, tetapi tren aktual tetap sama. Dengan demikian, metrik nilai-z menunjukkan kemungkinan peningkatan tren tren dalam beberapa hari atau minggu mendatang.

Selanjutnya, saya akan mencoba menganalisis perilaku nilai yang diharapkan untuk kutipan rubel (nilai rubel yang diharapkan). Nilai yang diharapkan dari kutipan adalah yang diharapkan oleh jaringan Bayesian pada hari tertentu untuk mata uang tertentu berdasarkan pada kutipan dari 99 mata uang yang tersisa. Jaringan Bayesian tahu segalanya tentang distribusi kutipan dan, oleh karena itu, tahu tentang nilai yang diharapkan.

Mari lihat ara. 4, di mana tanda kutip rubel ditunjukkan dengan garis hijau (seperti dalam bagan sebelumnya), dan titik-titik hijau terang menunjukkan tanda kutip yang diharapkan yang diberikan jaringan Bayesian kepada kami. Saya akan mencoba memberikan interpretasi saya tentang bagaimana nilai-nilai yang diharapkan dari harga rubel berperilaku menggunakan dua periode sebagai contoh.



Gambar 4: Kutipan rubel (garis hijau) dan nilai yang diharapkan (titik-titik hijau terang). Periode di mana strategi carry trade sangat populer disorot dengan warna biru. Warna merah muda menunjukkan area dengan aktivitas luar biasa dari Kementerian Keuangan Rusia.

Mari kita lihat periode dari awal 2015 hingga akhir 2017, yang disorot dengan warna biru pada Gambar. 4. Kita melihat bahwa nilai yang diharapkan dari rubel secara sistematis jauh lebih rendah daripada nilai sebenarnya (titik-titik hijau terang lebih tinggi daripada hijau gelap). Selama periode ini, Bank Sentral akan membatalkan koridor mata uang, menghentikan intervensi dan secara tajam meningkatkan suku bunga utama dari 10% menjadi 17% dengan penurunan berikutnya yang mulus kembali ke 10% ( suku bunga utama di situs web Bank Sentral ). Situasi ini memberikan dorongan kuat untuk melakukan operasi perdagangan , yang menarik modal spekulatif dan memperkuat rubel di atas tingkat yang secara fundamental sehat.

Carry trade adalah strategi perdagangan ketika, misalnya, Anda mengambil pinjaman di Jepang sebesar 0,1% dan memasukkan uang itu ke deposito bank di bank Rusia sebesar 7%. Setelah satu tahun, Anda menutup deposit, memberikan uang kepada bank Jepang bersama dengan bunga, mengambil keuntungan untuk diri sendiri, yang terdiri dari perbedaan suku bunga antara bank sentral Jepang dan Rusia.

Sekarang mari kita lihat 2018 (area pada Gambar. 4 disorot dalam warna merah muda). Di sini saya hanya ingin membagikan salah satu pengamatan saya. Sejak awal tahun, Kementerian Keuangan Rusia (Kementerian Keuangan) telah membeli mata uang asing di pasar valuta asing domestik dengan jumlah rata-rata 15-20 miliar rubel setiap hari. Pada akhir Agustus 2018, Departemen Keuangan menyelesaikan operasi ini. Jika kita melihat ara. 4, kita akan melihat bahwa selama periode ini (dari awal 2018 hingga Agustus 2018) nilai yang diharapkan dari rubel lebih tinggi daripada yang asli dan hanya pada bulan Agustus (tepat ketika Departemen Keuangan berhenti membeli mata uang) poin-poin dari nilai yang diharapkan pada grafik menjadi lebih tinggi dari yang sebenarnya (nilai yang diharapkan , masing-masing, di bawah).

Dapat diasumsikan bahwa selama periode ini, beberapa faktor bertindak yang menyebabkan masuknya mata uang ke dalam perekonomian negara dan grafik menunjukkan nilai yang diharapkan dari rubel. Dengan demikian, Departemen Keuangan dapat menarik mata uang ini dari peredaran tanpa banyak kerusakan pada ekonomi. Angka-angka untuk pembelian mata uang asing oleh kementerian dapat dilihat pada tabel di situs web Bank Sentral , kolom kelima (kolom disebut "operasi Kementerian Keuangan Rusia untuk membeli (menjual) mata uang asing di pasar valuta asing domestik *")

Grafik untuk mata uang lainnya

Bagi mereka yang ingin menganalisis perilaku mata uang lain, saya membuat situs web www.valuenetto.com , di mana Anda dapat melihat metrik nilai-z dan nilai yang diharapkan dari semua 100 mata uang. Situs ini tidak ditujukan untuk sejumlah besar pengguna, sehingga terkadang dapat melambat.

Setelah pergi ke situs, klik tombol biru di sudut kanan atas (di mana prompt "pilih mata uang" berkedip) dan pilih mata uang yang menarik minat Anda (Anda dapat mengetik nama negara di bidang yang muncul). Kemudian grafik akan muncul mirip dengan yang ada di dua angka sebelumnya. Tombol di kiri atas menunjukkan nilai z saat ini. Jika Anda mengklik baris di bawah tombol, deskripsi terperinci untuk nilai-z akan muncul.

Situs ini bekerja secara otomatis. Pada akhir setiap hari perdagangan, data penawaran diunggah. Model ditanya kemungkinan untuk mata uang dari mana metrik nilai-z dihitung (ditampilkan sebagai titik-titik merah dan biru pada grafik). Pada akhir setiap tahun, model otomatis dilatih lagi dengan mempertimbangkan data baru untuk tahun sebelumnya.

Sekali lagi tentang krisis ekonomi global

Banyak ahli yang secara teratur memperingatkan tentang awal krisis ekonomi global baru, yang diperkirakan akan jauh lebih besar dari apa yang kita lihat sebelumnya. Alasan mereka melihat kekurangan mendasar dari model ekonomi kapitalis modern.

Seorang pakar seperti itu, Martin Wolfe, berpendapat bahwa kapitalisme saat ini adalah "kapitalisme rentier" dan rent adalah akar utama dari penyakit ekonomi global. Sewa dipahami sebagai pendapatan berlebih dari penyewaan sumber daya apa pun. Sumber daya semacam itu dapat berupa real estat atau kualitas profesional dari spesialis berkualifikasi tinggi yang bekerja dengan gaji sangat tinggi.

Ahli lain, Mikhail Khazin, mengungkapkan pandangan bahwa keberadaan kapitalisme hanya mungkin terjadi dengan pasar yang terus berkembang dan dengan konsumsi yang terus meningkat. Perluasan lebih lanjut dari pasar hari ini tidak mungkin karena kenyataan bahwa sebagai akibat dari globalisasi, pasar global sudah lebih atau kurang berkembang. Peningkatan konsumsi juga tidak mungkin karena beban utang konsumen yang besar di negara maju. Ini berarti bahwa waktu kapitalisme telah berakhir dan dalam waktu dekat dunia akan memulai transisi ke model ekonomi baru berdasarkan pada prinsip-prinsip lain. Transisi akan disertai dengan penurunan konsumsi dunia yang signifikan.

Dengan demikian, kita semua mungkin akan menyaksikan perubahan besar dalam waktu dekat.

Penafian

Model yang dijelaskan di sini bukan algoritma perdagangan yang lengkap. Penulis tidak menjamin bahwa penggunaannya dalam sistem perdagangan otomatis akan meningkatkan, mengurangi atau tidak mengubah kinerja sistem tersebut.

pembaruan:
1) Memperbaiki kesalahan tata bahasa. Terima kasih AndyPike , polearnik dan sheru
2) Menambahkan bab Penafian atas rekomendasi bellerofonte