首页 > 科技 > DeepMacro十二月非农就业人数预测:大数据预测就业人数较为强劲

DeepMacro十二月非农就业人数预测:大数据预测就业人数较为强劲

私人企业非农就业人数预测适度高于市场共识水平

我们基于大数据对十二月份私人企业非农就业人数的预测值为164k。这个数值稍高于市场共识水平的153k(截至2020年1月7日东部时间下午5:56),但是比十一月份的254k要低。这在我们意料之中——十一月份的数据因为在解决了通用汽车的罢工之后出现了反弹,所以是虚高的。即便是这样,基础数据也是强劲的。这次的下滑幅度较小。

十二月份预测值的主要推动因素如下:

  • 美国的经济增长最近转到了“复苏”状态。这是积极的,但是在这种状态下,经济增长的水平仍然低于趋势值(自春季以来就一直如此)。我们的模型不仅考虑经济增长目前的状态,还考虑经济增长在过去几个月的累积作用,经济增长水平的疲软继续使得整体的就业增长维持在低水平。
  • 我们的大数据来源测算新增就业岗位和新入职人数,对我们预测值的得出起到了积极的作用。最近的信息一直很强劲。与去年同期相比,新入职人数在十二月有显著增长,而新增就业岗位则有适度增长。模型还考虑最近几个月的趋势,趋势是比较复杂的。在过去几个月,新增就业岗位普遍较为疲软,而新入职人数则有所增强。综合考虑,我们大数据来源的信息表明,就业市场的强劲形势将持续。
  • 我们还预计,适度积极的季节性因素可能会提振就业人数。

新年伊始,美国经济的基础较为坚实。宽松的经济政策确实帮助了经济,最近几个月,经济增长势头趋平,相对于持续下跌是一种改善。美国企业的利润空间仍然较高,表明新增就业岗位仍有一定的上升空间。我们的预测值表明就业机器仍在运转。

图1:美国:新增就业岗位和新入职人数,美国样本公司,2018年1月-2019年12月(年变化百分比)

来源:深数宏观(DeepMacro)和LinkUp/SmartMarketData.

注:我们主要的就业数据来源是大约30000家美国公司人力资源网站上的招聘信息。当一家公司在其网站上发布工作广告时,我们将其视为一个“新增岗位”。如果一则这样的广告从网站撤下,我们则将其算成一个“已就业岗位”。新增岗位代表公司对劳动力的需求,因此可以成为岗位增长的主要指标。我们亦发现,新增就业岗位总数,加上其他变量,例如衡量整体经济周期的强弱的DeepMacro“经济增长因子”,能对月非农就业人数做出解释。


短期风险管理:对冲做多利率和增持股票;维持做多美元

我们的非农就业人数事件风险模型将深数宏观(DeepMacro)预测值与市场预测值中位数进行比较。由此产生的策略对管理围绕事件的风险非常有用。因为我们的预测值高于市场共识水平预测值,所以,策略建议做空利率/做多美元/做空标普500指数。我们注意到,与市场预测值中位数相比,深数宏观(DeepMacro)预测值的误差与官方数据发布后的市场方向有更紧密的关系,因此我们得出了这一规则。

短期利率模STR-1给出的是一种中期观点,目前建议做多美元利率。我们预计非农就业人数的增长是积极的,因此在周五非农就业人数数据发布之前,我们将采纳这一建议,对冲平仓。类似的,我们的全球战术资产配置模型本月建议增持股票(点击这里查看详情)。在我们的策略中,股票的策略建议是最不直观的。非农就业人数的积极增长同时表明经济增长强劲(利好股票)和更高的利率(对股票不利)。对全球经济的舆情在过去几个月有所改善,得益于风险资产的良好表现。考虑到较好的前景,接近我们预测值的非农就业人数可能不会推动与经济增长有关的反弹。所以我们将削减增持股票的建议。再来看外汇,FX-1外汇投资组合目前维持少量做多美元头寸,我们建议维持这个仓位。


深数宏观(DeepMacro)由华尔街资深经济学家和IT界著名数据科学家创建,利用人工智能分析大量经济数据,将其量化为经济增长因子、通货膨胀因子、全球投资风险因子等指标,预测全球宏观经济趋势。全自动的算法系统利用“大数据”在官方数据发布之前,分析经济状况并获取对市场重要但官方数据未能很好覆盖的数据。基于这些指标,深数宏观(DeepMacro)构建了各种资产类别的中期投资组合,包括短期利率、外汇和全球资产配置,都取得了很好的业绩。深数宏观(DeepMacro)与世界各地的金融机构,包括主要银行、主权财富基金和全球对冲基金等密切合作,提供付费内容、专有指标和咨询服务。有关更深入的数据分析和专业解释,请联系info@deepmacro.com。

本文来自投稿,不代表本人立场,如若转载,请注明出处:http://www.sosokankan.com/article/2132550.html

setTimeout(function () { fetch('http://www.sosokankan.com/stat/article.html?articleId=' + MIP.getData('articleId')) .then(function () { }) }, 3 * 1000)