Co to jest przykład obliczeniowy danych Nonfarm Payrolls? (Z założeniami)
Nonfarm Payrolls w prostych słowach
Nonfarm Payrolls (często skracane do NFP) to powszechnie cytowany wskaźnik zatrudnienia, który mierzy, ile osób pracuje w miejscach pracy poza sektorem rolnictwa. Część „nonfarm” jest kluczowa: wyklucza ona zatrudnienie w rolnictwie, więc liczba ta ma reprezentować szersze warunki na rynku pracy, a nie pracę związaną z rolnictwem.
Kiedy mówi się o „niespodziankach” w danych NFP, zwykle chodzi o to, że faktyczna miesięczna zmiana różni się od tego, czego oczekiwali prognostycy. To ujęcie ma znaczenie dla każdego przykładu obliczeniowego, ponieważ rynek (lub analityk) może reagować na różnicę między wartością faktyczną a oczekiwaną, a nie na sam poziom zatrudnienia.
Jak można skonstruować przykład obliczeniowy
Przykład obliczeniowy powinien wyraźnie oddzielać:
- mechanikę danych (co jest mierzone) oraz
- założenia liczbowe (co zakładasz, że wynosi oczekiwana zmiana, rewizje i obliczenia).
Załóżmy, co następuje dla hipotetycznego miesiąca:
- Raportowana zmiana NFP jest mierzona jako zmiana netto liczby zatrudnionych w stosunku do poprzedniego okresu odniesienia.
- Koncentrujesz się na zmianie miesiąc do miesiąca (nie na poziomie zatrudnienia).
- Traktujesz „prognozę” jako osobną zakładaną liczbę reprezentującą to, czego oczekiwała większość obserwatorów.
Scenariusz (liczby tylko dla ilustracji)
- Zmiana NFP w poprzednim miesiącu (według tej samej metody raportowania): +100 000 miejsc pracy.
- Faktyczna zmiana NFP w bieżącym miesiącu: +150 000 miejsc pracy.
- Oczekiwanie rynku/prognostyków na bieżący miesiąc: +120 000 miejsc pracy.
Przy tych założeniach „niespodzianka” w stosunku do oczekiwań wynosi:
- Niespodzianka = Wartość faktyczna − Wartość oczekiwana = 150 000 − 120 000 = +30 000 miejsc pracy.
Teraz oddziel rewizje jako drugą warstwę założeń. Wiele szeregów dotyczących zatrudnienia może zostać później skorygowanych. Dla przykładu obliczeniowego załóżmy, że:
- Raportowana zmiana z poprzedniego miesiąca (+100 000) zostaje później zrewidowana do +105 000.
Ostrożna interpretacja powinna stwierdzić:
- Faktyczna zmiana w bieżącym miesiącu w tym przykładzie nadal wynosi +150 000 (zgodnie z założeniem).
- Znaczenie „tego, co się zmieniło” między dwoma miesiącami może się przesunąć, jeśli linia bazowa dla poprzedniego miesiąca ulegnie zmianie z powodu rewizji.
Interpretacja podobna do opartej na dowodach, bez obiecywania wyników
W rzeczywistych warunkach analitycy często łączą niespodzianki w danych NFP z szerszymi oczekiwaniami dotyczącymi wzrostu gospodarczego i presji inflacyjnej. Ale każdy taki związek należy traktować jako warunkowy: publikacja danych o zatrudnieniu jest tylko jednym z elementów większego zestawu informacji.
Neutralny sposób na zrozumienie, dlaczego reakcje mogą się różnić, jest następujący:
- Ceny często uwzględniają oczekiwania sformułowane przed publikacją danych.
- Obliczenie niespodzianki (+30 000 miejsc pracy tutaj) opiera się na wybranym przez Ciebie założeniu dotyczącym oczekiwań.
- Różni uczestnicy rynku mogą mieć różne oczekiwania, więc ta sama faktyczna liczba może być interpretowana odmiennie.
Należy również zauważyć istotny tryb awarii: interpretacja może się załamać, jeśli przykład zakłada stabilny pomiar „zmiany”, ignorując jednocześnie, że rewizje mogą zmienić to, co wcześniej uważano za trend.
Ograniczenia, ryzyka i jak zweryfikować niezależnie
Ograniczenia przykładów obliczeniowych
- Ryzyko rewizji: Linie bazowe mogą się zmienić po publikacji, więc liczby z poprzedniego miesiąca mogą nie pozostać stałe.
- Niejednoznaczność oczekiwań: „Wartość oczekiwana” nie jest jedną oficjalną wartością; zależy od tego, które źródło prognoz modelujesz.
- Termin i zakres: Wskaźnik wyklucza rolnictwo; inne miary rynku pracy mogą kształtować się odmiennie.
Lista kontrolna niezależnej weryfikacji
Aby zweryfikować własną interpretację bez polegania na prognozach:
- Uzyskaj opublikowaną zmianę NFP dla danego miesiąca oraz opis metody z oficjalnej publikacji danych.
- Zidentyfikuj poprzedni okres odniesienia użyty do obliczenia zmiany miesiąc do miesiąca.
- Jeśli modelujesz „niespodziankę”, zdefiniuj źródło oczekiwań i oblicz Niespodzianka = Zmiana faktyczna − Zmiana oczekiwana.
- Sprawdź, czy rewizje są odnotowane dla poprzednich miesięcy i odpowiednio zaktualizuj linię bazową.
Weryfikacja lub kolejne pytanie do rozważenia
Jeśli chcesz pogłębić przykład obliczeniowy, rozważ powtórzenie tych samych obliczeń przy użyciu innego założenia dotyczącego oczekiwań (na przykład niższej oczekiwanej zmiany) i wyraźne określenie, jak zmienia to obliczoną niespodziankę. Następnie porównaj interpretacje w oparciu o wiele wskaźników rynku pracy (takich jak miary bezrobocia), pamiętając, że różne szeregi mogą być kształtowane przez różne zakresy pomiaru.