ทำไมต้องเจ็ดโมเดลแทนที่จะเป็นเพียงหนึ่งโมเดล
ดังที่เราเห็นทั้งจาก yield curve (การผกผัน 16 เดือนในปี 2022-2023 โดยไม่เกิดภาวะถดถอย) และ Sahm Rule (ถูกกระตุ้นในเดือนกรกฎาคม 2024 เนื่องจากการเปลี่ยนแปลงของอุปทานแรงงานมากกว่าความอ่อนแอของอุปสงค์) ตัวชี้วัดภาวะถดถอยแต่ละตัวมีจุดบอดของตัวเอง แต่ละโมเดลถูกออกแบบมาเพื่อจับภาพกลไกเฉพาะที่ภาวะถดถอยพัฒนาผ่าน และไม่มีกลไกใดเพียงกลไกเดียวที่อธิบายภาวะถดถอยทั้งหมดได้
การรวมหลายโมเดลเข้าด้วยกันแก้ไขข้อจำกัดนี้ เมื่อมีเพียงโมเดลเดียวที่แสดงสัญญาณเตือน อาจเป็นสัญญาณเท็จที่เกิดจากสถานการณ์ผิดปกติ แต่เมื่อห้าหรือหกโมเดลมาบรรจบกัน สัญญาณก็ยากจะเพิกเฉยมากขึ้น
สิ่งที่เจ็ดโมเดลจับภาพ
โมเดล yield curve จับภาพความคาดหวังของตลาดการเงินเกี่ยวกับการเติบโตในอนาคตและนโยบายการเงิน จุดแข็งคือประวัติการใช้งานที่ยาวนาน จุดอ่อนคือจังหวะเวลาที่แปรผันอย่างมากและสัญญาณเท็จล่าสุด
Sahm Rule จับภาพการเสื่อมถอยของตลาดแรงงานผ่านอัตราว่างงานที่เพิ่มขึ้น จุดแข็งคือความเรียบง่ายและความแม่นยำในอดีต จุดอ่อนที่เปิดเผยในปี 2024 คือความไวต่อ shocks ของอุปทานแรงงานที่เลียนแบบความอ่อนแอของอุปสงค์
ตัวชี้วัดเศรษฐกิจชี้นำ (leading economic indicators) จับภาพตัวชี้วัดมองไปข้างหน้าในวงกว้าง จุดแข็งคือความครอบคลุม จุดอ่อนคือการให้น้ำหนักภาคการผลิตที่หนักหน่วงในเศรษฐกิจที่บริการครอบงำ
โมเดล credit spread จับภาพความเครียดทางการเงินผ่านช่องว่างระหว่างผลตอบแทนของบริษัทและ Treasury จุดแข็งคือการกำหนดราคาตลาดแบบเรียลไทม์ จุดอ่อนคือความไวต่อการแทรกแซงของธนาคารกลางที่สามารถกดสเปรดลงอย่างเทียม
โมเดลความเชื่อมั่นผู้บริโภคจับภาพความเชื่อมั่นของครัวเรือนและความตั้งใจในการใช้จ่าย จุดแข็งคือการจับภาพด้านอุปสงค์ของเศรษฐกิจ จุดอ่อนคือความเชื่อมั่นอาจได้รับอิทธิพลชั่วคราวจากปัจจัยทางการเมืองที่ไม่เกี่ยวข้องกับปัจจัยพื้นฐานทางเศรษฐกิจ
ตัวชี้วัดตลาดที่อยู่อาศัยจับภาพหนึ่งในภาคเศรษฐกิจที่มีความไวต่ออัตราดอกเบี้ยมากที่สุด การเริ่มก่อสร้างบ้าน ใบอนุญาต และราคามีแนวโน้มที่จะนำหน้าเศรษฐกิจในวงกว้าง จุดอ่อนคือความแปรผันระดับภูมิภาค เนื่องจากการชะลอตัวของที่อยู่อาศัยระดับชาติอาจปิดบังพื้นที่ที่ยังมีความยืดหยุ่นอยู่
ดัชนีการผลิตและการผลิตภาคอุตสาหกรรมจับภาพภาคที่ผลิตสินค้า แม้ว่าภาคการผลิตจะเป็นสัดส่วนที่เล็กกว่าของ GDP เมื่อเทียบกับภาคบริการ แต่มีแนวโน้มที่จะเป็นวัฏจักรมากกว่าและมักจะนำหน้าการเปลี่ยนแปลงของเศรษฐกิจในวงกว้าง
พลังของการบรรจบกัน
สกอร์การ์ดรวมกำหนดสถานะให้กับแต่ละโมเดล: เขียว (ไม่มีสัญญาณภาวะถดถอย), เหลือง (ใกล้ถึงเกณฑ์กระตุ้น) หรือแดง (ถูกกระตุ้นแล้ว) จำนวนของโมเดลในแต่ละสถานะ บวกกับวิถีการเคลื่อนไหว (โมเดลกำลังเคลื่อนจากเขียวไปเหลือง หรือจากเหลืองกลับเป็นเขียว) ให้การอ่านค่าความน่าจะเป็นของภาวะถดถอยที่ละเอียดแก่คุณ
การวิเคราะห์เชิงประวัติศาสตร์ชี้ให้เห็นว่าเมื่อสี่โมเดลขึ้นไปกระตุ้นพร้อมกัน ภาวะถดถอยจะตามมาภายใน 12 เดือนเสมอ เมื่อมีเพียงหนึ่งหรือสองโมเดลที่กระตุ้น อัตราสัญญาณเท็จจะสูง เกณฑ์ของสามโมเดลที่กระตุ้นคือโซนที่คลุมเครือซึ่งจำเป็นต้องมีการตรวจสอบเพิ่มเติม แต่สัญญาณยังไม่เด็ดขาด
การบูรณาการตัวชี้วัด FRED 50+ ตัว
ฐานข้อมูล Federal Reserve Economic Data (FRED) ให้ชุดข้อมูลเศรษฐกิจมากกว่า 800,000 ชุด สกอร์การ์ดดึงมาจากตัวชี้วัด 50+ ตัวเหล่านี้ จัดระเบียบภายใต้หมวดหมู่โมเดลทั้งเจ็ด การขอรับสวัสดิการว่างงานครั้งแรก ใบอนุญาตก่อสร้าง ISM manufacturing PMI ความเชื่อมั่นผู้บริโภค ยอดค้าปลีก การผลิตภาคอุตสาหกรรม และอีกหลายสิบตัวป้อนเข้าสู่มุมมองรวม
ข้อดีของการดึงข้อมูลจาก FRED คือคุณภาพของข้อมูลและความทันเวลา ชุดข้อมูลส่วนใหญ่ได้รับการอัปเดตรายสัปดาห์หรือรายเดือน ให้มุมมองเศรษฐกิจแบบเกือบเรียลไทม์ ข้อเสียคือข้อมูลเศรษฐกิจมักถูกปรับปรุงแก้ไข บางครั้งอย่างมาก ดังนั้นสกอร์การ์ดจำเป็นต้องคำนึงถึงความแตกต่างระหว่างการเผยแพร่ครั้งแรกและตัวเลขที่ปรับปรุงสุดท้าย
การใช้งานเชิงปฏิบัติ
สกอร์การ์ดไม่ได้ถูกออกแบบมาเพื่อจับจังหวะตลาด การทำนายภาวะถดถอยเป็นเรื่องยากอย่างเลื่องลือแม้สำหรับนักเศรษฐศาสตร์มืออาชีพ และความล่าช้าระหว่างการเสื่อมถอยทางเศรษฐกิจและผลกระทบต่อตลาดนั้นคาดเดาไม่ได้ สิ่งที่สกอร์การ์ดทำคือแจ้งท่าทีความเสี่ยงของคุณ เมื่อโมเดลส่วนใหญ่เป็นเขียว คุณสามารถโน้มไปสู่สินทรัพย์เสี่ยงด้วยความมั่นใจ เมื่อหลายโมเดลเป็นเหลืองหรือแดง การลดขนาดตำแหน่ง รัดจุดตัดขาดทุน และเพิ่มการจัดสรรเงินสดเป็นเรื่องรอบคอบ แม้ว่าคุณจะไม่รู้แน่ชัดว่าภาวะขาลงจะมาถึงเมื่อใด
สำรวจเครื่องมือเหล่านี้บน Blockcircle: Blockcircle Pricing