Trump, Yellen

今天一位在米国的投资机构人员来拜访,大家正好相互交流一下。他对中国好像有些陌生了,而我们也正好请教一下米国市场的情况。

简要记录一下问的几个问题及他的回答。

  1. 关于Trump。
    1. 米国之前是左派和右派(知乎上有一个比较说明)之争,但无论左派和右派,代表的都是政治精英。而trump的上台,是普通民众相对精英的胜利。trump这个人就是一个商人,他没有什么立场,有的只是利益。
    2. Trump在未上台之前,是代表所谓普通民众的利益。但是他上台之后,他会考虑什么问题?经济要保持稳健(加息显然是不利于经济增长的),自己能够获得连任。从经济增长的角度看,trump显然也不太希望加息。
    3. 以前经常是一方有总统,另一方有两院。而现在总统、参议院、众议院现在都在共和党手里,2018年的中期选举马上就要来了,如果共和党还不做点成绩出来,那不是正好被民主党攻击?
    4. 关于医疗方案、减税。共和党是不太希望看到政府赤字太高的。如果医疗方案能够通过,那么这将为美国政府降低财政支出。那么,减税的方案就相对容易通过。如果医疗方案不通过,那么,减税这事情就难了,或者会采取部分减税的方式(例如对美国企业在境外的利润流入到国内降低税率)。
    5. Trump是不喜欢Yellen的,他想把Yellen换成自己更喜欢的人。但是,其实面临很多的挑战。Trump本来要提名700+人到政府的各个部门任职,但到现在,才通过了40+个,这个速度是有史以来最慢的。如果trump要换美联储主席,那么又会影响对其他人提名的任职。
  2. 利率、缩表:
    1. 美国的资产价格泡沫,增值的是谁,是那些有钱的阶级。对普通民众而言,资产价值泡沫,对他们没有什么好处,他们看到的只是更高的资产价格。高利率会损害谁?高利率会使得资产价格泡沫破灭,那些有钱的阶级当然不想看到。
    2. 关于加息。目前美国的利率相比欧洲、日本来说是高的,如果美国加息,那么资金就会流入美国。从某种意义上来说,是欧洲、日本的低利率压制了美国的加息。从经济调控的角度,是想趁有机会,先把利率调上去,这样等下一次危机来临的时候,政府和央行才会有一些可用的调控工具。
    3. 关于缩表。在美联储扩表之前,曾经有研究认为美联储的扩表使得美国的利率下降了100-200bp,而现在普遍预期美联储将在9月将进行缩表,但一些分析却认为缩表只会使得利率提升20-40bp。这难道不是一个很奇怪的事情吗?市场在90%的时候是对的,但也有10%的时候是错的。如果这次是市场错了呢?

groupby_fillna_for special columns

Well, there is no problem to merge data and fillna.

sometimes we want to fillna with groupby, more specifically, we need to fillna with different methods, some are ffill, while others are fillna(0).

the following code can deal with this situation.

# -*- coding: utf-8 -*-
“””
groupby_fillna_special columns
https://stackoverflow.com/questions/21284585
“””

import pandas as pd
from io import StringIO

# fillna with groupby
csvdata=”””
STK_ID RPT_Date sales opr_pft net_pft
002138 20130331 2.0703 0.3373 0.2829
002138 20130630 NaN NaN NaN
002138 20130930 7.4993 1.2248 1.1630
002138 20140122 NaN NaN NaN

600004 20130331 11.8429 3.0816 2.1637
600004 20130630 24.6232 6.2152 4.5135
600004 20130930 37.9673 9.2088 6.6463
600004 20140122 NaN NaN NaN

600809 20130331 27.9517 9.9426 7.5182
600809 20130630 40.6460 13.9414 9.8572
600809 20130930 53.0501 16.8081 11.8605
600809 20140122 NaN NaN NaN
“””
sio=StringIO(csvdata)

df=pd.read_csv(sio, sep=’\s+’,header=0,dtype={“STK_ID”:object,”RPT_Date”:object,
“sales”:float,’apr_pft’:float,
‘net_pft’:float})
df.set_index([‘STK_ID’,’RPT_Date’],inplace=True)

#ffill all columns with groupby
#DataFrame.groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=False, **kwargs)[source]
df.groupby(level=0).apply(lambda grp: grp.fillna(method=’ffill’))

#fillnow the lastrow with groupby
def f(g):
last = len(g.values)-1
g.iloc[last,:] = g.iloc[last-1,:]
return g
df.groupby(level=0).apply(f)

# fill certain columns
df[[‘sales’,’opr_pft’]]=df.groupby(level=0)[[‘sales’,’opr_pft’]].fillna(method=’ffill’)
#or you can write as following
df[[‘sales’,’opr_pft’]]=df.groupby(level=0)[[‘sales’,’opr_pft’]].apply(lambda grp: grp.fillna(method=’ffill’))