24/05/2020

Vorhersagen auf Basis von Modellen am Beispiel COVID19

Modell Beispiel:


y= f(x) = Zahl der Infizierten als Funktion der Zeit x in Kalenderwochen.
Die Parameter a,b,c,d werden anhand der gemessenen Daten (rot) ermittelt und damit der zukünftige Verlauf extrapoliert sowie die Zahl der zu erwartenden Infizierten vier bzw. acht Wochen nach der letzten Messung (blau) geschätzt.





...



Quelle:

Man sieht, dass das gewählte Modell gefüttert mit den Daten des RKI zu Anfang die Entwicklung deutlich unterschätzt, um sich dann im weiteren Verlauf und mit mehr Daten gefüttert der Realität (wie wir sie ja inzwischen besser kennen) anzunähern. Das liegt an der Nichtlinearität und der daraus resultierenden Empfindlichkeit des Modells. Kleinste Parameteränderungen können einen erheblich anderen Verlauf bewirken. Das gewählte Modell schliesst im übrigen die Abbildung/Vorhersage einer zweiten Welle aus.

D.h. aber nicht, dass man soetwas nicht modellieren kann.

Modelle lassen sich mit Hilfe von vorhandenen Datensätzen vergangener Epidemien inzwischen "automatisch" finden. D.h. man ist nicht auf die Annahme, dass der Verlauf wie in obigem Beispiel einer logistischen Funktion folgt, angewiesen, sondern kann z.B. historische Daten von Virusepidemien zur Modellentwicklung z.B. saisonal oszillierender Verläufe heran ziehen.



Trotzdem muss man der Vorstellung, die Zukunft liesse sich berechnen, eine klare Absage erteilen. Es lassen sich Abschätzungen aufgrund in der Vergangenheit gemachter (vermessener) Erfahrungen machen. Das impliziert immer die Annahme, dass sich die Zukunft ähnlich verhält wie die Vergangenheit, was bei Abläufen, bei denen der Zufall und/oder die bereits erwähnte Empfindlichkeit auf kleinste Parameteränderungen eine Rolle spielen, nicht gegeben ist.

Sapere Aude!

Georg Trappe

P.S.: Wenn man ein anderes Modell, mit einem anderen qualitativen Verlauf, wählt und dieses mit den Daten des RKI füttert, dann ergibt sich natürlich auch eine andere Prognose. Für den Fall, dass man eine rein exponentielle Entwicklung der Form y=a+b*e hoch (-c*x) erwartet, sähe es dann auf Basis der Daten von KW8 bis KW12 so aus:



11/05/2020

1%, 99% und die Banken

1%                                                                     99%

verlangter Preis
= Kosten+Gewinn

Kosten                                                                 Lohn

                                                                                gezahlter Preis
                                                                                = Lohn+Schulden

Gewinn                            =                                      Schulden

Das Bankensystem und der Staat gehen bei dieser Spielanordnung Hand in Hand und blähen die Geldmenge=Schulden immer weiter auf, da sonst die Sache in einer deflationären Abwärtsspirale zusammenbricht. Stark vereinfacht: Die 99% kaufen sich damit (=Lohn+Schulden) was sie glauben zu brauchen und die 1% sammeln es über die Gewinne (=Preis-Lohn) der Unternehmen wieder ein. Am Ende sitzen die 99% und seit Keynes der Staat auf den Schulden und die 1% haben die kumulierten Gewinne=Guhaben bei der Bank. Da die 1% erstens nicht alles zum Verkauf stellen, was erarbeitet wurde und zweitens ihr monetäres Vermögen zur Investion=Aneignung in/von bestehende reale Vermögenswerte nutzen, sammelt sich bei ihnen über Zeit neben den monetären Überschüssen ein beachtliches realwirtschaftliches Vermögen=Macht an.
Hoch problematisch ist es, wie z.B. im Fall der USA, wenn ein grosser Teil der Produktion im Ausland sitzt und damit auch dort Gewinne anfallen und sich akkumulieren. Wäre das nicht der Fall und die USA eine geschlossene Wirtschaft, dann würde das irgendwann zu einer Revolution im Inneren führen (siehe auch finanzielle Situation in Frankreich vor 1789).
Dank Globalisierung, Ricardo und einem international verflochtenen Finanzsystem mit US$ als Leitwährung steht inzwischen mehr als die halbe Welt an einem bodenlosen Abgrund.

Sapere Aude!

Georg Trappe




02/04/2020

Die Entwicklung des Corona Wachstumsfaktors

In der folgenden Tabelle finden Sie die Entwicklung des wöchentlichen Wachstumfaktors (q) der Zahl der bestätigten Corona Infizierten (i) in Deutschland auf Basis der vom RKI veröffentlichten Zahlen (Stand 05.04.2020 0:00h) und eine darauf basierende Hochrechnung, wann die Schwelle von 1 Million Infizierter voraussichtlich erreicht wird.

t           q        i          Prognose (1 Million bestätigte Infizierte in Deutschland)

KW 09           66
KW 10 14,0   924      1M in KW 13
KW 11 6,84   6317    1M in KW 14
KW 12 4,26   26930  1M in KW 15
KW 13 2,21   59447  1M in KW 17
KW 14 1,53   91740  1M in KW 20

q = i(KWn) / i(KWn-1)

Das Absinken des wöchtlichen Wachstumsfoktors von 14 in der KW 10 auf  2,21 in KW 13 hat das voraussichtliche Erreichen der Schwelle von 1 Million Infizierten um vier Wochen auf die KW 17 verschoben. Das Ziel muss sein, den Wachstumsfaktor so schnell wie möglich auf 1 zu drücken. Erst dann ist die Ausbreitung der Krankheit gestoppt.

Letztes Update: 05.04.2020 08:35Z


Update vom 12.04.2020 15:22Z

t           q        i          Prognose (1 Million bestätigte Infizierte in Deutschland)

KW 09           66
KW 10 14,23 939      1M in KW 13
KW 11 6,77   6361    1M in KW 14
KW 12 4,26   27082  1M in KW 15
KW 13 2,21   59942  1M in KW 17
KW 14 1,61   96326  1M in KW 19
KW 15 1,25 120479  1M in KW 25

q = i(KWn) / i(KWn-1)


Das Absinken des wöchtlichen Wachstumsfoktors von 14,23 in der KW 10 auf  1,25 in KW 15 hat das voraussichtliche Erreichen der Schwelle von 1 Million Infizierten bei einem unveränderten Wachstumsfaktor von 1,25 auf die KW 25 verschoben. Das Ziel muss sein, den Wachstumsfaktor so schnell wie möglich auf 1 zu drücken. Erst dann wäre die Ausbreitung der Krankheit gestoppt.
Sollte der Wachstumsfaktor sich so weiter entwickeln, wie in der KW15, könnte dieses Ziel schon im Laufe der KW 16 erreicht werden.

Update vom 19.4.2020 14:25Z

t           q        i          Prognose (1 Million bestätigte Infizierte in Deutschland)

KW 09           66
KW 10 14,30 944      1M in KW 13
KW 11 6,75   6375    1M in KW 14
KW 12 4,25   27119  1M in KW 15
KW 13 2,21   59998  1M in KW 17
KW 14 1,61   96450  1M in KW 19
KW 15 1,28 123471  1M in KW 24
KW 16 1,13 139897  1M in KW 32

q = i(KWn) / i(KWn-1)


Das Absinken des wöchtlichen Wachstumsfoktors von 14,30 in der KW 10 auf  1,13 in KW 16 hat das voraussichtliche Erreichen der Schwelle von 1 Million Infizierten bei einem unveränderten Wachstumsfaktor von 1,13 auf die KW 32 verschoben. Das Ziel muss sein, den Wachstumsfaktor so schnell wie möglich auf 1 zu drücken. Erst dann wäre die Ausbreitung der Krankheit gestoppt.
Sollte der Wachstumsfaktor sich so weiter entwickeln, wie in der KW16, könnte dieses Ziel schon im Laufe der KW 17 erreicht werden.

Update vom 27.4.2020 14:00Z

t           q        i          Prognose (1 Million bestätigte Infizierte in Deutschland)

KW 09           66
KW 10 14,39 950      1M in KW 13
KW 11 6,75   6411    1M in KW 14
KW 12 4,26   27325  1M in KW 15
KW 13 2,21   60360  1M in KW 17
KW 14 1,60   96855  1M in KW 19
KW 15 1,29 124687  1M in KW 24
KW 16 1,14 142292  1M in KW 32
KW 17 1,09 154836  1M in KW 40

q = i(KWn) / i(KWn-1)


Das Absinken des wöchtlichen Wachstumsfoktors von 14,30 in der KW 10 auf  1,09 in KW 17 hat das voraussichtliche Erreichen der Schwelle von 1 Million Infizierten bei einem unveränderten Wachstumsfaktor von 1,09 auf die KW 40 verschoben. Das Ziel muss sein, den Wachstumsfaktor so schnell wie möglich auf 1 zu drücken. Erst dann wäre die Ausbreitung der Krankheit gestoppt.
Der Wachstunsfaktor nähert sich offenbar asymptotisch der 1 an. D.h. nicht nur der Tag an dem 1 Million bestätigte Infektion erreicht werden, sondern auch der Tag an dem keine Neuinfektionen mehr festgestellt werden, rückt in weite Ferne.







22/03/2020

Panik? Hysterie? Hilflosigkeit?

Kettenreaktionen und dadurch ausglöste exponentielle Entwicklungen haben es in sich. Das war hier schon öfter Thema in Bezug auf wirtschaftliche Entwicklungen.

Wenn man die Zahlen des RKI für die bestätigten COVID-19 Infektionen (kumuliert) in Deutschland, so wie sie auf Wikipedia zu finden sind (Stand 22.03.2020), heran zieht, ergibt sich für den Zeitraum 24.02.2020 bis 22.03.2020 eine tägliche Wachstumsrate von ca. 30%.

Startwert 24.2.2020: 16
1,298798 hoch 27 = 1163,11
Endwert 22.3.2020: 18610

Wenn man dieses Wachstum für den nächsten Monat fortschreibt, erreicht Deutschland die Marken von 100000 bestätigten Infizierten am 29.03.2020,
die Million am 7.4.2020,
10 Millionen am 16.4.2020
und die Infektion aller 80 Millionen Bundesbürger am 23.4.2020.

Sapere Aude!

Georg Trappe

P.S.: Wenn man für den gleichen Zeitraum die tägliche Wachstumsrate auf Basis der WHO und JHU Daten für die weltweite Verbreitung berechnet, kommt man auf ca. 5% mehr Infizierte pro Tag. Wenn man jedoch China, wo sich die Lage stabilisiert haben soll,  ausklammert, erhöht sich dieser Wert auf knapp 19%.
Auffällig sind auch massive Unterschiede in der Inzidenz. 

San Marino 5158 ppm
Faeroe 2415 ppm 
Iceland 1665 ppm
Andorra 1462 ppm
Luxembourg 1275 ppm
Vatikan 1248 ppm
Lichtenstein 1206 ppm
Italien 978 ppm
:
:
:
Deutschland 297 ppm
:
:
:
USA 101 ppm
Bermuda 96 ppm
UK 84 ppm
:
:
:

 
 

06/12/2019

Abstand

Manchmal nehme ich Abstand, um in Ruhe nachzudenken. Und manchmal nehme ich Abstand, weil ich in Ruhe nach gedacht habe.

28/10/2019

Gleichgewichtstheorien und die eskalierenden Ungleichgewichte

Der Versuch eine Wirtschaft, die nur funktioniert, wenn die wirtschaftlichen Ungleichgewichte in Form von Bankbilanzen = Schulden = Ersparnissen ständig wachsen, mit Gleichgewichtstheorien zu erklären, muss unweigerlich in ein gigantisches Desaster führen.

Eskalierendes US Handelsdefizit

Eskalierendes US Haushaltsdefizit

Knappe Liquidität

Trotz massiver Notenbankinterventionen und Geldschwemme

Und das Geld allen Gleichgewichtstheorien zum Trotz den Berg hinauf fliesst, hat mit diesen Problemen natürlich nichts zu tun.

Sapere Aude!

Georg Trappe

18/03/2019

BOEING

Und nochmal etwas ausfuehrlicher zur 737 MAX und Boeing:

https://www.japantimes.co.jp/?post_type=news&p=1827511

Auch interessant:

2018: https://www.investors.com/research/the-income-investor/boeing-dividend-hike-boeing-stock-repurchase/
2017: https://www.investors.com/research/the-income-investor/boeing-dividend-hike-boeing-stock-repurchase/
2016: https://www.fool.com/investing/2016/12/19/what-you-need-to-know-about-boeings-big-buyback.aspx
2013: https://www.usatoday.com/story/money/business/2013/12/16/boeing-boosts-stock-buyback-plan-by-10-billion/4044765/

For Boeing, this is the biggest setback for the US-based aircraft manufacturer in its entire history. The overwhelming dependence on this single-aisle aircraft - 4,636 737 MAX out of the total backlog of 5,826 aircraft - can seriously jeopardise its financials, and the company is under immense pressure to fix the problems.

https://www.gurufocus.com/term/deb2equity/NYSE:BA/Debt-to-Equity/Boeing-Co

 Boeing Co  (NYSE:BA) Debt-to-Equity: 40.85 (As of Dec. 2018)

Boeing Co's Current Portion of Long-Term Debt for the quarter that ended in Dec. 2018 was $3,190 Mil. Boeing Co's Long-Term Debt & Capital Lease Obligation for the quarter that ended in Dec. 2018 was $10,657 Mil. Boeing Co's Total Stockholders Equity for the quarter that ended in Dec. 2018 was $339 Mil. Boeing Co's debt to equity for the quarter that ended in Dec. 2018 was 40.85.

A high debt to equity ratio generally means that a company has been aggressive in financing its growth with debt. This can result in volatile earnings as a result of the additional interest expense.
During the past 13 years, the highest Debt-to-Equity Ratio of Boeing Co was 40.85. The lowest was -5.81. And the median was 0.94.

Das sind die finanziellen und technologischen Stelzen auf denen grosse Teile der US Industrie inzwischen stehen.

Wie man damit ein staendig wachsendes und inzwischen auf 10+ Trillionen kumuliertes Leistungsbilanzdefizit reduzieren will ist mir vollkommen schleierhaft.



Sapere Aude!

Georg Trappe