Pro případ, že by se měsíční údaje o mzdách staly nespolehlivými, vytvořil jsem FICA payroll tracker přímo z ministerstva financí. Sleduje srážky FICA v reálném čase po dobu vašich preferencí.

Milujte tuto analogii v @dollarsanddata nové knize "The Wealth Ladder". Peníze jsou jako sůl. Neudělá z vašich jídel jídlo oceněné michelinskou hvězdou, ale obohatí všechny vaše zážitky více podle vašich představ. Diskutuje také o tom, jak to souvisí s @SahilBloom 5 typy bohatství. Dvě z nejlepších knih, které jsem letos četla.

V tuto chvíli je téměř morálním imperativem používat sociální média k povznesení obsahu, který ředí oceán hovadin, kterými jsou krmeni lidé, kteří chtějí, aby jim lhali. Na zdraví, @cullenroche.

Užitečnou analogií pro pochopení měsíčního průzkumu zaměstnanosti oproti QCEW (konečné, státem vydávané údaje o zaměstnanosti) je řada sportovních sázek. Sázková řada je počáteční odhad – prognóza založená na neúplných nebo raných informacích. Podobně měsíční zpráva o práci je odhadem založeným na údajích z průzkumu, které jsou omezené a podléhají revizi. Jak hra postupuje, sázkaři upravují kurz v reálném čase, jakmile jsou k dispozici další informace – stejně jako se v následujících měsících revidují čísla o práci. Nakonec hra končí a my známe skutečné skóre. Toto konečné skóre je jako QCEW: odráží skutečné údaje o zaměstnanosti hlášené zaměstnavateli státům a je mnohem komplexnější. Tyto revize nejsou "chyby" – jsou to vylepšení založená na lepších datech. Někdy je počáteční odhad daleko; jindy je to těsné. Ale ve všech případech nás revize – a nakonec i QCEW – přibližují k pravdě.

Legrační na kritice BLS je, že zdroje dat z USA jsou světelné roky lepší než kterákoli jiná vláda. Použijte EuroStat, čínskou NBS nebo japonskou SBJ. Jsou to odpadky ve srovnání s BLS, FRED nebo jinými zdroji americké vlády. Žhavý odpad.

Víte, s čím BLS neumí manipulovat?

Nemyslím si, že něco z toho je tak kontroverzní. Trh práce je měkký, protože: 1) Ekonomika se stále průměrně vrací zpět na úroveň před covidem. To bylo patrné ve všech hlavních údajích o práci, jako je dočasná pomoc, odpracované hodiny, míra odchodů, hodinové výdělky atd. Všechno bylo měkké 18+ měsíců. 2) Umělá inteligence začíná snižovat potřebu nových náborů a mohla by se rychle proměnit v rozsáhlé snižování počtu pracovních míst. To je velmi vážné riziko pro agregátní poptávku, které je do značné míry přehlíženo. 3) Cla jsou hloupá a vytvářejí nejistotu. Skutečné implementace byly zatím dost skrovné, ale nejistota ohledně tarifů způsobila zpomalení náboru zaměstnanců. Nic z toho není konec světa, ale nechápu, jak je něco z toho šokující. ¯\_(ツ)_/¯

Bití bude pokračovat, dokud se morálka nezlepší.

Ano, zpráva BLS je obzvláště hlučná na měsíční bázi, ale tato měkkost není šokující. Údaje o zaměstnanosti ISM, Indeed a ADP poskytnuté soukromým sektorem potvrzují to, co dnes ráno říká zpráva BLS. A navzdory tomu, že lidé každý měsíc nad ADP krčí rameny, je to v meziročním srovnání pozoruhodně podobné zprávě BLS.

Co je příčinou velké revize zakázky? @TheStalwart and @tracyalloway měli na začátku tohoto roku fantastickou epizodu Odd Lots s šéfem BLS o tom, jak rozpočtové škrty a pokles odpovědí na průzkumy způsobily, že sběr dat je stále obtížnější/nepřesnější. Federální zmrazení náboru pravděpodobně snížilo zdroje dostupné pro shromažďování a ověřování administrativních údajů od státních a místních vlád. To mohlo vést k počátečnímu nadhodnocení mezd (např. zahrnutím zastaralých nebo neúplných záznamů), které bylo opraveno v revizi po obdržení aktualizovaných dat. Načasování této revize (začátek srpna 2025) je v souladu s koncem fiskálního nebo vykazovacího cyklu, kdy by tyto opravy mohly být dokončeny. Kromě toho by souběžné přesuny zaměstnanosti od imigrační politiky a vykazování přírůstků narozených v zahraničí a ztráty narozené v zahraničí mohly problém zhoršit, pokud by se správní systémy snažily překlasifikovat pracovníky uprostřed rychlých změn politiky. IMO to není velký problém. Je obtížné získat údaje o zaměstnanosti v reálném čase. BLS odvádí dobrou práci se svými omezenými zdroji, a i když přesnější revize zaostávají, stále to nakonec udělá správně. Velkým poučením je brát měsíční údaje o zaměstnanosti na lehkou váhu a pro lepší perspektivu přikládat nadváhu agregovaným čtvrtletním údajům.