Populære emner
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.

Cullen Roche
Grunnlegger og informasjonssjef @disciplinefunds 📊 | Forfatter @pragcap 📖 | Statsminister for DSCF 💰 | Investering ⌛ med definert varighet | Styret i Cambria ETFer 💸
Elsker denne analogien i @dollarsanddata nye boken "The Wealth Ladder".
Penger er som salt. Det vil ikke gjøre måltidene dine til et Michelin-stjernemåltid, men det vil forbedre alle opplevelsene dine mer etter din smak.
Han diskuterer også hvordan dette forholder seg til @SahilBloom 5 typer rikdom.
To av de beste bøkene jeg har lest i år.

15,03K
En nyttig analogi for å forstå den månedlige sysselsettingsundersøkelsen kontra QCEW (de endelige, statlige sysselsettingsdataene) er en sportsbettinglinje.
En tippelinje er et innledende estimat – en prognose basert på ufullstendig eller tidlig informasjon. På samme måte er den månedlige arbeidsrapporten et estimat basert på undersøkelsesdata, som er begrenset og gjenstand for revisjon. Etter hvert som en kamp skrider frem, justerer oddsmakere linjen i sanntid etter hvert som mer informasjon blir tilgjengelig – akkurat som arbeidstallene revideres i de påfølgende månedene. Til slutt avsluttes spillet, og vi vet det faktiske resultatet. Den endelige poengsummen er som QCEW: den gjenspeiler de faktiske sysselsettingsdataene rapportert av arbeidsgivere til statene og er langt mer omfattende.
Disse revisjonene er ikke «feil» – de er forbedringer basert på bedre data. Noen ganger er det første estimatet langt unna; andre ganger er det nært. Men i alle tilfeller bringer revisjonene – og til syvende og sist QCEW – oss nærmere sannheten.
6,84K
Jeg tror ikke noe av dette er så kontroversielt. Arbeidsmarkedet er mykt fordi:
1) Økonomien er fortsatt på vei tilbake til pre-covid-nivåer. Dette har vært tydelig i alle de ledende arbeidsdataene som vikarhjelp, arbeidstimer, sluttrate, timelønn osv. Det hele har vært mykt i 18+ måneder.
2) AI begynner å redusere behovet for nyansettelser og kan raskt forvandles til brede jobbkutt. Dette er en svært alvorlig risiko for samlet etterspørsel som i stor grad blir oversett.
3) Tariffene er dumme og skapte usikkerhet. De faktiske implementeringene har vært ganske magre så langt, men usikkerheten om tariffer skapte en ansettelsesnedgang.
Ingenting av det er verdens undergang, men jeg ser ikke hvordan noe av dette er sjokkerende heller. ¯\_(ツ)_/¯
16,17K
Ja, BLS-rapporten er spesielt støyende på månedlig basis, men denne mykheten er ikke et sjokk. ISM-, Indeed- og ADP-sysselsettingsdataene levert av privat sektor bekrefter alle det BLS-rapporten sier i morges.
Og til tross for at folk trekker på skuldrene av ADP hver måned, er det bemerkelsesverdig likt på årsbasis med BLS-rapporten.

16,42K
Hva er årsaken til den store jobbrevisjonen?
@TheStalwart og @tracyalloway hadde en fantastisk Odd Lots-episode tidligere i år med BLS-sjefen om hvordan budsjettkutt og nedgang i undersøkelsessvar har gjort datainnsamling stadig vanskeligere/unøyaktig.
Den føderale ansettelsesstoppen reduserte sannsynligvis ressursene som er tilgjengelige for å samle og verifisere administrative data fra statlige og lokale myndigheter. Dette kunne ha ført til en innledende overestimering av lønn (f.eks. ved å inkludere utdaterte eller ufullstendige poster), som ble korrigert i revisjonen når oppdaterte data ble mottatt. Tidspunktet for denne revisjonen (tidlig i august 2025) er i tråd med slutten av en regnskaps- eller rapporteringssyklus der slike korreksjoner kan fullføres.
I tillegg kan de samtidige sysselsettingsskiftene fra innvandringspolitikk og rapportering av innfødte gevinster, utenlandsfødte tap forverre problemet hvis administrative systemer slet med å omklassifisere arbeidere midt i raske politiske endringer.
Ikke en stor sak IMO. Det er vanskelig å få sanntids sysselsettingsdata. BLS gjør en god jobb med sine begrensede ressurser, og selv om de mer nøyaktige revisjonene henger, får den det fortsatt riktig til slutt.
Den store lærdommen er å behandle månedlige sysselsettingsdata lett og overvekte aggregerte kvartalsdata for et bedre perspektiv.
35,18K
Topp
Rangering
Favoritter
Trendende onchain
Trendende på X
Nylig toppfinansiering
Mest lagt merke til