金融工程---马尔科夫预测

导语：

本篇大部分的阅读是来自于《量化投资：数据挖掘与实践》这本书，有兴趣的同学可以找书来参考阅读

简介：

很多人认为，如果要看见未来，不仅仅要知晓现在，还要了解过去。但是马尔科夫认为，看见未来，只需要知道实物现在是怎么样的就够了。

马尔科夫过程

先给出官方的定义吧：

设$\{X_t,t\in T\}$为随机过程，若对任意正整数$n$及$t_1<t_2<···<t_n$，有：

$$P\{X_{t_1}=x_1,···,X_{t_{n-1}}=x_{n-1}\}>0$$
且条件分布：
$$P\{X_{t_n}\leq x_n|X_{t_1}=x_1,···,X_{t_{n-1}}=x_{n-1}\}=P\{X_{t_n}\leq x_n|X_{t_{n-1}}=x_{n-1}\}$$
则称 $\{X_t,t\in T\}$为马尔科夫过程。

看不懂吧~emmm，我们来分析一下，马尔科夫过程是一个随机过程，这个随机过程满足两个条件，首先来看第一个

$$P\{X_{t_1}=x_1,···,X_{t_{n-1}}=x_{n-1}\}>0$$

一个东西的概率大于0，也就是说，$\{X_{t_1}=x_1,···,X_{t_{n-1}}=x_{n-1}\}$这些事情只要是可能事件就可以了(也就是说，马尔科夫过程一定得是有可能发生的过程)

再来看第二个条件

$$P\{X_{t_n}\leq x_n|X_{t_1}=x_1,···,X_{t_{n-1}}=x_{n-1}\}=P\{X_{t_n}\leq x_n|X_{t_{n-1}}=x_{n-1}\}$$

这是在说，在前$n-1$个事件发生的情况下，第$n$期时，随机变量$X_{t_n}\leq x_n$的概率 与 只有第$n-1$件事情发生时，随机变量$X_{t_n}\leq x_n$的概率

即如果我们将$t-1$期当做现在，$t$期当做未来，那么该条件的思想也就是“未来只与现在有关，没必要了解过去是怎么样的”，如果满足该假设，我们则称这样的随机过程为马尔科夫过程。

马尔科夫的使用步骤

那么给一个实际的问题，我们如何使用马尔科夫过程来解决呢？

比如说大盘的走势预测

首先确保大盘的走势符合马尔科夫的适应条件

也就是确保大盘未来的走势只现在的走势有关（未来不一定是明天，也有可能是下个月，现在不一定是今天，也有可能是这个月）

构造转移矩阵

这就是转移矩阵的样子，其中$p_{11}$的数值就是下一期从$a_1$状态转移到$a_1$状态的概率，$p_{12}$就表示这期是$a_1$，下一期转移到$a_2$的概率。

那么如果我们去最近90天的大盘为训练集，然后假设有然后统计出，这期上涨下一期下跌的概率为0.25，这期上涨下一期走平的概率为0.5，这期上涨下一期上涨的概率为0.25，然后我们就可以构造出转移矩阵的第一行，接着还继续计算这期走平，这期下跌的情况。

马尔科夫链的稳态

嗯，是的，当时间趋向于无穷大的时候，各个状态的比例将会趋向于平稳。

那么怎么来计算这个稳态呢？解方程即可，比如假设在很久之后的未来，上涨的比例记为a，走平的比例记为b，下跌的比例记为c，则有

$$(a,b,c)=(a,b,c)·T，其中T是转移矩阵$$
然后算出来的 $(a,b,c)$即是该马尔科夫过程的稳态。