同花顺Supermind量化交易 财务分析建模 --隐马尔科夫模型应用于市场择时

作为现在最为热门的一项技术，机器学习以及数据挖掘变得逐渐令人熟知。隐马尔科夫模型(HMM)作为机器学习中的一个重要分支已经被人所广泛应用。著名数学家西蒙斯成立的大奖章基金纯粹采用技术量化方法进行投资，成立以来到2008年，大奖章基金的平均年度净回报是35.6%。HMM是大奖章基金一个重要的组成部分。本文首先就HMM进行介绍，并且对于HMM和股票市场的共性做出分析，最后写出HMM多因子择股的策略。

第九篇：隐马尔科夫模型应用于市场择时

导语：作为现在最为热门的一项技术，机器学习以及数据挖掘变得逐渐令人熟知。隐马尔科夫模型(HMM)作为机器学习中的一个重要分支已经被人所广泛应用。著名数学家西蒙斯成立的大奖章基金纯粹采用技术量化方法进行投资，成立以来到2008年，大奖章基金的平均年度净回报是35.6%。HMM是大奖章基金一个重要的组成部分。本文首先就HMM进行介绍，并且对于HMM和股票市场的共性做出分析，最后写出HMM多因子择股的策略。

隐马尔科夫模型 ：

　　HMM是是统计模型，它用来描述一个含有隐含未知参数的马尔可夫过程。HMM包含一个可观测序列以及一个隐藏状态序列，比如说我不知道这个地区是不是富裕，但是我根据我所看到的比如这个地区高楼的数量，汽车的数量等从这些变量中我可以推测出来这个地区是不是富裕，这样是否富裕就是一种隐藏状态，而高楼汽车的数量则是一个观察变量。

　　HMM是一个典型的黑箱模型，但是金融市场很多也是同样的黑箱模型，比如说在金融市场特别是股票市场中，我们并不知道现在市场是不是在牛市中或者是熊市当中，我们可以将这个看做隐藏状态，然后我们可以得到一系列可观察的数据，比如说成交量，收益率，成交量差等当做观察序列对市场隐藏状态状态进行预测，并且根据现在市场的状态决定是否进行买卖操作，这样很明显我们构造出了一个隐马尔科夫模型。但是隐马尔科夫模型也有一个很大的缺点就是我们并不能直接知道哪个状态是买入状态，哪个状态是卖出状态，所以我们要对每个状态的收益进行比较从而得出买入和卖出的结论。

模型测试：

　　对中国的沪深300市场进行了HMM的训练集数据提取以及训练样本的测试，时间从2005/01/01-2013/01/01。下图为各个状态与沪深300走势的拟合情况：

　　隐藏状态数：6

　　特征向量：一日对数收益率，五日对数收益率，和五日成交量对数差。