r语言depmix_使用R语言进行机制检测的隐马尔可夫模型

在本文中，将对“牛市”和“熊市”两个独立机制下的市场收益进行模拟。隐马尔可夫模型识别处于特定状态的概率。

在概述了模拟数据的过程之后，将隐马尔可夫模型应用于美国股票数据，以确定基本机制。

市场体制

将隐马尔可夫模型应用于状态检测是棘手的，因为该问题实际上是无监督学习的一种形式。也就是说，没有“基础事实”或标记数据可在其上“训练”模型。 是否有两个，三个，四个或更多个“真正的”隐藏市场机制？

这些问题的答案在很大程度上取决于要建模的资产类别，时间范围的选择以及所使用数据的性质。

模拟数据

在本节中，从独立的高斯分布中生成模拟的收益率数据，每个分布都代表“看涨”或“看涨”的市场机制。看涨收益来自均值正且方差低的高斯分布，而看跌收益来自均值略为负但方差较高的高斯分布。

第一个任务是安装depmixS4和quantmod库，然后将它们导入R。

install.packages(‘depmixS4‘)

install.packages(‘quantmod‘)

library(‘depmixS4‘)

library(‘quantmod‘)

set.seed(1)

在牛市分布N(0.1,0.1)N(0.1,0.1)而空头市场分布为N(−0.05,0.2)N(−0.05,0.2)。通过以下代码设置参数：

# Create the parameters for the bull and

# bear market returns distributions

Nk_lower

Nk_upper

bull_mean

bull_var

bear_mean

bear_var

所述NkNk值是随机选择的：

# Create the list of durations (in days) for each regime

days