【大数据部落】 隐马尔科夫模型(HMM)股指预测实战
2017-08-29 00:27
411 查看
![](https://oscdn.geek-share.com/Uploads/Images/Content/201912/09/361b1d9dad7c047038ad3961404722c1.png)
"To understand the different stock market conditions, change the trading strategy, the stock market returns have a great impact.To figure out when to start or when to stop,
adjust the risk and money management skills, depends on the current situation of the stock market.
▼
Some strategies are doing well in the placid stock market, and some strategies may be suitable for strong growth or long-term decline.
In this paper, we will explore how to identify different stock market conditions by using a powerful machine learning algorithm, the Hidden Markov Model (HMM).
有些策略在波澜不惊的股市中表现良好,而有些策略可能适合强劲增长或长期下跌的情况。
在本文中,我们将通过使用一类强大的机器学习算法“隐马尔科夫模型”(HMM)来探索如何识别不同的股市状况。
▍隐马尔科夫模型
马尔科夫模型是一个概率过程,查看当前状态来预测下一个状态。 一个简单的例子就是看天气。
假设我们有三种天气情况:下雨、多云、阳光明媚。 如果今天下雨,马尔科夫模型就会寻找每种不同天气的概率。 例如,明天可能会持续下雨的可能性较高,变得多云的可能性略低,而会变得晴朗的几率很小。
▍构建模型
基于以上背景, 然后我们可以用来找到不同的股市状况优化我们的交易策略。 我们使用2004年至今的上证指数(000001.ss)来构建模型。
首先,我们得到上证指数的收盘价数据,计算得到收益率数据,并建立HMM模型比较模型的预测结果。
绘制上证指数的收盘价和收益率数据,我们看到2004年和2017年期间股市的波动情况。
对收益率拟合了三状态隐马尔可夫模型之后, 绘制每个状态的后验概率:
2007 – 2009年间,由于次贷危机,股市出现了惊人的波动,迅速改变了不同状态的后验概率,可以看到2008年前后状态2和状态3的概率出现了很大的变化。
股市在2010年后变得平静,因此状态2和状态3的概率处于平衡状态。
基于以上判断,我们将三种不同的状态进行定义。状态1认为是震荡市场,状态2认为是下跌市场,状态3认为是上涨市场。然后将不同状态的预测结果返回到真实的上证指数来观察是否符合客观逻辑。
通过真实数据拟合,我们看到状态1(紫色)震荡市场,状态2(绿色)下跌市场,状态3(红色)上涨市场符合实际的情况。
通过隐马尔科夫模型,可以深入了解不断变化的股市状况。 从而提高交易策略的性能。就从我们的简单探索来看,这个模型应当是值得花一些时间去打磨的。可改进的地方非常多。例如可以引入多因子分析,建立多元模型等。
大数据分析必备利器课程http://study.163.com/course/courseMain.htm?courseId=1003776041
大数据部落——中国专业的第三方数据服务提供商,提供定制化的一站式数据挖掘和统计分析咨询服务
统计分析和数据挖掘咨询服务 :y0.cn/teradat(咨询服务请联系官网客服)
QQ:3025393450
【服务场景】
科研项目;
公司项目外包。
【大数据部落】提供定制化的一站式数据挖掘和统计分析咨询服务
分享最新的大数据资讯,每天学习一点数据分析,让我们一起做有态度的数据人
![](https://oscdn.geek-share.com/Uploads/Images/Content/201706/0367f24a0361a78c1a3aef043e761618.gif)
微信客服号:lico_9e
QQ交流群:186388004
相关文章推荐
- 机器学习实战 第八章 预测数值型数据:回归(Regression)
- 机器学习实战_08预测数值型数据-回归
- 【大数据部落】基于ARIMA、SVM、随机森林销售的时间序列预测
- 机器学习实战笔记-预测数值型数据:回归
- 代码注释:机器学习实战第8章 预测数值型数据:回归
- 【大数据部落】R语言GAM(广义相加模型)对物业耗电量进行预测
- 机器学习实战——预测数值型数据:回归
- spark高级数据分析实战---用决策树预测森林植被
- 机器学习实战(8) ——预测数值型数据回归(python实现)
- 【大数据部落】电信公司churn数据客户流失knn预测分析(一)
- HMM:隐马尔科夫模型 - 预测和解码
- 机器学习实战 - 读书笔记(08) - 预测数值型数据:回归
- 机器学习实战-8预测数值型数据-回归
- 【大数据部落】spss modeler用决策树神经网络预测ST的股票
- HMM隐马尔科夫模型 MATLAB 工具包对各种数据的处理
- 机器学习实战——第八章:用回归预测数值型数据
- 机器学习实战(八)预测数值型数据:回归
- 【大数据部落】电信公司churn数据客户流失knn预测分析(二)