Utilizzo di HMM nella finanza quantitativa. Esempi di HMM che funziona per rilevare tendenze / punti di svolta?

Sto scoprendo il meraviglioso mondo di tali "modelli nascosti di Markov", chiamati anche "modelli di cambio di regime". Vorrei adattare un HMM in R per rilevare tendenze e punti di svolta. Vorrei costruire il modello il più generico possibile in modo da poterlo testare su molti prezzi.

Qualcuno può raccomandare un documento? Ho visto (e letto) (più di) alcuni ma sto cercando un modello semplice che sia facile da implementare.

Inoltre, quali pacchetti R sono consigliati? Vedo che molti di loro fanno HMM.

Ho comprato il libro "Modelli nascosti di Markov per le serie storiche: un'introduzione usando R", vediamo cosa c'è dentro;)

Fred

r time-series finance hidden-markov-model

— RockScience
fonte

Esiste un altro sito StackExchange per domande di finanza quantitativa .

— isomorfismi

Per prevedere con successo le tendenze: questa è la domanda da miliardi di dollari.

— isomorfismi

@Lao Tzu: A proposito del sito stackExchange per la finanza quantitativa, dubito che i ragazzi lì sappiano qualcosa su HMM

— RockScience,

Penso che scoprirai che hanno familiarità con modelli markov nascosti, cambio di regime, potenziamento e tutto il resto. L'apprendimento automatico è di moda nella finanza quantistica.

— isomorfismi

Avvertenza: i modelli nascosti di Markov non sono gli stessi dei modelli di commutazione Markov (Regime).

— Zhubarb,

Penso che alcuni metodi che possono essere utilizzati, ma non progettati specificamente per te, sono i seguenti:

Approcci alla modellazione:

Modelli di argomento (utilizzati per trovare schemi in una serie di documenti e / o recupero di informazioni)

un. Il più semplice è LDA

b. Modelli di argomenti dinamici (IMHO, più adatto al tuo caso, senza molta conoscenza del dominio)

c. Modelli di argomenti correlati (IMHO, se 2. non va bene, ha senso provarlo)

Questi approcci non sono usati in finanza (non ne sono consapevole, poiché non lavoro specificatamente in finanza), ma hanno un'applicabilità molto generale. Usano la formulazione variabile latente, che è molto simile a quella di HMM. Hanno dimostrato di essere all'avanguardia nella modellazione di argomenti. Puoi guardare una bella presentazione di David Blei (grande presentatore, a parte la sua fantastica ricerca !!) qui . I riferimenti specifici, le diapositive per la presentazione e i modelli più complicati sono accessibili dal suo sito Web . Sta facendo un ottimo lavoro che è molto generale, quindi potrebbe non essere sorprendente se ha già fatto qualcosa in finanza. Un altro grande riferimento nello stesso campo è il suo consulente, Michael Jordan, sito web. È difficile trovare riferimenti specifici lì mentre pubblica così tanto!
Serie temporali e modelli di dati sequenziali (in particolare HMM)

Oltre a Jordan e Blei, l'altra prolifica ricerca è Zoubin Ghahramani (e il suo coautore Beal). Puoi trovare qui i modelli HMM specifici di cui hai bisogno. Alcuni impressionanti sono: gli infiniti modelli markov nascosti, i modelli di miscela di processo Dirichlet sensibili al tempo.
Software

Esiste un pacchetto R chiamato lda e topicmodels per la maggior parte dei modelli "buoni". Blei e Ghahramani mantengono anche i codici C, Matlab sul loro sito web.

In bocca al lupo!

— suncoolsu
fonte

@Srikant, come hai fatto a far funzionare la numerazione 1., 2., 3.. Io, per la vita di me, non sono riuscito a capirlo!

— suncoolsu,

Magia! Il segreto è: digitare uno spazio all'inizio dei seguenti parametri: "Oltre a ..." e "Esiste un pacchetto R ...".

@ RockScience: ho esaminato gli HMM nel contesto delle serie temporali finanziarie. Ma la quantità di risorse per questo campo di applicazione è molto limitata (alcuni documenti e tesi e tutti guardano i dati inter-day). Come sapete, gli HMM sono più utilizzati nel riconoscimento vocale, nella modellizzazione del linguaggio naturale, nell'analisi delle sequenze biologiche, ecc. Conosci un motivo per cui gli HMM non sono utilizzati nelle serie temporali finanziarie? È forse correlato al fatto che le catene di Markov in questo contesto non sono omogenee e che le probabilità di transizione ed emissione variano ampiamente nel tempo?

— Zhubarb,

Sappiamo dagli articoli che Baum è andato a lavorare nelle tecnologie di Rennaisance, quindi immagino che ci sia un certo uso da parte di alcuni giocatori esperti. La mia telefonata. Il loro uso è molto buono quando sono in buone mani esperte e ci sono poche mani molto esperte e questi non possono dire di usarlo.

— Barnaby,