Verwendung von HMM in der quantitativen Finanzierung. Beispiele für HMM zur Erkennung von Trends / Wendepunkten?

Ich entdecke die wunderbare Welt der sogenannten "Hidden Markov Models", auch "Regime Switching Models" genannt. Ich möchte ein HMM in R anpassen, um Trends und Wendepunkte zu erkennen. Ich möchte das Modell so allgemein wie möglich bauen, damit ich es zu vielen Preisen testen kann.

Kann mir jemand ein Papier empfehlen? Ich habe (mehr als) einige gesehen (und gelesen), suche aber ein einfaches Modell, das einfach zu implementieren ist.

Auch was R - Pakete sind zu empfehlen? Ich kann sehen, dass viele HMM machen.

Ich habe das Buch "Versteckte Markov-Modelle für Zeitreihen: eine Einführung mit R" gekauft, mal sehen, was drin ist;)

Fred

r time-series finance hidden-markov-model

— RockScience
quelle

Es gibt eine weitere StackExchange-Site für quantitative Finanzfragen .

— Isomorphismen

Trends erfolgreich vorhersagen: Das ist die Milliardenfrage.

— Isomorphismen

@Lao Tzu: Über die stackExchange-Site für quantitative Finanzen bezweifle ich, dass die Leute dort etwas über HMM wissen

— RockScience

Ich denke, Sie werden feststellen, dass sie mit Hidden-Markov-Modellen, Regimewechsel, Boosten und all dem vertraut sind. Maschinelles Lernen ist in der Quant-Finance-Branche angesagt.

— Isomorphismen

Achtung: Versteckte Markov-Modelle sind nicht mit Markov (Regime) Switching-Modellen identisch.

— Zhubarb

Ich denke, einige Methoden, die verwendet werden können, aber nicht speziell für Sie entwickelt wurden, sind wie folgt:

Modellierungsansätze:

Themenmodelle (zum Auffinden von Mustern in einer Reihe von Dokumenten und / oder zum Abrufen von Informationen)

ein. Am einfachsten ist LDA

b. Dynamische Themenmodelle (IMHO, am besten für Ihren Fall geeignet, ohne viel Domänenwissen)

c. Korrelierte Themenmodelle (IMHO, wenn 2. nicht gut ist, ist es sinnvoll, dies zu versuchen)

Diese Ansätze werden im Finanzbereich nicht verwendet (da ich nicht speziell im Finanzbereich arbeite, ist mir dies nicht bekannt), sie sind jedoch allgemein anwendbar. Sie verwenden die latent variable Formulierung, die der von HMM sehr ähnlich ist. Sie haben gezeigt, dass sie in der Themenmodellierung auf dem neuesten Stand sind. Hier können Sie eine schöne Präsentation von David Blei (großartiger Moderator, abgesehen von seiner großartigen !! Recherche) sehen . Die spezifischen Referenzen, die Folien für die Präsentation und kompliziertere Modelle können von seiner Website abgerufen werden . Er leistet eine großartige Arbeit, die sehr allgemein gehalten ist, so dass es nicht verwunderlich sein kann, wenn er bereits etwas im Finanzbereich geleistet hat. Eine weitere große Referenz auf demselben Gebiet ist sein Berater Michael Jordan, Webseite. Es ist schwierig, dort spezifische Referenzen zu finden, da er so viel veröffentlicht!
Zeitreihen- und sequentielle Datenmodelle (HMM-spezifisch)

Neben Jordanien und Blei ist Zoubin Ghahramani (und sein Co-Autor Beal) die andere produktive Forschung. Sie können finden hier die spezifischen HMM - Modelle , die Sie benötigen. Einige beeindruckende sind: Die unendlichen Hidden-Markov-Modelle, zeitempfindliche Dirichlet-Prozessmischungsmodelle.
Software

Für die meisten "guten" Modelle gibt es ein R-Paket mit dem Namen lda und topicmodels. Blei und Ghahramani pflegen die C, Matlab-Codes auch auf ihrer Website.

Viel Glück!

— suncoolsu
quelle

@Srikant, wie hast du es geschafft, dass 1., 2., 3. Nummerierung funktioniert? Ich konnte es für mein Leben nicht herausfinden!

— Suncoolsu

Magie! Das Geheimnis ist: Geben Sie am Anfang der folgenden Absätze ein Leerzeichen ein: "Abgesehen von ..." und "Es gibt ein R-Paket ...".

@RockScience: Ich habe HMMs im Zusammenhang mit Finanzzeitreihen betrachtet. Die Menge an Ressourcen für dieses Anwendungsfeld ist jedoch sehr begrenzt (einige Arbeiten und Abschlussarbeiten, die sich alle mit den Daten zwischen den Tagen befassen). Wie Sie wissen, werden HMMs häufiger zur Spracherkennung, zur Modellierung natürlicher Sprachen, zur Analyse biologischer Sequenzen usw. verwendet. Kennen Sie einen Grund, warum HMMs nicht in Finanzzeitreihen verwendet werden? Hat es vielleicht damit zu tun, dass die Markov-Ketten in diesem Zusammenhang nicht homogen sind und die Übergangs- und Emissionswahrscheinlichkeiten zeitlich stark variieren?

— Zhubarb

Wir wissen aus Artikeln, dass Baum bei Rennaisance Technologies gearbeitet hat. Ich schätze, dass einige erfahrene Spieler davon Gebrauch machen. Mein Anruf. Ihre Verwendung ist sehr gut, wenn sie in erfahrenen guten Händen sind, und es gibt nur sehr wenige erfahrene Hände, und diese sagen möglicherweise nicht, dass sie es verwenden.

— Barnaby