Uso do HMM em finanças quantitativas. Exemplos de HMM que funcionam para detectar tendências / pontos de virada?

16

Estou descobrindo o maravilhoso mundo dos chamados "Modelos Markov Ocultos", também chamados "modelos de mudança de regime". Gostaria de adaptar um HMM em R para detectar tendências e pontos de virada. Gostaria de construir o modelo o mais genérico possível, para que eu possa testá-lo em vários preços.

Alguém pode recomendar um trabalho? Eu já vi (e li) (mais do que) alguns, mas estou procurando um modelo simples e fácil de implementar.

Além disso, quais pacotes R são recomendados? Eu posso ver que muitos deles estão fazendo HMM.

Eu comprei o livro "Modelos Markov escondidos para séries temporais: uma introdução usando R", vamos ver o que há nele;)

Fred

r time-series finance hidden-markov-model RockScience
fonte
Há outro site StackExchange para perguntas financeiras quantitativas .
isomorfismos
1
Quanto à previsão de tendências com sucesso: essa é a pergunta de bilhões de dólares.
Isomorphismes
@Lao Tzu: Sobre o site Stackexchange para finanças quantitativas, duvido que os caras não sabem algo sobre HMM
RockScience
Eu acho que você descobrirá que eles estão familiarizados com modelos de markov ocultos, mudança de regime, reforço e tudo mais. O aprendizado de máquina está na moda em quant-finance.
Isomorphismes
Cuidado: os modelos ocultos de Markov não são iguais aos modelos de Markov (Regime) Switching.
Zhubarb

Respostas:

11

Eu acho que alguns métodos que podem ser usados, mas não projetados especificamente para você, são os seguintes:

Abordagens de modelagem:

  1. Modelos de Tópicos (usados ​​para encontrar padrões em um conjunto de documentos e / ou recuperação de informações)

    uma. O mais simples é o LDA

    b. Modelos de tópicos dinâmicos (IMHO, mais adequado para o seu caso, sem muito conhecimento de domínio)

    c. Modelos de tópicos correlacionados (IMHO, se 2. não for bom, faz sentido tentar isso)

    Essas abordagens não são usadas em finanças (não tenho conhecimento, pois não trabalho especificamente em finanças), mas têm aplicabilidade muito geral. Eles usam a formulação variável latente, que é muito semelhante à do HMM. Eles mostraram ser o estado da arte na modelagem de tópicos. Você pode assistir a uma bela apresentação de David Blei (ótimo apresentador, além de sua incrível !! pesquisa) aqui . As referências específicas, os slides da apresentação e os modelos mais complicados podem ser acessados ​​no site dele . Ele está fazendo um excelente trabalho, que é muito geral, portanto, pode não ser surpreendente se ele já fez algo em finanças. Outra grande referência no mesmo campo é seu consultor, Michael Jordan's, local na rede Internet. É difícil encontrar referências específicas lá, pois ele publica muito!

  2. Séries temporais e modelos de dados sequenciais (especificamente HMM)

    Além de Jordan e Blei, a outra pesquisa prolífica é Zoubin Ghahramani (e seu co-autor Beal). Você pode encontrar aqui os modelos HMM específicos necessários. Alguns impressionantes são: Os infinitos modelos de markov ocultos, Modelos de mistura de processo Dirichlet sensíveis ao tempo.

  3. Programas

    Existe um pacote R chamado lda e topicmodels para a maioria dos modelos "bons". Blei e Ghahramani também mantêm os códigos C, Matlab em seu site.

Boa sorte!

suncoolsu
fonte
@ Krikant, como você conseguiu obter a numeração 1., 2., 3. funcionando. Eu, pela minha vida, não consegui descobrir!
suncoolsu
1
Magia! O segredo é: Digite um espaço no início dos seguintes parágrafos: "Além de ..." e "Há um pacote R ...".
@RockScience: Estive analisando os HMMs no contexto de séries temporais financeiras. Mas a quantidade de recursos para esse campo de aplicação é muito limitada (alguns artigos e teses e todos analisando dados inter-dias). Como você sabe, os HMMs são mais usados ​​em reconhecimento de fala, modelagem de linguagem natural, análise de sequência biológica etc. Você sabe de uma razão pela qual os HMMs não são usados ​​em séries temporais financeiras? Talvez isso esteja relacionado ao fato de as cadeias de Markov nesse contexto não serem homogêneas e as probabilidades de transição e emissão variarem muito com o tempo?
Zhubarb 25/09
Sabemos pelos artigos que Baum foi trabalhar nas tecnologias Rennaisance, então acho que há algum uso por alguns jogadores experientes. Minha ligação. Seu uso é muito bom quando em boas mãos experientes e há poucas mãos muito experientes e elas podem não dizer que a usam.
Barnaby