Modelos ocultos de Markov e mudança de regimes
Entenda regimes ocultos, matrizes de transição, distribuições de emissão, filtragem, suavização, decodificação de estados e os limites da classificação de mercados de alta e baixa
Resposta direta
Um modelo oculto de Markov presume que as observações são geradas por um estado discreto não observado que muda de acordo com uma matriz de transição de Markov. Cada regime tem sua própria distribuição de emissão, como uma média e volatilidade de retorno. A filtragem estima a probabilidade do regime atual usando os dados disponíveis agora; a suavização revisa probabilidades históricas com observações futuras; a decodificação de Viterbi seleciona o caminho de estados mais provável. Regimes são rótulos do modelo, não fatos de mercado observados diretamente, e sua utilidade depende da escolha da emissão, da persistência, do número de estados, da estabilidade estrutural e do desempenho em tempo real.
Um regime é um estado latente discreto
Ao contrário de uma tendência latente contínua, um estado de HMM assume um dos rótulos de um conjunto finito em cada data.
A propriedade de Markov diz que a distribuição do próximo estado depende do estado atual, e não de todo o passado, quando o estado atual é conhecido.
Rótulos como alta, baixa, calma ou crise são interpretações aplicadas depois da estimação. O modelo identifica distribuições e transições, não nomes econômicos.
As transições determinam a persistência
A matriz de transição fornece a probabilidade de cada mudança do estado de hoje para o estado de amanhã. Cada linha precisa somar um.
Probabilidades diagonais grandes criam regimes persistentes. Em um HMM homogêneo no tempo padrão, a duração implícita do estado segue uma distribuição geométrica.
Se as durações reais têm formatos diferentes ou as probabilidades de transição dependem de covariáveis, um modelo oculto semimarkoviano ou um modelo de transição variável no tempo pode se adequar melhor à pergunta.
As emissões conectam estados às observações
A distribuição de emissão especifica como retornos, medidas de volatilidade, spreads ou vários sinais se comportam condicionalmente a cada estado.
Emissões gaussianas são convenientes, mas podem dividir caudas pesadas em regimes artificiais de alta volatilidade. Distribuições t dependentes do estado podem contar uma história diferente.
As variáveis devem estar disponíveis na data declarada e ser escaladas de forma sensata. Emissões muito sobrepostas tornam os regimes difíceis de distinguir, independentemente da persistência.
Filtragem, suavização e decodificação são diferentes
O filtro para frente atualiza probabilidades à medida que cada observação chega. Ele é o objeto relevante para decisões ao vivo.
O suavizador para trás usa a amostra completa para revisar probabilidades passadas. Viterbi encontra uma sequência conjunta mais provável, que não precisa coincidir com a maior probabilidade marginal em cada data.
Um gráfico suavizado limpo de alta e baixa pode exagerar a certeza em tempo real. Reporte probabilidades filtradas e revisões posteriores junto com os rótulos retrospectivos.
A estimação não determina o número de estados
Métodos de verossimilhança, como EM, alternam entre probabilidades de estado e atualizações de parâmetros e podem convergir para ótimos locais.
Os rótulos dos estados podem permutar sem mudar a verossimilhança, portanto identificá-los pela média ou volatilidade é uma convenção de apresentação.
Mais estados sempre acrescentam flexibilidade e podem criar regimes minúsculos ao redor de outliers. Critérios de informação, estabilidade, interpretabilidade e previsões fora da amostra devem orientar a seleção.
A probabilidade de regime não é uma declaração
Uma probabilidade filtrada de crise de 70% expressa incerteza sob um modelo ajustado. Ela não prova que o mercado está objetivamente em um estado de crise.
Previsões fazem a média dos resultados específicos de cada estado usando probabilidades de regime e dinâmica de transição. A classificação rígida descarta a incerteza e pode criar giro abrupto.
Limites escolhidos depois de examinar os retornos da estratégia produzem data-snooping. Regras de decisão precisam de custos, atrasos e um protocolo fora da amostra.
Regimes financeiros podem mudar ou desaparecer
Modelos de mudança de Markov podem representar médias de retorno de alta e baixa, volatilidade baixa e alta, estresse de spreads de crédito ou estados de crescimento do ciclo econômico.
Uma única matriz de transição presume persistência estável. Mudanças de política, estrutura de mercado e crises podem alterar permanentemente transições ou parâmetros de emissão.
Uma quebra estrutural pode ser confundida com regimes repetidos, enquanto um processo contínuo de volatilidade pode ser forçado a entrar em caixas arbitrárias. Compare alternativas mais simples.
Torne as evidências de regime auditáveis
Reporte variáveis, frequência, pré-processamento, número de estados, família de emissões, matriz de transição, inicialização, buscas por ótimos locais e incerteza dos parâmetros.
Mostre probabilidades filtradas e suavizadas, durações esperadas, sobreposição de estados, pontuações de previsão, revisões de classificação e sensibilidade às extremidades da amostra.
Use rótulos de regime como resumos concisos de um modelo probabilístico, não como chamadas de mercado perfeitas em retrospecto nem como explicações causais para retornos.
Perguntas frequentes
Um HMM descobre os verdadeiros mercados de alta e baixa?
Não. Ele estima estados latentes de distribuição, que analistas podem interpretar como regimes se as evidências sustentarem esses rótulos.
Por que regimes suavizados podem parecer melhores que sinais ao vivo?
A suavização usa observações posteriores a cada data, permitindo revisões em retrospecto que não estariam disponíveis para uma estratégia em tempo real.
Quantos estados ocultos devo usar?
Não existe um número universal. Compare estabilidade, ajuste, interpretabilidade, tamanho dos estados raros e desempenho fora da amostra.
O que uma probabilidade de transição me informa?
Ela fornece a probabilidade do próximo estado no modelo, condicionada ao estado atual, e os valores diagonais governam a persistência.