Gizli Markov Modelleri ve Rejim Değişimi
Gizli rejimleri, geçiş matrislerini, emisyon dağılımlarını, filtrelemeyi, yumuşatmayı, durum kodlamasını ve boğa–ayı sınıflandırmasının sınırlarını anlayın
Doğrudan yanıt
Gizli Markov modeli, gözlemlerin Markov geçiş matrisine göre değişen, gözlemlenmemiş ayrık bir durum tarafından üretildiğini varsayar. Her rejimin getiri ortalaması ve volatilitesi gibi kendi emisyon dağılımı vardır. Filtreleme, şimdi mevcut olan verileri kullanarak güncel rejim olasılığını tahmin eder; yumuşatma, gelecek gözlemlerle geçmiş olasılıkları revize eder; Viterbi kodlaması en olası tek durum yolunu seçer. Rejimler doğrudan gözlenen piyasa gerçeklerinden çok model etiketleridir ve faydaları emisyon seçimine, kalıcılığa, durum sayısına, yapısal istikrara ve gerçek zamanlı performansa bağlıdır.
Rejim ayrık bir gizli durumdur
Sürekli bir gizli trendin aksine, bir HMM durumu her tarihte sonlu bir etiket kümesinden birini alır.
Markov özelliği, mevcut durum bilindiğinde bir sonraki durumun dağılımının tüm geçmişe değil mevcut duruma bağlı olduğunu söyler.
Boğa, ayı, sakin veya kriz gibi etiketler tahmin sonrasında uygulanan yorumlardır. Modelin kendisi ekonomik adları değil, dağılımları ve geçişleri tanımlar.
Geçişler kalıcılığı belirler
Geçiş matrisi, bugünkü her durumdan yarının her durumuna geçiş olasılığını verir. Her satırın toplamı bire eşit olmalıdır.
Büyük köşegen olasılıkları kalıcı rejimler oluşturur. Standart, zaman-homojen bir HMM'de ima edilen durum süresi geometrik bir dağılım izler.
Gerçek sürelerin biçimi farklıysa veya geçiş olasılıkları kovaryatlara bağlıysa, gizli yarı-Markov ya da zamanla değişen geçiş modeli soruya daha iyi uyabilir.
Emisyonlar durumları gözlemlere bağlar
Emisyon dağılımı, getirilerin, volatilite ölçülerinin, spreadlerin veya birden fazla sinyalin her duruma koşullu davranışını tanımlar.
Gauss emisyonları kullanışlıdır; ancak ağır kuyrukları yapay yüksek-volatilite rejimlerine bölebilir. Duruma bağlı t dağılımları farklı bir hikâye anlatabilir.
Değişkenler belirtilen tarihte erişilebilir olmalı ve makul ölçekte bulunmalıdır. Birbirine çok benzeyen emisyonları, kalıcılık ne olursa olsun rejimlerden ayırmak zordur.
Filtreleme, yumuşatma ve kodlama farklıdır
İleri filtre, her gözlem geldikçe olasılıkları günceller. Canlı kararlar için ilgili nesne budur.
Geriye doğru yumuşatıcı, geçmiş olasılıkları revize etmek için tüm örneği kullanır. Viterbi, her tarihin en yüksek marjinal olasılığıyla eşleşmesi gerekmeyen, ortak olarak en olası bir dizi bulur.
Temiz görünen yumuşatılmış boğa–ayı grafiği gerçek zamanlı kesinliği abartabilir. Filtrelenmiş olasılıkları ve sonraki revizyonları geriye dönük etiketlerle birlikte raporlayın.
Tahmin durum sayısını belirlemez
EM gibi olabilirlik yöntemleri durum olasılıkları ile parametre güncellemeleri arasında gidip gelir ve yerel optimumlarda yakınsayabilir.
Olabilirliği değiştirmeden durum etiketleri yer değiştirebilir; bu nedenle etiketleri ortalama veya volatiliteyle tanımlamak bir raporlama konvansiyonudur.
Daha fazla durum her zaman daha fazla esneklik ekler ve aykırı değerlerin çevresinde küçük rejimler yaratabilir. Seçimi bilgi kriterleri, istikrar, yorumlanabilirlik ve örnek dışı tahminler yönlendirmelidir.
Rejim olasılığı bir ilan değildir
Filtrelenmiş kriz olasılığının %70 olması, uydurulmuş bir model altındaki belirsizliği ifade eder. Piyasanın nesnel olarak kriz durumunda olduğunu kanıtlamaz.
Tahminler, rejim olasılıklarını ve geçiş dinamiklerini kullanarak duruma özgü sonuçların ortalamasını alır. Kesin sınıflandırma belirsizliği atar ve ani devir yaratabilir.
Strateji getirileri incelendikten sonra seçilen eşikler veri gözetlemeye yol açar. Karar kuralları maliyetleri, gecikmeleri ve örnek dışı bir protokolü içermelidir.
Finansal rejimler değişebilir veya çözülebilir
Markov değişim modelleri boğa–ayı getiri ortalamalarını, düşük–yüksek volatiliteyi, kredi spreadi stresini veya iş döngüsü büyüme durumlarını temsil edebilir.
Tek bir geçiş matrisi istikrarlı kalıcılık varsayar. Politika değişiklikleri, piyasa yapısı ve krizler geçişleri veya emisyon parametrelerini kalıcı biçimde değiştirebilir.
Yapısal kırılma tekrarlanan rejimlerle karıştırılabilir; sürekli bir volatilite süreci de keyfi kutulara zorlanabilir. Daha basit alternatifleri karşılaştırın.
Rejim kanıtlarını denetlenebilir kılın
Değişkenleri, frekansı, ön işlemeyi, durum sayısını, emisyon ailesini, geçiş matrisini, başlatmayı, yerel optimum aramalarını ve parametre belirsizliğini raporlayın.
Filtrelenmiş ve yumuşatılmış olasılıkları, beklenen süreleri, durum örtüşmesini, tahmin skorlarını, sınıflandırma revizyonlarını ve örnek uçlarına duyarlılığı gösterin.
Rejim etiketlerini, geçmişe kusursuz biçimde bakan piyasa çağrıları veya getiriler için nedensel açıklamalar olarak değil, olasılıklı bir modelin kısa özetleri olarak kullanın.
Sık sorulan sorular
HMM gerçek boğa ve ayı piyasalarını keşfeder mi?
Hayır. Gizli dağılımsal durumları tahmin eder; kanıt bu etiketleri destekliyorsa analistler bunları rejim olarak yorumlayabilir.
Yumuşatılmış rejimler neden canlı sinyallerden daha iyi görünebilir?
Yumuşatma her tarihten sonra gelen gözlemleri kullanır; bu da gerçek zamanlı bir stratejide bulunmayan geçmişe dönük revizyonlara izin verir.
Kaç gizli durum kullanmalıyım?
Evrensel bir sayı yoktur. İstikrarı, uyumu, yorumlanabilirliği, nadir durumların boyutunu ve örnek dışı performansı karşılaştırın.
Geçiş olasılığı ne anlatır?
Mevcut duruma koşullu olarak bir sonraki durumun model olasılığını verir; köşegen değerleri kalıcılığı belirler.