Uso de HMM en finanzas cuantitativas. ¿Ejemplos de HMM que funcionan para detectar tendencias / puntos de inflexión?

Estoy descubriendo el maravilloso mundo de los llamados "Modelos ocultos de Markov", también llamados "modelos de cambio de régimen". Me gustaría adaptar un HMM en R para detectar tendencias y puntos de inflexión. Me gustaría construir el modelo lo más genérico posible para poder probarlo a muchos precios.

¿Alguien puede recomendar un artículo? He visto (y leído) (más que) algunos, pero estoy buscando un modelo simple que sea fácil de implementar.

Además, ¿qué paquetes R se recomiendan? Puedo ver que hay muchos de ellos haciendo HMM.

He comprado el libro "Modelos de Markov ocultos para series de tiempo: una introducción usando R", veamos qué contiene;)

Fred

r time-series finance hidden-markov-model

— RockScience
fuente

Hay otro sitio de StackExchange para preguntas financieras cuantitativas .

— isomorfismos el

En cuanto a predecir con éxito las tendencias: esa es la pregunta del billón de dólares.

— isomorphismes

@Lao Tzu: Sobre el sitio stackExchange para finanzas cuantitativas, dudo que los muchachos de allí sepan algo sobre HMM

— RockScience

Creo que encontrarás que están familiarizados con los modelos ocultos de Markov, el cambio de régimen, el impulso y todo eso. El aprendizaje automático está de moda en las finanzas cuantitativas.

— isomorphismes

Advertencia: los modelos ocultos de Markov no son lo mismo que los modelos de Markov (Régimen) de conmutación.

— Zhubarb

Creo que algunos métodos que se pueden usar, pero que no están diseñados específicamente para usted, son los siguientes:

Enfoques de modelado:

Modelos de tema (utilizados para buscar patrones en un conjunto de documentos y / o recuperación de información)

a. El más simple es LDA

si. Modelos de temas dinámicos (en mi humilde opinión, más adecuados para su caso, sin mucho conocimiento de dominio)

C. Modelos de temas correlacionados (en mi humilde opinión, si 2. no es bueno, tiene sentido intentarlo)

Estos enfoques no se usan en finanzas (no lo sé, ya que no trabajo específicamente en finanzas), pero tienen una aplicabilidad muy general. Utilizan la formulación variable latente, que es muy similar a la de HMM. Han demostrado ser de vanguardia en el modelado de temas. Puedes ver una buena presentación de David Blei (gran presentador, aparte de su increíble investigación) aquí . Se puede acceder a las referencias específicas, las diapositivas para la presentación y los modelos más complicados desde su sitio web . Está haciendo un gran trabajo que es muy general, por lo que puede no ser sorprendente si ya ha hecho algo en finanzas. Otra gran referencia en el mismo campo es su asesor, el de Michael Jordan., sitio web. ¡Es difícil encontrar referencias específicas allí ya que publica tanto!
Series temporales y modelos de datos secuenciales (específicamente HMM)

Además de Jordan y Blei, la otra investigación prolífica es Zoubin Ghahramani (y su coautor Beal). Aquí puede encontrar los modelos HMM específicos que necesita. Algunos impresionantes son: los modelos de markov ocultos infinitos, los modelos de mezcla de procesos Dirichlet sensibles al tiempo.
Software

Hay un paquete R llamado lda y topicmodels para la mayoría de los modelos "buenos". Blei y Ghahramani también mantienen códigos C, Matlab en su sitio web.

¡Buena suerte!

— suncoolsu
fuente

@Srikant, ¿cómo lograste que la numeración 1., 2., 3. funcionara? ¡Yo, por mi vida, no pude resolverlo!

— suncoolsu

¡Magia! El secreto es: escriba un espacio al comienzo de los siguientes párrafos: "Aparte de ..." y "Hay un paquete R ...".

@RockScience: He estado mirando HMM en el contexto de series de tiempo financieras. Pero la cantidad de recursos para este campo de aplicación es muy limitada (unos pocos documentos y tesis y todos mirando datos entre días). Como sabe, los HMM se usan más en reconocimiento de voz, modelado de lenguaje natural, análisis de secuencias biológicas, etc. ¿Conoce una razón por la cual los HMM no se usan en series de tiempo financieras? ¿Puede estar relacionado con el hecho de que las cadenas de Markov en este contexto no son homogéneas y que las probabilidades de transición y emisión varían mucho con el tiempo?

— Zhubarb

Sabemos por los artículos que Baum se puso a trabajar en tecnologías Rennaisance, así que supongo que algunos jugadores experimentados pueden usarlo. Mi llamada. Su uso es muy bueno cuando está en buenas manos con experiencia y hay pocas manos con mucha experiencia y esto puede no decir que lo usan.

— Barnaby