隐马尔可夫模型商品期货应用初探|中信期货量化专题报告2018
本报告由中信期货量化团队撰写,深入解析隐马尔可夫模型(HMM)在商品期货市场的应用。报告从马尔可夫过程基础出发,系统介绍HMM概念、三个典型问题及模型构建方法,并选取螺纹钢主力合约作为实证对象,将技术分析指标纳入可观察向量进行价格预测。研究发现,HMM能有效识别市场隐状态,但隐状态分类存在随机性,需人工区分上升/下降趋势,模型稳定性有待提升。适合量化研究员、期货交易员、金融工程学者及AI应用开发者阅读,为期货量化策略提供新视角。
本报告由中信期货量化团队撰写,深入解析隐马尔可夫模型(HMM)在商品期货市场的应用。报告从马尔可夫过程基础出发,系统介绍HMM概念、三个典型问题及模型构建方法,并选取螺纹钢主力合约作为实证对象,将技术分析指标纳入可观察向量进行价格预测。研究发现,HMM能有效识别市场隐状态,但隐状态分类存在随机性,需人工区分上升/下降趋势,模型稳定性有待提升。适合量化研究员、期货交易员、金融工程学者及AI应用开发者阅读,为期货量化策略提供新视角。
本报告由中信期货量化团队撰写,深入解析隐马尔可夫模型(HMM)在商品期货市场的应用。报告从马尔可夫过程基础出发,系统介绍HMM概念、三个典型问题及模型构建方法,并选取螺纹钢主力合约作为实证对象,将技术分析指标纳入可观察向量进行价格预测。研究发现,HMM能有效识别市场隐状态,但隐状态分类存在随机性,需人工区分上升/下降趋势,模型稳定性有待提升。适合量化研究员、期货交易员、金融工程学者及AI应用开发者阅读,为期货量化策略提供新视角。
本报告由中信期货量化团队撰写,深入解析隐马尔可夫模型(HMM)在商品期货市场的应用。报告从马尔可夫过程基础出发,系统介绍HMM概念、三个典型问题及模型构建方法,并选取螺纹钢主力合约作为实证对象,将技术分析指标纳入可观察向量进行价格预测。研究发现,HMM能有效识别市场隐状态,但隐状态分类存在随机性,需人工区分上升/下降趋势,模型稳定性有待提升。适合量化研究员、期货交易员、金融工程学者及AI应用开发者阅读,为期货量化策略提供新视角。核心数据:螺纹钢主力合约;技术分析指标;隐状态分类随机。
本报告由中信期货发布,发布于 2018 年。
覆盖 2018 年,全文约 11。
本报告免费查阅,登录资料宝后即可在线获取完整内容。
适合量化研究员、期货交易员、金融工程师、AI应用开发者等读者参考。
重点分析了金融投资、初探等议题。