Modelo oculto de Markov (filtro de régimen)

Lo que el modelo supone

Dos ingredientes definen un HMM. Una matriz de transición da la probabilidad de permanecer en un estado o de pasar a otro en la barra siguiente; una distribución de emisión da, para cada estado, cómo se reparten los valores observados. En la versión gaussiana cada estado tiene su propia media y su propia varianza de retornos. Ni los estados ni las transiciones se observan directamente; se infieren de la secuencia de barras.

Ajustar el modelo consiste en encontrar la matriz de transición y los parámetros de emisión que hacen más probable la secuencia observada. Decodificar consiste en calcular, dado un modelo ajustado, la probabilidad de cada estado en cada barra. El estado con mayor probabilidad se reporta como el régimen, y esa probabilidad es la confianza del modelo.

Dos cosas que puede observar

• Retornos: retornos logarítmicos de las barras. Es el modelo de régimen cuantitativo clásico, y los estados resultantes describen el comportamiento del precio: tendencia bajista, lateral, tendencia alcista.
• Delta: el desequilibrio de flujo de órdenes de la barra, el delta dividido por el volumen, donde el delta es el volumen al ask menos el volumen al bid. El estado oculto describe entonces la agresión y no el precio. Dos barras pueden marcar el mismo retorno con flujos opuestos, y esta fuente las separa.
• Los estados se ordenan por su media, así que el estado 0 es siempre el más bajista y el último el más alcista, sea cual sea la fuente.

Cómo leerlo como filtro

Un filtro de régimen no genera entradas. Responde a si están presentes ahora mismo las condiciones para las que se diseñó una estrategia. Una regla de reversión a la media, por ejemplo, puede restringirse al estado lateral y apagarse en los estados fuertemente direccionales. La duración restante esperada de un régimen, derivada de la probabilidad de permanecer en él, es una estimación bajo los supuestos del modelo, no una previsión de la barra siguiente.

• Una confianza baja cerca de un cambio de estado es normal. El modelo duda justo cuando el régimen está girando.
• El ajuste depende de la ventana. Un ajuste sobre 500 barras y otro sobre 2000 pueden etiquetar la misma barra de forma distinta.
• Reajustar en cada tick haría saltar las etiquetas; una implementación sensata reajusta al cierre de barra y decodifica la barra en curso contra el modelo congelado.

En Senzoukria

La superposición figura en los indicadores del footprint como HMM Regime (quant), descrita como regímenes bajista / lateral / alcista ajustados sobre las barras con la confianza del modelo. Sus ajustes son Estados (de 2 a 4), Observa (retornos o delta), ventana de ajuste en barras y opciones de aspecto para la banda y un tinte de columna opcional. El editor de scripts también incluye una plantilla de Python, «Reversión a la media bajo régimen (HMM + Hurst)», que descarta el régimen de crisis con el HMM antes de una entrada por z-score y una confirmación de Hurst; solo existe en Python, necesita numpy y, como las demás plantillas, se ejecuta en la cuenta simulada o en replay salvo que se arme el piloto automático a mano.

Errores frecuentes

• Leer la etiqueta de régimen como una predicción y no como la descripción más probable de las barras ya vistas.
• Elegir cuatro estados en una ventana corta e interpretar los estados de más como hallazgos cuando en su mayoría ajustan ruido.
• Afinar la ventana de ajuste hasta que las etiquetas coincidan con un gráfico que ya te gustaba, y tratar el resultado como validado.
• Ignorar que la fuente delta necesita volumen ejecutado al bid y al ask; en un flujo sin clasificación de lado, el modelo no tiene nada significativo que observar.