Modèle de Markov caché (filtre de régime)

Un modèle de Markov caché (HMM) est un modèle statistique où l'on suppose que le marché se déplace entre un petit nombre d'états non observés, par exemple baissier, range et haussier, chaque état émettant des observations comme les rendements de barres selon sa propre distribution ; ajusté sur une fenêtre de barres, il renvoie le régime le plus probable pour chaque barre, assorti d'une probabilité.

Senzoukria · Glossaire · Mis à jour en septembre 2026

Ce que le modèle suppose

Deux ingrédients définissent un HMM. Une matrice de transition donne la probabilité de rester dans un état ou de passer à un autre à la barre suivante ; une distribution d'émission donne, pour chaque état, la dispersion des valeurs observées. Dans la version gaussienne, chaque état a sa propre moyenne et sa propre variance de rendements. Ni les états ni les transitions ne sont observés directement : ils sont inférés depuis la séquence de barres.

Ajuster le modèle, c'est trouver la matrice de transition et les paramètres d'émission qui rendent la séquence observée la plus probable. Décoder, c'est calculer pour chaque barre, sur un modèle ajusté, la probabilité de chaque état. L'état de probabilité la plus élevée est rapporté comme le régime, et cette probabilité est la confiance du modèle.

Deux choses qu'il peut observer

  • Les rendements : rendements logarithmiques des barres. C'est le modèle de régime quant classique, et les états obtenus décrivent le comportement du prix : tendance baissière, range, tendance haussière.
  • Le delta : le déséquilibre d'orderflow de la barre, delta divisé par volume, le delta étant le volume à l'ask moins le volume au bid. L'état caché décrit alors l'agressivité plutôt que le prix. Deux barres peuvent afficher le même rendement avec un flux opposé, et cette source les sépare.
  • Les états sont triés par leur moyenne : l'état 0 est toujours le plus baissier et le dernier le plus haussier, quelle que soit la source.

Comment le lire comme un filtre

Un filtre de régime ne génère pas d'entrées. Il répond à la question de savoir si les conditions pour lesquelles une stratégie a été conçue sont actuellement présentes. Une règle de retour à la moyenne, par exemple, peut être restreinte à l'état range et coupée dans les états fortement directionnels. La durée résiduelle attendue d'un régime, déduite de la probabilité d'y rester, est une estimation sous les hypothèses du modèle, pas une prévision de la barre suivante.

  • Une confiance faible près d'un changement d'état est normale. Le modèle est incertain précisément quand le régime bascule.
  • L'ajustement dépend de la fenêtre. Un ajustement sur 500 barres et un autre sur 2000 peuvent étiqueter la même barre différemment.
  • Réajuster à chaque tick ferait sauter les étiquettes ; une implémentation saine réajuste à la clôture de barre et décode la barre en cours contre le modèle figé.

Dans Senzoukria

L'overlay figure dans les indicateurs du footprint sous le nom HMM Regime (quant), décrit comme des régimes baissier / range / haussier ajustés sur les barres avec la confiance du modèle. Ses réglages sont États (2 à 4), Observe (rendements ou delta), Fenêtre d'ajustement en barres, plus des options d'apparence pour la bande et une teinte de colonne facultative. L'éditeur de scripts livre aussi un modèle Python, Retour à la moyenne sous régime (HMM + Hurst), qui écarte le régime de crise avec le HMM avant une entrée sur z-score et une confirmation par Hurst ; il est réservé à Python et a besoin de numpy, et comme les autres modèles il tourne sur le compte simulé ou en replay tant que l'autopilote n'est pas armé à la main.

Erreurs fréquentes

  • Lire l'étiquette de régime comme une prédiction plutôt que comme la description la plus probable des barres déjà vues.
  • Choisir quatre états sur une fenêtre courte et interpréter les états supplémentaires comme une information, alors qu'ils ajustent surtout du bruit.
  • Régler la fenêtre d'ajustement jusqu'à ce que les étiquettes collent à un graphique qui vous plaît déjà, puis traiter le résultat comme validé.
  • Oublier que la source delta exige du volume exécuté au bid et à l'ask ; sur un flux sans classification par côté, le modèle n'a rien de pertinent à observer.

Cette page dans d’autres langues

Questions fréquentes

En quoi un régime HMM diffère-t-il d'un filtre de tendance par moyenne mobile ?
Un filtre par moyenne mobile applique une règle fixe aux prix et n'a aucune notion d'incertitude. Un HMM infère des états depuis la distribution des rendements ou du flux, tient compte de la persistance du régime par ses probabilités de transition, et indique sa confiance. Il est plus souple et aussi plus sensible à la fenêtre et au nombre d'états qu'on lui demande de trouver.
Que signifie le chiffre de confiance ?
C'est la probabilité a posteriori de l'état rapporté pour cette barre, étant donné le modèle ajusté et les observations. Une valeur proche de un signifie que le modèle juge les autres états invraisemblables pour cette barre ; une valeur proche de un divisé par le nombre d'états signifie qu'il ne parvient pas à les distinguer. C'est un énoncé sur le modèle, pas une probabilité qu'un trade fonctionne.
Le filtre de régime peut-il passer ou bloquer des ordres de lui-même ?
Non. C'est un overlay et un composant de stratégie scriptée. Tout ordre passe encore par une stratégie sur un compte simulé, en replay, ou par l'autopilote facultatif, qui doit être armé explicitement sur un compte compatible et avec ses propres limites.