Modello di Markov nascosto (filtro di regime)

Cosa presuppone il modello

Due ingredienti definiscono un HMM. Una matrice di transizione dà la probabilità di restare in uno stato o di passare a un altro alla barra successiva; una distribuzione di emissione dà, per ogni stato, come si distribuiscono i valori osservati. Nella versione gaussiana ogni stato ha media e varianza dei rendimenti proprie. Né gli stati né le transizioni si osservano direttamente: si inferiscono dalla sequenza di barre.

Adattare il modello significa trovare la matrice di transizione e i parametri di emissione che rendono più probabile la sequenza osservata. Decodificare significa, dato un modello adattato, calcolare per ogni barra la probabilità di ciascuno stato. Lo stato con la probabilità più alta viene riportato come regime, e quella probabilità è la confidenza del modello.

Due cose che può osservare

• Rendimenti: i rendimenti logaritmici delle barre. È il modello quant classico di regime, e gli stati risultanti descrivono il comportamento del prezzo: in discesa, laterale, in salita.
• Delta: lo squilibrio di flusso della barra, delta diviso volume, dove il delta è il volume ask meno il volume bid. Lo stato nascosto descrive allora l'aggressività invece del prezzo. Due barre possono stampare lo stesso rendimento con flussi opposti, e questa fonte le separa.
• Gli stati sono ordinati per media, quindi lo stato 0 è sempre il più ribassista e l'ultimo il più rialzista, qualunque sia la fonte usata.

Come leggerlo come filtro

Un filtro di regime non genera ingressi. Risponde alla domanda se le condizioni per cui una strategia è stata costruita siano presenti adesso. Una regola di ritorno alla media, per esempio, può essere limitata allo stato laterale e spenta negli stati fortemente direzionali. La durata residua attesa di un regime, ricavata dalla probabilità di restarvi, è una stima sotto le ipotesi del modello, non una previsione della barra successiva.

• Una confidenza bassa vicino a un cambio di stato è normale. Il modello è incerto proprio quando il regime sta girando.
• L'adattamento dipende dalla finestra. Un fit su 500 barre e uno su 2000 possono etichettare la stessa barra in modo diverso.
• Riadattare a ogni tick farebbe saltare le etichette; un'implementazione solida riadatta alla chiusura della barra e decodifica la barra in corso contro il modello congelato.

In Senzoukria

L'overlay è elencato tra gli indicatori footprint come HMM Regime (quant), descritto come regimi ribassista / laterale / rialzista adattati sulle barre con la confidenza del modello. Le sue impostazioni sono Stati (da 2 a 4), Osserva (rendimenti o delta), Finestra di adattamento in barre e le opzioni di aspetto per la banda e per una tinta opzionale delle colonne. L'editor degli script include anche un template Python, Ritorno alla media sotto regime (HMM + Hurst), che esclude il regime di crisi con l'HMM prima di un ingresso su z-score e di una conferma di Hurst; è solo in Python, richiede numpy e, come gli altri template, gira sul conto simulato o in replay finché l'autopilota non viene armato a mano.

Errori frequenti

• Leggere l'etichetta di regime come una previsione invece che come la descrizione più probabile delle barre già viste.
• Scegliere quattro stati su una finestra corta e interpretare gli stati in più come intuizioni, quando per lo più adattano rumore.
• Regolare la finestra di adattamento finché le etichette non concordano con un grafico che ti piace già, e poi trattare il risultato come validato.
• Ignorare che la fonte delta richiede volumi bid e ask eseguiti: su un flusso senza classificazione del lato il modello non ha nulla di sensato da osservare.