常见概率模型在金融区域场中应用.PDFVIP

华泰期货|专题报告 2017-09-22 华泰期货研究所 量化策略组 常见概率模型在金融市场中的应用 陈维嘉 量化研究员 概率模型简介  0755 概率模型是一大类模型的统称，是常规金融模型的概率化表达。通常概率模型会把  chenweijia@ 常规金融模型中的某些参数看作是一个未知的概率分布，这个未知的分布通常会预先给 从业资格号：T236848 定一个基本假设，即先验概率，然后再根据具体的观测数据去推断或者逐步修正这些假 投资咨询号：TZ012046 设。一种比较常见的概率模型就是贝叶斯线性回归模型，这类模型把线性回归中的系数 和截距等参数作为未知的概率分布。另外一类是最近二十年兴起的状态空间模型(State- Space Model, SSM) 和隐含马尔科夫模型(Hidden Markov Model, HMM) ，这类模型假设在可 观测数据背后包含了某种隐含模式，并且可以利用条件概率分布来发掘这些隐含模式来 总结数据规律以及预测未来数据。SSM 通常用于描述连续的隐含状态而HMM 通常指有 限的隐含状态。这类模型首先在物理学中得到应用，随后在自然语言处理中被发现取得 良好效果。目前这类模型也常出现在金融、经济等学术论文中用于检验经济指标有效性 或者用作预测。这类模型在国外一些对冲基金公司也有所应用。 概率模型可以比灵活地从较少量数据中调校出来，但是在传统机器学习问题上，比 如分类，非线性回归等，这类模型效果在精确性和扩展性方面表现不会特别好。而另一 方面，深度学习在图像识别、语音识别方面取得较大突破，其原因之一是大数据为较复 杂的模型架构提供了支持。如果把这两者的优势结合，则有可能在少量数据的基础上构 造出较为复杂的模型，例如贝叶斯神经网络。 本报告将简单介绍概率模型的构造流程，常见概率模型的类型，最后给出贝叶斯线 性回归模型和贝叶斯神经网络在期货预测中的应用例子。 华泰期货|策略专题 概率模型构建流程 概率模型的构造通常要求对待预测的问题有一个直观的认识，比如从可观测数据库 存，现货价格，利率，工厂开工率，产品优良率，成交量和持仓量等信息中推断出期货价 格可能由基本面，宏观，流动性等不可观测的隐藏因子在背后驱动期货价格涨跌。由此构 造出有一定经济学含义的模型，并且加入一定的主观预期，即模型参数的先验分布。再由 可观测数据去推断出这些隐含因子对期货价格的影响作用，也就是说利用特定的推断算法 计算后验分布。最后使用后验分布来测试模型，找出其优点和缺点，如果能满足则该概率 模型在此问题上有一定的解决能里，否则则重新修改。这就是Box 循环，如下图所示。 图1 ： Box 循环 数据 数据推断 模型评价 模型构造 马氏链蒙特卡罗 后验预测检验 时间序列模型 变分推断 样本外预测 因子模型等