20170104-东方证券-《衍生品研究系列之四》：基于单特征因子的隐马尔科夫模型在商品期货上的应用.pdfVIP

HeaderTable _User 1122253200 金融工程 HeaderTable _Stock 股票代码 基于单特征因子的隐马尔科夫模型在商 投资评级 评级变化 行业code 品期货上的应用 HeaderTable _Excel —— 《衍生品研究系列之四》 研究结论 报告发布日期 2017 年01 月04 日 在这篇报告中我们着重讨论了这个被市场广议的隐马尔科夫模型是怎样的，如何 把它应用到期货市场当中来，以及如何更好利用它进行择时预测以获取到更大的 证券分析师 朱剑涛 收益。 0216077 zhujiantao@  时间序列一般可以被看做是两个动态的线性过程，一个是从t-1 时刻到t 时刻 执业证书编号：S0860515060001 的状态演变过程，另一个是t 时刻从状态变量到观测值的观测过程。实际上 隐马尔科夫模型正是在此基础上，假设了系统内在状态是隐性的，且变化过 程为满足一阶马尔科夫性质，并且可由外部的可被观测的一系列观测值推测 相关报告 出隐状态的变化过程，一个隐马尔科夫模型一般由初始状态概率向量、转移 国内商品期货常用日内CTA 策略测试 2016-10-13 概率矩阵和观测概率矩阵这三个要素共同决定。 50ETF 期权与50 期货套利收益测算 2016-08-26  隐马尔科夫模型作为一种机器学习方法曾广泛应用于语音识别领域，目前又 国内商品期货市场速览 2016-08-09 被大量地研究应用于金融市场当中。为了能够尽可能地挖掘该模型的应用潜 力，本篇报告就尝试使用它在商品期货上面构建出的日间级别的CTA 策略。 避免使用到未来数据，在使用“窗口数据”时，窗口的长度在超过 10 天之 后，对预测结果的影响就不再变化。 专  隐马尔科夫模型对金融市场的择时预测主要涉及到两个问题，第一个是从已 题 知观测值序列（特征因子）到最适合的模型参数的学习估计问题，第二个是 报 从待预测的观测值序列到最可能的隐状态序列的解码预测问题。我们基于样 告 本内数据着重考察了影响隐马尔可夫模型在应用时的预测准确率大小的因 素，并提出了几个重要问题对最优隐状态数、因子的高斯分布特性、涨跌预 测方式进行了分析。基于样本内最优的参数选择，我们基于不同特征因子也 对样本外进行了预测，其中最好因子的回测预测准确率达到50.9% 。  除此之外，我们也使用窗口滚动式的预测方式对隐马尔科夫模型进行了分 析，得到了表现相对较好的隐状态数和移动窗口长度，并基于不同的特征因 子对2015 年以来的市场进行了回测，如下图所示，其中最好的因子RC 的 回测结果预测准确率达到 59.7% 。 我们另外挑选了成交量较大而且上市日