基于隐马尔可夫模型的宏观周期识别与资产配置系统——改进HMM状态转移算法的设计与验证_量化交易与投资_2026年课程设计.docxVIP

  • 0
  • 0
  • 约2.42万字
  • 约 27页
  • 2026-11-23 发布于北京
  • 举报

基于隐马尔可夫模型的宏观周期识别与资产配置系统——改进HMM状态转移算法的设计与验证_量化交易与投资_2026年课程设计.docx

PAGE1

摘要

宏观周期识别与资产配置的核心困难在于经济状态不可直接观测,且状态之间的切换概率并非固定不变。传统隐马尔可夫模型(HiddenMarkovModel,HMM)用时不变状态转移矩阵描述周期切换,在宏观数据中容易把政策冲击、流动性变化与外部风险混入同一转移概率,导致状态识别滞后、资产权重切换频繁。本文围绕这一问题,设计改进状态转移的HMM算法HMM-TVS(Time-VaryingSparseTransitionHMM),把状态转移概率写成宏观协变量的多项Logit形式,并用组稀疏弹性网约束转移参数,抑制弱相关指标对转移矩阵的干扰。

研究目标包括三部分:建立宏观周期

您可能关注的文档

文档评论(0)

1亿VIP精品文档

相关文档