本篇报告是HMM指数择时系列研究报告的第二篇--理论篇,我们在上一篇实战篇的基础上,首先回顾了HMM三大算法:概率计算算法、学习算法及预测算法;同时,我们也提供了五个案例解析。其次提出了基于无监督学习HMM评估方法,得到dist是一个很好的评估模型估计误差、状态估计精度及状态估计稳定性的指标。最后,我们根据dist值进一步对上一篇报告中的观测变量日收益率指标进行反思,同时把日MAshort/long指标和日收益率指标进行对比,根据dist的大小与对N的敏感度,得出当训练长度足够长时,日MAshort/long指标较日收益率指标更适合作为HMM的观测变量。
首页
微信公众号
证券之星APP
