应用于带有附加信息的日内动量交易的隐马尔可夫模型
摘要：一种用于日内动量交易的隐马尔可夫模型被提出，该模型规定了一个潜在的动量状态，用来产生观测到的证券的噪声回报。现有的动量交易模型由于数字滤波器的延迟频率响应而导致时滞问题。时滞导致在市场变化趋势方向改变时，动量信号出现错误的符号。这种状态空间的制定的关键特点是没有这种时滞出现，从而允许在市场变化点准确地改变信号的符号。利用交叉验证、惩罚性似然度准则和基于模型选择的边际似然度的模拟，估计了模型中的潜在状态数量。这三种技术都表明存在2或3个隐藏状态。然后使用Baum-Welch算法和马尔可夫链蒙特卡洛方法找到模型参数，同时假设发射矩阵的单一（离散化）单变量高斯分布。通常动量交易者会希望根据附加信息来调整他们的交易信号。为了反映这一点，在存在附加信息的情况下也进行了学习。考虑了两组附加信息，即实现波动性比率和日内季节性。结果表明，可以使用样条来捕捉从这些信息中获得的统计显著关系，从而可以预测回报。利用输入输出隐马尔可夫模型将这些单变量预测信号纳入转移矩阵中，提出了处理信号组合问题的可能解决方案。然后进行贝叶斯推断，使用前向算法预测证券$t+1$的回报。对当前框架进行简单修改，可以构建一个完全非参数的模型，并进行异步预测。
作者：Hugh Christensen, Simon Godsill, Richard E Turner
论文ID：2006.08307
分类：Trading and Market Microstructure
分类简称：q-fin.TR
提交时间：2020-06-22