金融工程---马尔科夫预测
导语:
本篇大部分的阅读是来自于《量化投资:数据挖掘与实践》这本书,有兴趣的同学可以找书来参考阅读
简介:
很多人认为,如果要看见未来,不仅仅要知晓现在,还要了解过去。但是马尔科夫认为,看见未来,只需要知道实物现在是怎么样的就够了。
马尔科夫过程
先给出官方的定义吧:
设{Xt,t∈T}\{X_t,t\in T\}为随机过程,若对任意正整数nn及t1<t2<⋅⋅⋅<tnt_1,有:
P{Xt1=x1,⋅⋅⋅,Xtn−1=xn−1}>0P\{X_{t_1}=x_1,···,X_{t_{n-1}}=x_{n-1}\}>0
且条件分布:P{Xtn≤xn|Xt1=x1,⋅⋅⋅,Xtn−1=xn−1}=P{Xtn≤xn|Xtn−1=xn−1}P\{X_{t_n}\leq x_n|X_{t_1}=x_1,···,X_{t_{n-1}}=x_{n-1}\}=P\{X_{t_n}\leq x_n|X_{t_{n-1}}=x_{n-1}\}
则称{Xt,t∈T}\{X_t,t\in T\}为马尔科夫过程。
看不懂吧~emmm,我们来分析一下,马尔科夫过程是一个随机过程,这个随机过程满足两个条件,首先来看第一个
P{Xt1=x1,⋅⋅⋅,Xtn−1=xn−1}>0P\{X_{t_1}=x_1,···,X_{t_{n-1}}=x_{n-1}\}>0
一个东西的概率大于0,也就是说,{Xt1=x1,⋅⋅⋅,Xtn−1=xn−1}\{X_{t_1}=x_1,···,X_{t_{n-1}}=x_{n-1}\}这些事情只要是可能事件就可以了(也就是说,马尔科夫过程一定得是有可能发生的过程)
再来看第二个条件
P{Xtn≤xn|Xt1=x1,⋅⋅⋅,Xtn−1=xn−1}=P{Xtn≤xn|Xtn−1=xn−1}P\{X_{t_n}\leq x_n|X_{t_1}=x_1,···,X_{t_{n-1}}=x_{n-1}\}=P\{X_{t_n}\leq x_n|X_{t_{n-1}}=x_{n-1}\}
这是在说,在前n−1n-1个事件发生的情况下,第nn期时,随机变量Xtn≤xnX_{t_n}\leq x_n的概率 与 只有第n−1n-1件事情发生时,随机变量Xtn≤xnX_{t_n}\leq x_n的概率
即如果我们将t−1t-1期当做现在,tt期当做未来,那么该条件的思想也就是“未来只与现在有关,没必要了解过去是怎么样的”,如果满足该假设,我们则称这样的随机过程为马尔科夫过程。
马尔科夫的使用步骤
那么给一个实际的问题,我们如何使用马尔科夫过程来解决呢?
比如说大盘的走势预测
首先确保大盘的走势符合马尔科夫的适应条件
也就是确保大盘未来的走势只现在的走势有关(未来不一定是明天,也有可能是下个月,现在不一定是今天,也有可能是这个月)
构造转移矩阵
这就是转移矩阵的样子,其中p11p_{11}的数值就是下一期从a1a_1状态转移到a1a_1状态的概率,p12p_{12}就表示这期是a1a_1,下一期转移到a2a_2的概率。
那么如果我们去最近90天的大盘为训练集,然后假设有然后统计出,这期上涨下一期下跌的概率为0.25,这期上涨下一期走平的概率为0.5,这期上涨下一期上涨的概率为0.25,然后我们就可以构造出转移矩阵的第一行,接着还继续计算这期走平,这期下跌的情况。
马尔科夫链的稳态
嗯,是的,当时间趋向于无穷大的时候,各个状态的比例将会趋向于平稳。
那么怎么来计算这个稳态呢?解方程即可,比如假设在很久之后的未来,上涨的比例记为a,走平的比例记为b,下跌的比例记为c,则有
(a,b,c)=(a,b,c)·T,其中T是转移矩阵
然后算出来的 (a,b,c)(a,b,c)即是该马尔科夫过程的稳态。
金融工程---马尔科夫预测相关推荐
- 数学建模-预测模型总结(适用范围、优缺点)【灰色预测模型、插值与拟合、时间序列预测法、马尔科夫预测、差分方程、微分方程模型、神经元网络】
基于数学建模的预测方法种类繁多,从经典的单耗法.弹性系数法.统计分析法,到目前的灰色预测法.当在使用相应的预测方法建立预测模型时,我们需要知道主要的一些预测方法的研究特点,优缺点和适用范围.下面就当下 ...
- 灰色马尔科夫预测 matlab代码(数据量太少,有局限性)
首先声明,本人只是个刚学matlab不到一周的纯小白,写灰色马尔科夫是因为数学建模培训练题的时候要用到,但是在网上找不到现成的能用的代码(啊没错,我就是那种白嫖党),而且找到的基本都是"付费 ...
- matlab应用于体育彩票上,马尔科夫预测法在体育彩票“排列三”中的应用
张思思 曾华 (中南大学土木建筑学院,湖南长沙 410012) 摘要:本文首先对"体彩排列三"中的和数与和尾上近1074期的出号数字进行统计,利用马尔可夫链,求得其相应的转移矩 ...
- 数学建模|预测方法:马尔科夫预测
马尔可夫链的定义 现实世界中有很多这样的现象:某一个系统在已知现在的条件下,系统未来时刻的情况只与现在有关,而与过去的历史无关,比如,研究一个商店的累计销售额,如果现在时刻的累计销售额已知,则未来某一 ...
- 马尔科夫预测MATLAB
应用领域: 大多是在预测方向,所以马尔科夫模型更多是辅助作用. 应用条件: 某一系统在已知现在情况的条件下,系统对未来时刻的情况只与现在有关,而与过去的历史无直接关系.比如,研究一个商店的累计销售额, ...
- 美赛BOOM数学建模4-3马尔科夫预测
注明:本文根据数学建模BOOM网课简单整理,自用 ❑ 模型简介 ❑ 张三的日常 • 法外狂徒张三日常处于以下4种状态之一:行窃.吃喝嫖赌.逃亡和蹲大牢 • 若已知张三当前处于某种状态,则他未来的状态只 ...
- 灰色马尔科夫链matlab,基于灰色-马尔科夫模型的电力功率预测
利用1998-2009每年的用电量预测2010年的用电量 QQ图片20130515210109.jpg (20.32 KB, 下载次数: 18) 1998-2009每年用电量数据 2013-5-15 ...
- 数学建模常用算法—马尔可夫预测
今天数模君带大家学习一下数学建模中的预测算法之马尔科夫预测. 目录 模型的含义 实例分析 模型的含义 马尔可夫(Markov)预测法,就是一种关于事件发生的概率预测方法.它是根据事件的目前状况来预测其 ...
- 隐马尔科夫模型(HMM)浅见
隐马尔科夫模型,Hidden Marcov Model,是可用于标注问题的统计学习模型,描述由隐藏的马尔科夫链随机生成观测序列的过程,属于生成模型,是一种比较重要的机器学习方法,在语音识别等领域有重要 ...
最新文章
- walkthrough 1 and 2 - id sap-ui-bootstrap
- 【渝粤教育】国家开放大学2018年春季 0269-22T文学概论 参考试题
- matlab eig 复杂度,MATLAB中的eig函数
- Android深度探索(卷一)第四章读书笔记
- MySQL学习笔记_4_MySQL创建数据表(下)
- django.db.utils.OperationalError: (1049, Unknown database 'djangodb')
- Linux下编译hiredis
- fastDFS文件系统安装
- 【数字信号处理】基于matlab GUI正选信号时域+频域分析【含Matlab源码 887期】
- UDP协议与TCP协议
- docker搭建linux集群,搭建mpi环境,并使用MTT benchmark测试集群性能
- (二)java项目中的文档转换案例实战——PDF转换为JPG图片压缩包
- HDU6834 Yukikaze and Smooth numbers
- elementui日历组件实现可标记日历
- 儿童三轮自行车外观及结构设计(lunwen+任务书+开题+文综+翻译及原文+三维模型)
- 年轻人还记得KCP吗?什么是KCP,怎么使用呢!!!
- linux上使用openocd的问题
- 软件测试工程师的工资有多高?
- 内容制作新纪元:AIGC技术的革命性影响
- sqlserver 之STUFF的运用
热门文章
- java 时间戳 什么意思_java时间与时间戳
- Wargames学习笔记--Bandit
- 18个公认的 世界顶级UI开源框架汇总
- 【专业数据】二.2020~2022年北京交通大学【信息与通信工程】专业复试线/分数线差/计划招生数/复试数/录取数/复试比例/录取率
- Android TabLayout基本使用及完美调整指示器位置的技巧
- windows,远程开机,远程唤醒(WOL,Wake-on-LAN),只在刚关机一段时间内可以实现,时间长了就无法实现
- 老慜的A5作业——p5.js 动态、周期、随机、面向对象
- 炸金花游戏(5)--动态收敛预期胜率的一种思路
- C++编程-牛客网-逛街
- FMDB And Dao