基于隐马尔可夫模型的全球资产配置x.pdfVIP

正文目录

一、HMM模型介绍3

1、概况和数据来源3

2、关于隐马尔可夫模型HMM3

3、资产所处阶段的识别和组合构建5

4、投资组合评价方法6

二、实证分析7

1、样本选择8

2、实证分析结果9

3、HMM模型选股、择时能力的验证12

三、结论与展望13

图表目录

图1：HMM策略实施过程3

图2：向前概率（α）和向后概率（β）4

图3：滚动时间窗口法5

图4：2004年1月-2005年12月标普500指数隐藏状态识别5

图5：2004年1月-2005年12月标普500指数隐藏状态对应市场阶6

图6：包含10类资产的样本8

图7：包含22类资产的样本8

图8：10资产投资组合收益9

图9：10资产投资组合回撤9

图10：22资产投资组合收益10

图11：22资产投资组合回撤10

图12：组合投资收益汇总10

图13：10资产下动量策略资产权重变化11

图14：10资产下HMM策略资产权重变化11

图15：22资产下动量策略资产权重变化11

图16：22资产下HMM策略资产权重变化11

图17：HMM策略与动量策略胜率对比12

图18：HMM策略和动量策略信息比率对比12

图19：HMM策略和动量策略Jensen’salpha对比13

图20：HMM策略和动量策略Fama’sNetSelectivity对比13

图21：HMM策略和动量策略Treynor-Mazuy模型结果对比13

隐马尔可夫模型（HMM）是一种时序的概率模型，主要用于时间序列数据的研究，在

金融领域，它广泛用于资产价格预测模型和资产转换的研究。实证研究表明，使用HMM

进行股票价格预测是有意义的（Hassan和Nath2005）。HMM可将资产价格的观测值放

入马尔可夫过程中，以推断资产的当前状态，实现用当前状态和转移概率来帮助预测未

来资产价格（Nguyen2018）。Kritzman等（2012）将HMM的隐含状态应用于两个案例

中，发现其在识别不稳定市场的阶段变化是有效的。Kim等在《JournalofRiskand

FinancialManagement》上发表的“GlobalAssetAllocationStrategyUsingaHiddenMarkov

Model，提出了HMM策略及基于该策略的全球资产配置实证结果，本文整理了该论文

的核心内容，为机构定量投资者进行资产配置提供参考。

一、HMM模型介绍

1、概况和数据来源

HMM策略通过学习各个资产类别ETF的收益数据来识别资产隐含状态，并以其为依据

选择要投资的资产，最后构建投资组合。HMM策略适用于状态变量无法提前获取的状

况。论文使用了ETF价格数据用于构建HMM策略投资组合模型，共使用了23个ETF

价格数据，每个ETF分别代表了一种资产类别。由于假设每月进行组合再平衡，因此

研究使用调整后的股票和股息数据，计算了月度收益。数据获取方式为R语言中的

“quantmod”包调用的YahooFinance数据。

图1：HMM策略实施过程

资料来源：《GlobalAssetAllocationStrategyUsingaHiddenMarkovModel》，

2、关于隐马尔可夫模型HMM

隐马尔可夫模型基于马尔可夫链。马尔可夫链是指具有马尔可夫特性的离散时间随机过

程。马尔可夫链的关键在于，一个状态的概率仅取决于它之前的状态，并且从一个状态

到另一状态的转换不需要很长的状态转换过程，它可以被估计为上一个状态的转移。

(|)(|)

̅̅̅̅̅=̅̅̅

̅1̅−1̅̅−1