利用自适应移动平均改进马尔可夫切换回归模型
计算工程、金融与科学
2022-08-25 v1
摘要
状态识别对于交易与投资策略的有效运作至关重要。然而，最流行的手段——两状态马尔可夫切换回归模型（MSR）——并非最优解，因为两个波动状态无法充分捕捉市场的复杂性。以往将该模型扩展为多状态 MSR 的尝试被证明不稳定、可能产生较高的交易成本，且只能将市场划分为具有不同波动水平的状态，而这并非与市场交易相关的市场动态的唯一方面。我们证明，通过将两状态 MSR 与自适应移动平均相结合，可以且值得将市场划分为多于两个的状态，其依据不仅是波动率，而是波动率与趋势的综合基准。我们使用一个真实的交易框架证明，从由此生成的四个状态中选取两个特定状态进行交易，相较于包括两状态 MSR 在内的传统基准可获得更好的交易表现。此外，所提模型可作为用于预测事前金融状态的机器学习任务的标签生成器。
引用
@article{arxiv.2208.11574,
title = {Improving on the Markov-Switching Regression Model by the Use of an Adaptive Moving Average},
author = {Piotr Pomorski and Denise Gorse},
journal= {arXiv preprint arXiv:2208.11574},
year = {2022}
}