基于聚类和状态机的市场状态建模
计算工程、金融与科学
2025-10-02 v1 机器学习
摘要
本工作提出了一种通过可解释概率状态机建模金融市场的新框架。通过基于多个时间尺度上的动量和风险特征对历史收益进行聚类，我们识别出捕捉潜在状态（如扩张期、收缩期、危机期或复苏期）的不同市场状态。从表示这些状态之间动力学的转移矩阵出发，我们构建了一个概率状态机，用于建模市场的时序演化。该状态机能够基于由状态频率加权的高斯分量混合生成自定义的收益分布。我们证明，所提出的基准在捕捉资产收益的关键统计特性（包括偏度和峰度）方面显著优于传统方法，且我们在随机资产和时间周期上的实验证实了其鲁棒性。
引用
@article{arxiv.2510.00953,
title = {Modeling Market States with Clustering and State Machines},
author = {Christian Oliva and Silviu Gabriel Tinjala},
journal= {arXiv preprint arXiv:2510.00953},
year = {2025}
}