Предлагается моделировать режимы при помощи модели переключающихся режимов Хамильтона, основанной в свою очередь на модели Маркова, а затем на основании принадлежности тому или иному режиму продавать/покупать стрэддлы
Во время тестирования выявилась одна большая проблема – state space модели хорошо определяют продолжительные интервалы с тем или иным режимом на ин-сэмпле, но стоит перейти к оцениванию аут-оф-сэмпл прогноза режима в окне, как прогнозирование начинает происходить нестабильно, в результате чего прогнозируемый режим в день t в среднем в половине случаев будет отличаться от прогнозируемого режима в день t+1. Это не согласуется с предполагаемой логикой длительных bear и bull движений рынка(по крайней мере bull). Важно отметить, что в этих моделях состояние определяется на основании цепи Маркова, т.е. используются исключительно данные о состоянии в последний день наблюдений и матрица транзитных вероятностей. При этом как правило прогноз режима соответствует состоянию в последний день, поскольку на практике в большинстве случаев матрица переходов имеет значения больше 0.9 на диагонали, т.е. вероятности остаться в режимах очень высокие.
Тот факт, что при этом на практике режимы постоянно меняются говорит о том, что при сдвиге окна на один день вперед меняется и состояние в новый «последний день» для нового окна. Возможными причинами могут быть как проблемы оценивания таких моделей в целом при помощи максимального правдоподбия(невыпуклые функции с множеством локальных экстремумов), так и особенности построения моделей вцелом. Похожие попытки использования подобных моделей, обнаруженные в интернете показывают похожие результаты и для расширяющихся окон.
В связи с этим возможность использования таких моделей в общем случае вызывает большие вопросы к достоверности подобного прогнозирования. Хороших путей решения этой проблемы найти не удалось.
Последние комментарии