基于多个变量查找资产价格变动模式的概率

Question

我正在寻找一种方法，让我能够使用 5 个随价格移动和变化的变量（来自历史数据）来分析/搜索资产价格变动模式。

我希望能够为预测的价格变动分配一个概率，例如，当

var1

和

var2

执行此操作并且

var3..5

执行此操作时，那么价格应该执行此操作具有

x

的确定性。

Q1:

有人能指出我正确的方向，什么框架/技术可以帮助我实现这一目标吗？

Q2:

这是多元连续随机序列分析吗？

Q3:

隐马尔可夫模型？

Q4:

或者也许这是一个数据挖掘问题？

我正在寻找什么而不是如何。

Answer 1

人们可以选择使用机器学习工具来构建

learner

• 对上述“资产价格变动”的类型进行分类和
  也为此类
  Classifier

  预测提供统计概率度量

两者都是
• 回归资产价格将移动到的实际目标值并且
  也为此类
  Regressor

  预测提供统计概率度量

A1:

（虽然 Stack Overflow 不鼓励用户询问有关工具或特定框架的意见） ^{如果进行学术论文研究，不会造成太大损失，也不会花费额外时间这是一个非常引人注目的重复使用工具列表，用于学术研发背景下的机器学习。出于某种原因，经常遇到} scikit-learn ML 课程并不奇怪，其他一些论文可能与基于 R

 的定量金融/统计库一起使用。然而，恕我直言，这些工具并不是回答您的各种问题中出现的所有疑虑和最初困惑的核心。主题混乱的是。

A2:

不，不会。好吧，除非你击败了所有先进的定量研究并碰巧证明市场表现出随机行为（但事实并非如此，为此重新引用已发表的关于为什么它实际上不是随机的杰出研究将是浪费时间）过程）。

A3:

不要仅仅因为任何具有吸引力的标签或营销文本中的“当代流行”而尝试跳上任何马车。恕我直言，理解 HMM 超出了你的视线，而你现在似乎只是移动到最近的视野，首先了解要寻找什么。

A4:

这是错过目标的一个很好的证明。您的问题在这一特定点上比其他问题更好地表明，在输入最后两个问题之前，我们在覆盖问题领域并至少获得一些基本知识方面投入了多少自己的研究工作。

---

如果需要灵感，请尝试回顾一种快速机器学习过程的良好且强大的方法，其中

分类和回归任务还获得每个预测目标值的概率估计。

要了解高性能 ML 预测器，这些预测器通常对超过 5 个变量的集合进行操作

（在 ML 领域称为 _{“特征”）。 （想想一些大的}数百到小数千的特征，通常是原始时间序列数据的严重非线性转换）。

如果确实愿意掌握用于算法交易的机器学习，那么就可以了。

---

您可能想阅读有关此方向的最新研究：

[1]

蒙德里安森林：高效的在线随机森林
>>> arXiv:1406.2673v2 [stat.ML] 2015 年 2 月 16 日
[2]蒙德里安森林用于大规模回归当不确定性很重要时
>>> arXiv:1506.03805v4 [stat.ML] 2016 年 5 月 27 日>>>

---

您可能还喜欢有关该主题的其他帖子：

>>> Stack Overflow 算法交易 >>>