Statistics 基于多变量的资产价格变动模式概率研究

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

我希望能够为预测价格变动分配一个概率，例如，

var1

和

var2

这样做，并且

var3..5

这样做，那么价格应该以

x

的确定性来做

Q1:

有人能为我指出正确的方向，告诉我什么样的框架/技术可以帮助我实现这一目标

Q2:

这是一个多变量连续随机序列分析吗

Q3:

隐马尔可夫模型

Q4:

或者这可能是一个数据挖掘问题

---

我在寻找什么而不是如何

一个人可以选择使用机器学习工具来构建

学习者

• 分类所述“资产价格变动”将是什么样的
  和
  也可作为此类

  分类

  预测的统计概率度量
• 回归资产价格将移动到的实际目标值
  和
  也可作为此类

  回归

  预测的统计概率度量

A1:

（StackOverflow强烈阻止用户询问关于工具或特定框架的意见）如果进行学术论文研究，并且会有大量重复使用的工具，那么不会有太多的损害或额外的时间花费，用于学术研发背景下的ML。出于某种原因，经常遇到

scikit learn

ML课程也不足为奇，其他一些论文可能与基于

R

的定量金融/统计图书馆合作。然而，这些工具，恕我直言，并不是回答你各种问题中所有疑问和最初困惑的核心。这一问题令人困惑

A2:

不，不会。好吧，除非你击败了所有先进的定量研究，并且碰巧证明了市场表现出随机行为（事实并非如此，因此，重新引用发表的关于为什么它不是一个随机过程的卓越研究是浪费时间的）

A3:

不要仅仅因为它有吸引人的标签或在有营销意识的文本中“当代流行”就试图跳上任何一辆马车。恕我直言，理解HMM在你的视线之外，而你现在似乎只是移动到最近的地平线，首先了解要寻找什么

A4:

这是一个很好的未命中目标的证明。你的问题在这一点上比在其他问题上更好地表明，在键入最后两个问题之前，你自己的研究工作是如何投入到覆盖问题领域并至少获得一些基本知识的

StackOverflow鼓励用户提出高质量的问题，因此请毫不犹豫地重新编辑您的帖子，为这个主题添加一些润色

---

如果需要灵感，试着回顾一个快速机器学习过程的好方法和强大方法，分类和回归任务也可以获得每个预测目标值的概率估计

为了了解高性能的ML预测器，这些预测器通常对5个以上的变量进行操作（在ML域中称为“功能”）。（请考虑一些大的数百到小的数千特征，通常是原始时间序列数据的严重非线性变换）

如果你真的愿意掌握算法交易的ML，那你就去吧。

---

您可能想了解这方面的最新研究成果：

[1]

蒙德里安森林：高效的在线随机森林

[2]

蒙德里安森林用于大规模回归当不确定性很重要时

---

也可享受其他主题的职位：

---

哇，说真的，谢谢你花时间如此透彻地回答我的问题，并轻推ML！非常感谢。很高兴你喜欢这些输入。继续走，ML本身就是一个激动人心的宇宙——维京塔！