运用马尔可夫模型进行量化金融分析 文章目录运用马尔可夫模型进行量化金融分析1 介绍马尔可夫模型2 数据格式与处理3 预测结果4 结果检验5 代码(含标注) 1 介绍马尔可夫模型2 数据格式与处理数据来源于锐思数据库平安银行2021年1月1日至7月1日股票收盘价数据，共119条，部分数据及数据格式如下： 这119天平安银行股票的日收盘价的均值为22.51，标准差为1.44。 根据均值-标准差分级法对
转载
2023-08-21 20:32:47
14阅读
本篇可以看作对行列式和特征值应用的举例。但我会谈些我感兴趣的部分，即离散信源信道模型和循环矩阵的对角化。 马尔科夫矩阵这个矩阵从概率论中概率的定义生发，因此各元素实际上就是非负的概率值。马尔科夫矩阵（Markov matrix）又称概率矩阵（probability matrix）、转移概率矩阵（transition probability matrix）,在英语数学文献中的惯例是用概率的行向量
转载
2023-12-12 13:00:36
41阅读
马尔克服 马尔科夫
原创
2017-11-10 09:30:20
1108阅读
马尔科夫过程
隐马尔科夫过程 与马尔科夫相比，隐马尔可夫模型则是双重随机过程，不仅状态转移之间是个随机事件，状态和输出之间也是一个随机过程。
领域系统
分阶领域系统与子团
马尔科夫随机场的通俗解释 马尔可夫随机
转载
2023-12-16 22:13:31
58阅读
# Java马尔科夫链实例
## 简介
马尔科夫链是一种数学模型，用于描述一系列离散事件之间的概率转移。这些事件之间的转移概率只与当前状态相关，与过去的状态无关。在实际应用中，马尔科夫链常用于建模和预测具有随机性的现象，例如天气变化、股票市场等。
本文将以Java语言为例，介绍如何使用马尔科夫链来模拟一个简单的天气预测系统。代码示例将使用Java的面向对象特性，包括类、方法和对象等。
##
原创
2023-12-20 11:44:15
58阅读
马尔可夫模型 马尔可夫模型：是用来预测具有等时间隔（如一年）的时刻点作为初始时刻点的各类人员分布状况；
原创
2022-09-14 21:25:10
1534阅读
1.马尔科夫性系统的下一个状态仅与当前状态有关，与以前的状态无关。定义：状态st是马尔科夫的，当且仅当P[st+1|st]=P[st+1|s1……st],当前状态st其实是蕴含了所有相关的历史信息，一旦当前信息已知，历史信息会被抛弃。2.马尔科夫过程 是一个二元组，包括状态机和状态转移概率。从某个状态出发到终止状态的过程链。不存在动作和奖励。3.马尔科夫决策过程
转载
2024-01-17 13:55:31
223阅读
没课的一天，结合着师兄给的书，写一写日常学习的反思。 西瓜书到手了，还不知道怎么学，好的公式233，没有python相关代码西瓜书的学习与建模后的反思1.隐马尔科夫模型隐马尔科夫模型是关于时序的概率模型，可用于标注问题的统计学问题模型，描述由一个隐藏的马尔科夫链生成不可观测的状态序列，再有各个状态生成一个观测而产生观测随机序列的过程。马尔科夫模型：因安德烈·马尔可夫（Andrey Markov，1
转载
2023-10-26 11:20:37
145阅读
本文主要是在阅读过程中对本书的一些概念摘录，包括一些个人的理解，主要是思想理解不涉及到复杂的公式推导。会不定期更新，若有不准确的地方，欢迎留言指正交流本文完整代码github：anlongstory/awsome-ML-DL-leaninggithub.com第 10 章 隐马尔可夫模型模型基本假设齐次马尔可夫性假设：隐藏的马尔可夫链在任意时刻 t 的状态只依赖于其前一时刻的状态，与其他时刻的状态
转载
2024-01-23 17:19:23
45阅读
为了清楚整理马尔可夫相关概念，做了下笔记，首先抛出一些概念：1 【马尔可夫性质 马尔可夫过程 马尔可夫链】概念：其未来由现在决定的程度，使得我们关于过去的知识丝毫不影响这种决定性。这种在已知“现在”的条件下，“未来”与“过去”彼此独立的特性就被称为马尔可夫性，具有这种性质的随机过程就叫做马尔可夫过程，其最原始的模型就是马尔可夫链。实例1：用一个通俗的比喻来形容，一只被切除了
转载
2024-06-03 13:18:22
116阅读
# 学习使用Python实现马尔可夫链
马尔可夫链是一种随机过程，可用于多种应用，包括自然语言处理、路径选择等。在这篇文章中，我将引导你实现一个简单的马尔可夫链模型。我们将按照以下步骤进行：
## 1. 流程概述
| 步骤 | 说明 |
|--------|--------------------------------
原创
2024-10-23 06:19:24
68阅读
马尔可夫决策-悬崖寻路python实现案例分析要点概括环境使用求解Bellman期望方程求解Bellman最优方程总结 案例分析本节考虑Gym库中的悬崖寻路问题（CliffWalking-v0）。悬崖寻路问题是这样一种回合制问题：在一个4×12的网格中，智能体最开始在左下角的网格，希望移动到右下角的网格。智能体每次可以在上、下、左、右这4个方向中移动一步，每移动一步会惩罚一个单位的奖励。但是，移
转载
2023-08-09 17:30:41
63阅读
英文原文：Generating pseudo random text with Markov chains using Python首先看一下来自Wolfram的定义马尔可夫链是随机变量{X_t}的集合（t贯穿0,1,…），给定当前的状态，未来与过去条件独立。 Wolfram的定义更清楚一点儿…马尔可夫链是具有马尔可夫性质的随机过程…[这意味着]状态改变是概率性的，未来的状态仅仅依赖当前的状态。
转载
2023-08-28 12:53:11
127阅读
描述：隐马尔科夫模型的三个基本问题之一：概率计算问题。给定模型λ=（A，B，π）和观测序列O=(o1，o2，...，oT)，计算在模型λ下观测序列O出现的概率P(O|λ)概率计算问题有三种求解方法： 直接计算法（时间复杂度为O(TN^T)，计算量非常大，不易实现） 前向算法：A：状态转移概率矩阵；B：观测概率矩阵；Pi：初始状态概率向量；O：观测序列1 def forward(A, B, Pi
转载
2023-06-19 14:06:27
129阅读
聚类今天说K-means聚类算法，但是必须要先理解聚类和分类的区别，很多业务人员在日常分析时候不是很严谨，混为一谈，其实二者有本质的区别。分类其实是从特定的数据中挖掘模式，作出判断的过程。比如Gmail邮箱里有垃圾邮件分类器，一开始的时候可能什么都不过滤，在日常使用过程中，我人工对于每一封邮件点选“垃圾”或“不是垃圾”，过一段时间，Gmail就体现出一定的智能，能够自动过滤掉一些垃圾邮件了。这是因
转载
2023-11-16 10:49:01
94阅读
1.基础1.1Random Walks 在图中，通过Random Walks处理，可以找到数据在哪里聚集，或者聚簇在哪。 图中的Random Walks是使用马尔可夫链计算求出。1.2马尔可夫链（Markov Chain）先看一个简单的例子：第一步，结点1的Random Walker有33%的概率到达结点2、3和4，且有0%的概率到达结点5、6和7。 对于结点2，有25%的概率到达结点1、3、4和
转载
2023-11-10 10:32:21
200阅读
说明这个是以前写的代码，回顾一下内容1 基础理论概要1 HMM 从信号处理的角度出发2 本质上HMM本身要处理的问题类型是有更大拓展意义的(毕竟大多数信息处理都可以视为一个通信系统)3 不过处理人类决策相关的系统HMM不能直接胜任(更适合处理自然类的问题)4 Deterministic Model(确定性模型) 处理一些具体的特征5 Statistical Model(统计性模型) 只考虑信号的统
转载
2024-02-26 17:37:12
66阅读
前言隐马尔可夫模型(HMM)是可用于标注问题的统计学习模型，描述由隐藏的马尔可夫链随机生成观测序列的过程，属于生成模型。马尔可夫模型理论与分析参考《统计学习方法》这本书，书上已经讲得很详细，本文只是想详细分析一下前向算法和后向算法，加深对算法的理解，并希望能帮助到他人。前向算法理论分析定义前向算法的定义.PNG定义解析：由于每个状态生成一个观测变量，那么在t时刻就会生成t个观测变量，在t时刻处于状
转载
2023-10-06 22:41:58
241阅读
1.马尔科夫模型 1.1马尔科夫过程 马尔可夫过程（Markov process）是一类随机过程。它的原始模型马尔可夫链。已知目前状态（现在）的条件下，它未来的演变（将来）不依赖于它以往的演变 (过去 )。 一个马尔科夫过程就是指过程中的每个状态的转移只依赖于之前的 n个状态，这个过程被称为1个 n阶的模型，其中 n是影响转移状态的
转载
2023-11-02 06:31:16
67阅读
文章目录1. 隐马尔科夫2. 直观分析3. 数学原理4. 实现4.1 代码 1. 隐马尔科夫 隐马尔可夫模型（hidden Markov model,HMM）是关于时序的概率模型，描述由一个隐藏的马尔可夫链随机生成不可观测的状态随机序列，再由各个状态生成一个观测而产生观测随机序列的过程。隐马尔可夫模型是一个生成模型，表示状态序列和观测序列的联合分布，但是状态序列是隐藏的，不可观测的.2. 直观
转载
2023-09-22 13:02:55
145阅读
