一、初识HMM

隐马尔科夫模型（Hidden Markov Model，简称HMM）是用来描述隐含未知参数的统计模型，HMM已经被成功于语音识别、文本分类、生物信息科学、故障诊断和寿命预测等领域。

HMM可以由三个要素组成： =（A,B,II），其中A为状态转移概率矩阵，B为观测状态概率矩阵，II为隐藏状态初始概率分布。

HMM有两个基本假设，一是齐次马尔可夫性假设，隐马尔可夫链t的状态只和t-1状态有关；二是观测独立性假设，观测只和当前时刻状态有关。

HMM解决的三个问题：

• 一是概率计算问题，已知模型和观测序列，计算观测序列出现的概率，该问题求解的方法为向前向后法；

• 二是学习问题，已知观测序列，估计模型的参数，该问题求解的方法为鲍姆-韦尔奇算法

• 三是预测问题（解码问题），已知模型和观测序列，求解状态序列，该问题求解的方法为动态规划的维特比算法。

HMM的实现：python的hmmlearn类，按照观测状态是连续状态还是离散状态，可以分为两类。GaussianHMM和GMMHMM是连续观测状态的HMM模型；MultinomialHMM是离散观测状态的模型。

二、实例分析

（1）问题描述：股票预测问题，观测值为股票的涨幅值（当天收盘价-前一天收盘价）和成交量2种，隐藏状态假定为平、跌和涨3种，根据股票的历史数据构建HMM，并进一步预测股票的收盘价。

（2）数据预处理：从原始数据中提取有用的列，并做异常值处理操作，得到模型的数据数据，原始数据为某支股票2013-2019的记录数据，如下图所示。

import datetime
import numpy as np
import pandas as pd
from matplotlib import cm, pyplot as plt
from hmmlearn.hmm import GaussianHMM
#数据处理
df = pd.read_excel("601668.SH.xlsx", header=0)
print("原始数据的大小：", df.shape)
print("原始数据的列名", df.columns)
df['日期'] = pd.to_datetime(df['日期'])
df.reset_index(inplace=True, drop=False)
df.drop(['index','交易日期','开盘价','最高价','最低价' ,'市值', '换手率', 'pe', 'pb'], axis=1, inplace=True)
df['日期'] = df['日期'].apply(datetime.datetime.toordinal)
print(df.head())
dates = df['日期'][1:]
close_v = df['收盘价']
volume = df['成交量'][1:]
diff = np.diff(close_v)
#获得输入数据
X = np.column_stack([diff, volume])
print("输入数据的大小：", X.shape)   #(1504, 2)

（3）异常值的处理：

min = X.mean(axis=0)[0] - 8*X.std(axis=0)[0]   #最小值
max = X.mean(axis=0)[0] + 8*X.std(axis=0)[0]  #最大值
X = pd.DataFrame(X)
#异常值设为均值
for i in range(len(X)):  #dataframe的遍历
    if (X.loc[i, 0]< min) | (X.loc[i, 0] > max):
            X.loc[i, 0] = X.mean(axis=0)[0]

（4）模型的构建：

#数据集的划分
X_Test = X.iloc[:-30]
X_Pre = X.iloc[-30:]
print("训练集的大小：", X_Test.shape)     #(1474, 2)
print("测试集的大小：", X_Pre.shape)      #(30, 2)
#模型的搭建
model = GaussianHMM(n_components=3, covariance_type='diag', n_iter=1000) 
model.fit(X_Test)
print("隐藏状态的个数", model.n_components)  #
print("均值矩阵")
print(model.means_)
print("协方差矩阵")
print(model.covars_)
print("状态转移矩阵--A")
print(model.transmat_)

均值矩阵：共三行，每一行代表一种隐藏层状态（状态0、1、2），每一行的两个元素分别代表涨幅值的均值和成交量的均值。由于该股票的变化不是特别大，因此结果不是特别明显，但可以观察到状态0均值为负值，可以解释为“跌”；状态1均值最小，接近0，可以解释为“平”，状态2均值为正，可以解释为“涨”。

协方差矩阵：共三个协方差矩阵，分别对应三种隐藏层状态。对角线的值为该状态下的方差，方差越大，代表该状态的预测不可信。状态0的方差约为0.00255，方差最小，预测非常可信；状态1的方差约为0.0157，可信度居中；状态2的方差为0.1232，方差最大，最不可信。

状态转移矩阵：代表三个隐藏层状态的转移概率。可以看出对角线的数值较大，即状态0、1、2都倾向保持当前的状态，意味该股票较稳。

（5）隐藏状态划分结果：

#训练数据的隐藏状态划分
X_pic = np.column_stack([dates[:-30], hidden_states, X_Test])
for i in range(len(X_pic)):
    if X_pic[i, 1] == 0:
        plt.plot_date(x=X_pic[i, 0],y=X_pic[i,2],color='r')
    elif X_pic[i, 1] == 1:
        plt.plot_date(x=X_pic[i, 0],y=X_pic[i,2],color='purple')
    else:plt.plot_date(x=X_pic[i, 0],y=X_pic[i,2],color ='y')
plt.show()

（6）预测值计算：

将预测数据的第一组作为初始数据，预测下一时段的股票涨幅值，以此类推预测该股票后三十组的价格。

expected_returns_volumes = np.dot(model.transmat_, model.means_)
expected_returns = expected_returns_volumes[:,0]        
predicted_price = []  #预测值
current_price = close_v.iloc[-30]
for i in range(len(X_Pre)):
    hidden_states = model.predict(X_Pre.iloc[i].values.reshape(1,2))  #将预测的第一组作为初始值
    predicted_price.append(current_price+expected_returns[hidden_states])
    current_price = predicted_price[i]

（7）预测结果展示：

x = dates[-29: ]
y_act = close_v[-29:]
y_pre = pd.Series(predicted_price[:-1])
plt.figure(figsize=(8,6))
plt.plot_date(x, y_act,linestyle="-",marker="None",color='g')
plt.plot_date(x, y_pre,linestyle="-",marker="None",color='r')
plt.legend(['Actual', 'Predicted'])
plt.show()

三、小结

可以看出，该预测结果的趋势与真实值一致，但预测结果不佳。可以通过增加训练的数据量，并进行模型参数调优来提高预测的精度。HMM应用场景：研究问题是基于序列的，比如时间序列或状态序列；存在两种状态的意义，一种是观测序列，一种是隐藏状态序列。相比于RNN、LSTM等神经网络序列模型，HMM进行预测的效果可能较劣，总之股市有风险，投资需谨慎。

参考资料：hmmlearn官方文档

https://hmmlearn.readthedocs.io/en/latest/

本文由作者：xianyang94，zhihu.com/p/166552799 投稿

长按扫码添加Python小助手进入 

Python 中 文 社 区 俱 乐 部 微 信 群

▼点击成为社区会员   喜欢就点个在看吧