部分信息下股票收益的HMMS滤波优化交易策略

本文《在部分信息下股票收益服从隐马尔科夫模型的最优交易策略》由李钰等人撰写，发表于东华大学学报自然科学版，第38卷第6期，2012年12月。该研究聚焦于在金融市场中，当投资者面临部分信息时，如何制定最优交易策略的问题。研究假设股票收益服从隐马尔科夫模型（HMM），这是一种用于描述随时间演变的随机过程，特别适用于处理不可观测的状态变化。 股票价格被设定为满足随机微分方程，其瞬时收益率由一个有限状态的连续时间马尔科夫链来描述。在这样的背景下，投资者的目标是最大化其终端财富的期望效用。为了实现这一目标，作者运用了隐马尔科夫模型的滤波理论，这是一种统计技术，用于估计隐藏状态序列，即使在观察到的数据受限的情况下。此外，马尔可夫决策过程和马尔科夫链的特性也被融入到了最优交易策略的计算中。 马尔科利安分析（Malliavin calculus）也发挥了关键作用，它是一种概率工具，常用于处理随机过程中的高阶偏导数和积分问题。通过结合这些理论，作者推导出了在部分信息环境下，关于何时买入、持有或卖出股票的明确交易策略公式。 论文的关键词包括投资组合最优化、部分信息、红利率、隐马尔科夫模型滤波以及Malliavin分析。这表明研究者不仅关注理论模型的构建，还深入探讨了实际应用中的具体操作方法，对于理解金融市场中信息不对称情况下投资者的决策行为具有重要意义。整个研究旨在提供一种科学的方法论，帮助投资者在不确定性环境中做出更加明智的交易决策。