시계열 분석 실전 사례 은닉 마르코프 HMM 모형 주식 분석 5편

   데이터 셋과  모형에 대한 기초적인 지식만 있어도  실제로 모델 돌리는 것은  어렵지 않다.  하지만, 이것을 해석 하는 문제는 다른 문제이다.  아래 페이지에 이것을 해석하는 것과  그 동안의 소스 코드를 모아 놓았다.    

https://rdmkyg.blogspot.com/2021/09/hmm-4.html

HMM 한개에 여러개 이미지 그리기

시계열 분석 실전 사례 은닉 마르코프 HMM 모형 주식 분석 3편 [state 별 그래프 분석]

   시계열 데이터에서  state(상태) 나타내는 것을 은닉마르코프 모형이다.  은닉 마르코프 모형에서 어느 시점에서 구입해서,  어느 시점에서 판매하는 것이 가장 좋은 것인지, 판단 하려면, 그래프를 이용한 EDA를 하여야 한다.   

  

   state별로 데이터의 분포로 보는 것은  매우 중요하다.   특히,  많은 금액을 투자 한다면,  더욱 많이 봐야 한다.  즉 투자 비용이 크면 클 수록 많이 봐야 한다는 것이다. 

시계열 분석 실전 사례 은닉 마르코프 HMM 모형 주식 분석 2편

 2번째 편에서는  은닉 마르코프 모형에서 state 별 조건부 확률 결과인  posterior probability (사후확률)에 대한 구체적인 값을 논의 하고자 한다.   이것에 대한 내용을 보면,  조건부 확률을 어떻게 되는지 알수 있을 것이다.

   

아래에 나오는 그래프와 소스코드를 돌리려면,  아래의 링크의 코드를  먼저 실행 하여야 한다.  

https://rdmkyg.blogspot.com/2021/09/hmm-1.html

대상  은닉 마르코프 그래프 (HMM)

시계열 분석 실전 사례 은닉 마르코프 HMM 모형 주식 분석 1편

     주식에서 일정 주기로 시세가 변동 하는 주식은  박스를 그려서 분석 할 수 있다.  하지만,  박스를 그려서 분석 할 수 있는 주식이 그다지  많지 않다.  

시작에서 충격(Ex 코로나 팬더믹) 받지 않은 이상은 박스를 그려서 분석 할 수 있는 주식이 있는데,  "대상"이라는 주식이  내가 찾은 유일한 주식인 것 같다. 

시계열 분석 코드로 보는 은닉 마르코프 모델 HMM의 적합과정

 은닉 마르코프 모델   HMM의 적합 과정은 매우 복잡하다.  그러나 R 에는 이를 구현할 여러가지 패키지가 존재 한다. 여기서는 depmixS4 패키지로 작업 하겠다.  다음 코드를 사용해 적절한 시계열을 만든다. 

시계열 분석 은닉 마르코프 모형 [모델을 적합 시키는 방법]

 직접적으로 측정이 불가능한 상태의 존재와 이 기술이 적용될 다양한 데이터 셋에 대해 분명하게 옳은 정답은 얻을 수 없다는 것을 상정 한다.  그러면  은닉 상태들의 선험적 지식 없이 이 알고리즘은 은닉 상태들을 어떻게 식별 할 까?  그 대답은 바로 반복성에 있다.  관측을 설명 가능한 가장 적절한 은닉 상태를 도출하는 마법 같은 해결책은 존재하지 않는다.  그러나 완전하게 구체화된 시스템이 있다면 추정을 향해 나아갈 가능성은 열린다. 

시계열 분석 은닉 마르코프 모형 [ 모델 동작 방식]

 은닉 마르코프 모형 (hidden markov model(HMM)은 특히 시계열 모델링에 유용하다.  또한 시계열 분석에 학습될 데이터에 올바르게 라벨링 된 정답이 존재하지 않는 비지도 학습이 적용된 회귀 한 경우이기 때문에 흥미롭기도 하다.  

HMM 은 앞서 살펴본 칼만 필터의 실험에서 얻었던 직관,  즉 관측 가능 변수가 시스템을 가장 잘 묘사하지 못한다는 개념에서 영감을 받았다. 

선형 가우스 모델에 적용된 칼만 필터처럼 과정에는 상태가 있으며 관측이 그 상태에 대한 정보를 준다는 개념을 상정 한다.