Märkte scheinen zwischen ruhigen und stürmischen Phasen zu wechseln, aber niemand kündigt den Wechsel an. Ein Hidden-Markov-Modell gibt dieser Idee eine präzise Form: Ein verborgener Zustand bewegt sich mit einfachen Wahrscheinlichkeiten, und die Rendite jedes Tages ist ein verrauschtes Signal davon. Diese Fähigkeit erklärt das Modell in einfachen Schritten, mit kurzen Aufgaben (Zahlen zum Berechnen, Schritte zum Ordnen, Begriffe zum Zuordnen) und Finanzbeispielen: wie sich eine Kette ruhiger und stürmischer Tage langfristig verhält, wie man die Überzeugung über den heutigen Zustand mit der heutigen Rendite aktualisiert, wie man den wahrscheinlichsten Zustandspfad findet, wie das Modell seine Zahlen selbst aus Daten lernt, wie viele Regime genügen und warum ein Regimesignal, das die ganze Historie ansieht, ein Betrug ist. Das Abschlussprojekt ist ein Code-Labor, in dem Sie die Algorithmen selbst schreiben und Regime in echten SPY-Renditen erkennen.
Wahrscheinlichkeit und einfache Bayessche Aktualisierung werden erwartet (bedingte Wahrscheinlichkeit, Bayes-Regel). Vorkenntnisse zu Markov oder HMM sind nicht nötig.
