Los mercados parecen alternar entre períodos tranquilos y tormentosos, pero nadie anuncia el cambio. Un modelo oculto de Markov da a esa idea una forma precisa: un estado oculto se mueve con probabilidades simples y el rendimiento de cada día es una señal ruidosa de él. Esta habilidad explica el modelo en pasos sencillos, con comprobaciones breves (números que calcula, pasos que ordena, conceptos que empareja) y ejemplos financieros: cómo se comporta a largo plazo una cadena de días tranquilos y tormentosos, cómo actualizar su creencia sobre el estado de hoy con el rendimiento de hoy, cómo hallar el camino de estados más probable, cómo el modelo aprende sus propios números de los datos, cuántos regímenes bastan y por qué una señal de régimen que mira todo el historial es una trampa. El proyecto final es un laboratorio de código donde usted escribe los algoritmos y detecta regímenes en rendimientos reales de SPY.
Se esperan probabilidad y actualización bayesiana básica (probabilidad condicional, regla de Bayes). No hace falta conocer Markov ni los HMM.
