Os mercados parecem alternar entre períodos calmos e tempestuosos, mas ninguém anuncia a mudança. Um modelo oculto de Markov dá a essa ideia uma forma precisa: um estado oculto se move com probabilidades simples e o retorno de cada dia é um sinal ruidoso dele. Esta habilidade explica o modelo em passos simples, com verificações curtas (números que você calcula, passos que ordena, conceitos que associa) e exemplos financeiros: como uma cadeia de dias calmos e tempestuosos se comporta no longo prazo, como atualizar sua crença sobre o estado de hoje com o retorno de hoje, como achar o caminho de estados mais provável, como o modelo aprende seus próprios números dos dados, quantos regimes bastam e por que um sinal de regime que olha todo o histórico é uma trapaça. O projeto final é um laboratório de código em que você escreve os algoritmos e detecta regimes em retornos reais do SPY.
Esperam-se probabilidade e atualização bayesiana básica (probabilidade condicional, regra de Bayes). Não é preciso conhecer Markov nem HMM.
