如何用R语言实现马尔可夫链原理可视化及区制转换MRS实例分析？

本文共计4167个文字，预计阅读时间需要17分钟。

马尔可夫链是一种数学系统，它通过从一个状态（一种情况或一组值）跳转至另一个状态来运作。本文介绍了马尔可夫链及其一种简单状态转移模型，并构建了隐马尔可夫模型（HMM）。

​​马尔可夫​​链是从一个“状态”（一种情况或一组值）跳到另一个“状态”的数学系统。本文介绍了马尔可夫链和一种简单的状态转移模型，该模型构成了隐马尔可夫模型（HMM）的特例。从应用的角度来看，这些模型在评估经济/市场状态数据时（查看文末了解数据获取方式）非常有用。这里的讨论主要围绕使用这些模型的科学性。

视频：马尔可夫链原理可视化解释与R语言区制转换Markov regime switching实例

马尔可夫链原理​​可视化​​解释与R语言区制转换Markovregimeswitching实例

，时长07:25

例如，如果您制作了婴儿行为的马尔可夫链模型，您可能会将“玩耍”、“吃饭”、“睡觉”和“哭泣”作为状态，它们与其他行为一起可以形成“状态空间”：所有可能状态的列表。此外，在状态空间之上，马尔可夫链告诉您从一个状态跳跃或“转换”到任何其他状态的概率——例如，正在玩耍的婴儿在下一个状态下入睡的可能性五分钟不先哭。

一个简单的两态马尔可夫链如下所示。

在我们的状态空间中有两种状态（A 和 B），有 4 种可能的转换（不是 2 种，因为状态可以转换回自身）。如果我们在“A”，我们可以过渡到“B”或留在“A”。如果我们在“B”，我们可以过渡到“A”或留在“B”。在这两个状态图中，从任何状态转换到任何其他状态的概率为 0.5。

当然，真正的建模者并不总是画出马尔可夫链图。相反，他们使用“转移矩阵”来计算转移概率。