cyb50-quant/market-regime-identifier

市场环境识别器 (Market Regime Identifier)

基于HMM隐马尔可夫模型的市场状态识别系统

概述

自动识别市场所处的三种状态：

• 震荡 (State 0)：价格波动大但无明显方向
• 趋势 (State 1)：价格持续单向运动
• 反转 (State 2)：超买/超卖后的V型反转

安装依赖

pip install numpy pandas scipy scikit-learn hmmlearn

或使用：

pip install -r requirements.txt

使用方法

1. 训练模型

cd /root/.openclaw/workspace/market-regime-identifier
python3 train_and_validate.py

2. 实时识别

from market_regime_hmm import MarketRegimeHMM, StrategySelector, extract_features
import pandas as pd
import pickle

# 加载模型
with open('hmm_model.pkl', 'rb') as f:
    hmm = pickle.load(f)

# 准备数据
df = pd.read_csv('your_data.csv', index_col='date', parse_dates=True)
features = extract_features(df)
X = features[['ret_std_5', 'momentum_10', 'vol_ratio', 'volume_change', 'intraday_trend']]

# 识别当前状态
current_regime = hmm.get_current_regime(X)
print(f"当前状态: {current_regime['state_name']}")

# 获取策略建议
strategy = StrategySelector.get_strategy(current_regime['state'])
print(f"推荐策略: {strategy['name']}")
print(f"仓位: {strategy['position_size']*100}%")

特征说明

特征	描述	计算方式
ret_std_5	5日收益率标准差	std(returns, 5) × √252
momentum_10	10日价格动量	(close / close.shift(10) - 1) × 100
vol_ratio	波动率比率	vol(5) / vol(20)
volume_change	成交量变化率	volume.pct_change() × 100
intraday_trend	日内趋势强度	(close - open) / (high - low) × 100

状态转移矩阵

        震荡    趋势    反转
震荡    0.85    0.10    0.05
趋势    0.15    0.80    0.05
反转    0.20    0.10    0.70

策略切换规则

状态	策略	仓位	止损
震荡	RSI均值回归	50%	2N
趋势	海龟趋势跟踪	100%	2N
反转	反向/观望	30%	1N

文件说明

• market_regime_hmm.py - 核心HMM模型实现
• train_and_validate.py - 训练与验证脚本
• requirements.txt - 依赖包列表
• hmm_model.pkl - 训练好的模型（生成后）
• feature_stats.pkl - 特征统计（生成后）

验证标准

• 训练数据：2017-2023年
• 验证数据：2024-2025年
• 准确率要求：> 72%

作者

OpenClaw - 2026-03-06