REG-10 · 市场状态识别
HMM 市场状态识别
用隐马尔可夫模型识别潜在的市场状态（牛市/熊市），采用高斯发射分布和 Baum-Welch 算法估计参数，并根据推断出的状态交易。
RegimeMachine LearningStatistical
基本信息
适用场景状态区分明显的市场
信号频率每日
典型持有期几周
资产类别指数、大宗商品、外汇
测试市场数10
数据截至2026-11-10
回测结果怎么看
- 在 10 个市场中的 3 个，近 5 年的年化收益跑赢买入持有。
- 在 10 个市场中的 8 个，最大回撤比买入持有更小。
- 夏普最高的市场：SPY（夏普 0.78，年化 7.5%）。
- 表现最弱的市场：DBA（夏普 -0.06，年化 -1.0%）。
权益曲线
评分与风险画像
Arena Score: 74.8SPY, 近 5 年
收益质量 · 30%85
回撤控制 · 25%77
稳定性 · 20%63
稳健性 · 15%52
统计可信度 · 10%96
每一项都是和同一市场、同一窗口内所有策略比较的百分位（100 为最好）。
持仓时间占比49%
Ulcer 指数4.4%
最长回撤571 天
日 VaR（95%）-0.88%
夏普为正的概率96%
相对买入持有的 Beta0.32
Alpha（年化）+3.8%
正收益月份占比48%
扣 10 bp 成本后年化5.3%
年化收益 90% 区间（Bootstrap）0.3% 至 16.0%
最大回撤 90% 区间（Bootstrap）-25.6% 至 -8.1%
大跌行情中的表现（SPY）
| 时期 | 策略 | 买入持有 |
|---|---|---|
| 2018 年四季度下跌 | -3.7% | -19.2% |
| 新冠暴跌（2020 年 2–3 月） | -7.6% | -33.7% |
| 2022 年熊市 | -8.4% | -24.5% |
| 市场在 200 日均线上方时（年化） · 81% | +5.2% | +12.5% |
| 市场在 200 日均线下方时（年化） · 19% | +9.6% | +19.8% |
大跌时期按美股划分。是否在 200 日均线上方用前一天的状态判断，不存在未来函数。
样本外检验（SPY）
| 检验项 | 数值 |
|---|---|
| 选出的参数在各自 3 年训练期里的平均夏普 | 1.06 |
| 同一组参数在之后 6 个月真正交易时的夏普 | 0.81 |
| 同样这些月份一直用默认参数的夏普 | 0.93 |
| 重新选参次数 / 参数实际更换次数 | 28 / 10 |
| 全部历史上夏普为正的参数组数 | 9 组中 9 组 |
| 各组参数的夏普：最低 / 中位数 / 最高 | 0.56 / 0.76 / 0.83 |
样本外区间从 2013-01-04 开始。训练期的数字因为是从 9 组参数里挑最好的，一定偏好看；样本外的数字才是策略真正赚到的。下降很多，或者只有某一组参数好，都是过拟合的信号。滚动前推测试是怎么做的。
各市场结果（近 5 年）
| 市场 | 年化收益 | 买入持有年化 | 夏普 | 最大回撤 | 买入持有最大回撤 | 波动率 | Arena Score |
|---|---|---|---|---|---|---|---|
| SPYSPDR S&P 500 | 7.5% | 11.6% | 0.78 | -14.8% | -24.5% | 9.8% | 75 |
| USOUnited States Oil Fund | 15.5% | 20.2% | 0.67 | -28.8% | -36.2% | 27.5% | 79 |
| GLDSPDR Gold Shares | 5.7% | 16.4% | 0.47 | -19.2% | -28.3% | 14.4% | 40 |
| UNGUnited States Natural Gas | -1.1% | -30.7% | 0.21 | -66.8% | -93.3% | 45.6% | 80 |
| ETH-USDEthereum | 0.9% | -15.1% | 0.20 | -58.2% | -79.0% | 38.2% | 65 |
| SLViShares Silver Trust | -2.6% | 15.2% | 0.07 | -52.5% | -57.8% | 29.1% | 27 |
| BTC-USDBitcoin | -2.9% | 2.6% | 0.06 | -65.8% | -75.9% | 28.2% | 34 |
| EURUSD=XEUR/USD | 0.0% | -0.7% | 0.03 | -12.4% | -17.2% | 5.4% | 55 |
| DBCInvesco DB Commodity Index | -0.6% | 10.8% | 0.03 | -43.1% | -27.3% | 14.1% | 24 |
| DBAInvesco DB Agriculture | -1.0% | 8.8% | -0.06 | -22.4% | -15.9% | 9.4% | 22 |
策略指标基于日收益，未扣除交易成本；买入持有为同一市场、同一窗口的数据。按夏普比率排序。
SPY 在不同时间窗口的表现
交易规则
Entry
Buy when in bullish regime (higher mean state)
Exit
Sell when in bearish regime
Indicators
Returns as observations HMM with Gaussian emissions Infer most likely state sequence
Inputs
N_States = 2 Lookback = 252
Position sizing
Fixed 100% allocation
Risk controls
Regime probability threshold
策略证据
- BTC-USD · 查看证据 2026-11-10
- DBA · 查看证据 2026-11-10
- DBC · 查看证据 2026-11-10
- ETH-USD · 查看证据 2026-11-10
- EURUSD=X · 查看证据 2026-11-10
- GLD · 查看证据 2026-11-10
- SLV · 查看证据 2026-11-10
- SPY · 查看证据 2026-11-10
- UNG · 查看证据 2026-11-10
- USO · 查看证据 2026-11-10
下面只列出可用的已校验证据包；没有证据不代表通过验证。
证据覆盖范围
已校验 10 / 10 个预定策略与市场组合
备注
- 不依赖外部库的简化 HMM
- 用滚动窗口识别状态
- 牛市状态 = 平均收益为正，熊市 = 为负
相关策略
嵌入这个评分
可以放进博客文章、README 或论坛签名，徽章会随每日数据自动更新。
<a href="https://quantarenas.com/strategy/reg-10-hmm-regime-detection/"><img src="https://quantarenas.com/badge/reg-10-hmm-regime-detection.svg" alt="HMM Regime Detection Arena Score on Quant Arena" height="20"></a>
[](https://quantarenas.com/strategy/reg-10-hmm-regime-detection/)
回测是基于日线数据的历史模拟，未计入佣金和滑点，不代表未来收益，也不构成投资建议。每个策略的测试方法见方法论。