Skriveni Markovljevi modeli za određivanje režima tržišta

master's thesis

• Title (english): Hidden Markov models for market regime detection
• Author: Jura Milković
• Mentor: Zvonko Kostanjčar (mentor)
• Committee member: Zvonko Kostanjčar (predsjednik povjerenstva)
• Committee member: Tomislav Petković (član povjerenstva)
• Committee member: Stjepan Begušić (član povjerenstva)
• Granter: University of Zagreb; Faculty of Electrical Engineering and Computing; Zagreb
• Defense date and country: 2024-07-04, Croatia

Abstract

Predviđanje tržišnih režima ključno je za učinkovito upravljanje investicijama i
minimiziranje rizika u dinamičnim i volatilnim financijskim tržištima. Tržišni režimi, kao
što su tržišta u porastu i tržišta u padu, mogu značajno utjecati na strategije ulaganja i
performanse portfelja. U ovom radu istražuje se primjena skrivenih Markovljevih modela
(HMM) za identifikaciju i predviđanje tržišnih režima na financijskim podacima indeksa
S&P 500 i njemačkog DAX indeksa. Cilj je bio analizirati kako HMM može identificirati
različite tržišne režime te evaluirati učinkovitost ovih modela u predviđanju tržišnih kretanja
i implementaciji investicijskih strategija. Rezultati pokazuju da HMM model može efikasno
prepoznati prijelaze između tržišnih režima, posebno tijekom razdoblja naglih promjena kao
što je COVID-19 kriza. Implementacija jednostavne investicijske strategije zasnovane na
HMM predikcijama rezultirala je boljim performansama u usporedbi s osnovnom
strategijom kupi i drži.

Abstract (english)

Predicting market regimes is crucial for effective investment management and risk
minimization in dynamic and volatile financial markets. Market regimes, such as bull and
bear markets, can significantly impact investment strategies and portfolio performance. This
paper explores the application of Hidden Markov Models (HMM) for identifying and
predicting market regimes using financial data from the S&P 500 and German DAX indices.
The goal was to analyze how HMM can identify different market regimes and evaluate the
effectiveness of these models in predicting market movements and implementing investment
strategies. The results show that the HMM model can efficiently detect regime shifts,
especially during periods of sudden changes like the COVID-19 crisis. Implementing a
simple investment strategy based on HMM predictions resulted in better performance
compared to the basic buy and hold strategy.

• Keywords: Skriveni Markovljevi modeli; HMM; tržišni režimi; investicijska strategija
• Keywords (english): Hidden Markov Models; HMM; market regimes; investment strategy
• Language: croatian
• URN:NBN: urn:nbn:hr:168:391741
• Study programme: Title: Computing; Study programme type: university; Study level: graduate; Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Closed access
• Created on: 2024-10-12 21:37:43