A hidden Markov model (HMM) is a simple Dynamic Bayesian Network (DBN) with hidden variables, which has been classically applied to speech recognition techniques. It is also popular to explain the economic models with HMMs, which are called regime switching models. That is useful for representing state changes in stock markets by the discrete hidden variables of the HMM. In this study, we applied the HMM to stock markets including Korean stock market, and tested whether it is a good model compared to the geometric Brownian motion (GBM), which has been popularly used as a market model. We analysed the characteristics of markets by applying HMMs. The results are consistent with the previous studies and the change of economic states was captured. Moreover, we could see a possibility to develop more complex models intuitively using graphical models, that would be more interpretative models for finance.
은닉 마르코프 모형(Hidden Markov Model, HMM)은 은닉 랜덤변수가 있는 간단한 동적 베이지안 네트워크(Dynamic Bayesian Network)이다. 이 모형은 전통적으로 음성 인식 기술에 쓰였다. HMM을 경제 모형에 적용하기도 하는데, 이러한 모형을 국면 전환 모형(Regime Switching Model)이라고 한다. HMM의 이산 은닉 변수는 경제 상태 변화를 표현할 수 있다. 시장 모형으로 잘 알려진 기하 브라우니안 운동과 비교해서 HMM을 이용한 모델이 좀 더 적합한지 알아보았다. 그리고 HMM을 적용하여 시장의 특성을 분석하였다. 선행 연구와 비슷한 결과를 보임을 확인하였고 경제 상태 변화가 존재함을 보였다. 또한 그래픽 모형을 이용하여 직관적이면서 복잡한 모델을 제시할 수 있음을 보였다.