是否有可能在hmmlearn中拟合多变量GMHMM？

Question

我知道可以将几个序列放入hmmlearn中，但在我看来，这些序列需要从相同的分布中提取。

有没有可能用来自hmmlearn中不同分布的几个观察序列来拟合GMHMM？

我的用例:我想用来自不同股票的K个金融时间序列来拟合GMHMM，并预测在特定时间产生K个股票价格的市场机制。因此，矩阵输入的维度为N(日期数)×K(股票数)。如果hmmlearn不能做到这一点，请告诉我是否可以在python或R中使用另一个包？感谢您的帮助！

Answer 1

我解决你的问题的方法是使用多变量高斯来表示发射概率。

例如:假设K为2，即位置数为2。

在hmmlearn中，K将被编码在均值矩阵的维度中。

看，这个示例Sampling from HMM有一个二维输出。换言之，X.shape = (N，K)，其中N是这种情况下样本500的长度，K是输出的维度，其为2。

请注意，作者将每个维度绘制在一个轴上，即x轴绘制第一个维度X:，0，y轴绘制第二个维度X:，1。

要训练模型，请确保X1和X2与示例中采样的X具有相同的形状，并按照here所述形成训练数据集。

总之，通过调整K而不是K=2，并将其转换为GMHMM而不是GaussianHMM，使该示例适合您的情况。

# Another example
model = hmm.GaussianHMM(n_components=5, covariance_type="diag", n_iter=100)

K = 3 # Number of sites
model.n_features = K # initialise that the model has size of observations =  K 

# Create a random training sequence (only 1 sequence) with length = 100.
X1 = np.random.randn(100, K) # 100 observation for K sites
model.fit(X1)

# Sample the fitted model
X, Z = model.sample(200)