市场状态研究 / MARKOV REGIME-SWITCHING · 2026.09
比特币市场状态切换分析
近期已完成的日收益更接近低波动状态。两状态模型把波动的收敛与扩张分开观察;三状态对照进一步显示,当前仍有一部分概率落在中波动区间。
低波动状态概率 · 9 月 13 日收盘
%
Binance BTC/USDT · UTC 日线 · 数据截至 2026-09-13。中文审阅版。状态概率描述模型对当前波动的判断,不表示未来上涨概率。
01 / 年内市场状态图谱
每个点是一日收盘;颜色标出当日收益对应的最高概率状态。年内价格路径与状态分类放在同一时间轴上。
2026 年收盘价格与两状态分类
绿色:低波动;琥珀色:高波动。1—6 月使用训练期参数回看,7 月起参数固定并逐日过滤。图中以 50% 为分类分界,连续概率见下图。
02 / 近期状态如何变化
7 月以后,模型只读取当日及此前的收益更新状态概率。概率接近分界时,分类容易变化;保留完整轨迹可以看见这种不确定性。
样本外状态概率
截至最后一个完整交易日,低波动概率为 %,该状态连续占优 天。同期收盘价为 USDT,较 30 日前变化 %。价格涨幅与当前波动状态回答不同的问题:一段时间的累计上涨可以与随后较小的日波动同时出现。
截至最后一个完整交易日,低波动概率为
%,该状态连续占优
天。同期收盘价为
USDT,较 30 日前变化
%。价格涨幅与当前波动状态回答不同的问题:一段时间的累计上涨可以与随后较小的日波动同时出现。
最近 30 个完整日的 OHLC
03 / 状态切换模型如何读懂波动
模型假设,市场在若干不可直接观察的状态之间转移。每个状态有自己的日收益均值和波动尺度;状态转移概率则描述它的持续性。参数从历史数据估计。
两种状态的高斯收益分布
两种分布来自训练期拟合参数。窄分布集中于较小的日变化,宽分布容纳更大的正负变化。曲线是模型分布,不是历史收益直方图。
日收益 = 100 × ln(当日收盘 ÷ 前日收盘)。模型为每个状态估计收益均值、方差,以及次日转移到其他状态的概率。随后用新一天的收益更新状态概率。
本次两状态的收益均值都接近零,主要差异在波动尺度,因此使用“低波动 / 高波动”命名。高波动状态同时容纳大涨与大跌;它本身没有给出买卖方向。
训练区间为 2022-01-02—2026-06-30,共 个日收益;样本外区间为 2026-07-01—2026-09-13,共 日。周末保留,未使用尚未完成的 UTC 日线。
训练区间为 2022-01-02—2026-06-30,共
个日收益;样本外区间为 2026-07-01—2026-09-13,共
日。周末保留,未使用尚未完成的 UTC 日线。
两状态参数
| 状态 | 日均收益(%) (percent) | 日收益标准差(%) (percent) | 次日维持概率(%) (percent) | 模型期望停留(天) |
|---|---|---|---|---|
| 低波动 | 0.0356 | 1.5256 | 83.1646 | 5.9399 |
| 高波动 | -0.0407 | 4.2958 | 61.0029 | 2.5643 |
04 / 状态通常怎样延续
转移矩阵把“延续”和“切换”写成条件概率。对角线表示次日留在原状态,其他格子表示切换。它描述训练样本中的统计持续性。
每日状态转移概率
模型期望停留时间由 1 ÷(1-维持概率)计算,假设转移概率固定。实际阶段可能更短或更长。当前已经持续的天数也不能直接从期望值中扣除,得到所谓的剩余天数。
05 / 换一个模型,判断会变多少
增加一个状态后,原有分类会重新划分。三状态模型的训练期 BIC 更低;在这段样本外区间,两状态的平均对数预测评分略高。两者差异不足以把其中一个称作稳定优胜者。
三状态模型的当前概率
两种模型比较
BIC 越低越好,平均对数预测评分越高越好;后者评价对实际收益的概率密度,不是方向命中率。三状态的“低波动”范围更窄,因此不能直接把它与两状态概率相减作为置信度变化。
两个模型都把当前的大部分概率分配给各自较低波动的区域。关于“近期大幅波动是否缓和”的解释较一致;精确到哪一个状态、概率有多高,仍依赖分类粒度与模型假设。
| 模型 | 训练期 BIC | 样本外平均对数评分 |
|---|---|---|
| 2 状态 | 7597.52 | -1.9836 |
| 3 状态 | 7591.23 | -1.988 |
方法范围与数据来源
本作品展示可复算的波动状态识别方法。固定转移概率和高斯分布是简化假设,极端行情、交易结构变化及周内效应都可能影响结果。当前分析未加入 ETF 资金、衍生品杠杆或宏观变量,因此不解释行情成因,也未验证可盈利交易策略。
展开复算口径
数据:Binance Spot BTCUSDT 日线。状态模型:statsmodels 0.15.0 MarkovRegression,状态均值与方差均可切换。两状态和三状态各使用三个随机种子、多组初始值,选择已收敛且似然最高的结果。训练参数固定后使用 filtered probabilities;样本外评分来自逐日条件对数似然。所有数据与计算结果冻结在本次作品快照中。
行情来源: Binance Spot Klines · 方法: statsmodels MarkovRegression 。抓取:2026-09-14 UTC。BTC/USDT 是单一交易所的稳定币报价。
OWL Compose · 数据与方法预览 · 2026.09