QD Research EngineAI-Synthesised

机制转换：我们能否检测到市场何时发生变化？

模型与框架比较分析
2026-03-09 · 14 min

市场在具有不同规则的平静和危机机制之间交替。隐马尔可夫模型可以估计当前处于哪种机制，从而重塑风险管理和投资组合构建。

Regime SwitchingHidden Markov ModelMarket RegimesMacro ModelingRisk Management
来源: Hamilton (1989), Econometrica; Ang & Bekaert (2002), JBES ↗

散户投资者的实际应用

监控机制概率指标以调整投资组合风险。当危机机制概率上升时，减少股票集中度，增加趋势跟踪或管理期货的配置，并扩大风险预算。您无需自建HMM——多个商业风险平台已提供基于这些模型的机制概率仪表板。

编辑注释

在央行推进前所未有的政策转型、地缘政治分裂重塑贸易流向、AI驱动的结构性变化改变市场微观结构的背景下，'我们是否处于新机制'的问题前所未有地重要。汉密尔顿和Ang & Bekaert的框架为回答这一问题提供了严谨的基础。

规则改变的那天

1987年10月19日，道琼斯工业平均指数在一个交易日内下跌了22.6%。黑色星期一不仅摧毁了财富——它摧毁了假设。建立在波动率稳定、相关性恒定、市场遵循单一统计规则前提上的投资组合，被那些规则认为几乎不可能发生的风暴所吞噬。在正态分布下，这种规模的单日跌幅大约每10^50年才会发生一次。它发生在一个普通的秋天星期一。

这场灾难对量化金融提出了根本性挑战。如果市场能在平静与混乱之间、在一个统计机制与另一个完全不同的机制之间突然切换，那么任何假设单一稳定数据生成过程的模型都是危险而不完整的。问题不在于市场是否会改变性质——每个从业者都知道会。问题在于这些变化能否被严格建模、实时检测，并用于做出更好的投资决策。

两条研究路线正面解决了这个问题，提出了互补的答案，共同奠定了现代机制转换分析的基础。

汉密尔顿的隐马尔可夫模型

詹姆斯·汉密尔顿1989年发表在Econometrica上的论文《非平稳时间序列和商业周期经济分析的新方法》（Hamilton, 1989）提出了一个优雅的解决方案。汉密尔顿没有假设经济数据遵循具有固定参数的单一过程，而是提出经济在离散的、不可观测的状态——机制——之间交替，每个状态由其自身的规则支配。

数学框架是隐马尔可夫模型（HMM）。在汉密尔顿的公式中，经济在任何给定时刻都处于有限个状态之一。每个状态有自己的平均增长率、自己的波动率和自己的动态行为。状态之间的转换由概率矩阵控制。

关键洞察是状态本身不可观测。我们无法直接看到经济处于衰退机制还是扩张机制。但我们可以观察GDP增长率、工业生产、就业等经济数据，并使用贝叶斯推断来估计每个时点处于每个状态的概率。

汉密尔顿的发现

将模型应用于1951年至1984年的美国GDP增长率，模型识别出两个明确的机制：季度GDP平均增长率约1.2%、低波动率的高增长状态，以及平均增长率约-0.4%、高波动率的低增长状态。转移概率表明扩张平均持续约4年，收缩约持续1年——与NBER商业周期判定委员会记录的历史模式密切吻合。

Ang与Bekaert：从宏观到市场

如果汉密尔顿展示了宏观经济的机制转换，Andrew Ang和Geert Bekaert则提出了自然的后续问题：这对金融市场意味着什么？他们2002年发表在Journal of Business and Economic Statistics上的论文《利率的机制转换》（Ang & Bekaert, 2002）将机制转换模型扩展到资产收益率，特别关注利率期限结构。

Ang和Bekaert的贡献在于将汉密尔顿的机制转换框架嵌入正式的资产定价模型中。在他们的模型中，短期利率动态和风险的市场价格都随机制变化。

核心发现

模型识别出与直觉上不同的市场环境相对应的机制。一种机制以低利率、低波动率和压缩的风险溢价为特征——平静的风险偏好环境。另一种机制以较高的利率、更高的波动率和更宽的风险溢价为特征——紧张的风险厌恶环境。

收益率曲线的形态——是陡峭、平坦还是倒挂——在不同机制下传递不同的信息。

两种方法的比较

维度Hamilton (1989)Ang & Bekaert (2002)
领域宏观经济时间序列（GDP）金融资产价格（利率）
状态2个（扩张/收缩）2个（平静/紧张）
创新经济机制的HMM滤波机制依赖的风险定价
关键输出衰退概率估计收益率曲线上的时变风险溢价
局限纯统计——无资产定价估计复杂——过拟合风险

汉密尔顿的模型本质上是一个测量工具：告诉你在商业周期中的当前位置。Ang和Bekaert的模型是一个定价工具：告诉你每个状态下市场为风险支付多少。

机制转换为何现在重要

机制转换模型的吸引力在这些基础论文之后只增不减。原因很简单：过去二十年不断出现的机制转换使单一机制模型显得天真。

2008年金融危机看到资产类别间的相关性飙升至接近1——相关性崩溃研究广泛记录的现象。上证综指和沪深300等中国市场指标同样受到冲击。在正常机制假设下设计的投资组合经历了风险模型认为不可能的回撤。2020年3月的新冠暴跌将通常需要数月的过程压缩到几天。2022-2024年的通胀周期首次在二十年内将债券-股票相关性从负转正，颠覆了传统60/40投资组合的基础假设。

实践启示

投资组合构建

机制意识改变了投资组合的构建方式。在平静机制中，传统分散化有效：债券对冲股票风险，相关性适中，均值回归策略表现良好。在危机机制中，相关性飙升，均值回归失效，趋势跟踪策略成为分散化的主要来源。

风险管理

在滚动窗口上估计单一波动率参数的标准风险价值模型本质上是后向的。在机制转换VaR中，波动率估计是机制特定波动率的概率加权平均。

因子投资者的启示

动量崩溃高度集中在机制转换期间。2009年臭名昭著的动量崩溃恰好发生在市场从危机机制向复苏机制转换之际。

局限性

机制转换模型强大但远非万能。最持久的批评是前瞻性问题：在历史数据中识别两三个机制很容易，但实时判断机制变化是否已发生要困难得多。

机制数量也是一个判断问题。两个状态捕捉了平静与危机的广泛区分，但增加状态虽然改善了样本内拟合度，却有过拟合的风险。

结论

汉密尔顿1989年的论文为严格思考经济机制提供了数学框架。Ang和Bekaert2002年的研究表明，这些机制对资产定价和风险补偿有直接影响。对散户投资者而言，实践教训很明确：任何假设单一稳定市场环境的风险模型或投资组合策略都是不完整的。市场会改变性质——有时渐进，有时一夜之间。问题不是下一次机制转换是否会来，而是你的投资组合是否已做好准备。

本文仅供教育目的，不构成金融投资建议。过往表现不代表未来收益。

相关

本分析由 Hamilton (1989), Econometrica; Ang & Bekaert (2002), JBES 经 QD Research Engine — Quant Decoded 的自动化研究平台 — 综合分析，并经编辑团队审核确保准确性。 了解我们的方法论.

参考文献

仅供教育。