标题：基于马尔可夫链的状态切换策略在商品期货中的回测表现

我很迷人

最近用Python实现了一个基于隐马尔可夫模型(HMM)的状态识别策略，在螺纹钢主力合约上做了3年回测(2021-2023)。策略核心是通过EM算法识别市场状态的转移概率矩阵，在不同状态下采用不同的均线参数组合。

回测结果显示，策略年化收益18.7%，最大回撤9.3%，夏普比1.82。比较有意思的是发现夜盘时段的状态转移频率明显高于日盘，这可能与流动性差异有关。策略在趋势行情中表现最好，但在2022年三季度的高波动震荡市中出现了连续7次止损。

目前正在尝试加入成交量分布的马尔可夫性质来改进状态识别，有做过类似研究的朋友欢迎交流心得。另外想请教下大家，对于这种状态依赖型策略，你们一般用什么指标来评估不同状态下的参数稳定性？