应用随机过程报告.pdfVIP

马尔可夫链的研究及其在证券价格预测上的应用 一. 引文 马尔可夫链是一种时间离散、状态离散的随机过程，是预测问题中常用的 一种数学模型。 我们在对实际问题的研究中经常会遇到随时间变化而持续变化的各种过程， 其中一部分的变化过程与过去有着紧密的联系，比如人口增长问题，稳定的人口 增长必定会由一段时间前的人口结构情况所影响；而另一部分的变化过程则与过 去并没有联系，下一步的变化只与现在的变化有关联，比如分子的无规则运动就 是马尔可夫过程的连续化下的情况。 而在证券市场中，由于政策以及各种信息的干扰，往往两个相同的政策在 不同时间出台后的效果并不一样，甚至可能完全相反，这取决于当前情况下的各 种因素。因此，对于股票价格的预测符合马尔科夫过程的情况。 二. 正文 (一) 马尔可夫过程的基本原理 按照系统的发展，时间可离散化为n = 0, 1,2,3 … i, …，对每个系统的状态可 以用随即变量来表示，并且对应一定的概率，称之为状态概率。当系统由某一个 阶段的状态转移到下一个阶段的状态时，在这个转移过程中，存在着转移的概率， 称之为转移概率。如果转移概率只与目前相邻两状态的变化有关，即下阶段的状 态只与现在状态有关，而与过去无关，那么这种离散状态按照离散时间的随机转 移系统过程，成为马尔可夫过程。 设{(), n = 0, 1,2,3 … … }是一个状态空间为离散，参数为非负的随机过程， 那么{()}满足 P{X (n + 1) = |X (0) = , X (1) = , …, X (n − 1) = , X (n) = } 0 1 −1 = P{X (n + 1) = |X (n) = } 就称{()}为马尔可夫链。 有限维马尔可夫链的概率可以用下列算式描述： P{X (0) = , X (1) = , …, X (n − 1) = , X (n) = } 0 1 −1 = P{X (n + 1) = |X (0) = , X (1) = , …, X (n − 1) = } P{X (0) = , X (1) = 0 1 −1 0 , …, X (n − 1) = } 1 −1 { ( ) | ( ) } ( ) ( ) = P X n = X n − 1 = … P{X (1) = |X 0 = }P{X 0 = } −1 1 0 0 为详细描述马尔可夫链的概率分布，可以用初始概率P{X (0) = }和条件概 0 { ( ) | ( ) } 率P X n = X n − 1 = i 来表示。用 ()来表示当时间为k时，X (k)取值为i 的 ( ) 情况下，在下一个时间k + 1时，X k + 1 取值为j 的概率，称为一步转移概率。 其中： ( ) { ( ) | ( ) }