股票成交量马尔科夫链分析与预测.doc

股票成交量的马尔可夫链分析与预测 　【摘要】成交量是判断股票走势的重要依据，投资者对成交量异常波动的股票应当密切关注。股票的成交量对于投资者操作股票具有至关重要的参考意义，关系到投资者的切身经济利益。文章对股票成交量引入马氏链预测模型，通过研究发现，在短期里，该模型可以比较准确地预测成交量的变化趋势。一、马尔夫链预测　 马尔可夫过程是以俄国数学家Markov的名字命名的一种随机过程模型，它在经济预测、管理决策、水文气象等领域应用广泛。许多学者也将该方法应用于股价预测并建立预测模型，但很少有人用马氏链的理论和方法来对股票成交量进行分析与预测。股价之所以产生各种各样的波浪形态，主要是由于成交量变化引起的，成交量是股价各种走势的形成原因，所说的“量在价先”即是这个道理，成交量往往能先于股价预示出形态的未来发展方向或运行区间。所以如果我们理解了成交量各种变化过程及其对应K线走势的本质含义，就能动态地掌握成交量的分布变动状况，预测股价的未来走势，从而找到短线或中线的操作机会。股票成交量受诸多随机因素的影响，而这种影响常使股票成交量波动很大，不容忽略。本文运用马氏链理论建立股票成交量的数学预测模型，并以此来分析与预测股票成交量的波动，希望能使投资者避免盲目和不理性的投资行为，采取科学的投资策略。 。 定义：设随机过程，若对于任意的整数n∈T和任意的,条件概率满足 （1） 则称为马氏链。 式（1）是马氏链的马尔可夫性（无后效性）的数学表达式。 状态转移概率 所谓状态转移概率就是指，事物在变化过程，从某种状态出发，下一时刻转移到其他状态的可能性。根据条件概率的定义由状态到状态的状态转移概率就是条件概率，即。 (2) 状态转移概率矩阵 假设某一被预测的时间有n个可能的状态，即，（i=1，2，···，n）。为从状态转移到状态的转移概率，则矩阵 (3) 一般的满足下面条件： (4) 只要满足上式（4）的矩阵都是概率矩阵。 2马尔可夫预测法 首先我们要介绍一下状态概率，它表示的是事件在初始（k=0）状态为已知的条件下，经过k次状态转移后，第k个时刻处于的状态的概率。根据概率的性质，显然有 （5） 从初始状态开始，经过k次状态转后达到状态的这一状态转移过程，可以看做是首先经过（k-1）次状态转移后到达（i=1，2，···，n），然后再由经过一次状态转移到达状态。根据马尔可夫过程的无效性及条件概率公式，有 (j=1,2,···，n) (6) 若行向量,再由式（5）可得到下面的公式： (7) 式（7）中，为初始状态概率向量。 下面介绍在第k个时刻的状态概率预测的方法： 首先将事件划分状态； 根据划分的状态求出该事件的转移概率矩阵P； 确定时间在第0个时刻的初始状态； 利用公式（7）求出经过k次状态转移后，在第k个时刻处于各种可能状态的概率（）。 这样我们就得到了第k个时刻的状态概率。 2.股票成交量的马尔可夫链分析与预测 是代表股票成交量大小的随机时间序列，对所能取到的最小值和最大值所限定的区间划分成若干小区间:（，（，]，…，（，]，其中≥。再记=（，]，则可视（t=1，2，…，N）为一个以E=（k=1，2，…，n）为状态空间的随机时间序列（或称随机过程）。下面根据）这只股票成交量的实际情况划分，将20年月日到20年月日的日成交量划分为4个区域，使每一天的成交量仅落入其中一个区域内，每一区域可作为一种状态。需要注意的是，由一个标准划分的各个状态之间应相互独立，使预测对象在某一时间只处于一种状态。　　　　　　　　Min??=?=?　　　　　　　　Max=?=?　　????????????????（）/4=????????那么，是一个以E=（k=1，2，3，4）为状态空间的随机序列。分为4个价格区间，每一区间为一状态（如下表2）。 成交量区间 424995.7425以下 （424995.7425，594066.891] (594066.891，763138.0395] 763138.0395以上 出现次数 12 11 5 3 表二：状态区间分布情况 序列 1 2 3 4 5 6 7 8 9 成交量 522657.406 461704.625 547338.375