利用齐次马尔科夫链预测股票价格走势.doc

齐次Markov链在股票价格走势预测中的应用 摘要：在企业的生产、经营、管理、决策等工作中,经常会遇到这样的情况,事物未来的发展及演变状态仅仅受事物现状的影响,而与过去的状态无关,也就是具有马尔可夫性。本文利用齐次马尔科夫链，根据单只股票在过去一段时间内交易日的价格来预测其在未来某天交易日的价格走势，为马尔可夫模型应用的拓广和股票价格的概率估计预测提供理论依据和实际应用的参考。 关键词：马尔科夫链 转移概率矩阵 股票价格 一、引言 随着社会与经济的发展，股票业已成为人们所熟悉且热衷尝试的一种重要投资方式。因此研究股票的价格走势也就有了非常重要的意义。本文给出一种利用齐次马尔科夫链预测股票价格走势的方法，这种方法具有原理清楚、好学易用的特点，可为普通股民的决策提供参考。 二、马尔科夫链简介 (一)马尔可夫过程基本原理 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用随机变量表示，并且对应一定的概率，该概率称为状态概率。当系统由某一阶段状态转移到另一阶段状态时，在这个转移过程中，存在着转移的概率，称为转移概率。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,称为马尔可夫过程。 马尔可夫过程的数学模型表示如下： 设系统的每个阶段含有S1，S2，…，Sn个可能状态： 1.该系统的初始阶段状态记为向量π(0)，系统第i阶段的状态向量记为π(i)，两相邻系统由现有状态Si变到Sj的状态转移概率为pij(1 ≤i≤ n，1≤ j ≤n)，由pij构成的矩阵称为系统状态转移概率矩阵，记为P,即P=(pij)n×n，P的第i行表示系统现阶段处于状态Si，下阶段转移到S1，S2，…，Sn状态的概率，所以这里，不同阶段的状态向量分别为：π(1)=π(0)P，π(2)=π(1)P，…，π(i)=π(i-1)P，i=1，2，…，n。 2.假设系统发展过程状态向量π满足条件：πP=π，则系统处于稳定状态。π为状态转移矩阵P的不变向量，记π=(x1,x2,…,xn)，且满足条件。 (二)马尔可夫链：有限个马尔可夫过程的整体称为马尔可夫链。马尔可夫链的运动变化分析，主要是分析研究链内有限马尔可夫过程的状态及相互关系,进而预测链的未来状况,据此作出决策。 根据马尔可夫链的构成,其过程具有如下三个特点: 1.过程的离散性。该系统的发展，在时间上可离散化为有限或可列个状态。 2.过程的随机性。该系统内部从一个状态转移到另一个状态是随机的，转变的可能由系统内部的原先历史情况的概率值表示。 3.过程的无后效性。系统内部的转移概率只与当前状态有关，而与以前的状态无关。即一系统的某些因素在转移中第i次结果只受第i-1次结果的影响，与其它结果无关。 凡是满足以上三个特点的系统，均可用马尔可夫链研究其过程，并可预测其未来。这里，用马尔可夫链对过程进行分析和预测时，分以下几步： 1.构造状态并确定相应的状态概率； 2.由状态转移写出状态转移概率矩阵； 3.由转移概率矩阵推导各状态的状态向量； 4.在稳定条件下，进行分析、预测、决策。 三、利用齐次马尔科夫链预测股票价格走势 1、问题的提出 连续观察三一重工（600031）股票从2010年3月18日至5月5日的价格，如下表1（资料来自山西证券），试预测2010年5月5日后的第二个交易日（5月6日）该股票的价格走势。 表 SEQ 表 \* ARABIC 1 三一重工股票从2010年3月18日至5月5日间33个交易日价格 （单位：元） 3月18日 3月19日 3月22日 3月23日 3月24日 3月25日 3月26日 3月29日 3月30日 3月31日 4月1日 31.10 31.46 32.24 32.27 32.17 32.01 32.09 33.59 33.92 33.91 34.32 4月2日 4月6日 4月7日 4月8日 4月9日 4月12日 4月13日 4月14日 4月15日 4月16日 4月19日 35.60 35.95 35.28 34.53 34.70 33.45 33.81 34.29 33.40 33.08 30.51 4月20日 4月21日 4月22日 4月23日 4月26日 4月27日 4月28日 4月29日 4月30日 5月4日 5月5日 30.24 30.62 30.40 30.19 30.08 28.37 28.83 28.25 27.92 27.53 27.48 2、问题的解决 连续33个交易股票平均价格约为3