利用齐次马尔科夫链预测股票价格走势参考.pdf

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 S ，S ，…，S 个可能状态： 1 2 n ， 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 S 的状态转移概率为 p (1 ≤i n≤，1≤ j )≤n，由 p 构成的 j ij ij 矩阵称为系统状态转移概率矩阵，记为 P,即 P=(p ×n，P 的第 i 行表示系统现阶段处 ij )n n 于状态 S ，下阶段转移到 S ，S ，, ， S 状态的概率， 所以 P 1, i 1,2 , , n , 这 i 1 2 n ij j 1 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 P 状态转移矩阵 P 的不变向量，记 π=(x ,x ,, ,x )，且满足条件 n 。 1 2 n