随着中国金融市场的发展,股指期货已成为套期保值、价格发现、风险管理与投机套利的重要金融工具,因此对股指期货价格进行预测能够更好地指导投资者进行决策,具有现实意义。但股指波动频繁、幅度较大、持续时间长等特点给价格预测带来困难,使用传统的时间序列预测方法难以适用股指期货非线性的数据特征,使用机器学习方法进行预测则存在数据量小容易过拟合的风险。在此背景下,本文在对一般预测模型的研究基础上,运用马尔科夫方法对预测结果加以修正,并基于预测结果进行了期货策略的实证分析。本文首先使用灰色预测模型和长短期记忆神经网络模型对中证500股指期货主力合约收盘价进行预测,在得到预测结果后按照预测值与真实值的相对误差分布情况划分状态空间,然后使用马尔科夫状态转移模型对原始预测结果进行修正。研究结果表明马尔科夫修正模型改善了灰色预测的滞后效应,又减弱了长短期记忆神经网络预测结果普遍比真实值小的问题,预测的相对误差变小,对于涨跌方向的判断也更加准确。之后,本文基于灰色预测模型、长短期记忆神经网络、马尔科夫修正模型的预测结果分别构建了改进均线策略,并增加随机买入或卖出的对比策略,以验证改进预测模型的有效性。实证发现基于灰色预测模型和长短期记忆神经网络预测结果的策略效果一般,基本上不能获得高出基准的收益和超额风险回报。马尔科夫修正模型则表现较好,拥有较高的超额收益、夏普比率、Alpha值和较小的最大回撤率、波动率。最后,本文进行总结并据实际情况给出风险提示和建议,提出文章的不足。总而言之,马尔科夫修正模型的确能够提高预测精度和策略交易的收益率,但在现实中仍需要考虑投资者情绪、政策因素等情况,应合理利用预测结果构建交易策略。