马尔可夫链是一个有着广泛应用的随机过程模型,它对一个系统由一种状态转移到另一种状态的现状提出了定量分析。许多经济和社会现象中的动态系统问题都可采用马尔可夫链来描述。本文从马氏链的基本理论入手,将马氏过程与动态规划结合起来,用来预测股票价格,这就是马尔可夫决策过程(Markov DecisionProcesses,简记为MDP)简称马氏决策。文中讨论了用于股票价格预测的几种方法,提出了用马氏决策过程预测股票价格的新的方法,并通过算例验证了该方法的有效性。文章最后对这种新的方法与其他几种传统的方法进行了比较,对此方法的特点进行了总结。从五个部分阐述了马氏过程在股价预测中的应用。第一章结论部分从分析国内外的研究现状及发展趋势着手,引出了本文要研究的主要内容及研究的目的意义。第二章主要介绍影响股价因素及相关的一些知识。第三章介绍随机过程及马氏决策理论的有关概念。本章介绍了可尔可夫链的相关概念及柯尔莫哥洛夫定理,遍历性和平稳分布。介绍了马氏决策模型,马氏决策模型由以下五部分组成:状态集S、决策集A、转移概率P、报酬函数R、准则函数V。并在模型的基础上,定义最优值函数,并给出马氏决策规划中的矩阵算法。第四章为用马氏决策模型进行股价预测的算法研究。本章从算法上完成了转移概率矩阵的计算,转移概率矩阵的马氏性检验及状态集和决策集的算法。第五章为预测实例及结果的总结评价。从我们的预测结果可以看出,股票整体的走势呈现上升趋势,大幅涨,小幅跌。这跟我们预测的这段时间股市走向基本吻合。用马氏决策规划预测股票价格,从预测结果上看还是比较准确的,并且错误率多出现在后面的交易日,这正反映了股市的变化莫测及难预测性。