目前我国发展量化投资的市场条件已经逐步成熟,量化投资交易以其成本低、业绩优的特点得到了迅猛发展。量化投资的核心要素是股价趋势预测,股价变幻莫测,但会以趋势的形式波动,趋势一旦确立,价格将会不断上涨或下跌,直到出现反转。如何准确预测股价走势,选择合适的预测方法针对股价制定策略成为了投资领域研究的热点。传统股价预测方法,如ARIMA、GARCH等模型,要求时间序列是平稳的,且数据呈现正态分布。而股票市场常受多种随机因素影响,数据呈现非稳态特征,采用传统股价预测方法建模时可能会忽略部分有效信息,使结果存在偏差。本文选择创新型股价预测方法—HMM预测方法,对传统预测模型要求数据稳态进行了改进,考虑了随机过程对股价的影响,避免由于训练参数过多而导致模型过拟合问题,提高了模型的稳定性,动态刻画了价量推动过程。本文在研究背景及相关文献梳理的基础上,按照提出研究假设--构建策略模拟实验进行论证的思路。首先,构建传统HMM预测模型,采用滑动窗口训练法对训练集、测试集样本进行滚动建模,通过Baum-Welch算法连续训练模型直至获取最佳参数估计,利用Viterbi算法对预测集数据进行状态解码,识别历史中与似然值最接近的数据模式,采用单日预测法对交易日涨跌进行预测,根据模型预测的涨跌信号进行交易。其次,构建基于小波去噪的HMM量化择时策略进行优化分析,由于股票市场受多种随机偶然因素的影响,存在噪声,同时又具有非平稳、非线性等特征,通过引入小波去噪分析对原始股价信号进行优化处理。最后,对优化前后策略的绩效进行对比研究。研究表明:(1)HMM对股指期货的预测准确率较高,基于HMM对股指期货的量化投资策略收益显著高于大盘,表明HMM的预测研究具有有效性。(2)由于小波去噪具有很好的消噪效果,经过小波分解、消噪及重构后的原始信号能显著降低噪声,并通过仿真模拟实验验证了小波消噪的显著性和有效性。在类似风险的情况下,优化后的HMM对股指期货的择时策略相比传统HMM策略具有更好的投资表现,策略绩效明显提升,模型效果显著提高。同时也证明了基于小波去噪的HMM在量化投资中具有广阔的应用前景和潜在的巨大收益。