基于马尔可夫链的状态转换，用概率模型预测股市走势

金融界普遍认同的一个观点是："过去的表现并不预示未来的结果"——这一警示出现在几乎所有金融免责声明中，有其充分的理由。然而，市场参与者始终在寻找能够解码市场行为的模式和规律。

如果市场确实具有记忆性，只是这种记忆极为短暂，会呈现怎样的特性？这正是马尔可夫链可以提供洞见的领域。

马尔可夫链的基本原理

马尔可夫链本质上是一个依据特定概率规则从一个状态转移至另一个状态的数学系统。其核心特征在于：系统的下一个状态仅依赖于当前状态，而非之前的状态序列。

这一概念可以通过天气预测模型进行类比说明：若今日晴朗，次日有80%的概率依然晴朗，20%的概率转为降雨；若今日降雨，次日有30%的概率转为晴朗，70%的概率继续降雨。

关键在于：明日天气的预测仅基于今日的天气状况，而非上周或上月的气象记录。

 

https://avoid.overfit.cn/post/f81f661c90304c66875f770783284545