下载文档原格式
基于马尔可夫链的股价预测在企业的生产、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。
本文运用马尔科夫理论预测股票价格，建立其随机过程模型，使决策的长期效益趋于最优，通过实例检验，证明了此模型的可行性和实用性。
运用马尔可夫过程理论，对未来股价走势和股指未来的突破方向进行了研究，对其他预测方法作了有益的补充。
标签：马尔科夫链转移概率股票价格一、马尔科夫过程的概述定义1设随机序列{X(n),n=0,1,2,…}的离散状态空间为E0，若对于任意m个非负整数n1,n2,…,nm(0≤n1＜n2＜…＜nm)和任意自然数k，以及任意i1,i2,…im，j∈E满足(1)则称X(n),n=0,1,2…}为马尔科夫链。
在(1)式中，如果nm表示现在时刻，n1,n2,…,nm-1表示过去时刻，nm+k 表示将来时刻，那么此式表明过程在将来nm+k时刻处于状态j仅依赖于现在nm 时刻的状态im，而与过去m-1个时刻n1,n2,…,nm-1所处的状态无关。
(1)式给出了无后效性的表达式。
定义2 k≥1称之为马尔科夫链在n时刻的k步转移概率，记为pij(n,n+k)。
转移概率表示已知n时刻处于状态i,经k个单位后过程处于状态j的概率.转移概率pij(n,n+k)是不依赖于n的马尔科夫链，称为时齐马尔科夫链。
这种状态只与转移出发状态i、转移步数k及转移到达状态j有关,而与n无关。
此时,k 步转移概率可记为pij(k),即当k=1时pij(1)称为一步转移概率，简记为Pij。
所有一步转移概率pij组成的矩阵p1=(pij)称为它在时刻m的一步转移矩阵(i,j∈E)。
所有n步转移概率pij(n)。
组成的矩阵Pn=(pij(n))称为马尔科夫链的n步转移概率矩阵，其中:。
设{Xn,n∈T}为齐次马尔科夫链，则pn=p1p1(n-1)=p1n(n≥1)(2)二、运用马尔科夫链预测股票价格的步骤运用马尔科夫链预测股票价格的步骤：第一步，马尔科夫模型的建立；第二步，构造股票价格变化的分布状态；第三步，检验马尔科夫性。
使用马尔科夫链进行股票价格预测的技巧在金融市场中，股票价格的变化一直是投资者关注的焦点。
预测股票价格变化对于投资者来说至关重要，因为它能够帮助他们做出明智的投资决策。
在这方面，马尔科夫链成为一种有效的工具，它能够帮助投资者更好地预测股票价格的走势。
本文将探讨使用马尔科夫链进行股票价格预测的技巧，希望对投资者有所帮助。
马尔科夫链是一种离散时间过程，其基本思想是未来状态的概率分布仅与当前状态相关，而与过去状态无关。
在股票价格预测中，我们可以将股票的价格变化看作是一个具有一定状态的随机过程。
使用马尔科夫链进行股票价格预测，关键在于构建合适的状态空间和状态转移矩阵。
首先，对于股票价格的状态空间的选择非常重要。
状态空间是指股票价格变化的可能状态集合。
在构建状态空间时，需要考虑价格的波动范围，以及价格变化的趋势。
通常可以将状态空间划分为多个区间，每个区间代表一个状态。
例如，可以将股票价格的涨跌幅度划分为“大涨”、“小涨”、“持平”、“小跌”和“大跌”等状态。
通过合理地划分状态空间，可以更好地捕捉股票价格的变化规律。
其次，构建状态转移矩阵是使用马尔科夫链进行股票价格预测的关键一步。
状态转移矩阵描述了不同状态之间的转移概率。
在股票价格预测中，状态转移矩阵可以反映股票价格在不同状态之间的变化概率。
通过对历史数据进行分析，可以计算出不同状态之间的转移概率，并构建状态转移矩阵。
状态转移矩阵的构建需要充分考虑股票价格的特点，同时还需要考虑到市场的影响因素，例如宏观经济指标、行业政策等。
只有构建了准确的状态转移矩阵，才能够更准确地预测股票价格的走势。
此外，使用马尔科夫链进行股票价格预测还需要考虑到模型的稳定性和收敛性。
在实际应用中，需要对模型进行充分的测试和验证，以确保模型的预测结果具有一定的准确性和可靠性。
同时，还需要根据市场的实际情况对模型进行调整和优化，以提高预测的准确性。
总的来说，使用马尔科夫链进行股票价格预测是一种有效的方法，但也有其局限性。
马尔科夫链模型对股价短期变动趋势的研究马尔科夫链模型是一种基于概率转移的数学模型，可以用来研究股价的短期变动趋势。
这种模型假设未来的状态只依赖于当前的状态，与过去的状态无关。
马尔科夫链模型可以应用于股票市场中，用来预测股价的上升或下降趋势。
它的基本思想是将股票市场的状态划分为有限个互不相交的状态，例如涨、平、跌三种状态。
然后通过分析过去的数据，构建状态之间的概率转移矩阵，来预测未来的状态。
假设我们将股票的涨跌幅度分为三个状态：上涨、持平、下跌。
我们可以通过统计过去若干个时间段内涨跌幅度的数据，计算转移矩阵。
如果过去的数据表明，当股票上涨时，下一个时间段股票上涨的概率较高，那么我们可以认为股票有较大可能会继续上涨；反之，如果转移矩阵表明股票下跌的概率较高，那么我们可以认为股票有较大可能会继续下跌。
使用马尔科夫链模型来预测股价的短期变动趋势，需要以下几个步骤：1. 数据采集：收集一段时间内的股价数据，包括涨跌幅度等相关信息。
2. 状态划分：根据涨跌幅度的大小，将股票的状态划分为几个有限的状态，例如上涨、持平、下跌状态。
3. 转移矩阵的计算：通过统计过去的数据，计算每个状态之间的转移概率，构建转移矩阵。
4. 预测未来状态：根据当前的状态和转移矩阵，可以通过迭代计算得到未来一段时间内的状态序列，进而预测股价的短期变动趋势。
马尔科夫链模型也存在一些局限性。
该模型假设未来的状态只与当前的状态有关，忽略了其他可能的影响因素，例如市场情绪、经济数据等。
该模型对于状态的划分和转移概率的估计都依赖于历史数据，如果市场出现突发事件或者结构性变化，传统的马尔科夫链模型可能无法准确预测未来的状态。
在使用马尔科夫链模型进行股价预测时，需要综合考虑其他因素，并结合其他模型或方法进行验证和修正，以提高预测的准确性。
由于股票市场的复杂性和随机性，短期股价的预测存在一定的风险和不确定性。
在投资决策时，应综合考虑多种因素，并采用风险控制的策略，以防止潜在的损失。
使用马尔科夫链进行股票价格预测的技巧股票市场一直以来都是投资者们关注的焦点，而股票价格的预测更是投资者们关注的重点。
在股票市场中，利用数学模型来预测股票价格已经成为一种常见的方法。
马尔科夫链作为一种重要的数学工具，被广泛应用于股票价格预测中。
本文将针对使用马尔科夫链进行股票价格预测的技巧进行探讨。
1. 马尔科夫链的基本概念马尔科夫链是一种随机过程，具有“无记忆”的性质，即下一时刻的状态只依赖于当前时刻的状态，而与过去的状态无关。
在股票价格预测中，我们可以将股票价格的波动视为一个随机过程，利用马尔科夫链来描述其状态转移规律。
2. 构建状态空间在使用马尔科夫链进行股票价格预测时，首先需要构建状态空间。
状态空间是指所有可能的状态的集合，对应于股票价格的波动。
一般来说，可以将股票价格的涨跌幅分为若干个状态，分别表示股票价格的上涨、下跌和持平等情况。
3. 确定状态转移概率在构建了状态空间之后，我们需要确定各个状态之间的转移概率。
这一步需要利用历史数据进行估计，通过统计各个状态之间的转移次数来计算状态转移概率。
在实际应用中，可以利用最大似然估计等方法来估计状态转移概率。
4. 预测未来价格一旦确定了状态空间和状态转移概率，就可以利用马尔科夫链来进行股票价格的预测。
根据当前时刻的状态，利用状态转移概率来计算未来时刻的状态，进而预测未来的股票价格。
5. 注意事项在使用马尔科夫链进行股票价格预测时，需要注意以下几个问题。
首先，需要选择合适的状态空间和状态转移概率，这需要充分考虑股票价格的波动情况。
其次，历史数据的选择和处理也至关重要，需要确保数据的充分性和准确性。
最后，需要不断地调整和优化模型，以适应市场的变化。
6. 实例分析为了更好地理解马尔科夫链在股票价格预测中的应用，我们可以通过一个实例来进行分析。
假设我们以每日收盘价的涨跌幅为状态，分为三个状态：上涨、下跌和持平。
通过历史数据的统计分析，我们得到了各个状态之间的转移概率。
马尔可夫链模型在股票市场预测中的应用分析随着现代经济的快速发展，股票市场成为了人们最为熟悉的金融市场之一。
在过去的几十年中，人们对于股票市场的研究越来越深入，不断有新的算法以及模型被引入到预测股票市场的研究中。
其中，马尔科夫链模型就是一种经典的预测模型，在股票市场预测中有着广泛的应用。
一、马尔科夫链模型的概念及工作原理马尔可夫链模型是指一种有限状态机模型，它满足马尔可夫性质，即下一个状态只与当前状态有关，与前面的状态无关。
在预测股票市场中，我们把股票市场的变化看作一个状态序列，每个状态都对应着一段时间内的股票市场状况。
根据这个状态序列，我们可以构建一个马尔科夫链模型。
马尔可夫链模型的工作原理非常简单。
首先，我们需要确定马尔科夫链的状态。
在预测股票市场中，通常我们将市场波动分为三种状态：上涨，下跌，持平。
接着，我们通过统计历史数据，计算出每种状态之间的转移概率，即从一个状态转移到另一个状态的概率。
最后，我们通过当前的状态，根据转移概率计算出下一个可能的状态，从而得到股票市场的未来走势。
二、马尔科夫链模型在股票市场预测中的应用马尔科夫链模型在股票市场预测中的应用有很多，其中最主要的是预测股票价格的涨跌趋势。
我们可以通过构建马尔科夫链模型，根据当前的市场状况和历史数据，计算出未来市场的走势。
通过对马尔科夫链模型进行优化和调整，可以让我们更加准确地预测股票价格的涨跌趋势，从而帮助投资者制定更加科学合理的投资计划。
除了股票价格的涨跌趋势，马尔科夫链模型在股票市场预测中还有其他的应用。
例如，我们可以使用马尔科夫链模型来预测股票市场的波动范围，从而制定更加具体的交易计划。
同时，马尔科夫链模型也可以帮助我们分析市场的风险和机会，并基于此制定出相应的投资策略。
三、马尔科夫链模型的优缺点尽管马尔科夫链模型在股票市场预测中有着广泛的应用，但是它还是存在一些优缺点。
首先，马尔科夫链模型的预测精度有一定的限制。
由于股票市场的变化过于复杂，所以马尔科夫链模型无法考虑所有相关的因素。
应用马尔科夫模型预测股票走势股票市场是一个高度复杂和波动的市场，投资者想要赚钱必须要对股票走势进行准确的预测。
马尔科夫模型，是一种基于概率统计分析的数学模型，可以用于预测股票价格走势。
本文将介绍马尔科夫模型的操作原理和应用，帮助投资者提高股票投资成功率。
一、马尔科夫模型的原理马尔科夫模型是一种基于状态转移的概率模型，它的基本假设是当前状态只受到前一个状态的影响，与其它状态无关。
因此，每个状态之间的转移概率是已知的、固定的。
在股票市场中，马尔科夫模型可以将股票走势视为一个状态序列，通过分析该状态序列中的转移概率来预测未来的股票走势。
具体地说，马尔科夫模型可以用一个转移矩阵来表示，转移矩阵中的每个元素都表示从一个状态到另一个状态的转移概率。
假设共有n种可能的状态，那么转移矩阵的大小为n*n。
为了简化过程，我们可以用历史数据来估计状态转移矩阵的值，然后使用该矩阵来预测未来的股票走势。
二、马尔科夫模型的应用马尔科夫模型可以应用于各种股票市场预测，例如股票价格、股票波动、股票涨跌幅度等。
下面以股票价格预测为例，介绍该模型的应用过程。
1. 收集数据首先，我们需要收集相关的历史股票价格数据，通常包括开盘价、收盘价、最高价、最低价等多个指标。
为了预测更准确，我们可以选择一个合适的时间间隔，例如每天、每周或每月的数据。
2. 状态定义对于一组收集到的历史数据，我们需要根据其数值大小划分状态。
通常，我们可以根据股票价格的波动范围划分一个合适的状态集合。
例如，将股票价格划分为“涨价”、“维持不变”、“跌价”三种状态，对应的状态值可以分别为1、0、-1。
3. 估计转移矩阵借助于历史数据，我们可以统计每个状态出现的频率以及状态之间的转移关系，从而估计出状态转移矩阵。
对于状态转移矩阵的计算，我们可以采用最大似然估计、贝叶斯估计等多种方法，以提高模型的预测精度。
4. 预测股票价格基于估计出的状态转移矩阵，我们可以计算出每种状态发生的概率。
马尔科夫链模型对股价短期变动趋势的研究马尔科夫链模型是一种用来描述随机变动和转移过程的数学工具，它可以用来揭示股价短期变动趋势的规律和特点。
本文将对马尔科夫链模型在股价短期预测中的应用进行详细的研究和分析。
一、马尔科夫链模型的基本原理1.1 马尔科夫链的定义和特性马尔科夫链是指一个随机过程，该过程遵循“未来只与当前状态相关，与过去的状态无关”的特性。
也就是说，给定当前状态，未来的状态仅仅取决于当前状态，与之前经历的状态无关。
马尔科夫链的转移矩阵描述了从一个状态到另一个状态的转移概率。
转移矩阵是一个方阵，每个元素表示从一个状态向另一个状态转移的概率。
在马尔科夫链中，如果转移概率与时间无关，那么该马尔科夫链具有稳态分布。
稳态分布是指随着时间的推移，状态转移概率不再改变，达到一个稳定的分布。
二、马尔科夫链模型在股价预测中的应用2.1 建立股价的状态模型将股价的变动划分为若干个状态，每个状态都具有一定的特征和概率。
这些状态可根据股价的涨跌情况划分，如上涨状态、下跌状态和盘整状态等。
2.2 估计状态转移概率矩阵通过历史数据，分析各个状态之间的转移概率，并利用马尔科夫链的转移矩阵来描述状态之间的转移关系。
2.3 预测未来股价的变动趋势利用估计得到的状态转移概率矩阵，可以对未来股价的变动趋势进行预测。
根据当前状态，通过状态转移矩阵，可以得到下一个状态的概率分布，从而进一步预测未来的变动情况。
2.4 评估预测的准确性对预测结果进行评估，比较预测值和实际值之间的差异，评估模型的准确性和可靠性。
为了验证马尔科夫链模型在股价预测中的效果，我们选取某只股票的历史数据进行实证研究。
3.1 数据准备和预处理收集该股票的历史交易数据，并对数据进行清洗和处理，确保数据的质量和可靠性。
3.2 构建马尔科夫链模型根据股票的历史数据，建立股价的状态模型，确定状态数和状态转移矩阵。
3.4 进行股价预测根据当前的状态和状态转移概率矩阵，预测未来股价的变动趋势，并进行验证和评估。
运用马尔科夫过程预测股价走势及2013年A股投资分析【摘要】随着我国经济的持续发展，大众对于投资股票的热情也日益高涨。
但是股市是市场合力作用的结果，因此使得股价的预测变得难以把握。
特别是2012年我国股市的持续低迷，使很多投资者对未来的投资选择表现得很迷茫。
这时，我们需要一种科学而简便的方法来预测未来的股价，为我们的投资提供指导。
在当前众多预测股票走势的方法中，本人特别选用了相对简单的马尔科夫过程来进行分析。
本文在当前股票市场的背景下, 采用马尔科夫链的方法对沪综合指数的走势进行预测，通过马尔科夫的平稳分布和最终的稳态条件，计算出大盘上升、持平及下降三个状态的概率分布，并对投资者2013年的投资选择提出一定的参考性建议。
【关键字】马尔科夫过程；股票价格预测；投资分析随着我国经济的高速发展，大众的人均可支配收入也随之提高。
当闲置资金越来越多时，人们的投资理财意识也就发生了深刻的变化。
股票市场作为主要的投资渠道自然也是人们研究的热点话题。
截至2007 年5 月，沪深两市帐户总数达到9671.34万户，而且人数还在进一步上升。
作为市场经济组成部分之一的股票市场，正逐步走向成熟与规范。
国外资本市场的发展历史已经证明股票是不仅是一种为投资者提供当前投资收益的融资渠道，更是蕴含了市场参与者对未来经济的预期与判断的载体。
但是由于股票价格是一种市场合力所导致的结果，投资者想要正确判断出其未来的走势，不仅要认真研究上市公司的历史、业绩和发展前景，而且还要熟悉各种技术分析，使二者相结合。
最为理想的方式是使用基本面分析的方法选择股票，进而使用技术分析来确认买卖股票的时机。
上海证券交易所A股股票指数的发布几乎和股市行情的变化相同步，通过A股指数我们可以很好地解读过去的股价波动历史并可以预测未来其发展的趋势。
因此它是我国股民和证券从业人员研判股票价格变化不可或缺的参考依据。
以往对股票指数的研究大多以计量经济学为基础，国内外学者相继提出了GARCH模型、ARFIMA模型、FIGARCH模型、模糊算法、遗传算法等途径，这些非线性模型的提出，能够很好地反映经济现象中各因素的之间的内在关系，为决策者或投资者提供投资决策的依据。
马尔科夫链模型对股价短期变动趋势的研究马尔科夫链模型是一种可以描述股价短期变动趋势的数学模型。
该模型基于时间序列数据，在描述股价的变化过程中，假设当前时刻的状态只与前一时刻的状态有关，且未来的变化与过去的变化无关。
根据这个假设，马尔科夫链模型能够基于历史数据预测未来的股价走势。
马尔科夫链模型的基本思路是将股价变动划分为若干个离散的状态，比如可以将股价上涨、下跌或保持不变作为三个不同的状态。
然后通过分析历史数据，找到状态之间的转移概率，从而可以得到未来状态的预测。
通常情况下，马尔科夫链模型会需要一定的时间窗口才能进行预测，因为需要基于一定时间段内的数据来计算状态转移概率。
在使用马尔科夫链模型进行股价短期变动趋势预测时，一般会采用以下步骤：1. 数据准备：收集和整理股价历史数据，如每日或每小时的股价变动数据。
2. 状态划分：将股价的变动划分为若干个不同的状态，如上涨、下跌或保持不变。
这些状态需要根据具体情况选择。
3. 状态转移概率计算：根据历史数据，计算每个状态之间的转移概率。
转移概率可以通过统计方法或机器学习算法来计算。
4. 未来状态预测：根据当前的状态和转移概率，预测未来的股价状态。
可以使用数学公式或模拟方法来进行预测。
5. 模型评估：通过和实际数据的对比，评估模型的预测准确度。
可以使用一些评价指标如准确率、召回率等来评估模型的性能。
马尔科夫链模型在股价短期变动趋势的研究中具有一定的应用前景。
通过对历史数据的分析和预测，可以辅助投资者进行决策，选择更合适的买入和卖出时机。
该模型也可以作为其他更复杂模型的基础，用于进行更深入的研究和分析。
马尔科夫链模型也存在一些局限性。
该模型仅考虑当前状态和前一状态之间的关系，未来的变化可能还受其他因素的影响。
该模型对数据的要求较高，需要有足够的历史数据才能准确地计算状态转移概率。
由于股市的复杂性和不确定性，模型的预测结果可能存在误差。
利用齐次马尔科夫链预测股票价格走势■焦中信郑州大学历史学院■李小芳河南农业大学中图分类号：F810文献标识：A文章编号：1006．7833(2008)11-032．02摘簧拳囊稚甩齐次马帮謦表挺。
撮糖警爨黢蒜露琏誊蕊燮麟鏊纛纛走务。
廉疆请遗j_荔禽辐滚≯』≥囊攀逡藤簿褡攀蠢篱i i i i麟价值的参考d?i{i{。
i i?。
、l?_|||i；：；}：。
：|．j_j0一、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、马尔科夫链简介表1双汇股票从2005年2月21号至4月7号间33个的交易日价格2月212月222月232月242月252月283月0l3月023月033月04 137614．4414．314．02138613．7813．6413．5013．651374 3月073月083月093月103月113月123月153月163月173月18 13．7314．1213．9814．01143015．0314．8314．56145714．63 3月213月223月233月243月253月283月303月314月014月04 14．6914．4913．87136313．5913．8413．721385141814．53 4月054月064月0714．4515．1914．882、问题的解决用E表示双汇股票第聆天的价格，记x。
=‘=～‘一．(n>1)，以一1，0，1分别表示以<-0．1、．0．1s以≤o．1、x。
>o．1这三种状态。
由表l中连续观察该股票33天，得如下数据：1，一1，-1，一1，0，一l，．1，1，0，0，1，．1，0，1，1，一1，1，0，0，0，一1，一1，一1，1，所谓马尔科夫链，是一类时间参数离散、状态空间为可列集1，一1，1，1，1，0，1，。
1。
或有限集且具有马氏性(也称无后效性)的随机过程(详细定义因为在32个数据中，‘1有13个，0有8个，1有11个且以I见【1】)。
通俗地讲，设有某个随机变化的实际系统∑，按照∑的发展，时间离散化为胛=0，1，2，¨．，对每一个时刻n，∑的状态用随机变量X。
表示。
不妨设∑的所有状态为乇，‘，…，‘，…。
称全体状态组成的集合s={i o,‘，…，‘，…)为∑的状态空间。
对于任意的结尾。
又因．1o—l有6次；一1寸0有3次；一l j l有3次；O一一l 有2次；0斗0有3次；O_1有3次，1一一1有5次，1j O有2次，1寸1有4次，所以，{X。
，”≥1)构成一个齐次马尔科夫链，且它的一步转移概率矩阵为：f，_，∈s，称弓(玎)=P{以。
=，I以=i)为”时刻系统∑的一步转移概率。
若对于任意的‘，，∈s及任意的时刻H，都有0(胛)恒为常P：数弓，即0(玎)与时刻"无关，则称随机过程{以，聆20)为一个(n寸i'uq)齐次马尔科夫链。
三、利用齐次马尔科夫链预测股票价格走势1、问题的提出连续观察双汇股票从2005年2月21日至4月7日的价格如下表1(资料来自中原证券)，试预测2005年4月7日后的第二个交易日该股票的价格走势。
32633121212 233 888 524111111由切普曼一柯尔莫哥洛夫方程式[1]弓‘2’=∑B岛，得^=-1列2)=缸出=丧x丧+瓣+壶×音一o．426，；(下转第68页)(2008年第11期)监发[2006178号)中有关条款作了修订，就企业集团财务公司的设立条件、董事和高级管理人员、设立申请、受理审查和批准等作了详细的规定。
在“设立条件”中指出“新设财务公司应有丰富行业管理经验的战略投资者作为股东，或经营团队中至少引进1名有丰富从业经验的高级管理人员和1名风险管理专业人员”，实质上修正了“境外投资者”和“具有丰富从业经验的境外高级管理人员”条件。
但同时对企业集团财务公司的成员企业股东，要求具备“财务状况良好，最近2个会计年度连续盈利”以及“年终分配后，净资产达到全部资产总额的30％以f：(即资产负债率不得高于70％)”。
三、浙江省内企业集团设立财务公司情况目前，国内共批准设立企业集团财务公司102家，其中：汽车行业7家、电子兵器行业12家、能源电力行业20家、流通贸易行业8家、有色金属行业5家、石油化工行业7家、机械制造行业7家、钢铁行业5家、制药行业3家、军工行业13家、建材行业3家、交通运输行业6家、其他行业6家。
浙江省内企业集团财务公司有万向集团财务公司和浙江能源财务公司2家。
(一)万向财务公司2001年11月，万向集团开始筹建万向财务公司，这是自1994年东方集团财务公司获准成立以来，第二家由民营企业组建的财务公司，注册资本5亿元人民币，作为浙江省第一家财务公司，兼有银行、证券、信托、租赁、代理保险、财务顾问等综合功能。
2007年3月，公司注册资本由原来的5．4亿元增至7．88亿元，其中包括500万美元。
增资扩股完成后，公司的股权结构为：万向集团公司持27700万股，持股比例为35．152％；中国万向控股有限公司持有21600万股，持股比例为27．411％；万向钱潮(000559)股份有限公司持有16200万股，持股比例为20．558％；浙江省远洋渔业集团股份有限公司持有11500万股；黑龙江华冠科技(600371)股份有限公司持有1800万股，持股比例为2．28％。
因该公司从未在市场开展直接融资业务，故其财务数据无法获得。
据了解截至2008年6月，该公司经营稳定，效益较好。
(二)浙江能源财务公司浙江省能源集团财务有限责任公司于2006年8月设立，这是浙江省首家外商投资财务公司。
该公司性质为中外合作企业，注册资本80174万元人民币，其中外资比例为5％。
投资人分别为浙江省能源集团有限公司、西门子财务服务有限责任公司、浙江北仑发电有限公司、嘉兴发电有限责任公司、浙江镇海发电有限责任公司和浙江省电力建设总公司。
目前，该公司经萤范围主要是成员单位内部的相关财务和资金融通业务。
上述财务公司实践表明，企业集团规范资金管理、提高内部资源利用率、发挥集团整体优势、拓宽资金运用渠道，特别是在利用上市公司稳定的现金资源方面，以财务公司为集团资金管控平台和资金融通载体是一个比较理想的选择。
四、运作财务公司的基本对策(一)注重财务公司员工的业务素质和职业道德古人云：概有非常之功，必得非常之人。
金融业是以知识为基础的高附加值产业，财务公司要想存未来的竞争中占据主要地位，必须造就一支高素质、高水平的金融员工队伍。
人才是企业的无形资产，是竞争力的关键因素，所以财务公司要加大人员培训力度，建立良好的激励和教育培训机制，培养一批懂金融专业知识、计算机技术和国际金融法规及国际惯例、熟练运用外语的复合型人才；同时要加大人事改革力度，把那些政治思想过硬、业务能力强、懂经营和管理的同志尽快提拔上来，真正实现“干部能上能下、工资能高能低、人员能进能出”的动态用人模式；另外要加大人才引进力度，对一些亟需紧缺的专业人才，提供优惠的待遇将他们吸引过来，以达到不断补充新鲜血液、增强竞争活力的目的。
从而实现加人力资源的开发与有效配置，建立健全人才的规划、培训、考核、成长、奖惩机制。
只有这样，在未来的人才竞争中财务公司才能立于不败之地。
(二)完善财务公司基础设施建设伴随着现代科学技术尤其是计算机和信息技术的迅猛发展，金融业正面临～‘场深刻的变革，日益呈现出服务电子化、管理数字化、业务流程无纸化的发展趋势，特别是网络银行的出现引起了银行业经营手段与方式的根本性改变，成为银行在未来竞争中抢占制高点的关键。
目前财务公司电子化建设不仅与国内其他金融机构的差距明显，更谈不上与国外同行相比，而且各财务公司基本上自成一体，相互间的差别甚大。
对此，各财务公司要高度重视自身的电子化建设，这是在未来竞争中处于不败之地的必经之路。
因为它既能极大地提高服务质量，提升服务水平，还可有效地降低经营成本。
据有关专家测算，目前网络银行的交易成本只是传统交易成本的三分之一，而且交易速度和准确性大为提高。
另外，随着金融业务不断创新，一些新兴金融业务必须以现代科学技术作为支撑才能实现高附加值的业务所占比例的上升，从而提升财务公司的盈利能力。
(三)协调企业集团与财务公司的关系首先是集团公司和财务公司的关系。
集团公司要重视、支持财务公司的发展，给财务公司一定的自主权利；财务公司要关注集团公司的整体利益，依托于集团也要服务于集团，以实现集团公司利益最大化为理财目标，要坚持运营资金的流动性、安全性和效益性原则。
同时，要处理好临督与服务的关系。
财务公司要既为企业集团内各个成员单位服务，又要监督成员单位执行企业集团和国家的法律法规的情况。
按照现代企业制度的基本框架改进和完善经营管理体制，根据未来市场的变化趋势以及国际金融业的发展方向，调整经营理念和财务公司发展战略，以确保财务公司在未来世界经济、金融一体化的进程中能够保持长期、稳定的发展。
-}-—+—斗-—+—-+-+--+一-—--—●—-+-+—+一-+-+-+—+-+—卜-+-+-+-+-+一+—+—-+-+-—+一-—●—+-—●—-+-+-—+———+一-—卜——+一-—卜—+_-■一(上接第32页)列2)=净I船丧寺篱+主×吾一o．2642；“2)=酗1聍鲁寺靛+亳×暑一o．3晰因为0．4261>0．3096>0．2624，所以预测4月7日后的第二个交易日该股票的价格会下跌。
事实上，这个预测结果与当天的实际交易情况完全吻合。
四、结论研究股票价格走势的方法有很多，比如主成分分析法、时间序列法、逐步回归法、神经网络法等等(见[2】、[3]、[4])。
本文利用齐次马尔科夫链，在对单只股票价格作连续观察的基础上，建立了动态学模型，能很便地预测出未来某个交易日该只股票的价格走势。
此法的特点是原理简单，好学易用，可为普通股民作出投资决策提供有价值的参考。
本文表明齐次马尔科夫链确实适合分析状态离散的经济系统。
其实，利用齐次马尔科夫链也可解决其他状态离散的领域内的某些问题，比如天气预报问题、决策问题等。
需要指出的是，为使本文中的预测结果尽量准确，所采用的历史数据距离待预测的那个交易口不应太远。
另外，本文中的方法也有不足之处：一是未能给出预测结果的显著性检验：二是这种方法只适用于预测个股走势，无法判别整个股市的大走势(牛市、熊市)。
参考文献：[1】张波．应用随机过程(第1版)．北京：清华大学出版社．2004．9：74-75．[2]邱冬阳．深市新股上市价格预测模型．预测合肥：预测杂志社．1999．1：63[3】杨小平．基于主成分与B P神经网络的价格预测．统计与决策．2004．12．[4]任若恩．王惠文．多元统计分析．北京：国防工业出版社．1997．9．(2008年第11期)。
