本文针对股票价格的不确定性,将隐马尔科夫模型应用于股价走势预测中.隐马尔科夫模型是一个双随机过程,由两部分组成：马尔科夫链和一般随机过程.其中隐马尔科夫链用了描述状态的转移,用转移概率矩阵表示.一般随机过程用来描述状态与观察值之间的关系,用观察值概率转移矩阵或高斯混合分布函数表示.模型的意义在于将未来走势和历史数据联系起来,通过历史数据估计模型的参数分布,确定隐状态和观察值的分布,进而预测当前的隐状态.本文应用隐马尔科夫模型预测股价走势时,隐状态取为股价的未来走势,观察值为股价指标,其中离散模型中观察值为股价指标的离散化组合,连续模型中观察值为指标本身.通过历史行情数据得到参数估计,进而利用参数和当前股价的观察值,预测股价的未来走势.为了验证模型的有效性,我们将预测结果与实际情况作比较,并统计了预测方法的准确度.实证表明,对同样的数据做分析,连续隐马尔科夫模型的实证结果优于离散模型.但相对离散模型,连续模型算法较为复杂,对实际数据的要求较高.