马尔柯夫（可夫）预测法：什么意思、特点特征

马尔柯夫（可夫）预测法：什么意思、特点特征

马尔柯夫预测法是以俄国数学家A.A Markov命名的一种市场现象预测方法。它的基本原理是应用概率论中马尔柯夫链的理论和方法来分析市场现象变化规律，并借此分析预测未来变化趋势。

（一）马尔柯夫链

马尔柯夫链是一种随机时间序列，它的未来取值情况只与现在的状态有关，而与过去历史情况无关，具有无后效性，具备这一特性的离散型随机过程称为马尔可夫链。所谓无后效性是指系统在每一时刻的状态仅仅取决于前一时刻的状态，与过去的历史状态无关。例如，农民选择明年种什么经济作物，是玉米、大豆还是其他经济作物时，往往依据的是今年粮食的价格，而跟过去没有多大关系。这里描述的马尔柯夫链是马尔柯夫链中的简单类型，也可称为一阶马尔柯夫链。

（二）状态及初始状态

在马尔柯夫链中反复遇到一个名词——状态。那么何为状态，可以通过一个例子来加以说明。一池塘中有三片荷叶，分别编号为1、2、3，假如一只青蛙只能在这三片荷叶上跳动，尽管每一时刻这只青蛙的动向都具有随机性，可能存在三种选择，即原地不动或跳到其他两片荷叶的其中一片上，但是，每一时刻这只青蛙肯定只能处于某一片荷叶上，把某一时刻青蛙所处的荷叶称之为青蛙的状态。由此可见，状态是互斥的，即某一事物不可能同时具有两种状态。

扩展到市场经济中，把市场经济现象在某一时刻出现的某种特定结果，称之为这一经济现象在此刻的状态。不同的经济现象对状态的划分是不同的，如某一商品的市场销售状态可以分为畅销、一般、滞销等，而某一商品市场供需现象的状态又可分为供不应求、持平、供大于求等。

一般情况下，将随机运动系统的随机变量 X 在 t 时刻所处的状态 i 表示为：

X _t ＝ i （ i ＝1，2，3… n ； t ＝1，2，3…）

初始状态，即事物发生变化前的状态。如上述的青蛙跳荷叶，假如青蛙在第一次跳动前位于1号荷叶上，就可以把1号荷叶称为青蛙的初始状态。