本文从金融工程的角度出发对隐马尔可夫链与股票价格模型做实证研究,探讨基于隐性马尔可夫链去构建证券市场指数模型的理论可行性,并基于上证指数进行建模,用实证的方法去检验模型的解释力度。作为金融量化建模的一种尝试,本文试图为股票价格指数研究提供一些新方法与新思路。隐马尔可夫链是一种描述随机过程统计特性的概率模型,由马尔可夫链和一般随机过程两个部分组成。不同于人工神经网络等方法,HMM模型具有完善的概率统计理论做基础,对于经典的评估问题、解码问题、学习问题,都有很多学者对其进行详实而完善的著作描述及算法支持。作为隐马尔可夫链模型中的关键参数,不同的隐状态数目会产生不同的解释结果。第三章使用基于连续观测概率分布的隐马尔可夫链模型对上证指数进行建模,用BIC/OEHS等方法进行检验,证明上证指数收益序列的隐状态应分为三个,其发射函数的均值分别为涨(+0.45%)、跌(-0.79%)、平(+0.07%),从而为接下来的研究做好铺垫。第四章将观测序列扩展到开盘价、最高价、最低价、收盘价四个维度,试图对证券价格时间序列的变动模式进行识别。预测方法主要是用极大似然概率的估计方法,识别股票价格的历史走势中与目标序列所一致的情况,从而预测未来的最大可能走势。在这部分内容里,我们提出了d日加权预测的方法,并用MAPE等工具对各种参数的结果进行分析,通过对比预测精度与预测稳定性,我们认为10日加权预测的表现较好。第五章中,作者在10日加权平均预的HMM模型基础上,选取基于上证50指数的上证50ETF作为研究标的,试图找出预测效果最好的因子组合。通过对基本形态、平均移动均线系统、利率因素、资金流向因素等多个因子的组合分析,得出对收盘价预测效果最好的三个因子：大单动向、涨跌动因、10日均线。