股票价格的预测一直以来是研究的热点和难点。与国外相比,中国股市的变化更为复杂和剧烈。本文提出了一种新的组合模型BHMM(基于贝叶斯推断的HMM)进行预测,与传统的HMM相比,BHMM可以提供更为稳健的价格预测并使得HMM的模式预测更加有效。BHMM从三方面进行了改进。首先,BHMM通过贝叶斯推断对序列进行变长的划分。传统的HMM使用固定长度的训练窗口滑动建模,可能存在较多噪声数据;BHMM进行推断分割处理后,HMM仅对分割概率大于阈值的数据建模,减少了噪声。其次,BHMM采用了混合趋势预测法。BHMM在训练数据上使用多个定长窗口进行滑动,获取最佳拟合模型对应的下一个值的均值作为趋势预测值。通过多个窗口的趋势预测值和混合投票预测,获得了更好的覆盖率和准确率。最后,使用贝叶斯点估计和损失函数改进了HMM的股票价格预测。过去一般使用最匹配模式下一个值的变化作为预测值,误差率较大。BHMM以当前序列的均值和方差作为正态先验分布的均值和方差,HMM的概率密度函数作为似然函数,计算预测值的后验分布,并使用损失函数修正预测结果。与ARMA,LSTM以及传统的HMM的结果相比,BHMM更加稳定且具有更小的预测误差和更高的预测准确率。通过对上证指数等十支指数进行实验,获得了平均53.5%的准确率和16.4%的收益率,证明了BHMM的稳定性和有效性。