证券市场是个复杂且难以预测的系统,影响股价变动的因素非常多,是个典型非结构性及非线性的系统。现在大多数股市分析人员采用基本分析法或技术分析法预测股市的走势。随着时代的发展,数学越来越多地被运用到金融当中,目前,在股票市场的预测中被广泛使用的数量分析预测方法主要有神经网络、灰色系统、时间序列模型以及组合模型预测等等,但这些预测方法都不适应事物的无后效性。因此,本文旨在通过马尔可夫链的相关方法,对我国股票市场进行实证研究,探讨我国股票市场的股票价格涨跌趋势,寻找我国股市行情变化的规律,为投资者提供相关的参考模型。本文从数学和统计学的角度对股票价格指数的预测分析作些探索性研究,利用马尔可夫链无后效性、不需要从复杂的预测因子中寻找各因素之间的相互规律、只需要考虑事件本身的历史状况、通过计算状态转移概率来预测内部状态的变化等特点,构建由K-means聚类方法得到四个状态的模型,对上证股票价格指数的未来趋势进行预测,最终得到了较为满意的结论。本文首次将数据挖掘的聚类分析和马尔科夫预测模型结合起来应用到股价预测当中。针对股票的波动性聚类现象,运用数据挖掘的K-means聚类方法对样本进行聚类,得到股价序列的四类特征曲线,并将其作为马尔可夫预测所需的状态划分,同以往的文献简单的将股价划分成几个区间从而得到状态划分的方法有所不同,这是本文的一个创新点。