股市预测一直是热门且重要的研究课题。本文运用基于规则的方法和马尔科夫区制转换模型两类方法，对1990.12.19——2018.12.31间的上证综指牛、熊市状态展开识别及预测研究，并建立新的评估体系对各类方法的结果进行评估。
　　基于规则的方法分为识别和预测两步。在识别中，通过设定一系列规则来分辨牛、熊市，具有代表性的是Lunde和Timmermann(2004)以涨跌幅幅度为核心的规则集，Pagan和Sossounov(2003)以牛、熊市周期持续时长为核心的规则集。在预测中，将马尔科夫链与Logit模型相结合，构建出“马尔科夫逻辑回归模型”。与此不同，马尔科夫区制转换模型可以同时用于识别和预测。一般而言，股市处于牛市时，收益率为正且波动率低，处于熊市时收益率为负且波动率高。马尔科夫区制转换模型正是利用牛、熊市收益率和波动率的特征，运用EM算法测算市场处于牛、熊市的概率。本文还考虑了从2状态扩展为3状态的区制转换模型，分别为牛市、弱熊市和强熊市(收益率、波动率特征不同)。
　　由于缺乏统一且被认可的牛、熊市周期，各类方法没有一致的比照对象，因此本文提出了两种评估方法对各方法的识别与预测结果进行评估。一种是基于统计测度，提出综合绝对差(IAD)来衡量各方法间的差异。另一种是基于经济测度，站在一个风险厌恶型投资者的视角，他投资时在各类方法中获得的效用是不同的，因此他从一种方法转换到另一种方法愿意支付的最大费用也是不同的。
　　通过研究本文主要解决以下三个问题：一、如何识别或预测股市处于牛市还是熊市。二、如何对各类方法的识别或预测结果进行评估。三、各类方法对中国股市识别和预测的结果与效果如何。
　　研究表明：一、在识别中，基于规则的方法表现的比区制转换模型好。从IAD看，较大的IAD数值表明两种方法的识别结果差异显著。从经济角度看，投资者愿意花费更多的费用从马尔科夫区制转换模型转换到基于规则的方法。二、在预测中，马尔科夫区制转换模型表现得更好。较大的IAD数值同样表明了两类方法预测结果的巨大差异，但投资者愿意花费更多的费用从基于规则的方法转换到马尔科夫区制转换模型。三、宏观预测变量的加入对各类方法的识别和预测结果有一定的影响，然而这样的影响是有限的。究其原因，可能是我国宏观经济与股市情况存在一定的失真，宏观经济与股市间的传导关联性不强。因此，下面的研究可考虑更贴近我国股市实际情况的预测变量。