“莫总，那我就开始了啊！”一位王姓数学博士笑着说道。

“好啊，我一定认真听讲。”莫雯雯微笑着说道。

这里是沈家公司的一间小会议室。按照袁小天的安排，两位数学博士与一位计算机专家，在给莫雯雯与袁小天讲解“隐含马尔科夫链”的模型算法。

经过三个小时的细致讲解，莫雯雯大致懂得了这种概率模型的原理及应用情况。

在了解这个模型之前，需要知道什么叫做马尔科夫过程。简单来说，一件事物的变化，不依赖过去历史，而是基于当下情况进行变化的过程，就是一个马尔科夫过程。

比如，预测某个地方明天是否会下雨，只与这个地区最近两三天的天气情况有关；而与一周前或者一个月之前的天气无关。所以天气的变化的过程，就是一个马尔科夫过程；也叫作马尔科夫链。

而对于金融资产的价格，也存在一定的马尔科夫过程。明天或者下一周、下一月价格的变化，只与最近一周、一月的变化有关系。而与一年前，三年前，甚至五年前的价格，没有任何直接关系。

因此马尔科夫过程告诉投资者们，我们预测未来资产的价格，只需要基于近期价格的变化特点进行分析即可，而不用去分析太多、太长的历史数据。那没有任何意义。

而对这个过程进行概率预测的模型，就叫做马尔科夫模型。在众多马尔科夫模型中，现在公认最为有效的一个模型，叫作隐含马尔科夫模型。

它的基本原理是也很简单。就是假设一个马尔科夫过程中，我们表面上能看到一组变量在不断的连续变化。但在这种连续变化的表象下，还有一些隐藏的变量在不断变化。正是这些隐藏变量的变化，才导致了我们能够观察到的变量有所变化。

比如资产价格的变化，其背后隐藏的是投资大众的情绪、预期的差距等看不见的因素。

而我们能看见的是什么呢？是价格本身的变化、成交量、持仓量的变化，公司盈利情况的变化、宏观流动性的变化，还有因此而衍生的各种技术指标。

隐含马尔科夫模型在传统贝叶斯框架下的“先验概率”、“条件概率”的基础上，开创性的提出了转移概率的理念。将概率理解成为了，在一个时间连续的变化过程中，概率是可以根据当下的情况，向下一步进行转移的。

其预测思路是，通过分析近期价格、成交量等能够直接观察到的变化情况，来不断的揣测隐藏在其背后的变量的变化情况。

在计算出隐藏变量的变化概率后，再通过概率的转移特性，去推导出未来价格变化的概率。

比如，我们分析了最近三天的价格变化，根据模型测算出价格背后的市场情绪的变化概率，然后假设未来三天，市场情绪依然保持这个概率趋势，再反过来推算出未来三天价格将出现如何的变化。

……

这个模型目前广泛的应用在语音识别领域。比如，根据人们当下说的词语，推断语义，然后再预测出下一时刻将要出现什么词语。反过来也可以进行倒推。

在语音识别领域，这项技术已经非常的成熟了。预测结果的准确性超过了90%。

……

在一些国际知名的量化基金中，都或多或少的使用了这项技术。

比如着名的米国的小奖章基金，连续30年都保持了56%的费后年化收益率。因此震惊全球。

虽然其核心模型都是对外保密的，但这家公司聘请了很多从事语音分析专业的博士。业内普遍猜测，小奖章基金的基础模型，便是与语音分析息息相关的“隐含马尔科夫”预测模型。

……

“原来是这么回事啊。”莫雯雯听得非常认真，小小的黑色小笔记本上密密麻麻的记了很多的笔记。