تغییرات قیمت در بازار سهام را نمی توان به کل تصادفی دانست. در اصل، چیزی که باعث تحریک بازار مالی شده و الگویی که سری های زمانی مالی از آن تبعیت می کنند، مورد توجه اقتصاد دانان، ریاضی دانان و اخیرا نیز دانشمندان علوم کامپیوتر قرار گرفته است[17]. در این مقاله، ایده ای در مورد تحلیل گرایش رفتار بازار سرمایه، با استفاده از مدل مخفی مارکوف (HMM) ارائه خواهد شد. زمانی که گرایشی از یک بازه زمانی خاص تبعیت کرد، این اطمینان داده می شود که در آینده نیز این تبعیت تکرار خواهد شد. یک تفاوت یک روزه در ارزش سهام برای بازه زمانی خاص پیدا شده و مقادیر توزیع احتمال مقادیر یکپارچه آن نیز مشخص می-شود. سپس رفتار الگوی بازار سهام بر مبنای مقادیر احتمالی برای بازه زمانی خاصی تصمیم گیری می شود. هدف این بوده که دنباله وضعیت مخفی مشخص را محاسبه کرده تا این گرایش را بتوان با استفاده از مقادیر توزیع وضعیت یکنواخت تحلیل کرد. شش دنباله وضعیت مخفی بهینه نیز ایجاد شده و مقایسه شده اند. تنها تفاوت یک روزه در ارزش نزدیک در زمانی که در نظر گرفته می شود، بهترین دنباله وضعیت بهینه را ارائه خواهد داد.
Price movements of stock market are not totally random. In fact, what drives the financial market and what pattern financial time series follows have long been the interest that attracts economists, mathematicians and most recently computer scientists [17]. This paper gives an idea about the trend analysis of stock market behaviour using Hidden Markov Model (HMM). The trend once followed over a particular period will sure repeat in future. The one day difference in close value of stocks for a certain period is found and its corresponding steady state probability distribution values are determined. The pattern of the stock market behaviour is then decided based on these probability values for a particular time. The goal is to figure out the hidden state sequence given the observation sequence so that the trend can be analyzed using the steady state probability distribution values. Six optimal hidden state sequences are generated and compared. The one day difference in close value when considered is found to give the best optimum state sequence.