计算出“今天涨跌”、“明天涨跌”两列后，建立“状态转移概率图”，之前反复说的是根据今天涨跌状态，预测明天的涨跌状态，切记是预测的状态变化的概率。
举例：如果今天涨，那明天会不会涨？切记，明天会不会涨，是一个概率，而不是说明天100%涨或者是100%跌。怎么计算呢？我们先看“今天涨跌”这一列的10行数据，序号为3、5、7、8、9、10这6行是涨，这6行对应的“明天涨跌”列中7、8、9、10这4行是涨，即今天涨则明天也涨的概率为4÷6=66.67%。
切记一点，在统计明天涨的数量时，只能从今天涨的行去找明天涨的行，而不能单从“明天涨跌”列统计明天涨，如果你这样统计，就会统计出序号为2、4、6、7、8、9、10这7行是明天涨，如果你想统计：今天涨则明天也涨的概率，就会错误的统计成7÷6=116.67%。
上面的内容写的这么啰嗦，是为了给没有学过统计学的读者看的。学过统计的读者会明白这涉及到“条件概率”的问题，学习概率论的贝叶斯公式部分时，就需要学生反复训练找到正确的条件概率。后续文章，会进一步和大家交流用贝叶斯方式预测股票涨跌。
按照上述计算方式，依次计算出：
今天涨则明天涨的概率：4÷6=66.67%
今天涨则明天跌的概率：2÷6=33.33%，也可以用1-66.67%=33.33%
今天跌则明天涨的概率：3÷4=75%（今天跌的行1、2、4、6，其中明天涨的行2、4、6）
今天跌则明天跌的概率：1÷4=25%，也可以用1-75%=25%
把问题进一步抽象，把涨看成一种状态，把跌看成另一种状态，现在就有了两种状态，我们分析由一种状态跳转到另外一种状态的概率，之所以叫马尔科夫链，就是把状态作为节点，把节点之间的跳转概率用有箭头方向的线连接起来，看起来像一条锁链。
为了便于计算，我们可以把这种图形的状态跳转概率数据，写成行列矩阵的样子：
上图矩阵，大家注意一点，行的和均为100%（比如75%+25%=100%）。假设今天涨，则明天的状态只有2种：涨或者跌，这两种状态的概率和就是100%（我们把持平这种也归入涨，也可以把其归入跌）。
下一步就要对这个最简单的矩阵进行运算了，休息一下，休息一下！！
本文作者可以追加内容哦 !
