原文标题：How To Use Markov Chains To Win Every Single Trade。别被标题骗了：它不是“保证每笔交易赢”的魔法，而是一种把市场拆成不同状态、再计算状态转移概率的思维框架。
来源：Roan @RohOnChain · 本页为小白友好解释，不构成投资建议。
这就是 Markov property。它不是说历史没用，而是说你先把历史压缩成“当前状态”，再看下一步会去哪里。
看到一根 K 线、一个 RSI、一条趋势线，然后猜下一步涨跌。问题是：这很容易变成主观感觉。
先把市场归类：牛市、熊市、震荡。然后问：从“当前状态”转到其他状态的概率是多少？
你得到的不是神谕，而是一张概率地图。它更适合做仓位、对冲、策略切换，而不是喊单。
原文建议从三状态模型开始。比如用 20 日收益率定义：
20 日收益率高于正阈值。模型倾向于增加风险暴露。
20 日收益率低于负阈值。模型倾向于降低仓位、做空或防守。
收益率在中间区域。模型倾向于缩小仓位，避免被来回打脸。
你统计历史上每次状态切换，然后做一张表。每一行代表“今天是什么状态”，每一列代表“下一期可能变成什么”。
每一行概率加起来必须等于 1。因为从任意状态出发，下一期总得去某个状态，包括“保持原状态”。
这一步的价值是：你不只知道“下一期”，还可以估计多期之后各状态的概率。比如现在是牛市，12 步后仍在牛市的概率是多少？转熊概率是多少？
当前状态是 Bull 就满仓，Bear 就空仓。简单但粗糙，容易过拟合。
用概率向量控制仓位：牛市概率越高，风险暴露越高；熊市概率越高，风险暴露越低。
用 walk-forward backtest：每一步只能用当时已知历史，不能偷看未来。
阈值乱设，状态不稳定，最后矩阵只是噪音地图。
2008、2021、2026 的转移概率不可能一样。需要 rolling window 重新估计。
稀有转移没有足够观测，概率会非常不可靠。原文建议每格至少 20–30 次观察。
普通马尔可夫链假设你能直接标注今天是 Bull / Bear / Sideways。但市场真实状态往往是隐藏的：信用条件、流动性、宏观政策、风险偏好，不一定直接写在价格上。
真实市场 regime，看不见。
你能看见的收益率、波动率、VIX、利差、成交量。
从可见数据反推隐藏状态，再估计状态转移。
免责声明：本页是教育性解释，不是交易建议。任何策略都需要独立验证、样本外测试和风险控制。