回望歷史，宏觀經濟與金融中的眾多指標曾發生巨大變化。當我們拿到某變量的歷史數據時，馬爾可夫機制轉換模型可以根據顯著變化的次數，將這些歷史數據劃分成不同階段，然后馬爾可夫機制轉換模型分別建模。但顯然，沒人能預測變量的顯著變化是否會再次發生，因而我們對機制變化的預測不能完全視作確定性事件。

此時，用歷史數據來分別擬合的模型就不恰當了。馬爾可夫機制轉換模型可以解決這一問題：它馬爾可夫機制轉換模型將這種轉換作為一個變化的因素，在估計時用統一的模型來擬合，馬爾可夫機制轉換模型不僅更加符合實際情況，而且可對未來進行有效預測。PE、BY、BEYR均存在周期性的上升與下降，在上升與下降的過程中，指標的統計特性有著巨大變化，正好馬爾可夫機制轉換模型可以用馬爾可夫機制轉換模型進行處理。將指標所處的上升和下降狀態分別處理，通過應用馬爾可夫機制轉換模型，預測下一階段指標處于某一狀態下的概率，用作投資決策。指標處于上升狀態的概率大于0.5時做多，否則就做空。