基于马尔科夫转换多重分形预测模型，MSM模型具有较少的参数和无限的频率。该模型通过使用机制转换（regime switching）技术，能较好的捕捉金融时间序列波动中隐藏的离群值、时间标度以及长程相关性特征。Calvet和Fisher使用MSM模型对四种汇率序列进行预测，他们发现MSM模型的长期预测性能优于GARCH、MS-GARCH（Markov switching GARCH）、FIGARCH等模型，MSM模型适用于具有显著异常值和长程记忆性的真实波动序列的预测。(the Markov-Switching Multifractal (MSM) model,)