This paper investigates how Markov chain modelling can be applied to the Swedish stock index OMXS30. The investigation is two-fold. Firstly, a Markov chain is based on index data from recent years, where properties such as transition matrix, stationary distribution and hitting time are studied. This first investigation shows, for example, signs of volatility clustering and a steady-state distribution that indicates a positive long term trend for OMXS30. Secondly, the predictive ability of a Markov model, consisting of a voting ensemble of ten Markov chains, is evaluated. The results show that a Markov model with six states has a prediction accuracy slightly above the performance of random chance. Moreover, there was no considerable difference in prediction accuracy between models with Markov chains of first and second order. / I denna studie undersöks hur modellering med markovkedjor kan appliceras på det svenska börsindexet OMXS30. Studien består av två delar. Först baseras en markovkedja på de senaste årens indexutveckling där egenskaper såsom övergångsmatris, stationär fördelning och ``hitting time" undersöks. Den här första undersökningen visar bland annat tecken på volatilitetsklustering och en stationärfördelning som indikerar en långsiktig positiv trend för OMXS30. Vidare evalueras prediktionsförmågan hos en markovmodell bestående av en ensemble med tio markovkedjor. Resultatet visar att en markovmodell med sex tillstånd har en prediktionsförmåga som är något bättre än slumpen. Vidare fanns det ingen betydande skillnad i prediktionsförmåga mellan modeller med markovkedjor av första och andra ordningen.