股票市场作为市场经济的一个重要组成部分，对国民经济的发展起到了非常巨大的作用。十多年来，我国股票市场取得了令人瞩目的成就，但同时也出现了诸多难以解决的问题。传统的线性方法，由国内外大量的实证研究表明这一方法不甚合理，不能客观地描述股票市场随时间变化的情况和特征，应该应用各种非线性方法来研究我国股票市场的预测问题，以便推动我国股票市场的健康发展。因此，股票市场的非线性特征问题，非线性动力学预测模型的建立问题是近几年来国内外金融界、学术界非常关注的课题。 由于上海、深圳的股市起步早，数据多，且大盘指数综合了各个方面的影响，具有较强的代表性。本文首先对沪、深股市中上海邯郸钢铁和深圳宝安股票多年的收盘价进行了分析，描绘了其股票的收盘价随时间变化的趋势图，采用R/S分析法，计算出了H指数均小于0.5，表明了这两种股票市场的变化都具有抗持续相关性，具有长期记忆性，因而短期预测是可能的。接着利用时间序列分析方法，运用了一种关于时间序列分析的门限自回归模型的通用的建模方法，将非线性的门限自回归模型转化为线性的AR模型进行处理、分割数据、分段建模，建立了股市非线性动力学模型。结果表明：该模型既考虑到了实际应用的需要，也比较好地拟合了实际数据。并且残差分析的结果也证实了这一点。然后，用已建的非线性动力学模型对沪、深股市进行了预测，将预测数据与实际数据的图形进行了拟合，并将实际的数据(20个交易日)与预测的数据进行了比较，结果令人满意，进一步表明了该模型的合理性和准确性。最后，通过选用上海、深圳的几支股票进行实证检验，结果也同样表明了沪、深股票市场复杂的非线性特征，揭示了股票市场的显著的非线性动力系统特征。这些都将为政府调整决策，为股民规避风险，提供科学的理论依据。 总之，本文运用非线性分析方法，克服了股票市场中的传统观念，即：决定论观点和随机论观点的局限性。揭示了沪、深股票市场的非线性特征。建立了一个时间序列的门限自回归的预测模型，为股票市场的非线性研究这一前沿领域作了一点新的尝试。