金融投资中的影响因素是多样的，在金融投资中起主要作用的是对股票价格的预测准确度，对股票价格的预测需要考虑的方面是多样的，影响股票价格的不仅有国家的经济政策的因素还有投资人的决策因素等，在这些因素的影响下，股票价格并不是简单的呈现线性关系的，金融行业中对股票价格的预测是常见的但是准确率确实不能保证，所以，股价预测就成了金融市场中亟待研究和解决的课题之一。GM(1,1)模型和BP神经网络模型是股票预测中常用的预测模型，模型简单，易于理解操作。但是单一预测的精度很难达到股民和投资者的精度要求，在实际中没有多大的应用价值，为了更好的提高预测精度，为广大股民和股票投资者争取实际利益，本文的研究工作如下：在对GM(1,1)模型进行研究的基础上进行了动态等维残差修正，使其精度得到了有效的提高；为了能更好的满足实际的需要和理论的研究需要，再次在残差修正的基础之上将GM(1,1)模型和BP神经网络模型串联形成了组合模型，利用GM(1,1)动态等维残差修正模型得到的预测数据作为输入数据，而实际的每日股票收盘价作为目标数据进行BP神经网络的训练，通过训练来建立组合预测模型，模型构建完成后，输入实际的日期数据便可得到要预测的当日股票收盘价，并利用上证交易所的股票亚宝药业（SHA:600351）的数据对所建立的模型进行了实证分析，结果表明所建立的组合模型对实际的股票预测能够起到很好的指导作用。