股票趋势的预测对投资决策具有重要的指导作用。然而,股票走势受到宏观经济政策、公司内部战略以及股票市场存在的人为扰动性等因素的影响,使得股票趋势难以有效预测。论文针对股票市场存在的诱多诱空问题,基于技术分析方法提出了理性指标的概念,并给出有效的构建模型;基于理性指标与特征背离思想,提出了NRI_MCA和CD_MCA算法,分别解决了股市综指和个股的趋势预测问题。具体研究工作如下:第一,首先提取股市的主要理性特征,并对这些理性特征进行量化;然后,通过主成分分析将这些理性特征融合成理性指标,并利用理性指标获取股市的买卖点;最后,将买卖点所对应的股市状态引入到马尔科夫链中,实现股市态势预测。在理性指标和股市状态相背离情况下会降低买卖点的可靠性,因而通过将特征背离引入到RI_MCA算法中提出了NRI_MCA算法,NRI_MCA算法根据特征背离程度对RI_MCA算法的结果进行调整优化。在上证指数上的实验比较与分析结果表明,NRI_MCA算法具有更高的预测精度。第二,为了充分发挥理性指标的预测能力与普遍应用价值。基于理性指标与股票走势构建的特征背离计算模型,提出了针对股票预测的CD_MCA算法。根据技术分析提取股票理性特征,采用贝叶斯网络学习特征选择的有效性,利用主成分分析构建股票理性指标;其次,根据特征背离计算模型计算背离值,通过马尔科夫链预测模型,合理划分背离区间所对应的股指状态;最后,根据股票与大盘的相关程度,股指所处的初始状态,给予不同的投资决策,从而进行连续的股票态势预测,实现理性指标的普遍应用价值。