在股票市场中,如何度量风险、更精准的预测股票未来走势一直是经济金融领域的热点问题。股票的风险可以分为两种,可以通过投资组合进行风险抵消的非系统性风险和不可规避的系统性风险。因此提高股票市场未来系统性风险的预测精度,投资者就可以根据自己的资产情况,选择适合自己的投资组合。本文侧重于对股票市场的系统性风险的预测,首先运用了经验模态分解方法,将股票市场收盘指数序列按照不同的波动情况进行分解,然后根据分解得到的序列特点,选择适当的预测模型进行预测,最后将预测结果进行整合,并与传统的广义自回归条件异方差模型进行预测精度的比较分析。本文主要分为两部分进行实证比较分析。第一部分,选取具有代表性的上证综指和深证成指两个股票指数序列,在股票收盘价格的预测上,分别应用经验模态分解方法和GARCH预测模型两种方法,比较两种方法的预测值与真值之间的大小关系。第二部分,选取上述两种股票指数序列来预测股票市场的系统性风险,并选取VaR作为度量系统性风险的指标,比较两种方法下,VaR的相对误差大小。实证比较结果表明,第一部分中,对于股票收盘价格的预测,相比于GARCH模型,运用EMD模型得到的预测值更接近于收盘指数的真值,因此得到结论,运用EMD模型能在很大程度上提高预测精度。第二部分中,股票市场的系统性风险上,通过EMD模型得到的拟合序列求得的VaR的值更接近真实序列得到的在险价值(Value at Risk,记为VaR)的值。因此,应用了EMD模型不管是在收盘指数预测中,还是在系统性风险预测中,都能提高预测精度,得到更精准的预测结果。