自从上海证券交易所成立以来,股票价格的预测成为人们关注的焦点。常用的预测模型有：马尔科夫模型、灰色系统模型、ARMA/ARIMA模型、ARFIMA模型、各种神经网络模型、混沌动力学模型、非参数核回归估计方法、GARCH模型等等。但是,股票市场是一个很复杂的非线性系统。往往同时受到国际环境、国家政策、经济形势、政治局势以及投资者心理等多种因素的影响。在以往学者的研究成果中,大部分是依据股票的历史价格对未来价格进行预测,而对其影响因素的考虑不多。本文在运用多元统计方法分析股票价格与其影响因素的相关关系的基础上,将主要因素引入函数系数自回归模型中,建立了预测股票价格的具有外生变量的函数系数自回归模型。具体内容如下：(1)建立股票价格及其影响因素的典型相关分析模型,得出典型变量,并对典型变量间的相关系数进行显著性检验。结果表明,两者之间存在很大的相关性。最后,找出影响股票价格的主要因素。(2)构建股票价格及其影响因素的灰典型相关分析模型,得出灰典型变量,并对灰典型变量间的相关系数进行显著性检验。然后,找出影响股票价格的主要因素。最后,与典型相关分析模型进行比较。结果表明,灰典型相关分析模型更适用于具有时间意义的样本数据。(3)在以上分析基础上,根据函数系数自回归模型(FAR模型)的理论以及局部线性估计,通过MATLAB编程,对沪深300指数及其影响因素的月度数据建立了具有外生变量的函数系数自回归模型,此模型不仅考虑了滞后内生变量的影响而且还考虑了外生变量的影响。最后,运用此模型对随后几个月的股票价格进行预测,结果表明,此模型在股票价格的预测中具有很好的应用前景。