股票市场作为一个涵盖大量信息的复杂系统,反映并影响着一个国家的经济发展状况。股票市场是买卖公司股票及金融衍生品的公开市场,为个人、经纪商和公司等提供公平的投资机会。在世界各地的股票市场中,数以亿计的资本不停地进行交换,国民经济的发展直接受股市的表现状况影响。而股票价格的波动作为资本和流动资金配置的信号,直接影响投资者的股票交易策略。对股票趋势的准确预测可以帮助投资者在证券交易所中及时准确的做出决策,从而获取利益。在股票市场中,重大政治事件、经济政策、行业发展情况、交易者期望等诸多因素都会对其产生一定的作用。研究表明,股票之间是存在相关关系的,特别是在行业板块内,股票的价格波动受到其他股票的影响。以股票价格为代表的金融时间序列数据具有高度非线性、多维度以及时间相关性等特点,是非平稳且非结构化的,这给金融时间序列的分析和预测带来了诸多难题。但人工神经网络(ANN)作为一种高度复杂的非线性系统,在处理非线性复杂系统中有着广泛的自适应能力和学习能力,对于处理股价预测中非线性、非平稳性动态数据表现良好,因此受到了广泛的应用。基于此,本研究提出了一种基于股票相关性的预测模型,将股票间价格的相互影响纳入考虑范围中。以股票间的相关性作为出发点,设计一个结合股票相关性的混合神经网络预测模型(Copula-ANN),考虑模型中涉及的主要参数对模型预测有效性的影响,运用真实的股票价格数据对模型进行训练,得出有效的预测模型。研究选取了纽交所电力能源板块股票数据进行实验,结果表明,本研究提出的Copula-ANN 模型的预测结果准确性优于单一的 ANN 模型或 SVM 模型,该模型具有较高的预测精度,从统计指标和财务指标两方面均验证的模型的有效性。