随着经济的快速发展和综合国力的不断提高,股票投资逐渐成为人们生活中的重要组成部分,同时股价的预测也逐渐成为金融者们分析和研究的重点。股票市场是一种极其复杂的系统,它由众多因素与各种不确定性共同影响和作用,较强的非线性是股票价格波动经常表现出来的特征,运动曲线复杂。研究股票预测问题是一个重要研究课题。本文结合股票运行特性、技术指标,分析了股票预测的关键问题,重点探讨了几种股价预测方法,并提出采用多个模型对股价进行组合预测,其有效地结合了各个模型的有用信息,解决了单个模型的局限性,组合预测能够很好的提高预测精度。在以下几个方面取得了一些成果。(1)在分析股票技术指标及常用方法的基础上,采用最小二乘法拟合股票价格,预测下个特定时期的股价,同时结合仿真结果分析了该方法的优缺点。(2)采用灰色预测法对股票价格进行预测。通过分析股票特性,结合灰色预测法特点,推导出了灰色预测算法迭代算式,为股票预测提供了一种有效的方法。并结合股票运行情况分析了该方法的优缺点。(3)采用神经网络对股票运行进行预测。首先采用BP神经网络对股票价格进行预测,探讨了预测方法并给出了仿真结果。为了克服BP神经网络预测速度和精度的问题,提出采用动态NNARX网络进行预测。利用改进的L-M算法训练神经网络的权值,并间接地确定NNARX的隐含层神经元个数。通过理论对比和仿真结果分析,得出NNARX网络具有较好的预测效果,并能够节省训练时间和次数。(4)提出了股票价格的组合预测方法。因为股价的随机不确定性,股价的预测仅靠一个预测模型和某一种预测方法是难以完成的。将不同的预测法以某种准则进行合适的组合,得出一种合适于多种情况的预测模型。为了适应各种股票和很多复杂情况,组合权值采用遗传算法进行优化,通过大量样本优化找到合适的组合参数,解决了组合权值难以确定的问题。同时很好的克服了单一方法的局限性。