股票作为金融市场的重要组成部分，它的趋势与波动能够反映一个国家的政治、经济和社会状况。随着中国股票市场的不断完善，人们对于股市的参与程度越来越高，由此也激发了对于具有高精度股票价格预测模型的需求。目前存在的大多数股价预测模型将多种因素对股价产生的影响看作整体，较少的对其进行区分，并分别采用预测模型进行预测，从而使预测模型的针对性不高，导致预测精确度也存在一定的偏差。
　　为了提高股价预测模型的针对性及精确度，方便投资者有效把握股价走势，掌握股价的波动规律，从而将影响股票价格波动的因素进行分离，对受不同类因素影响的子时间序列采取适合其数据特征的预测模型。本文在传统ARIMA模型的基础上引入独立成分分析，提出了一个新的股价短期时序预测模型，即ICA-ARIMA模型。该模型由三个阶段构成：分解阶段、预测阶段和重构阶段。分解阶段的主要任务就是对股价时间序列进行分解。从而将影响股价波动的不同时间尺度的因素进行分离得到独立成分，并简单的赋予其一定的经济含义。第二个阶段是预测阶段，主要任务是针对各个独立成分建立适合其特性的预测模型，对每个独立成分进行预测。第三个阶段是重构阶段，通过独立成分分析的逆运算将独立成分的预测值进行重构形成股价预测值。
　　为了验证本文提出的ICA-ARIMA模型在股票市场中应用的有效性，本文选取了银行板块、航空板块、运输设备板块中具有代表性的股票建立股票池，并形成了多个数据集。以此为实验数据展开了对比实验。实验结果表明，本文所提出的ICA-ARIMA模型适用于短期预测并且其预测性能要优于基准模型，从而也证明了ICA-ARIMA模型在股票市场应用的有效性。