股票已成为金融市场中不可缺少的组成部分，股票价格跌宕起伏，股票市场风云变幻，不仅受内部规律的影响，而且还受到外部环境像政治、经济等因素的影响，但投资者为了获取丰厚的收益，还是希望能够准确分析和预测股票价格。那么如何建立一个比较理想的预测模型，是众多学者一直研究的内容。本文选取了两种组合模型分别对上证综合指数进行分析、预测和比较，两种组合方法分别为灰色-马尔柯夫模型和遗传算法优化的BP神经网络模型。首先，建立了灰色系统模型GM(1,1)，它所描述的是灰色变量，比较适合于数据少、短期的、波动小的系统对象，而对于波动性比较大的数列，拟合度比较差，预测精度不够理想。针对灰色模型这一缺点引入了马尔柯夫过程，然后运用组合方法灰色-马尔柯夫模型对上证指数进行预测；其次，通过对BP神经网络的建模与分析，发现它在局部极小点和收敛速度上存在一些问题，并引入了遗传算法的分析和研究，建立了第二种组合模型基于遗传算法的BP神经网络，并对单一的BP神经网络作了比较，得出组合模型预测效果更好的结论；最后，通过两种组合方法的比较，来分析出它们各自所呈现的数据特征，文章的最后又对数据波动比较大的上证指数进行了预测。实验结果表明：两种组合方法在数据平稳和数据波动的情况下，从预测相对误差上来衡量，GM(1,N)-Markov模型整体上要比GA-BP模型的预测精度高些。