事物随时间的变化是最常见的现象,也是最容易收集到数据。把这一系列按时间顺序排列的数据记录下来,从而构成了时间序列。在时间序列数据中,常常隐藏着事物在特定环境下、特定时刻的具有某种特殊的信息。时间序列研究就是充分利用这些信息来挖掘事物的变化规律,从而发现并揭示数据所描述的客观现象以及内在的发展规律,把握事物变化趋势,趋利避害,研究时间序列对社会经济和技术的发展有着极为重要的意义和前景。任何事物都有成长周期,有上升,有下降,时间序列也一样具有这个特征。然而在证券时间序列中,由于序列波动较大,Gompertz曾长模型本身的特性,Gompertz增长模型对波动较快的、没有构成趋势的时间序列受到很大限制,直接应用此增长模型进行预测具有较大的局限性,但是本文采用上证指数和深圳综指作为研究对象,应用技术手段,通过局部最大值、最小值法找到局部的最大值和最小值点,采用两点之间的趋势段数据,上升或下降趋势,并把趋势段数据经过滑动平均处理,使数据变得平滑,满足增长模型的特点,再应用Gompertz曾长模型对趋势段预测,预测结果表明Gompertz增长模型在证券时间序列预测中有较高的实用性。