预测金融资产的价格变化规律一直是金融学领域一个非常重要,并且具有挑战性的问题。金融资产价格的时间序列数据具有时变性、非线性、非平稳等特性。这使得对于其价格的预测非常的复杂和困难。计量经济学家发明了一系列的计量方法来处理这类问题；常用的模型包括：线性回归模型,时间序列模型等等。另外,人工智能的模型,如人工神经网络、遗传算法等模型也越来越多的被应用到价格预测中。本文运用金融时间序列分析法与人工智能算法对我国股票价格进行预测,并对这两种模型的预测结果进行比较。这在理论和实际方面都有着较为重要的意义。本文首先综述以上两类方法在股价预测领域的历史与发展；如金融时间序列分析的自回归滑动平均ARMA模型、向量自回归VAR模型和广义自回归条件异方差GARCH模型等,以及人工智能算法的人工神经网络ANN、遗传算法GA等；然后在中国股票市场这个背景下进行数据分析研究,即使用EViews和MATLAB软件分别运行具有两类代表性的GARCH模型和BP-ANN模型,分别对上证A股指数的走势和大智慧(601519)单支股票价格趋势进行预测分析。最后再根据预测结果进行对比,从而加深对金融数据分析方法的理解。通过本文的研究可以看出,无论是在对股票指数预测方面,还是单支股票预测方面,BP-ANN的效果都优于GARCH。