股市预测的主要方法有基本分析法和技术分析法。基本分析，也叫基本面分析，是 证券投资分析师根据经济学、金融学、财务管理学及投资学等基本原理，对决定证券价 值及价格的基本要素如宏观经济指标、经济政策走势、行业发展状况、产品市场状况、公 司销售和财务状况等进行分析，评估证券的投资价值，判断证券的合理价位并提出相应 的投资建议的一种分析方法。基本分析的理论基础是任何金融资产的“真实”价值等于 这项资产所有者期望的现金流量的现值。基本分析主要包括宏观经济分析、行业与区域 分析以及公司分析三大内容。宏观经济分析主要研究的是各项经济指标和经济政策对证

券价格会产生何样的影响。行业分析与区域分析主要研究不同的行业和区域对证券价格 的影响。公司分析主要对公司的竞争能力、盈利能力、经营管理能力、经营业绩、财务状 况、发展潜力以及潜在风险等因素进行综合分析，进而评估证券的投资价值、预测证券 价格及其未来变化的趋势，是基本分析的重点。基本分析法有着较强的经济学含义，过 于强调股票的内在价值，但是我们的股票市场普遍存在着炒作现象，往往股价是偏离基 本价值的。而且基本分析对市场的反应较为迟钝，预测的时间跨度比较长，偏重于对股 价的长期变动趋势预测。 

技术分析是仅依靠分析证券的市场行为来预测证券价格未来变化趋势的方法。证券 的市场行为存在多种表现形式，最基本的表现形式是证券的市场价格、成交量、二者的 变化以及完成这些变化所经历的时间。技术分析的前提是要满足以下三个假设。它们分 别是①市场的行为包含了一切可得信息②价格沿着趋势移动③历史会重演。传统的技术 分析法有 K 线理论、形态理论、切线理论、波浪理论和循环周期理论等。随着技术和理 论的发展，技术分析法有了长足的发展。像时间序列预测分析法，包括自回归一移动平 均模型(ARMA)和齐次非平稳模型(ARIMA) 以及 ARCH/GARCH 模型等，还有非线性预测 法，包括基于统计学理论的预测方法、神经网络预测法、模糊逻辑预测法、混沌预测法以 及状态空间预测法等等。 

戴洁，武康平[1]通过实证发现，对中国股市来说，技术分析确实具有一定的预测力， 但是由于交易费用的存在以及股市存在的自相关，所以对于技术分析也不能盲目信任。 Kavajecz 和 White[2]认为技术分析提供了一种定位流动性的便利的方法，交易者可以利 用这个这个信息更好地估计股票价格并减少交易成本，同时提高预测准确性。时间序列 分析法是被普遍采用的一系列方法， 国内外学者都进行了很多的研究。 Nelder 和 Dderburn[3]提出了广义线性模型，通过放松经典模型的假设而极大丰富了回归分析的理 论。宋玉臣，李楠博[4]认为在没有时段长度的约束下，均值回归具有必然性，因而也可 以用来发现股票价格。蒋国均[5]通过实证发现 SVM 预测模型的预测效果良好。赵国顺[6] 实证了 ARIMA 和 GARCH 模型，发现其对短期指数具有良好的预测效果。周瑛达，胡琬芸， 巩 禹，李庆华[7]实证了 VAR 模型对股价指数的短期预测具有较好的预测精度。Brock[8] 认为股票价格的形成过程是一个非线性过程，技术分析的方法如果捕捉到了这些非线性， 那么就会具有较好的预测力。故而越来越多的人开始研究非线性的技术分析预测方法。 Gencay[9]的研究表明基于移动平均规则的前向人工神经网络预测方法比简单的移动平

均规则有更好的预测力。王志刚,曾勇,李平[10]通过对我国股票市场的实证也证明了这 一点。Gencay 和 Stengos[11]发现如果在此基础上加入交易量的信息，那么新的模型将具 有更好的预测能力。刘睿智，周勇[12]则证明了 ARIMA-ANN 模型对于股票指数的预测效 果良好。苏匡、罗元、方楚贤[13]实证了 BP 神经网络的良好预测效果。随着研究的增多， 人们开始将其他领域的方法逐步引入股票的技术分析。邓南沙，苏文[14]发现数据挖掘 技术在股票市场预测中有一定的作用。胡珉，孙瑜峰[15]则提出了一种基于股票状态演 化图谱的股市趋势预测新方法，黄滕飞[16]将混沌预测与技术分析模型相结合，形成了 混沌交易模型，余雪媛[17]提出了波动源模型，尚朝辉，甄九州[18]发现基于遗传编程 的技术交易系统生成的最优交易策略有较好的盈利能力，在流动性强的个股上表现尤其 明显。