股票指数的变化是一个高度复杂的非线性动态系统，其变化有一定的规律性，股票市场的交易模式是现实生活中许多复杂的时间序列之一，股票市场中成功的交易模式是可以模仿及学习的。本文在广泛参阅有关股票预测文献的基础上，阐述了股票预测原理、方法和步骤，综合分析了目前主要预测方法的适用范围和存在的不足。再根据中国股票具有灰色性和非线性等特点，选用具有优势互补的灰色预测模型和神经网络模型进行预测，并将两种模型利用BP网络的非线性映射，进行优化组合，建立了灰色BP神经网络组合模型进行预测，在很大程度上提高了股票预测稳定性和可靠性。　　 在建立灰色BP神经网络模型进行股票预测过程中发现，当研究的股票系统扰动因素过大或系统行为在某个时间点发生突变，出现严重扰动系统的异常数据时，建立的预测模型，不应直接按股票的原始数据建模预测，而应根椐实际情况适当地对数据进行预处理。并根据实例的时间序列建立了数学模型，从模型预测效果步步对比中说明数据修正、等维新息、残差修正等技术，提高了灰色BP网络组合预测的精度，增强了预测的稳定性与可靠性。　　 然后在Windows2000的操作平台上，前台使用Visual C++和MATLAB混合编程，后台使用SQL Server2000关系型数据库，对基于非线性组合的股票预测系统进行了具体的设计与实现。