股票市场反映了一个国家目前的经济状况,也起着预测一个国家或地区经济形势发展的作用。本文的主要研究对象是上证50综合股指。上证50指数是上海证券市场流动性好、规模大、最具代表性的50只股票编制而成的一个综合股指。因此上证50指数综合反映了上海证券市场最具市场影响力的一批龙头企业的整体状况,可以说上证50的变化直接反应了上海整个股市的运行情况和上海的经济状况。因此对上证50预测就显的尤为重要。上证50作为一个反映股票市场的综合指标,具有非常重要的作用,如果能够对其进行较为准确的预测,则将创造不可估量的价值。本文主要研究了上证50的收盘价的变化状况。基于2018年9月3日至2018年12月12日的上证50指数及其成分股的收盘价数据建立模型。首先,通过自适应Lasso的方法进行变量选择,简化模型。从而筛选出上证50的重要解释变量。其次结合贝叶斯动态模型和BP神经网络分别构建了两者的组合模型:串联模型和变权组合模型(并联模型)。最后对比两种模型对上证50收盘价预测的效果,选出了预测效果更优的变权组合模型用于对上证50的收盘价进行预测。在变量选择时,通过自适应Lasso的方法,筛选出了模型的重要解释变量。这些解释变量主要包括银行、保险、地产、建材等行业的股票,而这些行业是一个地区的产业支柱,能够代表一个地区经济状况,实际情况相符合。在构建串联模型时,首先利用贝叶斯动态模型对筛选出来的解释变量进行预测,在利用解释变量的预测值以及历史数据构建BP神经网络模型对上证50的收盘价预测。结果发现串联模型的预测效果在训练集表现较好,但是在测试集上的表现相对较差。在构建并联模型时,首先利用贝叶斯动态预测模型预测上证50收盘价。其次,基于筛选的解释变量用BP神经网络模型预测上证50收盘价。最后根据变权理论,分别给予预测值不同的权重,构建两者的变权组合模型,预测上证50收盘价。结果发现,无论在训练集还是测试集上模型的预测效果都比较好。并且对比两种模型发现,选择效果更好的变权组合模型对上证50的收盘价进行预测。