股票价格指数作为其所处市场的代表性统计指标,它的涨跌起伏状况既体现了大致的市场行情,牵动着投资者利益,又反映了市场景气度,是国民经济的指示器。因此,对股指收盘价时间序列进行预测分析,不仅吸引了众多学者的研究目光,而且具有不可忽视的理论和现实意义。在分析国内外众多已有研究成果的基础之上,认识到单一模型在性能和预测精度上的不足,组合模型预测是未来研究的主要方向。在本文中我们挑选并采纳了上证综指的月度和半年度收市价历史数据资料,利用最优矩阵法对经济预测中最常用的指数平滑基础模型、股指预测中基于线性假设条件的自回归条件异方差基础模型以及基于非线性假设条件的BP神经网络基础模型进行整合,以实现更稳定的模型性能和更高的预测准确度为目标,借助建立起的组合预测模型对股指收盘价进行拟合分析。研究的关键之处在于对组合预测复合模型的构建和对单一的基础预测手段与组合预测复合手段实证成果的分析和对比。实证成果表明,在对两组数据预测的表现上,基于最优矩阵法的组合模型在大多数统计指标上优于上述三个基础模型,其输出值具有良好的预测确凿度,可以较好地整合来自不同基础模型的信息片段。