股票是市场经济的产物,从诞生的那天起就牵动着数以千万投资者的心。十多年来,我国己有股民数千万,股票己经深入到日常经济生活中的方方面面。因为巨大的经济利益,分析股票内在的规律性一直是研究的热点,股票预测的理论和方法也因此层出不穷。但是股价系统内部结构的复杂性和外部因素的多变性决定了股市预测的艰巨性,现有的分析预测方法应用效果并不理想。本文主要研究了基因表达式编程的实现技术,并将其应用在股票预测领域。首先,介绍了股票及其相关的基础知识,论述了影响股票价格的因素,并对股价预测存在的一些问题进行了总结。然后,介绍了遗传算法的基本操作和一般流程,分析了遗传程序设计的基本思想和基本技术,讨论了基因表达式编程的基本思想和具体实现,并给出了Delphi语言的核心代码和二个测试集的拟合实验及结果分析。最后,讨论了股票样本的选择标准,分析了输入样本的预处理机制,介绍了常用的二种预测方法,并对所选取的三支股票进行了单步预测和多步预测的对比实验。本文的主要贡献如下:1)、对股票预测的相关理论进行了分析和总结。2)、对遗传算法GA、遗传程序设计GP和基因表达式编程GEP的核心思想进行了分类总结。3)、用Delphi语言对基因表达式编程进行了完整的代码实现,并给出了Delphi语言的核心源代码。4)、对二个测试集进行了拟合实验,实验结果表明,基因表达式编程技术在函数发现和数据挖掘方面具有广阔的应用前景。5)、对三支股票进行了单步预测和多步预测的对比实验,实验结果表明:利用基因表达式编程技术时,用小样本数据进行短期的单步预测是完全可行的,其涨跌预测正确率约为60%-70%,对股票的合理投资决策具有一定的指导意义。