随着我国金融经济的快速发展，人们的投资意识越来越强，投资逐渐成为现代人生活中的一个重要组成部分。股票投资作为投资的重要组成部分，也逐渐成为投资者关心和研究的重点。由于股票市场存在着风险，股价的波动很大，如何建立一个准确性比较好的股市预测和决策模型，对于指导投资者进行投资具有重要的理论意义和实际应用价值。　　本文在比较各种股票预测和投资决策方法的基础上，探讨了新一代优化计算方法--免疫算法在现有股价预测模型以及投资决策模型中应用的可行性。本文的研究内容主要分为两个部分：一是免疫算法在股价预测模型优化中的应用，二是免疫算法在投资组合模型求解中的应用。　　第一部分，免疫算法在股价预测模型优化中的应用研究又包括两个方面：在应用免疫算法对基于BP神经网络的股价预测模型进行优化方面，主要针对传统的BP算法学习速度慢、容易陷入局部极小值、预测结果精度不高等问题，改用免疫算法来改善优化过程，可以较快地获得的更为优秀的预测模型，不仅对股价波动曲线的拟合更为准确，而且对股价预测的结果也更加有效。另一方面，就是应用免疫算法进行模糊神经网络中预测规则的发现，并将发现的规则应用在基于模糊神经网络的股价预测模型中去。该部分最后以同仁堂股价行情的预测为案例，进行了股价预测模型的优化和仿真验证，收到了很好的优化和预测效果。　　第二部分，主要研究了免疫算法应用于投资组合决策模型的求解方法。本文在现有投资组合模型的基础上，提出了适合我国国情的多解投资组合模型，通过建立合理的目标函数、引入惩罚函数等策略，应用免疫算法求解出具有约束条件的投资组合模型的多组优化解，以满足不同风险偏好的人们对多种不同投资组合的需要。通过对股市投资市场仿真过程的验证，同样收到了良好的效果。