股票市场是证券业和金融业一个必不可少的组成部分,在中国越来越多的受到各类人群的关注,对股票价格的变化进行预测自然也就成为了一个热点话题,且一直都是经济学界和数学界的热点研究对象。人们在股票投资之前需要对非常大量的信息进行收集、梳理及分析,包括宏观领域、微观领域的信息,以及各种市场和非经济因素的信息,信息量非常庞大且复杂。本文对利用贝叶斯网络原理建立股票波动走势预测模型进行了探索,并根据股票预测的实际需求,提出一个股票预测参考系统的完整设计方案。首先归纳总结了影响股票波动的因素以及因素的阈值,并使用信息论中的平均互信息量来量化影响因素之间的彼此关联程度强弱,以便于确定因素之间是否存在依赖关系,以此作为预测模型的初始结构的构建基础。其次研究利用遗传算法构建一个贝叶斯网络结构的股票预测模型和使用最大期望算法对预测模型进行参数学习,并以算法实现和优化为基础,分析股票预测系统的功能需求、技术需求、环境需求并提出系统总体目标,提出了包含模块及流程设计、数据库设计以及系统框架设计的系统设计方案。最后以真实数据为样本进行了一系列的实验,验证了预测模型能够被有效构建、学习以及预测。