股票价格是中国绝大多数公民关心的问题,也是金融、经济、系统科学等领域研究的热点问题。由于中国股票市场的股票价格时间序列是序列相关的(即历史数据对股票的价格形成起作用),因此,我们可以通过对历史信息进行分析来预测未来的股票价格。基于此,本文即在传统的多元线性回归基础之上,利用因子分析模型进行优化,从而消除模型的多重共线性而达到更好的拟合效果。相较于现有的股票预测方法,该方法数据搜集简便且对于数据的选取无特定要求,预测结果拟合度高,适用于大多数股票。本文以广州药业和西部矿业两只股票的历史价格为实例,以当日开盘价、最高价、最低价、收盘价、成交额、成交量及次日开盘价为自变量,预测该股票的次日收盘价,通过对比消除共线性前后的两个模型对于收盘价的预测结果,验证了利用因子分析模型消除共线性后的回归方程预测效果更好。