在金融时间序列预测方面,股票市场的预测被视为一个极具挑战性的任务。更进一步说,金融时间序列的分析和建模是投资者在决策和交易时的一个重要指导。有鉴于此,时间序列预测被广泛用于估计未来的股票价格。尽管如此,股票价格的时间序列的预测并不是一蹴而就的,它需要全面分析各种指标、变量和其它数据。此外,在动态环境中,如股票市场,非线性时间序列是其非常明显的特点,这直接影响股票价格预测的有效性。在这篇论文中,提出了灰色相关分析结合引力搜索算法(GSA)和非线性多层感知机神经网络(NMLPNN)的新的预测短期股票价格的组合方法。首先,我们运用灰色相关分析筛选影响股票价格的最主要的影响因素。接下来,使用引力搜索算法(GSA)优化非线性多层感知机网络(NMLPNN)的权重和阈值。最后,利用引力搜索算法优化了的非线性多层感知机神经网络预测股票价格。这个组合方法被用于预测创业板指数和浦发银行股票的每日股票价格。实验结果表明,与传统的模型相比,本论文提出的灰色相关分析结合GSA-NMLPNN的方法的预测精度和稳健性都要优于传统模型。