复杂的社会经济系统面临一个变化迅速的外部环境，其各个环节中的不确定因素也随之显著增加。人们逐渐意识到，短期内建立一个具有较理想预测效果的单项预测模型往往是不可能的。因此，Bates和Granger提出了组合预测的思想，并迅速得到广大预测学者的高度重视。近年来，随着组合预测方法在理论上的不断完善，其在预测实践中的应用也越来越广泛。　　 目前虽然有较多文献研究组合预测，但是大多集中在对组合模型的改进和完善上，而面向组合预测的预测模型遴选研究并不多见。在运用组合预测的过程中，如何从众多已有单项预测模型中选取最能发挥组合预测方法特点的若干结果，并采用何种组合模型来对其结果进行组合，是本文研究的重点。　　 本文主要研究内容如下:　　 (1)全面论述了组合预测的基本概念、原理、方法和特点，探讨了提高组合预测质量的两大关键问题（其一是选择何种单项预测进行组合，其二是选用何种组合方式进行组合）。同时归纳了国内外已有相关模型遴选的研究成果，进一步提出了本文的研究方向。　　 (2)深入研究了组合预测环境下的单项预测模型选择标准和方法，从单项预测模型本身的特性及其结果的包容性角度出发，提出了基于预测包容的组合预测单项模型遴选算法。　　 (3)在已有组合预测模型遴选因素研究的基础上，运用模糊理论，探索了组合预测模型遴选规则的提取、表示与推理解释机制，并对其中的关键问题和算法进行了研究。在此基础上，进一步设计了组合预测模型遴选专家系统。　　 (4)将组合预测单项和组合模型遴选方法综合应用于股票指数的组合预测，通过比较进一步验证了相关模型遴选方法的应用效果。　　 通过研究，论文主要在以下三个方面实现了创新:　　 (1)引入先进的预测包容理论，提出了基于预测包容的组合预测单项模型遴选应用原理与算法。有别于其他文献的冗余筛选方法，该算法具有更广泛的适用性。　　 (2)在已有研究的基础上，结合模糊理论，提出了基于模糊规则的组合预测模型遴选的规则提取、表示和推理解释机制。该机制改进了已有规则遴选机制在不确定性处理上的不足，并且具备了自适应的学习能力。　　 (3)不同于现有文献，提出了两阶段综合应用单项模型和组合模型遴选方法对组合预测进行相关模型遴选的思想。