随着经济发展,证券市场在市场经济中的地位愈发凸显,它既能为企业提供充足的现金流,又能满足投资者对于高收益的要求。因此对证券市场趋势的预测非常重要,有效的预测能够让国家、企业和投资者的各项举措更具前瞻性,使大家能够更好地利用积极趋势、更好的应对消极走向。本文首先总结了金融预测技术发展的三个阶段,分析了用于预测金融时间序列的传统方法。在传统预测模型存在瓶颈和缺陷的背景下,本文引入了人工智能语音分析领域的深度学习模型,通过添加恒等映射将普通卷积神经网络的卷积层改为了残差元结构,并利用空洞卷积扩大了模型的感受域,最终构造出了专门用于金融预测的WaveNet条件时序卷积模型。在模型输入方面,为了提高输入数据的质量,保证信息的全面性,本文综合分析了对证券市场未来走势存在影响的各方面因素,将这些因素分为了市场交易情况、宏观政治经济因素、其他金融产品市场行情、其他国家证券市场行情和投资者信心等五个大类,并利用Wind金融资讯平台从中筛选出了14个上证综指收益率预测的条件变量。在实证预测研究中,本文模型取得了良好的预测效果;根据本文模型进行的真实市场交易也取得了不错的收益。另外,本文还从行为金融学理论入手,对证券市场波动的动力来源进行了分析,发现投资者的交易行为是股价波动最直接的推手,据此对未来的证券价格预测作出了展望。