股票价格预测是证券行业的研究热点,学者们试图找到一种股票价格预测方法。但是,受到金融政策与环境、公司经营状况、投资者的操作水平等因素的影响,股票价格预测技术难度较大。常用的股票价格预测方法有基本分析法、技术分析法、量化分析法,这些方法并不能够处理多因素、非线性数据。Cart决策树能够较好的处理连续性数据和离散型数据,分类精度较高,适用于股票价格预测。本文研究发现,运用Cart决策树联合逐步回归算法对股票历史交易数据分析,能够发现股票市场各类数据的潜在规律,找出股票价格影响因素,准确预测股票价格。本文设计了一个股票价格预测系统,将逐步回归分析算法、Cart决策树算法、Cart决策树联合逐步回归算法封装在系统中。该系统分为数据管理模块、价格预测模块、智能选股模块以及股票可视化模块。数据管理功能包括列表管理、交易数据管理、财务数据管理,价格预测模块包括预测算法管理、预测模型管理和股票预测管理,智能选股模块包括选股模型管理和选股结果管理,股票可视化模块包括交易数据可视化、指标数据可视化和预测数据可视化。本文选取了2012家沪深300上市公司2016年、2017年、2018年6032条数据作为样本,将7类财务数据包括29个指标作为输入变量,每股价格收益作为输出变量,运用逐步回归算法、Cart决策树、Cart决策树联合逐步回归算法进行了股票价格预测试验。试验结果看出:基于Cart决策树联合逐步回归算法的预测曲线与现实曲线吻合度较高,均方误差mse以及均方标准差rmse最小。因此,基于Cart决策树联合逐步回归算法的股票价格预测准确率和效率较高。本文的研究思路、研究方法、研究结果对股票预测领域的发展有一定的理论和应用的实际效果,为股票价格预测提供了新的研究方法和思路。