在当今经济快速发展的时代,股票已经成为了人们不断追求获得经济效益的一种手段,股票的深入人心,直接影响着经济的发展。股票价格的波动趋势是一个国家的政治、经济以及生活状况的综合反映。近几年,由于受到国际经济大环境的影响,如何准确分析股票市场的行情以及股价的波动趋势成为了重要的课题,准确的分析股市的行情,对于国家在经济上采取怎样的宏观调控以及投资者如何做出最优的决策,都有着十分重要的意义。股票的价格序列是一个十分复杂的非线性动态系统,传统式时间序列预测方法都是通过时间序列的统计关系来体现线性动态系统的特征以及变化,从而揭示内在的变化规律,对于股票这非线性动态系统来说,要进行准确的股票价格预测是很难完成的,因此时间序列模型在股票预测中有着重要的应用。本文对时间序列的相关理论进行了简单的介绍,对于各个预测模型进行了详细的研究,主要获得以下研究成果：(1)简单的介绍了时间序列和平稳时间序列的基本概念和性质,在传统AR以及MA模型中引进ARMA模型,详细介绍了ARMA型的基本原理和建模过程,并且对包钢股份这支股票进行了分析与预测,证明了实验结果的有效性。(2)对神经网络理论的定义进行了简单的介绍,之后重点介绍了BP神经网络的结构以及设计、BP算法,最后用BP算法对包钢股份这支股票收盘价的进行了拟合和预测,并且进行了误差分析。(3)利用ARMA口BP神经网络模型组合成了BP-ARMA模型,应用到股票的预测中,并且对预测的结果进行了对比与分析,实验结果表明,组合模型的预测精度明显高于单一的ARMA和BP神经网络模型,对于非线性的金融时间序列问题有着很好的应用。