由于股市波动的突变性,股市态势的有效预测仍然是一个难题。由于股票的波动具有一定的形态特征,这些形态能有效包容股市的突变性,提升态势预测效果；论文从股市形态特征出发,结合因果分析技术和弹性演化理论,并给予复杂系统从能量与空间的思想去研究股市态势的预测。项目的研究工作具有较高的显示意义以及应用价值。具体研究工作如下：(1)传统的股市预测方法难以有效的对股市态势进行预测,因而,基于典型的M形态,提出一种基于因果关系的岭回归预测股市态势算法(RRC算法)。RRC算法的基本思想：根据M形态的波动特征,结合能量思想,以M形态的边、波峰和波谷为结点,构建M形态的贝叶斯网络结构模型；然后,利用马尔科夫毯算法和非对称信息熵,得到M形态的局部因果结构；进而,引入因果强度的度量标准,将M形态因果关系引入到岭回归模型中对股市态势进行预测,并给出股市态势预测算法。(2)股市M形态的形成过程中长表现出波动性、平台、连阳线连阴线等特点,致使结点与边的能量转化方向不一致。针对这一缺点,在前期研究的基础上,提出了基于能量弹性演化岭回归股市态势预测算法(EE-RR)。该算法的基本思想是：首先构建M形态的贝叶斯网络结构,寻找目标变量的马尔科夫毯；然后,结合能量的弹性演化,构建M形态结点的能量弹性演化模型;最后将M形态顶点与边的能量弹性演化模型与岭回归模型结合,给出股市M形态预测算法。通过在上证指数与深证成指所选的实验数据上分别对上述两个算法进行对比分析,实验结果表明上述两个算法在股市形态上的预测效果比一般的预测算法要好,EE-RR算法在针对M形态的形成的预测效果比RRC算法更好。