中国的股票市场经过十几年的发展,无论是股票数量还是投资者的数量均得到了迅速的发展,在国民经济中的重要作用也日益体现出来。对股票市场进行分析不仅成为投资者的重要工作之一,同时也是管理者必须完成的工作。本文将统计学和时间序列的相关知识结合起来,从分析股票指数入手,以图寻找一个既精确同时计算简单的分析方法。状态空间模型将影响观测向量(指数)的各种因素通过状态向量表现出来,并且将观测向量表达成状态向量的线性组合,该模型包括了时间序列中重要的ARIMA模型。并且状态空间模型可以和Kalman滤波结合起来,构成一种动态递归的分析方法,从而能够更好的反映股票市场的变化情况。利用SAS软件系统我们在通过对上证A、B股指数的实证分析比较后认为结合Kalman滤波的状态空间模型是一种较理想的模型。本文由三部分组成:第一部分主要介绍了中国股市的现状以及股票指数的相关知识,同时就影响股市波动的各种因素进行了简单的分析;第二部分则系统的介绍了状态空间模型的理论、状态空间模型与ARIMA模型的关系以及结合Kalman滤波的动态递归公式的推导;在第三部分中利用前面讨论的方法对上海证券市场的A、B股指数进行了拟合与预测分析,经过各种模型的拟合与预测误差比较,结果表明结合Kalman滤波的状态空间模型是一种效率较高的模型。