该文以灰色系统理论和神经网络理论为基础,以解决复杂的不确定性、非线性系统问题为应用背景,围绕股市行情的不确定性系统的辨识、建模、预测等科研问题,提出了两种预测模型——新维无偏灰色马尔柯夫预测模型和灰色关联神经网络预测模型.该文基于灰色GM(1,1)模型,首先给出了开发区综合经济指标的预测模型,旨在验证灰色预测适合于时间短、数据量少、波动不大的系统对象的预测,在此基础上提出了无偏GM(1,1)模型,消除了GM(1,1)模型固有的偏差.通过研究前向神经网络及其算法,首先给出神经网络预测模型,在此基础上提出一种灰色关联神经网络预测模型,首先对原始数据进行灰色关联分析,挖掘出对系统预测影响较大的数据作为训练样本集,采用前向神经网络的模糊学习算法对样本集进行神经网络训练.同样应用于股市上证指数的预测,得到较好的预测结果,且训练样本速度较快.最后,该文针对股市上证指数走势这种不确定性系统对象的原始数据特征,通过对三类预测:灰色预测、灰色马尔柯夫预测、神经网络预测共六种模型性能的评价和比较,根据各种预测模型的适用范围和对数据的要求,在不同情况下,选用不同的模型,从而形成一套自适应灰色马尔柯夫神经网络的股价预测系统,使其适用于不同研究对象的预测要求,不但提高了预测精度,而且拓宽了应用范围,具有时效性和实用性.