股票市场是反映一国经济实力、公司发展潜力的晴雨表。股票趋势预测吸引了大批的专家学者以及投资者的关注。在分析的过程中如何通过股票历史数据准确预测未来趋势还存在较大困难。目前,股票市场常用的分析方法存在运用单一、对股市波动拟合效果较差、预测精度比较低等问题。因此,多种预测方法互相结合,达到优势互补的效果对股市预测尤为重要。股票技术分析分为技术指标分析和形态轨迹分析。本文结合两种分析方法,区别于大多数传统预测未来股价曲线的方式,将其转换为预测股票趋势转折关键点问题。主要研究内容如下:(1)为了解决股票单点特性难以预测股票趋势问题,提出一种基于滑动窗口和多维技术指标方法表示股票趋势特征。首先,利用滑动窗口得到股票上涨、平稳、下跌三种趋势变化关键点。其次,利用多维度技术指标表示股票趋势特征。实验表明,该方法提高了股票趋势预测准确率。(2)考虑股票多技术指标趋势特征的冗余性以及预测的准确率和效率,将基于主元的极限学习机分类算法应用于股票趋势预测中。实验结果表明,该分类算法在准确率和效率上表现都比较良好。(3)根据股票形态学理论,提出一种基于五日均线和k线组合形态的股票趋势预测方法。量化五日均线和k线构成的形态轨迹,统计得到最佳买卖决策形态。为投资者对个股的选取提供依据。在新浪财经上获取股票个股数据,大量实验表明与目前常用的几种股票预测算法相比,本文提出的方法提高了趋势预测准确率,降低了预测时间成本。解决了大盘动荡时期难以判定个股以及个股中小涨小跌难以获取的问题。