互联网时代,随着经济社会的蓬勃发展,金融市场在我国社会主义市场经济中的地位愈加重要。股票市场是金融市场的重要组成部分,股票价格地变动趋势很大程度上影响并决定着股票市场地发展。研究清楚股票市场的运转困难重重,一是,股票市场数据存在高维、非对称和非线性等复杂特征,这些因素具有强干扰性;二是股票的价格趋势除了受到历史交易数据的影响,还容易受到市场因素的制约,如国民政策、政府控制以及投资心理等。研究中要全面考虑线性历史交易数据、非线性因素以及股票市场的复杂性,从而获得更精准的分析结果,这样不仅可以促进股票市场的发展与进步,同时也对整个行业经济的发展具有深远意义。股票市场不是一个纯粹的随机过程,为了解决不同时期股票市场价格波动的复杂性的问题,提出了一种基于EEMD-GA-LSTM的预测分析模型。实验研究对象分别为网易财经和东方财富网沪深300、沪市A股喜临门（603008）和深市A股西王食品（000639）三支不同行业类型的股票数据。通过自定义函数对原始数据进行等步长提取,将收盘价的原始数据通过EEMD分解得到若干个本征模函数IMF1,IMF2,,IMFm和趋势项res,通过方差法分析和假设检验的统计方法对本征模函数重构得到高频本征模HIMF、低频本征模LIMF和残余项RES,再结合GA遗传算法对LSTM预测模型的主要参数进行优化,最后将分解得到的收盘价格的重构序列和其他交易数据作为输入变量输入到LSTM预测模型中,输出收盘价Close的一维预测值。实验借助平均绝对误差MAE、均方误差MSE以及均方根误差RMSE三大性能指标对模型的预测效果做出评价。研究结果表明本文构建的EEMD-GA-LSTM组合模型的性能指标MAE、MSE、RMSE分别为0.0084、0.0142和0.1192,较单一模型LSTM的误差性能指标分别下降了4.23%、1.89%和6.27%,同时通过模型预测对比图可以发现该组合模型的预测值与真实值更加贴近。综上,本文提出的EEMD-GA-LSTM组合预测模型充分考虑了序列的非线性信息以及模型参数对预测结果的影响,实验性能指标与可视化结果均能表明新组合模型的预测误差更小,预测效果更好。该模型可以很好地适用于股票市场的研究,同时能更精确地预测股票价格的未来趋势,进而促进金融市场的研究与发展,该研究对股票市场的建立和发展具有深远的影响意义。