1、數(shù)據(jù)預測在金融投資領域占有重要地位，而股票價格由于具有變化幅度大，變化因素多，變化不穩(wěn)定等特性，因而成為金融數(shù)據(jù)中最復雜最難預測的數(shù)據(jù)類型之一。正因為這些因素的原因，其神秘性也引起了廣大經濟學家的興趣，很多經濟學家一直致力于研究股票市場價格的變化，希望能從中找出一些規(guī)律，避免諸如大的股市波動，從而保持經濟繁榮穩(wěn)定。 時間序列分析是數(shù)據(jù)挖掘和應用統(tǒng)計學中的一類典型問題，而基因表達式程序設計是一種新的自適應演化算法，該算法已經應用到許

2、多領域中，并且取得了很好的效果。但是由于其具有“容易早熟收斂，陷入局部最優(yōu)解”的缺陷，因此引入模擬退火的思想將二者融合，設計GEPSAT-STOCK 算法用于股票指數(shù)建立時間序列模型，并且針對股票數(shù)據(jù)的特點，選擇適應股票規(guī)律的GEPSAT-STOCK模型，包括GSAT-G編碼模型，適應度值函數(shù)選擇以及GSAT-CT 求解適應度值算法等。 研究了三個新的算子---保存算子、替換算子，自適應算子，用VC的多線程技術做成可視化界面動態(tài)

3、顯示其結果，使用000002（萬科A）號股票（2007年第一個交易日至2008年5月12日）每天的股票收盤價格作為實驗數(shù)據(jù)，與傳統(tǒng)GEP算法得到的數(shù)據(jù)結果進行對比分析，以此來分析GEPSAT-STOCK算法在該問題應用上的優(yōu)劣。結果顯示，利用GEPSAT-STOCK算法進行預測取得了較好的結果，其預測精度較高，以4d作為嵌入維進行預測時的平均相對誤差在1.4％左右。 然而雖然股票的預測平均誤差很小，但是要想精確預測股票價格還是不