股票市场在短短的三十多年的时间已经发展成为我国市场经济中重要的一部分。越来越多的投资者关注着股票市场,如何对股价涨跌和股票价格进行精准的预测,已成为各个投资者最为关心的话题。财务指标作为上市公司每个季度都要披露的报表内容之一,在企业资产评估、企业信用评价等方面都有着非常重要的地位,往往被外界用来评判公司财务状况的一个重要指标,也常常被用来分析上市公司的股价。利用人工智能、数据挖掘技术寻找出财务指标与股票价格之间的关系,已经成为时下热门的研究方向。论文利用财务指标数据和历史股票交易数据,构建股票价格涨跌分类和回归预测模型。论文的主要创新性工作包括:（1）构建了基于财务指标和随机森林的股价涨跌分类预测模型。论文通过基于决策树的递归特征消除方法对财务指标数据集进行特征选择,并结合历史股票交易数据构建随机森林算法模型。论文使用遗传算法对随机森林模型中重要的参数进行优化,实现了股价涨跌分类预测模型。（2）构建了基于财务指标和LSTM的股价回归预测模型。论文对具体股票定期报告中的财务数据指标集和历史股票交易数据集,使用归一化和主成分分析方法进行数据预处理。论文以LSTM作为基础的回归预测算法,使用遗传算法对LSTM的时间序列步长进行优化,实现了股票价格的回归预测模型。（3）实验分析和效果对比。论文选取了金融行业不同上市公司的财务指标和历史交易数据进行实验,与传统的决策树、逻辑回归、贝叶斯分类、随机森林和LSTM算法进行对比,验证了论文提出的股价涨跌预测模型和回归预测模型分别在股价涨跌预测和股价预测中有着良好的效果。