在金融系统的预测研究中，股票预测是一个热门的课题，也有了许多运用于股票预测的优秀算法。协同学是研究系统自组织产生空间结构、时间结构或者功能结构的跨学科领域。协同学的核心是支配原理，即一个系统只有存在支配力量，也就是所谓的序参量，他们之间的协同合作和竞争才能够使系统从无序到有序。本文利用协同学神经网络的自上而下的方法（人们首先辨别出所期望的性质，然后建立算法），通过协同学的动力学过程，建立基本方程式。该方法提供了构造新型并行网络的原理，揭示了模式识别和模式形成之间深刻的相似性，对协同学认知的应用做进一步的阐述。 本文将试着用协同学计算机原理，编制“智能股票预测系统”这一软件，用证券市场的交易数据作为原始数据来进行网络训练，提取原型模式向量和伴随向量，并用这个结果来进行下一步的证券市场的价格预测。实践表明，该方法能通过对股票价格演变历程产生联想，来实现预测，是一种更有意义的预测手段。这也说明协同学认知不仅在图形识别方面效果显著，而且在经济系统的模式提取方面也是有效的。