随着社会经济的发展，股票已经成为人们投资理财的一种重要工具。作为一种高风险和高收益并存的投资工具，股票的高风险性主要表现为股票价格的高波动性。股价指数反映了股票市场上股票价格的总体波动状况，比较准确的预测股价指数对于投资决策具有重要的指导意义。论文运用灰色预测模型与人工神经网络模型对上证综指与深证综指的预测进行了研究。分别建立了两种股价指数的日收盘指数、周收盘指数和月收盘指数的T+1、T+3和T+5预测模型。在建模的过程中改变输入数据的数量进行试验，以研究输入数据数量的多寡对模型的预测精确度与预测方向准确性有何影响。研究发现，灰色预测模型和人工神经网络模型的预测精确度水平一般都比较高，绝大部分的误差在10％以下，而预测的方向准确性大多较低，大多数在50％左右。为了找出影响模型预测精确度的因素，将各样本点的预测精确度指标按照可能的影响因素分别进行分组，利用非参数检验的方法对各组之间的差异性进行分析，如果组间差异显著，则表明该因素对模型的预测精确度有显著的影响。实证研究结果表明指数名称、输入变量数、预测距离及数据周期这四种因素均对预测的精确度构成显著的影响，模型类型因素对预测的精确度不构成显著影响。模型预测精确度影响因素的研究，为进一步研究高精确度的预测模型奠定了一定基础。