经过了二十多年的发展,中国的股票市场取得了巨大成就,但由于市场化过程中存在各种矛盾以及经济体制转轨阶段具有特殊性,中国的股市还不成熟,表现为股价具有异常的波动现象。判断证券市场是不是成熟的一个指标就是波动特征,并且波动性是市场价格行为的重要决定因素,所以考察股市波动特征,有助于理解股市的价格行为。深入研究股市波动的因素,有助于投资者进行理性投资,促进国民经济长期健康稳定的发展。股市作为国民经济重要的组成部分,为国民经济的发展而服务。股市波动和宏观经济波动具有密切的关系,但由于股市具有其自身的波动规律,所以会出现“股经背离”。研究出一套有效的影响股价指数波动的理论,有利于我国股票市场的法律规范和监管机制的建立,也有利于引导我国的宏观经济政策,从而促进资本市场更加科学化的发展。随着中国经济的快速发展及中国股市不断完善,人们越来越多的参与到股市中来,也就希望能够更加准确的预测股市。从实践上,通过其他经济变量有效地预测股指的变化及股市的波动,投资者便能够提前采取行动,进而规避风险,最大化投资利润。本文提出了基于EMD(经验模态分解法)分解的股价波动的宏观经济成因的分析方法。首先,运用EMD方法将股价序列和宏观经济变量序列分解成几个不同周期的分量,然后对其重新组合,应用协整理论、Granger因果检验等对组合后的低频分量进行研究,最后进行总结。因为股票价格序列是非线性和非平稳的时间序列,所以对股票价格进行精确预测有一定的难度。为了克服传统计量模型预测的局限性,人们应用人工神经网络、支持向量机及遗传算法等人工智能方法进行预测,经过试验表明,这些方法的确优于传统的计量模型。本文提出了一种基于EMD和BP神经网络的非线性组合预测的方法,该方法运用EMD技术将股票价格序列分解成若干个不同频率的分量,对这些分量,构建不同的神经网络模型然后分别进行预测,得到各序列预测值,再将各个预测值进行合成得到最终预测值。本文的实证研究表明,首先,中国的宏观经济的发展和股票市场基本上是一致的,股价指数一定程度上是能够反映我国宏观经济发展的整体水平及趋势的。工业增加值增速、货币增长率对股价有正的影响,而通货膨胀率,汇率及利率对股价有负的影响,该结论与理论基本上是一致的。另外,本文提出的股价预测方法较单一的人工神经网络模型能够更好的预测股票价格。