刘 洁，王丽芳，严莉娜(太原科技大学复杂系统与计算智能实验室，太原 030024)

股票市场[1]是金融业中的一部分，对我国的经济稳定性起到重要的作用，其价格的变化可以及时反映股市的行情，受到整个宏观经济、相关国家政策、行业竞争、市场动态等因素的影响，是一种高收益、高风险的投资方式[2]。

广大的投资者热衷于对股票的投资，但是股票价格的不断变化常常使得投资者们无所适从，所以股票价格的变化就成为投资者最关心的问题，对股票价格的分析预测也成为众多学者不断研究的目标。

对于股票价格的预测，传统的预测方法有证券投资分析法[3]、时间序列分析法[4]、移动平均线法、K线图法[5]等，大多数是依赖于其内在价值或是股票价格间的线性关系，需要事先知道各种参数，存在一定的局限性。

人工神经网络[6]可以根据已知的实际情况的样本信息，从原始的数据中总结出可能存在的规律，并对它进行学习获得数据间的关系。神经网络预测是将神经网络技术应用到预测研究中，股票价格的预测是通过建立神经网络股市预测模型，从而与复杂的股票价格走势曲线拟合，克服传统预测方法的不足，达到良好的预测效果。

BP算法作为人工神经网络的经典算法，具有重要的地位，但是由于BP算法是一种梯度下降搜索算法，故存在易陷入极小值、收敛速度慢的明显不足。Copula 分布估计算法[7](Estimation of Distribution Algorithm，EDA)是智能计算领域中一种新的种群进化算法，其避……