【摘要】由于股票市场是一个复杂的、非线性的动态系统，单一预测模型不足以完全解释股指数据中所包含的信息，为避免单一模型在预测过程中的误差累积，采用一种结合改进的经验模态分解算法及粒子群算法优化的极限学习机的组合模型用于股指价格的短期预测。首先，向原始数据注入高频谐波后进行经验模态分解，以减缓模态混叠现象；然后，利用粒子群优化后的极限学习机对分解出来的各分量进行预测，加总各分量的预测值获取股指价格的预测值。基于上证指数等国内外四组股指数据的实证分析表明，该组合模型能有效把握股指数据的变化规律，具有较好的预测效果。