随着股票市场的快速发展和壮大,股票数据急剧膨胀。如何统计分析这些海量股票信息,并通过人工智能的方法挖掘其内在的信息和价值,是投资者和监管层比较关心的问题。上市公司财务数据的分类评价和股票价格预测的研究工作,不仅可以把握股票市场未来动态变化,而且可以引导股票投资者合理投资,提高收益。主要研究内容及创新点有:1)提出改进型综合分类评价方法。该方法用单因素评判矩阵代替原有的主成分得分矩阵,同时用加权主成分的方差贡献率代替原有的主成分权重取值,借助模糊数学算子实现房地产行业上市公司财务能力的综合分类评价。2)提出基于黄金分割优化算法的BP神经网络算法。该方法首先采用黄金分割优化算法优化BP神经网络隐含层节点数,再对隐含层与输入、输出层之间的权重系数和阈值进行优化。实证结果表明该算法在较短的时间内可以获得较高的预测精度,性能优异。3)提出基于带活跃算子粒子群优化算法的支持向量机算法,首先采用Boruta算法对原始数据集进行特征选择,降低输入维度,再用带活跃算子粒子群算法对支持向量机的核参数和惩罚系数进行优化。试验结果表明相比较BP神经网络,随机森林,支持向量机,极限学习机四种机器学习算法,该算法可以获得较高的分类精度。