证券市场是高风险市场，证券价格具有很大的波动性、不确定性，要把握所有影响证券价格的信息是极其困难的，虽然已有许多股票预测模型产生，并得到良好的效果，但对于大多数只关心股票未来价格的投资者来说，在无法获得大量信息的前提下，所能拥有的简单有效的股票预测方法是不多的。灰色模型预测所需信息较少，计算简便，精度较高，因此在证券市场中得到广泛的应用，也取得了良好的效果。但由于灰色预测是以GM（1，1）模型为基础所进行的预测，模型的解为指数型曲线，是一条较平滑的曲线，因而对波动性较大的数据列的拟合较差，预测精度较低。而马尔柯夫概率矩阵预测的研究对象是一个随机变化的动态系统，根据状态之间的转移概率来预测未来系统发展，反映了各状态之间转移的内在规律性，因此，马尔柯夫概论矩阵预测适合于随机波动性较大数据列的预测问题。灰色预测与马尔柯夫根底矩阵预测的优点可以互补，灰色预测用来揭示预测数列的发展变化总趋势，而马尔柯夫概率矩阵预测用来确定状态的转移规律。因而把两者结合起来，形成一个灰色马尔柯夫预测模型，能充分利用历史数据给予的信息，可大大提高预测精度。但是同时我们在研究中发现，当采用GM（1，1）模型及灰色-马尔可夫模型进行预测时，预测时间较长时误差有增大的趋势，这主要是由于信息对系统的影响会随着时间的流逝而逐渐减弱。为了更加准确的进行较长时期预测，本文采用一种利用已预测信息对灰色-马尔可夫预测模型进行修正。经过仿真得到了更好的预测结果，为证券市场的股票价格预测提供了一种新方法。