股票买卖策略及股价走势预测是近年来研究的热点,由于股票买卖信号滞后和趋势预测精度不高等问题,使得股票交易信号判断面临诸多挑战。本文首先结合DMI、KDJ以及MACD等指标开展股票买卖策略的方法研究,然后将回归方法与深度学习结合,开展股票价格走势预测的方法研究,主要研究内容如下:（1）结合深度学习和多元回归方法,建立深度多元回归模型,研究股票价格走势的预测方法。基于DenseNet网络,层与层之间使用ReLU激活函数,提出了股票开盘价、最高价、最低价为输入变量,收盘价为输出变量的MRDL₃和MRDL₄模型,为避免在训练回归系数时陷入局部最小值,MRDL₃和MRDL₄模型使用MBGD优化算法优化回归系数。（2）基于DMI指标中多空指标,计算DDI指数用于判断股价增长或下跌趋势的速率,提出DMISV买卖策略;基于KDJ指标中的K值及其变化幅度（DK）,判断股市超买超卖变化,提出了KDJSV买卖策略;基于MACD指标,根据MACD指标中BAR柱出现的极值点变化,判断股市中多空双方力量变化,提出了MACDV买卖策略;综合DMI、KDJ、MACD指标提出了DKB买卖策略。实验数据采用从巨潮资讯网站下载的沪深股市2013年10月1日至2018年10月17日的日线数据,用于验证上述方法的有效性。实验结果表明本文提出的MRDL深度多元回归模型对股票收盘价格走势的预测,均方误差区间为[0.0043,0.0821];提出的DMISV、KDJSV、MACDV、DKB股票买卖策略,80%的股票收益率大于10%。实验结果验证了本文所提出的买卖策略和股票价格走势预测方法的有效性。