建立一个可以预测股价涨跌趋势的预测模型能够帮助投资者做出正确的决策,改善盈利能力,减少潜在的损失。由于影响股市波动的原因很多,且各因素间相互作用错综复杂,很多金融学者都在努力寻找影响股票收益率的因素,包括公司基本面、市场环境和政策等。越来越多的学者发现现有的预测模型并不能很好地适应股市变化的特点,且存在诸多局限性。这些局限性体现在股票市场的预测模型参数不确定、预测不稳定、噪声积累性等方面。正是由于这些缺陷使得准确分析和预测股票市场的变化趋势具有一定的难度,很难确定某一个或某一方面的因素对股票市场的影响较大。本文通过对现有文献的分析总结发现,现有的股票收益预测模型主要存在以下3方面问题:（1）特征变量选取不足无法找出所有影响股票收益的因子。（2）模型中引入过多的特征变量导致模型预测有效性下降。（3）特征变量之间的高度相关性导致预测不稳定问题。为了解决上述三个问题,本文基于2010年1月至2020年12月上市公司的财务及股票交易数据来建立合适的模型。首先采用传统的变量选择方法进行建模,再对股票的涨跌趋势进行预测,得到的预测精度并不理想。然后本文基于组合模型的思想,提出组合Elastic Net和组合Adaptive-Lasso两种方法建立新的模型,并通过预测斜率,预测准确度以及资产投资组合配置来检测模型的预测性能。根据检验结果可得:1、本文提出的两种模型的预测结果和股票真实的涨跌情况呈现正向关系,且预测精度更高。2、两种模型均通过ADF检验,说明模型具有良好的预测稳定性。3、模型的预测性能并不随着金融市场的变化而变化,同样说明模型的稳定较好,属于市场中性投资策略,其在大多数市场上都可以取得较好的预测效果。4、根据模型的预测结果进行资产投资组合配置,可以得到高于传统logistic模型的收益率。本文将变量选择方法和组合预测思想相结合,建立了组合Elastic Netlogistic和组合Adaptive Lasso-logistic两种模型,经过检验说明模型具有一定的优越性。实证结果显示:这两种模型能够有效识别特征变量与预期收益之间的复杂关系,相对于传统的多元logistic模型和变量选择方法具有更高的预测精度,可以给广大投资者带来更多的收益。同时研究发现,影响我国股票市场股票预期收益的公司特征变量是随时间不断变化的,这些特征变量的显著动态变化一定程度上体现出我国股票市场弱稳定性。