我国股票市场历经近三十年的发展变革,对我国的经济建设和社会发展都做出了巨大的贡献,已经成为国民经济的一个重要行业。股票市场运行效率的高低将直接决定上市企业的融资能力以及资金盈余者市场活动的活跃性,因而其发展变化紧密关联着企业及投资者们的利益。而股票价格数据最能反映股票市场的波动变化,股价的预测也就成为了投资者们一直关注的问题。本文以中国石化股票的收盘价数据为研究对象,首先对股票价格时间序列数据采用传统的ARIMA模型进行预测分析,模型具有一定的受限性;再引入高斯过程模型对股票价格做预测研究,采用交叉验证法,将原始数据集划分为训练集和测试集,由训练集数据训练选取最适核函数以及最优超参数,获得最优拟合模型,通过测试集评估模型及预测研究,获得了可观的预测效果。本文的创新点主要在引入高斯过程模型具体应用到股票市场,高斯过程模型是机器学习算法之一,文章论证了使用高斯过程模型预测股票价格趋势的可行性,理论上也进一步推进了机器学习方法在股票市场的应用。