作为典型的复杂自适应系统,金融市场具有内部结果层次多、参与要素多且性质复杂、变量关系多等特点,而传统金融学的研究方法侧重于总体把握,忽视了个体与个体间的互动,这使得传统金融理论遭受越来越多的质疑,人们需要新的非线性方法来研究金融市场。上世纪发展出来的复杂性科学在处理非线性问题上的成功,使得很多学者开始尝试借助于复杂性研究工具来建立股票市场模型进行研究,作为探索复杂性与复杂系统的有力工具,元胞自动机正被广泛运用于股票市场的研究。在现有的研究中,已有若干个元胞自动机模型被提出,虽然在一定程度上可以模拟并解释股票价格的宏观变化,但忽略了一些重要的影响因素,本文针对这些不足进行完善改进,建立了新的元胞自动机模型,该模型较以往模型有如下特点：(1)与以往模型不考虑投资者资金量不同,本文将投资者的初始资金量以正态分布随机变量形式加以考虑,并在交易过程中根据利润更新投资者的资金量,因此更符合股票市场的实际情况；(2)对均线交易策略做了更细致的描述,考虑了均线斜率大小对投资者决策的影响,使模型更贴近真实股票市场；(3)将投资者划分为基本面投资者和技术面投资者,引入两者比例系数,研究不同投资者比例下股票价格和收益率的演化规律。同时在该模型的基础上我们还引入遗传算法进行改进,借助生物学进化机制重新设计了元胞间的演化规则,赋予元胞自学习能力,而不再是简单的相互模仿,使模型更具有现实意义。改进的模型有如下特点：(1)投资者不再使用单一的交易策略,可以同时使用两种交易策略,这些策略附带有各自的权重,同时引入仓位权重,对投资者的属性做了更细致的刻画；(2)将遗传算法引入元胞自动机模型,重新设计元胞演化规则,赋予元胞自学习能力,增加了模型的智能化程度；(3)在投资者不同的学习能力下分别研究股票价格、收益率和权重系数的演化规律。最后,利用MATLAB对模型进行仿真实验,并对实验结果进行对比分析,结合两个模型可得到本文的结论：(1)技术面投资者过多的投机会造成市场剧烈波动；(2)技术面投资者的平均收益率要高于基本面投资者,这对投资者有投资参考价值；(3)学习机制比模仿机制优越,不过投资者盲目的学习也会导致市场波动加剧,在适度学习的同时要自己独立思考,结合自身特点制定合理的交易策略,这样可以使利润最大化,在一定程度上也可以维护市场稳定；(4)遗传算法的引入可以让投资者制定更灵活的交易策略,提高利润,在市场波动较大时,提高技术面策略的权重,降低仓位,市场平稳运行时,可以提高基本面策略的权重,提高仓位。