股票市场是现代经济和社会生活中必不可少的一部分。通过技术手段对股票时间序列变化趋势进行预测有较为重要的意义。在使用传统时间序列模型对股票时间序列进行预测时，往往只利用历史收盘价信息，对收盘价序列有一定的性质要求，预测与估计多针对单只股票，分析难度高、股票间迁移复杂。因此本文提出了一种基于时间序列嵌入模型和随机森林模型的预测体系，综合考虑多维度信息，对时间序列性质不作要求，训练完成后可以对任意一只股票的未来收盘价变化趋势进行预测。其中时间序列嵌入模型克服了传统时间序列模型中假设较强、维度较低的弱点，通过时间序列嵌入表示将多维历史股票时间序列数据转化为状态向量，表示历史趋势。随机森林模型通过大量学习历史趋势和未来变化的关系，提供鲁棒、可靠、普适的趋势预测结果。　　实证研究中，本模型对股票时间序列趋势进行预测的准确率为77.27％，证明本毕设所提出得基于时间序列嵌入表示模型和随机森林模型的预测理论的有效性。同时由于该预测体系的易用性好、鲁棒性高、拓展性强，可以作为基于数据挖掘的金融预测模型的基础体系，不断融入更多高级模型，迎击大数据金融的浪潮。