本研究以贵州茅台 2020—2024 年日频股价数据为样本，构建相关技术指标，采用均方根误差(RMSE)、平均绝对 百分比误差(MAPE)和决定系数(R2 )作为评价指标，对 ARIMA、随机森林、支持向量机和 LSTM 四类模型的预测效果进行了比较 分析。结果表明，ARIMA(1,1,1)模型预测表现较弱，说明线性模型在刻画股价非线性波动方面存在局限。相比之下，非传统 模型整体预测效果更优。其中，随机森林模型表现较为稳健，支持向量机模型综合性能最佳，显示出其在非线性、小样本条 件下较强的预测能力；LSTM 模型预测效果居中，其在长时序依赖建模方面的优势尚未充分体现。 关键词：股价预测；时间序列；机器学习；结果评估