传统时间序列模型在股票非周期性预测中存在忽视外部信息、对非平稳性数据的处理能力不足，以及缺乏对市场突变的适应能力等诸多局限性。为了克服这些缺陷，本文引入国内外重大事件、节假日等外部事件影响因子，并将贝叶斯推理与随机森林回归算法相结合，对 Prophet模型进行改进。以小米集团股票数据为例进行实证分析，实证结果表明：改进Prophet模型在非周期性股票预测中的均方误差（MSE）、均方根误差（RMSE）等多个评估指标表现更优，具有更好的预测效果。