4.构建股票数据走势预测模型要求：选取股票上证综指和某一只个股2021年交易收盘数据，构建回归模型对收盘价格进行预测，验证构建模型的算法的可行性。

构建股票数据走势预测模型是一个复杂的问题，需要考虑多个因素，比如历史数据、市场情况、政策等等。在这里，我提供一个简单的方案，供您参考：

1. 数据获取：从股票交易所或者相关财经网站获取上证综指和某一只个股（比如腾讯股票）2021年的交易收盘数据，包括收盘价、成交量、涨跌幅等指标。

2. 数据预处理：对数据进行清洗、处理，包括缺失值填充、异常值处理、数据标准化等操作。同时，可以进行数据可视化分析，探索数据之间的相关性和趋势。

3. 特征工程：对数据进行特征提取和特征选择，包括时间序列特征、技术指标、基本面指标等。可以使用机器学习算法，比如主成分分析（PCA）、线性判别分析（LDA）等方法进行特征降维和选择。

4. 模型构建：选取适当的回归模型进行训练和预测。可以使用传统的统计学方法，比如线性回归、多元回归等；也可以使用机器学习算法，比如决策树、支持向量机（SVM）、神经网络等。可以使用交叉验证等方法进行模型选择和调优。

5. 模型评估：使用一些评价指标，比如均方误差（MSE）、均方根误差（RMSE）、平均绝对误差（MAE）、R2 等，对模型进行评估和比较。同时，也可以使用预测结果与实际结果的比较图等方法进行可视化分析，评估模型的预测能力。

以上是一个简单的股票数据走势预测模型的构建方案，具体实现还需要考虑数据的质量和可靠性，以及模型的稳定性和可靠性等因素。