金融市场的量化交易研究一直是专家和学者的重点关注对象,其中比较有代表性的就是对股票市场的研究。本文为了对股价及其走势进行有效的分析和预测,系统地考究了当前股票市场中常用的预测方法以及以往在股市预测中所遇到过的问题后,在传统人工神经算法模型的基础上,用萤火虫算法对其参数的设置进行了优化调整。将混合后的算法FA-BP和FA-LSTM算法用于金融股市数据的拟合分析中,发现经过萤火虫算法优化调整后的混合算法在股市预测中的灵敏度、准确性都有了进一步改善。在股市随机价格的研究中,发现不同的神经网络模型之间得到的训练结果也会有差异性,尤其是由于股价数据的时序特性,拥有较优良模拟效果的LSTM模型所得结果会更加优异。但用萤火虫算法对这两种模型进行优化后发现:萤火虫算法对于两种神经网络模型都具有一定的改良效果,最终预测结果的准确性也有提高。在对股市的涨跌走势进行研究时,得到的结果和价格研究中的结果相似:对于神经网络模型,萤火虫算法确实有改良算法的作用。在经过检验过后,发现FA-LSTM对于股价涨跌走势的预测准确率是最高的。利用最优的FA-LSTM进行模型推广,对股市未来一周的涨跌走势进行预测并记录准确率,发现在未来的前三天预测结果的准确性都是逐步上升的,但是从第四天开始,预测的准确性开始逐步下降。本文考虑从优化神经网络模型出发,探究了能够预测股市价格和走势的四种模型,最终得出FA-LSTM模型相较于其他三种模型是最优的一种,能够为股市研究提供一个新的思路。但是我们也要认识到:即使是预测效果最优的FA-LSTM模型也只能对股市进行一个短期的预测。