伴随经济全球化的发展,各国股票市场极端风险频繁发生,产生极大的危害。因此,建立合理的股票市场极端风险预警机制尤为重要,具有较高的现实意义。但股票市场是一个错综复杂的整体,受到多方面的影响,市场间常出现“异常”现象,其数据表现出复杂的非线性关系,这会对建立极端风险预警模型造成不利影响。在这样的背景下,人工智能方法得到了更多学者的青睐,其能够较强的处理数据间的非线性问题。深度学习是人工智能领域中受到学者关注的一个领域,应用十分广泛。目前,国内鲜有基于深度学习技术的股票市场极端风险预警研究。本文将深度学习方法中深度全连接神经网络(DNN)、长短期记忆网络(LSTM)引入股票市场极端风险预警,建立稳定、有效的模型,对我国股票市场极端风险进行预警。本文以沪深300市场作为研究对象,首先,利用多分形方法界定股票市场状态特征指标变量,从市场内外两方面来筛选风险特征指标,对其进行主成分分析(PCA)得到市场风险特征指标变量,组成风险预警指标。然后,建立DNN、LSTM股票市场极端风险预警模型,进行分析评估,并将模型用于沪深300市场极端风险预警当中。研究表明,DNN、LSTM极端风险预警模型在我国股票市场表现出良好的稳定性,均能对我国股票市场极端风险进行科学、有效的预警,具有较高的现实意义。