股市是市场经济的必然产物,在一个国家的金融领域有着举足轻重的地位。随着证券市场的逐步规范,人们的投资理念不断提高,在资本市场中逐渐形成与银行、保险三足鼎立之势。股票投资已成为众多家庭及个人理财的一种重要方式。然而,股票市场具有高风险与高收益并存的特性,股票价格的涨跌及变化趋势一直受政府、投资大众的普遍关注。本文主要完成了以下几个方面的工作:(1)深入研究了影响股价波动的因素、股价预测基础及股价预测方法,并阐述了利用BP神经网络进行股价预测的原理。(2)利用单隐层的前馈神经网络建立BP股价预测模型,详细探讨了如何确定网络层数、隐层神经元数、初始参数等问题。为了提高网络性能,将数据集分为训练集和测试集,对输入样本归一化,并采用改进后的BP算法进行训练。(3)以民生银行为例,分别采用移动窗口法和技术指标法,对所建的预测模型进行训练,并将训练好的网络用于预测股票数据,取得了较好的效果。其中,根据训练所得网络的权值,对比了各输入变量的影响程度。(4)为了验证BP股价预测模型的普遍适用性,另选取五支股票进行验证,实验结果较好,说明该模型可用于其他股票的预测。股票市场是一个极其复杂的非线性动力学系统,而神经网络具有很强的非线性逼近能力和自学习、自适应等特性,实验证明,BP网络通过对以往历史数据的学习,找出股市发展的内在规律,并将其存储在网络具体的权值、阀值中,用以预测未来的走势。