随着国民经济的迅速发展和市场经济的不断完善,股票市场逐步成为我国证券乃至整个金融业必不可少的组成部分。但由于我国股票市场发展时间短,还很不成熟,非理性投资大量存在。因此,对股票市场进行有效的预测具有极大的理论和现实意义。近年来,学者们通过多元回归分析、时间序列分析、指数平滑等方法进行预测,然而由于股票市场的非线性特点,传统方法很难给出较为满意的结果。神经网络作为一种有效的智能信息处理技术,已经取得了令人瞩目的发展,并得到了广泛的应用。它具有学习、记忆和计算等职能处理功能,已成为解决问题的有力工具,对突破现在科学技术的瓶颈,更深入的探索非线性等复杂现象起到了重大作用,并广泛应用于许多科学领域。本文应用BP、RBF神经网络及其组合模型进行股票预测。文章首先对神经网络的基本理论进行了深入的探讨和研究；利用BP和RBF单神经网络建立了短期预测模型,对模型的结构设计、参数选取、数据预处理等问题进行了探讨,并以中国银行为例,进行了实例分析；为了进一步提高预测的精度和稳定性,本文建立了基于BP和RBF神经网络的主从神经网络模型和根据拟合误差确定权数的组合神经网络模型,并进行了实例分析,结果表明：组合神经网络模型较单神经网络模型在精度和稳定性上都得到了提高,具有广阔的应用前景。