近年来,基于时间序列分析的预测,在各个领域中都得到了广泛的应用。我国股票市场是一个高度复杂的非线性动力系统,对股票价格进行预测较为普遍的模型就是时间序列模型,后来科学家通过对人脑的研究,提出了神经网络模型。基于神经网络具有自适应学习、高度鲁棒性和容错能力、能充分逼近复杂的非线性关系等优点,神经网络模型受到人们的普遍关注和认可,并在预测方面取得了显著成绩。股市时间序列具有以下两个特性:首先,它貌似随机但又好像不完全随机;其次,它非常容易获得。因此,众多研究学者以及股票交易者都希望能从中找出某些规律对股票价格或收益率进行准确预测。本文的研究对象是股票价格预测模型。时间序列预测方法体现了股价运行的长期趋势,股价短期技术调整是非线性关系,可以用神经网络模型进行分析。本文首先介绍了时间序列分析的相关概念,其次介绍了三种时间序列的计量模型,最后介绍了时间序列的另一种预测模型就是神经网络模型,神经网络模型能够拟合任意非线性曲线,它的思想是在给定的预测度下通过给定的样本数据进行机器训练,建立输出与输入的函数关系。本文以我国股票市场中的个股亚泰集团数据和康美药业数据作为研究对象,以投资者短期的投资经营理念为主,来预测股票价格的未来走势。本文采用Matlab软件实现的方法,利用其工具箱和简单的编程环境,对中国股票市场数据进行检验。结合所学数学知识,我们选择时间序列的线性模型和BP神经网络模型再次对股票指数数据进行仿真和预测。然后通过误差分析,把线性模型和BP神经网络模型的预测结果进行比较,得出两种模型的优点与不足,为未来的工作提出宝贵的意见。