股票是企业重要的直接融资手段,也为社会个人提供了财富增值的方式,是社会财富再分配的重要工具,但是股票的高收益和高风险并存,人们往往被高收益所吸引而忽视高风险。对股票的走势进行预测分析,从而对投资者的交易行为进行指导,可以有效的降低风险,实现高额稳定的投资收益。股票技术分析和基本面分析,虽然有一定的预测作用,但是使用起来复杂且主观性强。量化分析投资策略,通过构建模型对股票趋势进行预测,从而进行投资决策,逐渐成为投资研究领域的趋势,尤其是近几年,计算机技术飞快进步,人工智能成为热门的研究领域,深度学习取得了突破性的进展,量化分析中使用的模型,逐渐从线性模型过渡到非线性模型,预测能力和可信度大幅提升,金融机构提供的智能投顾服务逐渐被投资者所接受。本研究利用当前最流行的TensorFlow机器学习平台,基于传统的股票量价分析理论,在GRU预测模型中引入了批标准化,以使模型快速收敛,同时能够减轻梯度消失和梯度爆炸的问题,提升模型的泛化能力,设计了双BN+GRU结构的循环神经网络模型,可以对股票后一个交易日与后五个交易日的开盘价涨跌和开盘价进行预测,实验使用了上证指数、茅台和建行的近十年的交易数据去验证模型的有效性,并且与传统的线性模型进行了对比分析,发现通过此方法构建的模型拥有良好的泛化能力和拟合能力,预测的精度很高,尤其是对后五个交易日的开盘价涨跌预测,拥有很高的正确率,可以应用在股票的短期套利交易策略上。