上世纪九十年代初我国成立证券市场,为我国股票交易引入了合法、便捷的渠道。随着时代的发展,国民投资意识渐渐觉醒,开始把目光从保守的投资手段转移到高风险与高收益并存的股票上,“股民”的队伍越来越壮大。但是必须承认的是,目前市场上的大多数投资者没有经过系统的研究学习,实践经验也相对薄弱,很多时候只是人云亦云,闻风而动。再加上我国股市成立时间不是很长,监管机制并不十分成熟,股市中仍然存在少数投机行为。因此,运用一种科学、有效的股价预测方法,不论是对投资者个人还是监管层,意义都十分重大。本文采用BP神经网络对股票价格进行分析预测。BP神经网络是机器学习算法中的一种,因为其自反馈的算法原理和多层网络结构,拥有强大的自学习能力,能够解决复杂的非线性映射问题,所以十分适合运用到影响因素众多的股市。但它自身也存在局部最优解和收敛速度慢等不足之处,所以本文采用了基于遗传算法优化的BP神经网络模型（即GA-BP算法）,通过遗传算法的全局搜索和逐代进化等思想理念,为BP神经网络的参数寻优过程提供新思路,从而更快速、更准确地使网络中的参数收敛到最优解。本文综合考虑了影响股价的各种因素,从中选取12个指标,通过PCA方法提取四个主成分作为网络的输入变量,第二天的收盘价格作为输出变量。利用沪深300指数的交易信息训练模型参数,然后在不同行业选取四支个股验证模型的预测效果。首先利用BP神经网络进行预测,在沪深300指数的预测期后半段出现严重的偏差,对个股的整体预测结果也不理想。然后利用遗传算法优化神经网络的参数,再对股票收盘价进行预测。结果表明,对于本文选取的全部样本,GABP算法相比单一的BP神经网络的预测精度都有了明显的提高,四支个股的平均均方误差由2.1176降低至0.258,验证了遗传算法的有效性。