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业乃至整个金融业必不可少的组成部分,将股票市场走势进行分析和预测具有重要的理论意义和实际的应用价值。近年来,人们一般是通过建立时间序列预测模型来解决股价预测问题的,时间序列预测模型在线性系统、平稳时间序列问题上得到广泛应用,但在处理具有非线性特征或非平稳时间序列问题上,特别是在有人参与的主动系统、社会经济系统的预测上,这类方法无法取得令人满意的预测效果。随着非线性理论和人工智能技术的发展,小波分析和神经网络发展成为金融市场的分析和预测工具,但由于小波分析和神经网络各自内在的局限性,使它们用于股价预测时,结果不是很理想,如:BP算法收敛速度很慢,且在网络初始参数数据选取不当时,易陷入局部极小点;正交小波构造比较复杂,难以用显式表达等。而小波神经网络结合了小波分析和神经网络的优点,在一定程度上克服了二者各自应用于预测系统的不足,因此,将小波神经网络应用于股价预测具有重要的理论意义和实际的应用价值。本文首先介绍了小波分析和BP神经网络的基本理论;然后利用BP神经网络构建了BP神经网络短期预测模型,对模型中样本数据的选取、网络输入量的确定、数据的预处理方法等问题进行了规定,通过仿真实验确定了模型中隐含层神经元的个数;并对个股收盘价进行仿真实验,实验结果表明BP神经网络用于股价预测的效果是较好的。最后从小波神经网络的构造理论出发,对小波和神经网络的松散型结合方式进行了深入分析,提出利用小波分解与重构技术构建小波神经网络短期预测模型的方法,通过仿真实验确定了模型中重构的尺度;并对个股收盘价进行仿真实验,实验结果表明小波神经网络比BP神经网络模型预测效果更好,具有实际的推广应用价值。