近年来,互联网在改变大众消费方式的同时也促进了电子商务行业的快速扩张,众多互联网及电子商务领域的企业纷纷开始上市融资,以求企业能获得更持久的发展,同时电子商务因其发展的不确定性以及较大的竞争,也承担着较大的风险。因而,对互联网和电商领域的上市企业的股票进行研究,无论对于企业还是投资者都具有重要的现实意义。上市公司股票作为市场经济的独特产物,不仅是企业投融资的重要手段,也是投资者获利的重要方式,在宏观经济调控、资源配置等方面也发挥着重要作用。文章以涉及互联网和电子商务业务的上市企业股票为研究对象,通过对国内外股票质量评价理论及方法进行研究,提出了利用深度学习算法来建立股票质量评价预测模型,目的是给投资者提供决策支持。研究主要有以下几个内容:首先是背景及思想阐述,文章分析了有关电子商务、股票评价理论与神经网络发展的研究现状,对股票质量的影响因素和常用评价指标进行详细介绍,阐述了神经网络理论、几类常见的结构框架以及本文所采用的算法。其次是基于股票质量影响因素创建指标评价体系,本文选取了实验样本为502家涉及互联网及电商业务的上市公司股票,通过对公司近三年的财务报表和相关网站中披露的信息进行分析,初始设定30个评价指标,组成股票质量评价体系,并进行相关数据准备工作。最后构建神经网络股票质量评价模型,包括模型结构、参数和算法设计;将实验数据输入训练,展示了数据处理过程和预测结果。通过模型的反复训练来修改各类参数,得出实验模型;采用两种方法对数据处理后分别建模,选择最优分类评价预测模型。利用Python开发环境进行模型训练,结合评价预测模型,对投资者决策提供参考依据。本文建立的股票质量评价预测模型相比于传统的技术指标分析方法,不需要将原始数据严格按照传统的数学公式计算得出指标,而是将一系列影响因素直接设成指标,组成指标体系,有利于普通投资者理解。该评价预测模型主要用于判断互联网或电商企业股票质量优劣,基于该模型对企业各类指标数据进行分析,可以辅助投资者的决策。