股票市场是经济的“晴雨表”和“报警器”，其作用不仅被政府所重视，而且更受投资大众的普遍关注。但是当前对股票的预测只能进行走势分析，而不能给出明确的买卖操作建议，主要还是依靠股民的股市经验来进行实际操作。基于神经网络的股票预测系统研究，是目前金融领域研究的热点之一。但是神经网络具有收敛速度慢和容易陷入局部最小值的缺点，并且单纯用神经网络对股票进行预测时可信度也不是很高。针对这些问题本文尝试利用神经网络和决策树的组合技术来预测股票。 本文应用神经网络和决策树的组合技术来确定股票买卖交易量，提供股票操作支持的这一课题进行了深入研究和探索，设计了一个基于前向神经网络和决策树的股票预测系统。首先，文中介绍了现有的各种股市预测方法和它们的优缺点，并介绍了国内外股市分析软件的现状。然后深入地分析了前向网络的结构、学习能力及 BP 算法。提出了将股价和成交量作为神经网络输入量来实现操作决策支持，分别利用 20 日股价均线和成交量均线对股价和成交量进行归一化处理，实现标准化后的数据跟随原数据动态地变化。通过实例给出了利用神经网络建立股市预测模型的具体步骤，并提出了股票预测的最佳方案：把股票预测系统分成买入和卖出系统，利用另一种技术辅助神经网络找出k线图中的转折点，提出了利用决策树辅助神经网络进行预测的方法。最后介绍了决策树的属性选择度量方法、建树算法、剪枝算法以及其它一些经典的算法，如 RAINFOREST 算法，并给出了如何利用决策树对股票进行预测。 本文采用 Matlab6.5 开发了一个基于神经网络的股票预测平台。利用它可以提取实时和历史数据，并对股票进行预测。文中分别对神经网络算法的选取，决策模型的建立，系统结构的设计以及系统功能的实现作了深入地分析与详细地描述。