作为市场经济的产物,股票市场不断发展与成长,现已成为金融市场极为重要的一部分。截至当前,全球股票市场的总市值已经接近百万亿美元,股票价格的震荡对全球经济的影响重大而深远。本文选取了国内外多个股票市场的11只代表性股票指数,并选取了相关的六个内生变量:股指最高价、最低价、成交额（仅中国股票市场）、成交量、开盘价以及收盘价。根据Wind数据库提供的2000年1月至2020年7月的日度交易数据,本文构建了Adam-LSTM深层神经网络模型来预测股票指数的未来价格,并从预测精度和预测稳定度两个角度进行分析。该模型基于Adam优化器,包括三层LSTM神经层和一层全连接层,前者用于数据训练,后者用于转换维度,同时为了避免过度拟合的情况出现,本模型还在每层LSTM神经层后加入Dropout层。另外,为进一步探讨Adam-LSTM深层神经网络模型在全球股票指数预测上的适用性,本文还选取了非线性SVR模型和线性ARIMA模型作为对照组,进行对比分析。具体研究成果如下:（1）对于预测精度,Adam-LSTM深层神经网络模型在长短期预测上都取得了较为满意的效果。从11个股票指数预测的MAPE值可以看出,本文构建的Adam-LSTM模型比SVR模型和ARIMA模型在短期分别提高0.31%和0.95%,中期分别提高0.76%和1.46%,长期分别提高0.51%和2.41%。同时,随着预测时间的增加,Adam-LSTM模型在预测精度上的优越性越来越明显。（2）对于预测稳定度,Adam-LSTM深层神经网络模型在长短期预测上都表现出了稳健的效果。从11个股票指数预测的SDAPE值可以看出,本文构建的Adam-LSTM模型比SVR模型和ARIMA模型短期分别提高0.15%和0.52%,中期分别提高0.56%和1.06%,长期分别提高0.48%和1.67%。综合全球11个股票指数不同期限的预测结果发现,本文构建的Adam-LSTM深层神经网络模型具有稳健的预测效果,在不同股指上表现出良好的泛化能力。由此可见,本文构建的Adam-LSTM深层神经网络模型可以有效地应用于部分金融领域。