做为一个非线性动力学系统,股票市场是十分复杂的,股票投资中收益与风险是并存。股市内在规律的研究和预测具有极其重要的应用价值和理论意义。投资者们希望能寻找有效的方法和工具来对其进行分析,探索其内在规律,从而实现从中获利的目的。但是股市预测任务是非常艰巨的,股价系统内部结构的复杂性、外部因素的多变性都使得传统的预测工具难以满足这种需要。而神经网络具有很强的非线性逼近能力和自组织、自适应等特点,能自动从历史数据中提取有关经济活动中的知识,因而非常适用于解决股票预测领域中的一些问题。本文分析了股票市场预测面临的关键问题,比较了各种股价预测方法,探讨了利用BP(Back Propagation)神经网络对股价走势进行分析和预测的可行性。通过对历史数据的学习,BP网络能找出股市的内在规律,并将其体现在网络的权值、阈值中,进而预测股市未来的走势。本文在基于BP网络股价预测的原理上,利用三层前馈神经网络对股价建立预测模型,探讨了样本数据的选取以及预处理、网络拓扑结构设计、隐节点个数选择等问题,建立基于BP网络的股价预测模型,采用自动归一化的训练方法来提高网络的泛化能力。通过MATLAB软件建立对上证指数收盘价的网络预测模型,进行仿真实验,较好地预测了收盘价的短期走势,并对单步、多步以及滚动不同预测方法的实验结果进行了比较分析。