证券市场中成功地交易模式是可以模仿学习的。证券是一个高度复杂的非线性动态系统,其变化规律既有一定的自身的趋势性,又受政治、经济、心理等诸多因素的影响。技术分析、心理分析以及建立在数理统计基础上的传统定量预测方法在对股市的研究中面临着许多困难,而神经网络具有自组织、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,因而非常实用于解决股票预测领域中的一些问题。迄今为止,国内外许多学者都建立了相应的预测模型,给出了较好的预测方法,也取得了较好的预测效果,但是关于股票的信息数据是巨大的,大多数研究都只是对大量数据进行挖掘,必然产生很多噪声信息,针对于此,本文对具体的技术分析中K线特征形态进行研究,提炼优化现有的交易模式。本文的工作主要有以下几个方面:(1)概括总结了现阶段在股市分析中运用的理论,论述了神经网络在股市预测模型中的应用,提出了在股票分析中存在的问题以及解决的思路,最后提出本文的研究思路。(2)对技术分析中各种分析方法进行分类总结,重点介绍本论文运用到的K线理论,尤其是锤形K线理论。(3)建立基于神经网络的股票分析模型。讨论了数据采集的指标、采集数据方法和数据处理方法;讨论了建立神经网络结构参数和函数选择问题;学习matlab软件。(4)实证对作为股票技术分析的K线图中广泛使用的锤子(倒锤子)图形进行预测,分别分析不同情况的训练样本和不同预测对象对预测的影响。结果表明,BP神经网络用于国内股市的预测是有效的、可行的。同时,在研究中,由于样本本身容量小且我们对证券市场价格波动有重要影响的基本面诸因素没有予以考虑,所以本文的工作离实际应用还有不小的距离,有待于进一步的改进完善。要达到实用化这一目标,尚需做艰苦的努力。