随着人们对投资思想的重视,人们在日常活动中越来越关注股市。然而股票投资属于一种高风险和高收益并存的投资领域,因此投资者们一直都非常关注有关股票价格的预测。自从股票市场开始出现,它就一直为国内外的许多学者所研究,同时众多的有关股票价格的预测方法也相应被提出。本文在基于各种分析之后提出了利用三层BP神经网络来构建股票预测模型。然而传统的BP网络尚存诸多不足之处,例如对初始权值的敏感、算法搜索时很难达到全局最优值、训练速率较慢等,因此应用于股票预测的效果欠佳。基于以上存在的缺陷,本文提出首先使用主成分分析法预处理网络输入变量,可以减少变量维数,降低股价数据的噪声。然后利用遗传算法优化网络参数,在网络训练过程中,选择LM算法以避免网络陷入局部极小值并促进网络的收敛速度。最后,详细讨论了网络的拓扑结构及其参数的确定原则,例如隐含层节点数和训练参数等。预测结果表明本文使用的优化算法的可行性。