股票市场作为一个经济产物，已成为衡量一个国家经济发展程度的重要指标。它不仅是宏观经济的晴雨表，也是分析微观经济的重要指标。由于它高获利性和高风险性并存的特点，研究出一种快捷、有效的股票预测系统，对股票投资将有很大的意义。 本文选取了人工神经网络作为预测的基本方法，针对神经网络收敛速度慢、泛化能力弱的缺点，提出了用粒子群(PSO)算法训练人工神经网络，以达到股票预测与分析的目的。本文首先详细介绍了PSO算法，并对其提出了一些改进方法。然后讨论了经PSO训练过的神经网络输入输出数据处理、预测方法的选择等，为股票预测提供了一种新的思路和研究方法，具有一定的理论意义和实际应用价值。 本课题的理论意义在于：尝试用粒子群算法训练神经网络，优化人工神经网络感知机网络权值，克服以前神经网络预测的一些缺点，同时对粒子群算法本身的一些缺点提出了一些改进方案。本项目研究的应用价值体现在：(1)提供一种基于PSO-神经网络的综合评估方法，有利于提高评估的科学性；(2)为股票市场的个人投资者和机构投资者的投资活动和投资决策提供新的思路和实用方法。