自1990年上海证劵交易所成立以来,中国股票市场经历了震荡发展阶段、逐步规范化阶段和市场化阶段。但是,就其总体而言,股价波动存在着幅度大、频率高的特点,从而使得股票市场风险性强、不稳定性高。一定范围内的股价波动能够对国民经济起到促进作用,但是过于频繁和剧烈的波动,会让投资者不知道如何去进行投资决策,甚至影响整个经济的稳定。在这样的背景下,探究股价波动的规律,对股价波动作出预测就显得尤为重要了。上市公司的财务指标数据作为股票市场的主要信息来源、投资者进行投资决策的重要依据,是非常具有代表性的。如果能够将反映公司内在价值的财务指标数据加入到对于股价波动的预测当中,将富有现实意义。本文首先对国内外关于股价波动预测的相关文献进行梳理,然后对影响股价波动的因素进行分析后,选择了能够代表公司内在价值的财务指标作为影响因子。结合相关理论基础,分析了财务指标对股价波动的作用机制以及主要财务指标的选择问题。本文以沪深300制造业上市公司为例,选择了盈利能力、偿债能力、发展能力和运营能力中的14个财务指标,创新性的将盈利能力指标、偿债能力指标、发展能力指标和运营能力指标所构建而成的财务指标体系作为评估公司经营状况的标准,对上市公司的经营状况进行打分排名,选择优质的公司作为本文的研究对象。通过BP神经网络来训练模型,并根据样本外数据进行预测检验;通过对比分析,将主成分分析之前的BP神经网络与主成分分析之后的BP神经网络预测效果进行对比,得出结论。本文研究发现:一是我国股票市场可以进行预测;二是本文所选的沪深300制造业上市公司的财务指标能够通过BP神经网络对股价波动进行预测;三是在预测模型构建上,PCA-BP神经网络提高了预测的准确度和运算的效率,降低了预测的误差,是一种更优的预测股价波动的方法;四是投资者可以通过构建由盈利能力、偿债能力、发展能力和运营能力构成的财务指标综合评价体系对上市公司的经营状况进行打分排名,以期更客观的了解上市公司的经营状况,从而进行投资决策。