随着中国经济的不断发展,中国金融市场在社会经济领域中所起到的资源配置作用越加凸显,在全球化市场的不断完善、金融创新层出不穷的大背景下,金融市场的稳定运作,已成为支持我国经济持续向前稳步发展的重要因素,与我国未来的发展前景具有密不可分的联系。在我国股票市场发展的二十多年历史中,行业间的轮动现象始终是投资者关注的热点。如果能够把握市场中行业间不断此消彼长的节奏,从行业配对交易策略入手,准确预测相对表现强势的行业,不仅能在一定程度上揭示股票市场的运行规律,更能在实践中对投资起到良好的指导作用。神经网络技术,因其具有的非线性映射、对于样本的自适应能力等优点,一经面世就受到了学术界很大程度的关注,随着其在模式识别、智能控制等工程领域所取得的一系列成功,人们逐渐发现,神经网络擅于揭示数据间复杂的非线性映射关系的特性,为揭开金融市场中变量间的相互关系提供了有效的途径。本文首先通过市场中,不同行业的市盈率序列的平稳性与协整性出发,指出市盈率序列的差值往往具有更强的“均值回复特性”,从而表现出不同行业间的相对估值通常比行业本身的绝对估值具有更强稳定性。进而通过引入BP神经网络技术,结合本文的预测对象,对BP网络的输入变量,网络结构,初始权值、训练方法等多个方面进行了优化。最后以金融服务行业与医药生物行业为例,采用滚动预测法,对2011.1.4-2012.2.29间的行业间相对强弱关系进行了预测。仿真的结果表明,基于BP网络对于行业间相对强弱关系的预测是切实可行的,并且对实际投资也具有很强的指导意义。