由于股票的高回报以及高风险性，对于股票的研究和预测方法层出不穷。而股票市场是一非线性动态系统，传统的预测方法的预测误差较大，由于BP神经网络可以在有噪声环境下找到相对精确的结果且计算机的快速发展，使得依赖于计算机的BP神经网络在建立模型和预测方面得到广泛的应用。本文将使用BP神经网络预测沪深300指数，选取的是2012年8月1日到2012年12月31日之间的104天的数据，预测的输入量则选取股票中的技术指标，但由于技术指标众多，并不是每一个技术指标对股指的预测都有影响。所以本文采取灰色关联分析方法来选取预测指标，并且使用MATLAB7.1工具箱对BP神经网络预测模型的程序实现。设计三个方案，经过比较发现，BP神经网络的输入样本量不同，对于预测结果有一定影响；MATLAB中实现结果显示了经过筛选后的技术指标进行预测得到的结果更加接近实际值，并且输入样本太少误差较大，但输入样本太多，年限跨度太大得到的预测精度也不会太高。