自从90年代初我国建立证券市场以来,中国的股票市场得到了长足的发展,已经成为了金融投资领域不可或缺的一部分。但是不可否认,在股市深化发展的过程中,市场投机盛行,股票价格波动剧烈。严重的投机行为会让股市出现虚假繁荣,导致投资者采取错误的投资策略,监管层也有可能采取不适当的监管措施,整个股票市场将会变得非常危险。因此,如果能够找到一种行之有效的股价预测方法,不管是对投资者还是监管层,都将具有十分重要的现实意义。论文致力于运用BP神经网络技术对股票价格进行预测。BP神经网络是一种功能强大、运用广泛的机器学习算法,非常善于发掘数据间的非线性关系,适用于股票价格预测问题。论文综合考虑了股价的影响因素,从中提取出交易类指标与财务类指标,通过主成分分析法进行降维,并将经过降维后的主成分作为网络的输入变量。为了解决BP神经网络的固有缺陷,论文又运用思维进化法对神经网络的初始权值和阈值进行优化。通过以上步骤,建立了“综合模型”。论文同时建立了四个对比模型,用来强调考虑综合变量、降维和优化的必要性。论文以军工板块的个股数据为样本,利用SPSS和MATLAB构建股价预测模型,通过实证分析,发现较之对比模型,综合模型具有最高的预测精度,其均方误差和误差百分比均值分别为1.1654和0.0562,模型预测的方向正确率为84.62%,在一定程度上能够为投资者和监管层提供决策依据。