近些年，日内交易在中国获得了快速的发展，各类日内交易平台逐渐发展完善，因此，针对日内价格的预测研究显得越发重要。此外，金融市场日内价格的预测对于日内交易策略的制定、日内价格波动率的研究等课题有着重要的影响。因此，展开对日内价格的预测研究具有十分重要的意义。在所有的金融市场中，股票市场作为国家经济的晴雨表，对于整个证券市场的影响十分巨大。以往已经有很多学者针对股票日间价格预测展开了大量的实证研究，但是，随着日内交易的快速发展，日内股票价格预测逐渐成为一个重要的研究方向，这也是本篇论文重点探讨研究的话题。
　　人工神经网络（ArtificialNeuralNetwork，ANN）具有较强的非线性映射能力，十分适合作为股票市场价格预测的模型工具。而近些年来，以ANN为基石的深度学习发展迅猛。因此，本文基于H股股票分时数据，采用经典的BP神经网络（BackPropagationNeuralNetwork，BPNN）构建价格预测模型并创建虚拟交易员进行模拟日内交易。同时，在遗传算法（GeneticAlgorithm，GA）和模拟退火算法（SimulatedAnnealingAlgorithm，SAA）的使用方面，本文提出了一种具有创新性的优化结合方式，直接对虚拟交易员进行筛选和优化，最终通过价格预测的精度指标和模拟日内交易的收益率来研究BP神经网络用于股票市场日内价格预测的可行性和有效性。
　　本文的研究结论主要有以下几点：（1）多参数对比是确定合适的BP神经网络模型的可行方法；（2）BP神经网络模型能够对所选股票的日内分时数据进行有效的训练，训练的回归拟合效果良好；（3）经过多只不同股票训练后的BP神经网络模型对于日内价格具有一定波动幅度的股票具有良好的预测能力，并且具有很强的泛化能力；（4）针对日内价格具有一定波动幅度的股票，本文建立的虚拟交易员利用BP神经网络预测的日内价格结合设定的交易策略能够获取有效的收益，并且在价格下降阶段能够降低价格变动带来的损失；（5）本文设计的GA和SAA相结合的优化方法能够有效地对BP神经网络模型进行优化并提高整个虚拟交易员种群的交易收益率。
　　论文研究的创新之处主要有以下几个方面：（1）针对中国H股股票市场日内价格的预测进行研究并建立虚拟交易员进行模拟日内交易，具有较强的开拓性；（2）不仅仅将遗传算法和模拟退火算法用于BP神经网络的优化，创新性的将优化过程同虚拟交易员的模拟交易结合起来，提供了一种新颖的优化思路；（3）在测试股票的挑选时考虑了日内价格波动的因素。由于学术水平所限，本文研究难免存在不足之处，未来可以在以下几个方面进行完善：（1）在模型工具上进行拓展，研究包括卷积神经网络在内各种新型神经网络在日内价格预测中作用；（2）采用的交易策略较为简单，在交易策略的选取上可以进行更深入的研究。