股票市场在我国产生以来不断成长,逐步成为证券业乃至整个金融业必不可少的组成部分,受到越来越多投资者的关注,因而对股票市场走势的分析和预测具有重大的理论意义和可观的应用价值。股票市场是一个极其复杂的非线性动力学系统,而神经网络具有很强的非线性逼近能力和自学习、自适应等特性,实验证明,利用神经网络对股市建模可以取得比较不错的中短期预测成果。首先,本文对股市预测的背景、意义、国内外研究现状及股票市场的基本理论进行综述,对影响股市的各种因素、股市预测方法及股市预测面临的难题进行分析。其次,使用目前应用最广泛的BP神经网络对股票价格进行预测,将此方法应用于微软股票收盘价的预测,预测结果很好的拟合了收盘价的实际变化趋势。再次,根据股票市场高度非线性的特点及基本BP算法在权值调整过程中存在的收敛速度慢、易陷入局部极小点的缺点,本文提出了基于回声状态网络的股票预测模型。同样将此模型应用于微软收盘价的预测,并将其预测结果与BP网络模型预测结果进行对比。然后对预测结果进行MACD处理,得到了股票价格的具体交易建议。最后,以基于ESN的股价预测模型为基础建立了股价预测模拟系统,对微软、中国石化等六只股票的实际分析初步检验了本文提出的股价预测模型的有效性。结果表明,神经网络用于股市的预测是有效的、可行的。在研究中,由于样本本身容量小且我们对证券市场价格波动有重要影响的基本面诸因素没有予以考虑,所以本文的工作离实际应用还有不小的距离,有待于进一步的改进完善。要达到实用化这一目标,尚需做艰苦的努力。