自2001年9月我国开放式股票型基金发行第一支基金开始,至今仅有10多年历史。开放式股票型基金因具有激励约束强、透明度高、流动性好等特点,从出现至今已逐步成为投资者重点关注的投资对象。并随着开放式股票型基金在的证券市场乃至整个金融市场发挥着越来越重要的作用,国内外大量学者已在我国开放式股票型基金相关领域进行了许多研究。基金市场是否有效,基金经理是否能持续战胜市场,基金前后期业绩是否具有持续性,这些都是研究的重点和难点内容。对基金业绩持续性的研究以往常用spearman秩相关检验法、扫描统计量和横截面回归法等方法,但由于这些方法存在对整体基金样本未能做出有效分类、未考虑极端值干扰、分布函数不适用等缺陷,因而影响到对基金业绩持续性研究结果的准确性。而神经网络算法可利用神经元之间的信息传递整合三种测算方法中的对基金业绩持续性有用信息,通过神经元的阀值过滤掉无用信息和系统性误差,并且由于神经网络算法使用逻辑斯蒂函数为神经元处理函数从而能较好的拟合非线性关系,通过从属度函数对基金按业绩和排名等因素进行有效分类,剔除极端值干扰。本文引入神经网络算法,对2014年10月至2017年10月间我国股票型基金业绩数据进行其持续性实证测算。其结果发现,我国股票型基金的业绩持续性在不同时期有一定波动,具有业绩持续性的基金在90%置信度下占总基金数13%左右;进行足够学习次数的神经网络算法测算出具有业绩持续性的基金,在考察期内对其业绩是否存在持续性的检测准确率达到70.37%,显著高于传统三种方法测算具有持续性的基金的检测准确率。因此本文认为,神经网络算法能较好的解决现行基金业绩持续性测算方法中的不足,能够提高基金业绩持续性测算的准确度和优化测算的数据结构。