神经网络自开创以来一直深受各国专家学者的重视,日渐成为一种重要的处理非线性问题的工具,被广泛应用于各种领域并取得了辉煌的成就.股票市场是经济的晴雨表和报警器,其作用不仅被政府所重视,而且受到投资大众的普遍关注,将神经网络用于股市预测是神经网络的一个重要应用领域,经典的预测方法用于非线性系统的股市预测有一定困难,而神经网络具有优良的非线性特性,特别是用于高度非线性系统的处理,因此基于神经网络的智能预测是解决非线性股市预测问题的有效方法.该文首先介绍了现有的各种股市预测方法以及国内外股市分析软件的现状以及神经网络的发展过程,然后深入地分析了前向网络的结构、学习能力及BP算法,指出前向网络用于股市预测的几点不足之处.在此基础上,结合股市自身状态随时间推移不断变化的非线性动态系统的特点,提出了利用循环神经网络预测股市的方法,并深入分析了循环神经网络的结构及其训练算法,给出了利用神经网络建立股市预测模型的具体步骤.并且在对利用神经网络预测股市时所遇到的问题进行分析的基础上,提出了具体的解决办法.最后在Window 2000的操作平台上,引入面向对象的程序设计方法,前台使用Visual C++和Matlab混合编程,后台使用SQL Server200关系型数据库,对基于神经网络的股票预测系统进行了具体的设计与实现,并以戴姆勒克莱斯勒股票的历史数据对神经网络的性能进行了分析研究,得出相应结论.