随着“中国制造2025”战略的推行，目前股票市场该板块的上市公司已有156家，这一板块也越来越成为人们的投资热点。本文基于BP神经网络，对上市公司基本面数据对股价波动的影响进行研究，其中包括基于弹性分析神经网络的静态研究模型，和基于自回归神经网络的动态研究模型。这两个模型构建核心是BP神经网络的输入输出设计，其中利用因子分析所得公共因子为网络输入，以股价波动为网络输出构建了研究基本面对股价波动的静态分析与动态分析模型，在静态分析模型中，通过基本面影响因子的不同变化，探究其对股价波动不同的影响程度，同时，在网络输入端加入波动要素的过去值，构建了自回归神经网络，进一步分析基本面对股价波动的影响，并对股价波动变化进行了动态分析预测。
　　文章以“中国制造2025”板块156家上市公司2015年4月2019年9月的基本面数据与股价波动的相关数据为研究样本，通过弹性分析网络研究发现，“中国制造2025”板块上市公司的基本面数据对上市公司的日最高最低价价差和个股回报率差产生明显的影响。文章将基本面数据通过因子分析的方法，得到了9个公共因子，又将9个公共因子进行分类，得到了6大类因子，分别为规模因子、现金流因子、盈利因子、偿债因子、成长因子。基于弹性神经网络进行分析，当9个因子单独变化时，资产成长因子与盈利因子的增加，能够最大地增价日最高最低价的价差，增加股价的波动性，而且资产成长因子的增加同样会使得股票的个股回报率差增加，从而增加股价的波动性;当规模因子、盈利因子、偿债因子、成长因子、营运因子与现金流因子单独变动时，成长因子的增加会使得个股的日最高最低的价差增加，增大股价的波动性，规模因子的增加会降低个股回报率的差，使得股价波动变小;当六个类别的公共因子进行两两结合地增加变动时，发现成长因子与偿债因子、现金流因子的结合和收益因子与其他因子(除去规模因子)的结合能够使得个股的最高最低价的价差增加，增加个股股价的波动性，而规模因子与成长因子的结合和收益因子与营运因子、偿债因子的结合进行增加，会使得个股回报率差明显降低，会降低股价的波动性。
　　利用构建的自回归神经网络，以t时期的股价波动情况和基本面数据为网络输入，以t+1时期的股价波动为网络输出进行实证分析。分别以潍柴动力股份有限公司和TCL集团股份有限公司2015-2019年的基本面数据与股价波动数据为研究样本，利用自回归神经网络进行股价波动的预测时，发现使用月度基本面数据进行股价波动预测的误差值要小于季度数据所预测的股价波动误差，并且通过基本面数据对股价波动的预测结果也较为准确。
　　通过以上的研究结论，分别为不同类型的投资者提供了不同的投资意见与建议，也为相关监管机构提供了意见与建议。