本研究希望运用人工神经网络技术，探讨考虑基本面因素(如总体经济状况、行业经济状况、公司经营状况)时对个股短期股价预测有无帮助。首先，本研究选择在美国上市的汤姆逊公司股票为研究对象。其次，希望找到合适的人工神经网络，能准确预测个股一周后的股价。本研究采用带延时单元的三层反向传播神经网络。最后，我们选择两套指标分别作为网络的输入变量以比较预测效果，它们是：1、基本面因素(包括总体经济状况、行业经济状况、公司经营状况)和股市实时指标；2、仅采用股市实时指标。 本研究的实证分析表明：1、训练算法Levenberg-Marquardt算法的训练精度高，与共轭梯度算法相比，它们的预测精度没有显著差异；2、隐含层神经元数目多少，与预测精度没有必然的联系；3、在本研究中，对数S型激励函数比正切S型激励函数的预测效果更佳；4、总体经济状况、行业经济状况、公司经营状况都是一定时期的统计数据，只有达到一定积累后才能从统计数据中有所体现。而且个股对总体经济变化的反应不如整个股票市场敏感，所以使用经济指标只适合预测股市的中长期趋势，对于预测个股每周股价变化的短期趋势作用不大。我们选用股市实时指标作为人工神经网络的输入变量，经过循环13次的训练96组数据和预测1个股价，结果显示平均预测误差率3.4％，绝对偏差在USD0.27～1.94之间。 本研究结论应属原创，如果预测一周以下的个股的短期股价趋势时，仅采用股市实时技术指标作为人工神经网络的输入变量，而不考虑基本面因素，其预测精度将提高。