在金融二级市场上对数据的分析方法主要是基于统计学和人工建模的方法,本文通过对金融二级市场数据的特性分析和研究,提出了在金融二级市场上使用神经网络方法的思路。本文证明了在二级市场使用神经网络进行数据分析的可行性。并且通过分析金融二级市场的数据,把整个数据来源分为三个模块,并且根据金融数据的特点和一些金融分析方法的先验知识,设计出一种适合于处理金融数据的CNN-LSTM网络来处理数据,该网络能够通过CNN网络去分析数据的价格的形态特征和数据的时序特征,通过这两个网络的组合,可以有效的对金融二级市场的数据进行分析。该网络对比传统的简单的统计方法和一些神经网络方法比如逻辑回归,卷积神经网络(CNN),长短期记忆网络(LSTM)等方法,在对市场价格变化在较短时间内的预测和在较长时间内的预测都有一定的提高,比简单的统计方法提高7%左右,比其他神经网络提高4%左右。