股票市场作为一个高风险高收益的投资领域,其运作是一个复杂的非线性系统,容易受到多方面的影响。在这个领域,投资者为了追求投资收益的最大化和投资风险的最小化,不断地探索其内在规律,寻找其有效的分析方法和工具。因此,股票预测方法的研究具有极其重要的理论意义和应用价值。股票市场具有很强的随机性和非线性,而人工神经网络是一个非线性的动态系统,可在任意精度内实现变量间的非线性关系的映射,具有良好的自适应、自学习能力和良好的泛化能力,神经网络的这种特性能够满足股市预测要求。自回归模型预测是一种精确度比较高的短期线性预测方法。它适用于各种类型的时间序列。在建模的过程中可以用一系列的统计方法检验模型的适用性,以不断调整模型的阶数,直至达到满意的结果。它只考虑时间序列本身的特性来进行预测,股市本身受到许多不可预测政治、经济等其它复杂因素的影响在AR模型能以随机扰动项来表示。本文首先选取三类不同股票指标组合,并对各指标的功能及特点进行深入的分析和讨论。其次,建立BP神经网络模型及自回归网络模型,深入分析两个模型的原理,结构和算法,并利用MATLAB软件进行编程。然后,通过选取真实股票数据,并利用建立起来的BP神经网络模型及自回归网络模型分别进行滚动预测,预测出未来五天的开盘价、收盘价、最高价以及最低价。最后,对不同方法,以及不同指标预测出的股市指标数据分别进行横向以及纵向对比分析,从而得到最优预测效果的组合。