在证券市场参与度越来越高的今天,行之有效的预测方法对于监管者和投资者都具有十分重要的现实意义。由于影响股票价格或者价格指数的变化十分复杂,相比于传统的非机器学习或者简单技术指标分析,建立多变量非线性系统模型进行预测将具有更便捷、更有效的应用意义。神经网络因其自身具备强大的映射能力、学习能力与适应能力,在有关多变量非线性系统建模方面的实践研究受到了广泛关注,由此成为一种新兴的的时间序列预测方式。本论文在BP神经网络预测模型构建与运用方面,在前人所做贡献基础上进一步优化,同时,具体参考不同应用条件的策略绩效评价,希望对投资者行为有一定借鉴作用。本文致力于构建与运用BP神经网络对近期沪深300收盘价指数数据进行预测、对传统均线策略进行改进并模拟交易进行绩效评估。论文以2010年1月1日至2017年8月3日沪深300指数相关数据为研究对象,利用Eviews、S-plus和R软件进行实证分析。文章主体部分首先进行对沪深300收盘价格指数可预测性的探究,进行时间序列的长记忆性检验。之后,进行BP神经网络的构建与优化,所做优化包括模型构建的样本区间选取采用Bai-Perron检验、采用主成分分析法进行输入层变量确定、隐藏层神经元个数确定运用十折交叉验证和自定义AIC准则,以及神经网络算法改进增加动量项。最后,本文制定了改进均线交易策略,定义相关交易方式并进行模拟交易与绩效评价。本文实证研究发现沪深300收盘价格指数存在长记忆性,因此利用其历史数据进行预测是可行的,这也是对预测工作的前提验证;通过结合前人经验与更一步优化BP神经网络,发现能够通过其自身多变量非线性系统较为准确的预测“今日”收盘价格指数,并且将预测结果通过制定交易策略加以运用能够取得不错的交易效果;由于之前构建BP神经网络进行预测从未考虑过时间段截取的影响,因此实证部分采用比较法探究时间段截取对预测结果的重要性。实证结果表明构建BP神经网络之前是需要对时间序列数据进行结构突变检验的,因为可能制定的策略将适合不同风险偏好的投资者。