从19世纪建立以后，股票市场的涨跌已经成为反映一个国家国民经济的重要指标。它的作用不仅被政府部门所重视，也成为了广大投资者的关注对象。股票价格的变化和未来发展趋势对投资者来说是非常重要的。对股价预测越准确，投资者就能在风险较小的情况下获得较大的利润。股票市场的变化对于国家的国民经济发展和现代化建设也具有举足轻重的作用。因此对股票价格的预测研究，不仅有利于投资者掌握科学的投资方法，帮助投资者进行科学理性的投资，使投资者在风险最小的情况下获得最大的收益，而且在宏观层面上也具有重大的理论意义和诱人的应用前景。　　本文以股票价格预测分析为研究的出发点，以广泛应用于预测实践的BP神经网络技术为基础，探讨了基于模拟退火算法优化的BP神经网络股价预测模型的有效性，并讨论了该预测模型相关参数变化对预测结果的影响。文章通过总结和归纳前人研究的基础上，系统分析评述了应用于股票价格预测的各种分析方法。通过对股票价格的各种预测方法和所面临问题的分析，本文提出了基于模拟退火算法优化的BP神经网络股价预测模型。通过对上证指数的实证分析，并与指数平滑法，ARIMA方法等传统时间序列分析方法的比较可知，改进后的BP神经网络具有良好的预测精度和稳定性，能够很好的预测股票价格。之后，文章从两个方面对这个模型做了更进一步研究。首先本文在这个模型的基础之上提出了滚动预测方法，通过将输出值加入到模型输入值中进行滚动预测未来一段时间的股票指数，由于计算机的限制预测结果并不理想，但为投资者进行股票的中短期预测提供了一种新的思路和方法。其次，本文从神经网络参数优化方面考虑对模型进行优化，通过对隐含层层数和所包含神经元个数的研究，本文找到了确定隐含层层数和神经元个数的关键因素，为研究神经网络的最优结构提供新的方向。