本文提出了一个面向股市预测神经网络系统，并针对系统性能的改善进行了深入研究。 在对前馈神经网络的训练中，使用参数自适应方法实现了学习率、惯性因子的自我调节，以避免系统误差陷入局部最小，加快网络的收敛速度，结果证实网络的逼近精度及泛化能力均得到了极大的提高和改善。 我们采用上述优化算法，对深市某股票价格进行了基于模糊参量的神经网络模拟。为全面反映股市的特点和规律，该模型采集2001年3月1日至2003年4月11日原始数据，综合运用基本因素法和技术分析法，详细分析了影响股价走势预测效果的一些因素，提取出一定周期的回归性技术参数，定义了股价的变化趋势，并对未来相应周期内该股票价格上升的隶属度进行预测，最后进行准确度判决。理论分析及实验结果表明，该方法对股票市场的短期预测是可行和有效的；只要预测模型选取适当，即可获得超过市场平均盈利水平的收益。