随着经济的发展和人们投资意识的转变，股票已成为现代人生活中的一个重要组成部分，股票投资成为社会公众谈论的中心之一。股票投资是现代经济活动中常见的风险投资活动，与相对安全但收入稳定的其他金融投资活动相比，这是为了获得高收益而主动承担高风险的投资活动。这种投机性的特点，使股票投资着眼于市场价格的涨落和供求关系的变化，追求在贱买贵卖中使资本增值。为了趋利避害，投资者们一直孜孜以求探索其内在规律，寻找有效的分析方法和工具，试图预测股市的发展趋势。因此，股市内在规律的研究和预测具有极其重要的理论意义和应用价值。　　 股票市场是一个高度复杂的非线性动态系统，其变化既有内在的规律性，同时也受到宏观经济、微观经济、非经济等诸多因素的影响。各种因素之间错综复杂，主次关系变化不定，数量关系难以提取及定量分析，因此用传统的定量预测方法对股市进行预测效果不是很显著，预测往往难如人意。　　 本文采用BP神经网络对股市进行预测，是因为神经网络具有非线性、自组织、自学习、自适应的特点。它将观测值数据作为神经网络的输入向量，将预测值作为神经网络的输出向量，然后用足够的样本模式训练这个神经网络，使不同的输入向量得到不同的输出值。这样，通过对有代表性的样本进行学习训练好的神经网络，可以作为一种有效的工具，能很好的从历史数据中提取有用信息，非常适合用于解决股票预测领域中的非线性时间序列问题。　　 本文以股市的可预测性为基础，鉴于目前大多数关于BP神经网络在股市中的应用研究都是针对BP算法本身的研究，对BP算法进行改进以求得到更为精确的预测值，但在BP神经网络输入变量的选取上具有任意性，有的只选择股价，有的则加入技术指标，有的则加入微观经济指标、宏观经济指标等，很少从整体上全面考虑这些因素，将其作为神经网络的输入；且对股价进行的预测大多都是短期预测，即用前一段时间的股价来预测后一天的股价，而目前股票市场的投资者大多为中长线投资者，更为关注的是中长期的预测结果。基于此，本文利用BP神经网络对股票进行中期预测。　　 对股票市场进行中期预测，股市将会受到宏观、微观等经济因素的影响，本文较全面的从宏观、微观、市场各因素中选取重要指标作为BP神经网络的输入。并鉴于BP神经网络对输入变量的要求，对输入变量进行了主成分分析，减少了输入变量的个数及网络输入变量间的相关性，改善了BP网络结构，提高了预测的准确度和运算速度。对含有经济指标(宏观、微观)的BP网络预测结果与不含经济指标的BP网络预测结果相比较，发现含有经济指标的BP网络的趋势预测结果更为准确，预测结果证明了进行股市中期分析需要同时考虑宏观、微观经济因素对股市的影响，也证明了本文所建立的基于BP神经网络的股票预测模型的有效性。　　 总的说来，本文作了以下工作：　　 首先，对影响股市的宏观、微观、市场等方面因素进行分析，通过各种渠道搜集有关数据；将某些只有年度数据、季度数据、月度数据的值处理成每日数据。由于数据量纲的不统一，可能导致神经网络的麻痹，陷入局部最小，所以对数据进行无量纲化处理。又由于BP神经网络对输入变量数目的要求，太多有可能导致网络性能下降，预测精度降低，进而对数据进行主成分分析，既可减少输入变量个数，也能减少变量间的相关性，因此，本文将宏观经济因素下的6个指标和市场因素下的5个技术指标分别做主成分分析，而由于微观因素考虑较少未做处理。将主成分分析后的变量和其他变量一起，作为BP神经网络的输入变量。　　 其次，BP神经网络结构的建立及网络中相关参数的选取。由于对BP神经网络结构与相关参数的选取目前没有统一的理论指导，本文在掌握BP神经网络工作原理的基础上，根据目前研究的BP神经网络理论建立可逼近任何连续函数的单隐层多输入单输出的BP神经网络结构。对网络中所涉及到的相关参数，如隐层节点数目，初始权值和阈值的选取，学习率，动量因子及激励函数的选取，本文是通过参阅各种参考文献及在仿真时反复实验各种参数范围来确定各参数的，以求能够得到更为精确的预测结果。　　 再次，利用MATLAB神经网络工具箱对股市预测进行仿真。在MATLAB下编写程序段，将数据分为训练数据和预测数据，导入MATLAB中，通过网络的建立、训练、预测得到最终结果。　　 最后，对预测结果进行比较分析。在评价结果时，引进了趋势误差(样本中预测值与实际值趋势相同所占百分比)的概念。对含经济指标的BP神经网络预测结果、不含经济指标的BP神经网络预测结果，以及经过主成分分析BP神经网络预测结果和未经主成分分析的BP神经网络预测结果进行比较。结果发现，在进行股市中期预测时，适当的加入宏观、微观经济指标，可以提高趋势预测的准确率。当没有加入经济指标时，趋势误差为41.67％，低于加入经济指标的43.3％(未经主成分分析)和63.3％(经主成分分析)。经主成分分析后的误差结果无论是均方差、平均绝对误差、平均相对误差，还是相对误差，都有较大程度的改善，尤其是趋势误差，比未经主成分处理后的预测结果提高了20个百分点，说明了本文应用BP神经网络方法对股票的中期预测具有更现实的意义。　　 理论分析和实验结果表明，在进行股市中期预测中，经过主成分分析的预测结果好于未经过主成分分的，含经济指标的好于不含经济指标的，证明了BP神经网络用于股票市场的预测是可行的和有效的，能为股票投资者做出较为正确的决策投资。