摘要：本文针对单支股票在未来短期内的预测进行了研究，文中采用了两种方法，分别建立了ARMA时间序列模型和BP神经网络模型进行预测分析。
　　关键词：ARMA模型;BP神经网络模型
　　1ARMA模型
　　我们使用自回归移动平均模型（ARMA）进行预测。它分为AR（自回归）部分和MA（移动平均）部分。对于AR模型，利用之前的观察值和当前的干扰值并通过一定的线性组合来进行预测与分析。其数学公式为：
　　我们首先对观测数据序列进行平稳化处理，使非平稳的数据序列转化为平稳的随机序列，然后运用基于Matlab工具箱的ARMA模型的时间序列分析方法来验证模型。
　　2BP神经网络模型
　　BP神经网络是一种反馈型学习网络，输入层各神经元负责接收来自外界的输入信息，并传递给中间层各神经元。
　　中间层可以设计为单隐含层或者多隐含层结构，最后一个隐含层传递到输出层各神经元的信息，经进一步处理后，完成一次学習的正向传播处理过程，由输出层向外界输出信息处理结果，当输出值和实际需要值之间的误差大于预定的误差值时，网络进入误差的反向传播阶段。误差通过输出层，按误差梯度下降的方式修正各层权值，向隐含层、输入层逐层反传。
　　周而复始的信息正向传播和误差反向传播过程，是各层权值不断调整的过程，也是神经网络学习训练的过程。这个过程一直持续进行，直至网络输出的误差减少到预订的误差范围内，或者训练次数达到预先设定值。
　　建立股票预测BP网络的基本步骤如下：
　　（1）决定网络的输入向量和输出向量。
　　（2）建立BP网络结构，对网络进行初始化，随机在区间给定各连接权值、，并设定误差函e，给出相应的阈值，确定网络层数和节点数。