股票是市场经济的产物，从诞生的那天起就牵动着数以千万投资者的心。高风险、高回报是股票投资的特征，个人投资者和机构投资者时刻关心股票行市，分析财务数据，试图预测股票的发展趋势。股票市场是一个复杂的非线性动态系统，利用传统的时间序列预测技术预测效果并不理想。神经网络是一个不依赖于模型的自适应函数估计器，不需要模型就可以实现任意的函数关系。目前，神经网络逐渐成为非线性动态系统预测与建模的强有力的工具。 本文通过研究数据挖掘算法即神经网络在股票价格预测中的应用，来寻求数据挖掘技术与股票预测的结合点。本文借助神经网络对非线性函数的逼近能力，提出基于BP神经网络的股票价格预测模型，通过对比传统的时间序列预测方法，证实BP神经网络算法用于股票预测的可行性及有效性。 本课题的理论意义在：(1)探究新的股票投资风险分析和评估技术，丰富和完善股票投资风险分析和评估方法发体系：(2)将数据挖掘技术引入股票投资风险分析和评估，有利于推动股票投资风险分析和评估方法的发展。本项目研究的应用价值体现在：(1)提供一种基于多因素的股票投资风险定量分析技术，有利于提高评估的正确性；(2)提供一种基于BP神经网络的综合评估方法，有利于提高评估的科学性；(3)为股票市场的个人投资者和机构投资者的投资活动和投资决策提供新的思路和实用方法。