作为一个高风险高收益的投资领域,股票市场行情的预测问题一直都是金融系统研究的热点问题。近些年来,投资者一直致力于寻找有效的预测股市行情的方法和工具,也揭示了一些股票市场内在的运行规律,但鉴于股价系统内部结构的复杂性和外部因素的多变性,现有的预测方法效果并不理想,人工神经网络的发展为解决这一难题提供了有效的途径。人工神经网络作为一种大规模并行处理的非线性系统,依据数据本身的内在联系建模,具有良好的自学习能力、较强的抗干扰能力,在股票价格的短期预测中已经取得了令人比较满意的效果,但也存在一些自身的弱点,本文总结前人的经验,提出了采用主成份分析法与神经网络相结合的方法构建模型,有效的解决了这一难题。首先,运用统计学主成份分析理论和人工神经网络相关知识,利用SPSS统计分析软件加以MATLAB语言的辅助,对影响上证综指的因素从外围股市到宏观环境、从基本面到技术面进行全方位的分析,得出影响上证综指走势的主要因素；然后,建立BP人工神经网络模型,利用所选取的样本集进行训练和检验,验证模型的精确度；最后,对模型的使用和修正提出一些自己的建议,使得模型能够更加的有效实用。