证券市场是一个可以提供融资功能的场所,无论是机构,公司还是个人都可以通过买卖股票等可交易证券达到融资的目的。要想保持甚至加强证券市场的融资功能,证监会等监管部门就要控制股市的超买超卖现象,使得股市健康发展。这样才能使广大机构或者个人投资者保持对股市的兴趣。因此,通过分析证券的内在规律和各影响因素之间的关系,使得我国股市的发展更加规范从而保持融资功能是本文要解决的问题。本文以证券市场中的股票为例,对证券市场进行分析并建立控制模型,阐述了各影响因素与股市走势之间的关系。本文将自动化控制学科的知识应用于证券分析上,并在此基础上提出了BP神经网络分析法。通过对比神经网络分析法和其他分析方法得知,神经网络的非线性逼近能力以及自学习、自适应能力对于股市的分析具有良好的应用作用。这是因为BP网络通过对历史数据的自学习可以自动找出股市走势的内在规律,并用它们来调节网络的权值和阀值。这一特性对于管理部门更好的控制股市发展从而保持股市的融资功能有良好的促进作用。本文的第一个重点是：针对BP网络在应用当中的一些局限性,提出了一种改进的BP算法,改进算法通过增加反向传播的误差偏移量来提高收敛速度,并在实验中证明这种方法有显而易见的效果。在众多影响股市走势的因素中,本文重点分析了CPI、M1、流通股数以及储蓄存款和股市之间的关系。本文选定了包含这四种变量在内的六组数据作为控制决策模型的输入变量,然后通过实验对BP网络的各种相关参数以及目标函数进行选取。本文的第二个重点是：在多次试验后,最终建立起一种新的股市控制决策模型；并且在此模型的基础上通过对输入变量的调试,得到各变量对股市控制模型的影响情况。这种模型的实际效果还需在实践中进行验证,不过分析得出的各种经济变量对股市的影响作用对于股市的健康发展以及融资功能可以起到促进作用。