随着经济和社会的快速发展,人们的可支配收入越来越高,恩格尔系数越来越低,投资理财活动越来越普遍。股票投资作为一种高风险高收益的投资方式,越来越受到人们的关注。近五年来,随着供给侧改革和金融体制改革的逐步深入,我国股票市场愈加成熟,上海和深圳两大证券交易所的规模和体量呈几何级数增长。当前我国股票市场的运行状况呈现出若干新特点,有必要通过研究股票价格及其变动的底层规律,以探索各股票特征量的意义和价值。神经网络作为机器学习和数据挖掘领域中最流行的算法,不仅仅在语音识别和图像分类方面有着突出贡献,在应对长时间段的时间序列预测方面也有着明显优势。注意到,传统的神经网络方法在预测股票价格时会依赖于过去时间的股票价格数据。因此本文采用循环神经网络LSTM结构建模,对2003年9月1日-2017年12月29日期间的中金黄金股票价格进行预测研究,主要选取股票的最高价、最低价、开盘价、收盘价、成交量和成交额共6个变量,首先在循环神经网络结构中进行训练学习以及检验预测,然后对损失函数、预测准确率和均方根误差进行统计诊断,再与BP神经网络结构预测结果进行对比,最后给出评价与分析。本文得出的相关结果可为股民提供一定的投资参考,也可作为相关政府管理部门决策的理论依据,更好地促进股票市场健康发展。