近年来中国物流业蓬勃发展,在经济社会生活中的作用日益重要,行业结构不断完善,港口航运、主营物流、铁路运输及公路运输等细分领域的物流公司发展迅猛。物流业的服务与相关上市公司逐渐成为获得资本市场关注与青睐的热点。股票分析与预测是较复杂的研究领域,股票市场是复杂的非线性系统,既具备自身规律性,也受到社会、经济等诸多因素作用。通过比较得知传统的数理统计的预测方法较难有效预测。选择基于技术分析的BP神经网络建立中国物流上市公司的股票预测模型,基于历史数据分析,可以充分逼近复杂的非线性关系。本文对物流业的发展状况与趋势进行详细分析,并对第三方物流、电子商务物流、区域物流等的概念、现状、优势等做阐述与评价。通过分析比较指出目前传统数理统计在股票分析上的局限性。建立了基于主成分分析—BP神经网络的预测模型,并使用MATLAB软件进行仿真验证。通过建立三层神经网络模型,将利好利空数据、市场普遍采用的技术指标引入模型。针对BP算法存在的易陷入局部最小化、学习速度慢等问题,使用主成分分析法进行降维,消除输入变量间的相关性。调整参数设置并选择激活函数,通过试凑法减少隐含层节点数,加快收敛速度。用BP神经网络对历史数据进行训练学习,有效地找到了股票市场价格变动规律并预测物流业股票未来价格走势。以多只物流业股票为例,应用构建的预测模型对一个月后的交易日收盘价进行涨跌预测。进行收敛性能比较后得出,进行主成分分析降维的神经网络模型具备良好的泛化能力与预测能力。