随着股票市场在我国的不断成长、中国经济的快速发展,越来越多的人将资金投向股票市场。因此,对股票市场走势的预测具有很大的理论意义和应用价值。股指作为一种重要的金融数据,具有强不确定性和非线性,所以对股指的预测存在一定的难度,目前对股指的预测多采用BP神经网络。本文主要研究的内容是针对BP神经网络的一些缺陷提出径向基函数(RBF)神经网络更适合对股指进行预测,同时为了使预测的效果更佳,将小波分析理论引入本文当中。本文首先对中国股票市场的现状进行分析,然后引入小波理论,并对其进行简单介绍,说明小波理论在股指预测中的应用方法。随后介绍了人工神经网络的发展概况及分类,并对本文所要用的BP神经网络及RBF神经网络的算法及学习规则进行了说明。在理论基础之上,本文将小波分析同神经网络结合应用于股指的预测。本文分别选取了97年到06年深、沪的每周闭盘指数共452个作为样本数据。本文的第四章、第五章为实证部分。第四章对样本数据进行小波处理,使用sym8小波函数对其进行降噪处理,使数据变得更加平滑,提高之后预测的准确度。文章的第五章先使用BP神经网络算法进行建模,用小波处理后的数据作为网络的输入,并对预测的结果进行平均绝对误差及平均相对误差计算;然后使用相同的输入数据用RBF神经网络建模预测,最后将BP网络及RBF网络预测的结果进行比较分析,得出RBF网络在股指预测中较BP网络更加准确。为了说明小波理论在股指预测中应用的有效性,本文还对未经小波降噪的预测结果同降噪后的预测结果进行比较,证明将小波理论应用于此有明显效果。