股市预测是金融研究的热门课题之一。股票市场受诸多因素的影响呈现出复杂的非线性,基于线性分析的传统方法则显得有些力不从心。神经网络模型由于其可以实现任意空间的非线性映射而广受学者们的青睐。当前,基于一般BP模型或(GA-BP模型的股票预测研究较多,但基于MEA-BP模型的股市预测研究还不是很多。本文首先选取了股票指数的8个基本指标,以上证指数的历史数据建立BP模型和GA-BP模型进行实证分析,结果表明,一方面,BP模型虽然可以预测出股市的变化走势,但其与真实值的偏离程度较高；另一方面,GA-BP模型虽然具有较高的精度,但其收敛速度却较慢。有鉴于此,本文进一步采用思维进化算法(MEA)对BP网络的连接权值与阈值进行优化,并将预测结果与GA-BP模型做比较,对比发现该MEA-BP预测精度高于GA-BP模型,而且收敛速度也远高于GA-BP模型。