权证市场是一个高度复杂的非线性动态系统，其变化既有内在的规律性，同时也受市场、经济、非经济等诸多因素的影响。如果能建立客观科学的权证评估方法，对投资者来说将是非常有益的。人工神经网络是一门新兴的边缘学科，与传统权证定价方法(B-S模型)相比，人工神经网络不需要精确的数学模型，没有任何前提与假设，因此可以弥补传统定价方法的不足，解决一些用传统定价方法不能解决的问题。本文应用BP神经网络与遗传算法，选取目前市场上2007年1月1日前上市的所有权证作为研究对象，建立了基于人工神经网络的权证定价模型。采用的分析期间，为各权证上市后连续三个月资料，其中前两个月资料作为学习样本，后一个月资料作为测试样本。标的股价波动率是影响权证价值的一个重要变量，分别对所选24只权证的历史波动率和隐含波动率进行了估计，并将其同时作为BP模型的输入参数，以比较其影响。通过对比分析BP模型与B-S模型，发现不论是使用历史波动率还是隐含波动率，BP模型在定价精确度上均优于B-S模型，且BP模型使用隐含波动率后，整体降低了与市场价格的误差。