众所周知,股票市场在国民经济中的地位是极其重要的。中国股市到底遵循什么样的规律呢?是线性的还是非线性的,是随机游走模型抑或非高斯分布的无记忆模型还是一个分形结构呢?只有把这些问题彻底搞明白了,才能更好的分析和预测市场、才能抓住市场的规律,才能更好的利用我国的资本市场。中国的股票市场包含了2000多家上市公司,以及各种板块、指数等,对每一个都进行分析是很难实现的。在实际的分析与研究中,一般会选择上证指数和深证成指作为代表进行分析,因为上证指数反映了上海证券交易所的整体走势、深证成指反映了深圳证券交易所的整体走势。本文将沪深300指数和上证指数、深证成指分别叠加分析,发现沪深300指数和上证指数、深证成指的走势基本一致,可以说沪深300指数的走势反映了中国股票市场的整体走势,因此选用了沪深300指数来分析中国的股票市场。在分析中国的股市是不是随机游走时采用的是重标极差的分析方法,根据沪深300指数的Hurst指数和0.5的大小比较来进行确定。通过比较发现沪深300指数的日线、周线和月线的Hurst指数均大于0.6,从而说明中国的股市不是随机游走的,而是有记忆性的非线性结构,并且是一个分形结构。从而也说明中国股市的有效性不强。并根据重标极差分析可确定论文第四章较为合理的预测区间。在预测沪深300指数的收盘价时,本文是结合技术分析,应用BP神经网络进行预测,作为基本模型。在基本模型的基础上,将预测结果和EMA均线进行线性加权得到改进模型。这两个模型都可以跑赢大盘,改进模型精度更高。对411天数据的预测中,最终实现正数中最大偏离误差为4.69%,负数中最大偏离误差为-3.73%,预测值偏离实际值的偏差的绝对值的平均值为1.13%。将前20天的预测结果和后20天的预测结果进行比较,发现对时间序列的学习样本进行及时的数据更新有利于提高预测精度。本文最终得出三大结论：一,基于BP神经网络对沪深300指数的预测在一定程度上是可行的,可以跑赢大盘；二,选择合适的预测区间是很重要的；三,中国的股票市场是一个分形结构,其有效性不强。事件驱动型明显,将新闻、消息具体量化并加入到影响因素中是很重要的,通过具体数据成功预测股市还有很长的道路要走。