股票市场是市场经济的重要组成部分,股市的稳定不仅关系到国家经济的繁荣发展,也关系到普通投资者的经济收入。因此有效的股票走势预测的分析和研究有着重大的理论意义和实践价值。但是股票市场的高度非线性特征,导致众多的股市分析方法的应用效果都难如人意。基于神经网络技术的数据挖掘模型,因其很强的非线性模拟、自适应能力和自学习能力的特点,所以本文将使用神经网络技术对股票走势预测这一课题进行深入的研究。本文阐述了数据挖掘的基本思想,对神经网络技术进行了深入分析,主要研究了二种神经网络算法——BP神经网络算法和RBF神经网络算法,来建立股票走势预测模型,更好地对股票走势进行预测。主要工作有以下二点:(1).基于股票历史交易数据对BP神经网络模型的设计,利用收集样本数据进行训练优化网络,使网络预测误差达到设计要求。经测试数据测试,实验结果可以达到指导投资者投资的作用。(2).基于股票历史交易数据对RBF神经网络模型的设计,利用收集样本数据进行训练,确定最优的RBF股票预测模型。实验结果表明,该神经网络模型完全达到设计要求,显示出该算法的可行性和有效性。通过实验数据的证明,本文的研究为二种算法在股票走势预测中的应用提供的切实可行的经验,为投资者提供了新的分析技术和预测方法来指导自己的投资行为,对于丰富和创新股票市场的预测方法具有一定的现实意义和参考价值。