随着经济的发展和人们投资意识的增强,股票投资已成为众多家庭及个人理财的一种重要方式,决定一个家庭的财产收入。然而,股票市场具有高风险与高收益并存的特性,如何建立一个运算速度和精确度都比较高股市预测模型,对于投资者具有理论意义和实际应用价值。本文在比较各种股票预测方法的基础上,就应用神经网络技术来预测股价,提供股票操作支持的这一课题进行了深入的探索和研究。针对BP算法在股市预测中存在的学习速度慢、容易陷入局部极小值、预测结果精度不高等问题,提出一种改进的BP神经网络算法。通过附加动量项、采取自适应学习率措施等方法,加快了BP网络的收敛速度。BP神经网络训练样本的选取对网络的泛化能力有较大的影响,怎样从复杂的样本数据中选取合适训练样本是一个难点。本文运用技术分析法选取了技术图形中的“矩形”类型的股票数据,作为BP神经网络的训练样本数据。该方法进一步提高了网络的泛化能力和模型预测精度。根据BP神经网络进行股市预测的原理,建立基于BP神经网络的股市预测模型,采取改进后的BP算法进行股市预测,并通过MATLAB软件对其预测过程进行仿真实验。并以000698的股票价格为例,对所建立的预测模型进行训练,并用训练好的BP神经网络股市预测模型来预测其股票数据,达到了预测效果。