股票市场作为国民经济的重要组成部分,经过400多年的发展,股票市场与经济之间的联系越来越紧密,越来越能反映出公司和国家经济的发展状况。股票市场中,股票的价格是重要且最直观的指标。对未来股票价格做合理的分析与预测,能够使投资者有效规避风险,提高投资回报。本文提出了CNN-BiSLSTM复合模型主要用来预测下一个交易日的股票收盘价指数。其中,BiSLSTM（Bidirectional Special Long Short-Term Memory,特殊的双向长短期记忆）是在Bi LSTM（Bidirectional Long Short-Term Memory,双向长短期记忆）的基础上进行了改进,在输出门中增加了1-tanh（x）函数,最终输出门取值范围在（0.24,1）之间,使得BiSLSTM的输出值更加准确。因此,BiSLSTM在模型训练过程中具有更好的拟合效果,能够更准确地预测出股票收盘价。该模型分为两个部分,首先通过CNN（Convolutional Neural Network,卷积神经网络）提取影响股票价格的高级特征,其次将CNN处理后的数据通过BiSLSTM提取时间维度上长距离依赖的数据特征,最终预测出股票的收盘价。为了验证模型的有效性,本文使用1991年7月1日至2021年5月31日的深证成指股票历史数据对CNN-BiSLSTM模型进行训练和测试。将CNN-BiSLSTM与MLP（Multilayer Perceptron,多层感知器）、RNN（Recurrent Neural Network,循环神经网络）、LSTM（Long Short-Term Memory,长短时记忆）、Bi LSTM、CNN-LSTM和CNN-Bi LSTM进行了对比实验。实验结果表明,CNN-BiSLSTM的MAE（Mean Absolute Error,平均绝对误差）和RMSE（Root Mean Squared Error,均方根误差）均为最小,R~2（R-Square,相关系数）最接近于1。因此,CNN-BiSLSTM模型相比于其他模型更适合预测深证成指股票的收盘价。本系统分为六大模块,主要实现了用户登录注册模块、个人信息管理模块、用户管理模块、股票历史数据维护模块、股票历史数据查询模块、股票价格预测模块。其中在股票历史数据查询模块中可以通过折线图、K线图的方式查看股票历史数据,便于用户进行查看和分析;在股票价格预测模块中用户可以通过近五个交易日深证成指的股票历史数据预测下一个交易日的股票收盘价,能够为投资者提供参考。