股票市场是一个极其复杂的非线性动力学系统,参与股票投资,收益便与风险并存。为了获利,投资者们一直都在探索其内在规律,寻找有效的分析方法和工具。但是股价系统内部结构的复杂性、外部因素的多变性决定了股市预测这项任务的艰巨性,而传统的预测工具已不能满足这种需要。因此,股市内在规律的研究和预测具有极其重要的理论意义和应用价值。本文对人们的市场行为进行分析,从投资者的角度,把握市场的脉搏。而现行分析系统的各项指标,在很大程度上都依赖于投资者的投资心理和热情,通过量价关系反映在K线图上。股价的规律便隐藏于K线图的数据中。神经网络具有很强的非线性逼近能力和自学习、自适应等特性,可以从杂乱无章数据中,找出股市发展的内在规律,并将其存储在网络具体的权值、阀值中,用以预测未来的走势。实验证明,利用BP神经网络建模,用SOM网络对数据分类,两者结合起来,可以对股票的价格和走势取得较好的预测效果。