股票市场作为我国社会主义市场经济的重要组成部分,其重要程度不言而喻。股票市场之所以能够健康稳定的发展,与当前的世界经济环境、国家的相关政策有着密不可分的关系。因此,股票市场往往存在着较大的波动,对于投资者而言,这样的波动就转化成每一位投资者的投资风险。投资者为了进一步分散自身的投资风险,绝大多数投资者会选择对多支股票进行投资来规避风险。然而,如果有一种方法可以较为准确的为投资者提供合理建议,那将会为投资者带来相对稳定的收益。通过分析可知,股价的走势与经济周期相似,具有一定的规律性,我们可以通过非线性函数来尝试着对其进行描述,进一步对股票价格进行预测。因此,我们可以将神经网络技术引入到股票股价预测中,通过对指定样本进行学习,在输入层、隐含层和输出层之间建立一种联系,对未来某一时间段的股票价格进行预测。相信通过神经网络模型的分析,可以给诸多股票的投资者带来更科学合理的投资建议。首先,本文阐述了股票的相关概念及性质,并结合相关的预测原理进行技术分析,详细介绍了技术分析方法中的三种方法,基本分析法、技术分析法和数量分析法;然后,介绍本文运用的神经网络理论,从神经元的基本特征出发,引入神经网络的概念、基本原理及基本特征,并对训练过程进行了详细的推导,再就是对本文中需要运用的MATLAB进行阐述,在阐述的过程中主要从概念和基本特征出发,通过MATLAB自身所带的工具箱——神经网络工具箱,对股票股价以及走势进行模拟;再者重点介绍所用到的算法——LM（Levenberg-Marquardt）算法,将LM算法应用到BP神经网络中,进而对现有的LM-BP神经网络模型进行介绍,针对传统神经网络在股票价格预测中易陷入局部最优和预测精度偏低的问题,阐述了LM-BP神经网络模型在面对此问题中的优势,然后,进一步详细阐述该模型对于股票市场中各支股票在预测股价方面的思路。最后,基于LM-BP神经网络模型,采用MATLAB对上述算法模型进行仿真测试,通过在同花顺软件中随机选取的五支股票,将其历史数据进行导出整理,作为研究的实验样本,同时以时间序列的方式,对于每一支股票都从最高价,最低价,开盘价,收盘价等角度进行分析,生成了相对误差和绝对误差走势图。通过分析生成的相关实验结果,证明LMBP神经网络预测模型在股票价格的短期预测中有较好的精度和稳定性,能够为投资者进行合理且有效的预测。