摘要:股票的价格走势包含了很多不确定性，但是其走势也具有相应的潜在规律，受到了当前经济形式以及国家政策的等很多方面的影响。倘若只是用线性的分析方法来研究并预测股票价格肯定无法得到相对准确的数据。并且股票价格的预测准确程度，对于股市爱好者有着非常重要的意义。
本篇论文建立在股票价格可以被预测的条件上，采集已有的股票价格影响因素，采用神经网络的BP算法，构建股票价格预测系统，针对第二天股票价格预测，得出该系统真实有效性。
先研究并选取当前对于股票价格具有影响的因素，并且针对当前社会对于股票价格预测的新旧手段进行描述。
其次介绍股票基本常识以及神经网络中基本的单神经元结构与BP神经网络算法、结构、学习算法等相关知识。
最后，采用BP算法建立预测系统，并使用该系统多次进行实际预测，检验其有效性，并得出BP算法能够有效地预测股票价格的结论。
本文建立在前人的研究成果上，希望可以对股票价格的预测做出一点贡献。
关键词：神经网络 BP算法 股票价格
目录
摘要
Abstract
引言
1 股市的基本概念-2
1.1 影响股票价格的因素-2
1.2 股票价格预测的评价指标-2
2 股票预测国内外最新进展-5
2.1 股票价格预测的可行性-5
2.2传统股票价格预测方法-5
3 神经网络-7
3.1 单神经元结构-7
3.2 BP神经网络基本原理以及其算法步骤-7
4 BP预测模型的建立以及在matlab的实现-11
4.1 BP神经网络结构设计-11
4.1.1 BP网络层数的确定-11
4.1.2 隐含层中神经元个数的确定-11
4.2 BP在matlab中的实现-12
4.2.1 生成BP网络-12
4.2.2 数据的处理-12
4.2.3 BP网络的训练-14
4.3 网络的最终结构-14
5 实例分析-15
5.1 历史数据输入-15
5.2 BP网络的建立与训练-16
5.3 训练用数据的仿真拟合-17
5.4 随即抽取短期数据的检测-18
5.5 历史数据的仿真预测-18
结论
参考文献
致谢
