股票市场是证券业和金融业的重要组成部分，受到投资者的普遍关注，它是一个高度复杂的非线性动态系统，其变化规律既有一定的趋势性，又受政治、经济、心理等诸多因素的影响。对于这样的复杂系统，传统的经济计量建模方法在股市的预测研究中面临着许多困难。随着人工智能技术的发展，人工神经网络理论也得到了迅速的发展。人工神经网络具有自组织、自适应等特点，有很强的非线性概括能力，它不需要建立复杂非线性系统的显式关系或数学模型，能自动从历史数据中提取有关经济活动的知识，因而非常适合用来解决股票预测领域中的一些问题。国内外许多学者用神经网络建立了股票预测模型并取得了很好的预测效果。　　这些股票预测模型一般建立在股市波动较小的情况下，股票数据是时间序列，而时间序列经常受到突发事件的影响，诸如国内经济政策或经济规则的变更、国际政治局势的骤变等事件的影响。当这些突发事件发生时，建立的预测模型不能取得很好的效果。为了定量分析评估这些突发事件对股市造成的影响，可以建立干预分析模型。　　传统的干预分析模型是基于经济计量方法的，本文提出了基于神经网络的干预分析模型，在干预分析模型的预测部分使用神经网络替代传统经济计量方法。本文的主要工作有：　　首先，本文分析了股票的可预测性，股票市场的影响因素，并对国内外相关技术的研究进展进行了综述。　　其次，介绍了神经网络以及其在股票预测中的应用。引入了干预分析模型的构建方法，从干预分析模型建立过程入手，提出了一种新的构建干预分析模型的方法，即在股价预测部分使用神经网络替代传统的经济计量模型进行股价预测。　　最后，同时构建了基于传统经济计量方法和基于神经网络的股指预测模型，对两种方法的结果进行对比和分析，得出可以在干预分析模型中使用神经网络建模的结论。基于传统的经济计量模型和神经网络分别建立干预分析预测模型用于下一次定量分析交易印花税上调这一突发事件对于股市造成的影响。