股票市场受到政治形势、国家政策、投资者心理等诸多因素的影响,其内部的变化规律极其复杂,并且变化周期也杂乱无章。人们很难凭直觉和经验从庞大的数据中获取隐藏的信息。因此,运用数据挖掘的相关技术对股票市场进行分析和预测成为必然的选择。其中以神经网络技术为代表,它通过对人脑进行简化和抽象,用以进行智能化的决策和推断。神经网络具备较强的自组织、自适应、自学习等特点,并且可以对问题进行分布式的处理。将其应用于股票市场这类复杂多变的非线性动力学系统进行分析和预测的研究时具有明显优势。本课题设计并实现了基于神经网络技术的股票买入点预测模型。相较于同类研究,本预测模型创新性的将未来一段时间内的最大累计涨幅作为预测对象。它可以较为精确的对股票的涨跌趋势进行预测,在训练样本集和测试样本集中的平均正确率超过80%,具有较强的实际应用价值。此预测模型由6个独立的BP神经网络所组成,通过对6组特征信息分别进行训练学习,实现对股票未来28天内涨跌幅度的预测。基于此预测模型设计并实现了股票买入点预测系统。此系统由两部分组成,分别为股票分析客户端和股票分析服务端。其中股票分析客户端包含数据全量加载模块和预测查询模块,股票分析服务端包含数据增量采集模块、特征提取模块和训练学习模块。通过对2005年1月至2016年1月间沪深2市共2000余支股票的日线数据进行特征提取,利用神经网络进行训练学习,对股票的买入点进行预测,为股票市场中的投资者在进行股票交易和决策时提供重要的参考依据。