金融领域的经济建模技术及方法是当今计量经济学研究的热点问题。在预测股价及股市未来走势的各种建模技术中,神经网络模型以其具有的非线性映射和函数逼近能力而获得广泛应用。本课题来源于企业委托开发项目“证券投资选时系统”。本论文的主要目标是选择股指预测模型对K线数据进行技术指标分析,预测未来股指点位,为投资者正确选择投资时机提供指导意见。在技术分析预测价格走势中,K线数据是所有技术指标的基础,K线数据包括:开盘价、最高价、最低价、收盘价和成交量,5个数据构成时间序列,可以根据最近几个交易日的K线数据预测下一个交易日的K线数据。在对K线数据进行无量纲化处理后,就可以采用非线性预测模型预测股票价格的未来走势。本论文的主要研究内容包括:1.目前主流股指预测模型综述,包括神经网络模型和ARCH模型。2.给出K线形态数据的预先处理模型,采用最近邻聚类分析方法训练径向基神经网络,并给出股指预测结果。3.使用C++builder 6.0编写证券投资选时系统的神经网络模型预测模块。通过对K线数据的神经网络建模工作,成功完成选时系统的神经网络预测模块,从实际的效果看,该预测模型能为股指期货投资者正确选择投资时机提供参考意见。