在大数据、互联网金融背景下,量化投资越来越重要,大量的股票分析以及股价预测系统被开发使用到实践当中。由于股票市场系统本身结构的不确定性、外部经济环境因素的复杂性,致使股市预测工作十分艰难。本文通过比较分析各种股价预测方法在股票市场预测难题方面的应用,采用BP神经网络对股票价格进行预测分析。神经网络是一种黑箱理论,同时具有自学习、自适应等特性,不受数据波动原因的影响,不需要复杂的数学建模。神经网络对非线性系统逼近能力突出,能避免人为因素的影响以及拓展统计学定量预测方法的局限。本文结构第一章为绪论,介绍选题背景和意义,国内外研究现状,本文的研究方法、思路、文章结构和创新之处。第二章为股市预测与BP神经网络概述,介绍了股票基本知识、股票市场特征以及国内外股票市场预测方法,阐述了神经网络的原理架构,介绍神经网络的基本概念、特征以及BP神经网络算法与相应的MATLAB工具箱程序。第三章为BP神经网络系统设计,首先进行系统架构设计、其次进行系统功能设计,包括系统管理模块、数据管理模块、股指预测模块;再次进行股指预测核心模块的详细设计;最后进行数据库设计。第四章为基于BP神经网络股指预测系统的国内外股市预测,该部分通过建立模型,对原始数据预处理后训练神经网络模型,确定模型参数后运用BP神经网络股指预测系统进行实证分析,选取了纽约证券交易所的阿里巴巴股票(股票代码BABA)、纳斯达克证券交易所的微软股票(股票代码MSFT)、上海证券交易所的三一重工股票(股票代码600031)和深圳证券交易所的平安银行股票(股票代码000001),共四只股票来进行国内外股票价格预测实证研究,得出实证结果表明,BP神经网络股指预测系统可以有效地预测股票价格,同时,美国股票价格预测准确度低于国内股票价格预测准确度,这表明成熟市场股票价格更难预测,也验证了基于BP神经网络股指预测系统的股票价格预测方法的有效性。第五章为结论及展望,总结股指预测系统在我国股上的预测能力,得出结论并指出本文的不足和今后的研究方向。