证券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自身的趋势性,又受政治、经济、心理等诸多因素的影响。证券市场的高风险高收益一直倍受投资者的关注,为了获取丰厚的收益,如何建立一个成功率比较高的预测理论和模型,成为了学术界研究的热点问题。已有的研究工作是从技术分析、心理分析以及数理统计为基础的的时间序列定量预测方法,然而其在股市的研究中面临着许多困难,难以取得满意的效果。随着证券市场混沌和分形理论的逐步确立,人们开始利用神经网络对证券市场的变动加以预测。神经网络具有自组织、自适应和学习非线性映射强等特点,能自动从历史数据中提取有关经济活动中的知识,非常适合应用于经济领域的信息处理以及分析时间序列,对于解决股票预测领域中的一些问题比较实用。BP(Back Propagation)网络是一种被广泛运用的神经网络,它的核心是BP算法,是一种对于众多基本子系统构成的大系统进行计算的严格而有效的方法。本文首先分析了股票预测的需求,并介绍了神经网络的基本原理和方法。结合股票市场中的实际问题,提出了基于BP人工神经网络的股票预测模型,实现了三层的BP网络来对上海交易所上证指数进行预测。最后通过实验分析证明了BP神经网络不仅能够学习训练集的例子,且能从训练集中提炼出某种一般性原理、规律,具有较强的非线性函数拟合特性,因此对于预测短周期内股指波动有较强的适用性。