近年来，随着并购步伐的加快，并购失败案例层出不穷。并购协同效应的预测又是研究并购的核心问题，准确预测协同效应可降低并购风险，减少企业并购的盲目性和随意性。以往采用的通过预测股票收益和业绩的改变来预测协同效应的方法都存在较多难以解决的问题，因此，本文将选题定位于如何准确预测上市公司并购协同效应，并利用BP神经网络构建上市公司并购协同效应预测模型，旨在为企业并购前准确预测协同效应提供依据。首先,阐述了本文的研究意义和背景，从并购的动机与协同效应计算两个方面对国内外研究现状进行了回顾，并指出了已有研究文献的局限性，明确了本文的研究内容和框架。其次，在对企业并购的概念和类型评述的基础上，重点研究了国内外并购基本动因，并阐述了协同效应的概念与并购协同效应的来源及分类。再次，选取反映企业并购后获取协同效应程度的财务指标变化率为考核指标，结合主成分分析法，建立了协同效应事后评价模型。旨在通过以上协同效应事后评价模型的计算，获得一个相对值，并将其作为BP神经网络的输出目标值。第四，确定了影响协同效应的六个因素，同时建立了协同效应影响因素指标体系。并通过BP神经网络技术来拟合并购协同效应及其影响因素之间的关系，构建了以协同效应为因变量，影响协同效应因素为自变量的BP神经网络预测模型。最后，我们以2002年到2008年间我国上市公司中发生的27个并购事件为研究样本进行了实证分析。研究结果显示，该BP神经网络模型能较好的预测并购协同效应。