股票交易市场的波动与投资者息息相关。股市的预测研究具有很强的理论和实际意义。传统的预测方法一般是对股市进行定性和长时间范围内的预测,存在较大局限性。现在,以神经网络为代表的智能方法,由于良好的学习能力、容错性等特点,成为股市预测中较为成熟和使用较广的一种方法。本文即在此背景下,对神经网络的方法进行了介绍。基于神经网络存在的一些缺点,研究了利用遗传算法对神经网络的权值和阈值进行优化,以提高预测的速度和精度。采用上证50指数进行了实证分析。把指数价格前一天的收盘价和当天的开盘价作为输入样本,预测当天的收盘价。结果表明,神经网络经过遗传算法优化后,预测结果比原先单纯使用神经网络方法有所提高,结果令人满意。但是,输入量的选择是否合理、神经网络和遗传算法中参数确定并未有明确理论指导等问题依然有待解决,这些也都是在运用智能方法进行股市预测中值得进一步探讨的问题。