股票市场一直处于高度动态变化的过程,有时候股价会在一天之内大幅度的下降,有时候又会在很长一段时间内一直处于上升趋势。总之,要对不断变化的股市进行预测,似乎是举步维艰,没有什么希望。而且,在股票早期的时候,人们认为股票的运动完全是一种随机的运动方式,股票的收益所呈现出来的是一种独立分布的状态,似乎股价之间没有什么联系似的。虽然对股票市场进行投资,是要冒着很大的风险,有可能就在很短的时间内,本来你是处于盈利状态,但是却因为股票突然地变动,就有可能倾家荡产。虽然股票交易存在很大的风险性,但不可否认的是,股票交易确实能在短时间内给人们带来巨大的利益。如果能够对股价进行预测,这将会给股市的参与者们带来无法名状的好处。所以人们投入于股票预测的热情是有增无减。鉴于人们对股票预测的研究的热情,现在已经出现了很多研究股票预测的方法。从比较早期的线性方法,比如说证券投资分析法和时间序列分析法,但是用线性的分析方法来研究复杂的非线性的股票系统是很受限的,预测的效果不太理想。最近几年,大家开始专注于非线性的预测,比如神经网络预测法,小波分析法,还有本文要介绍的小波神经网络预测法。小波神经网络兼具了小波分析和神经网络两者的优点。因为小波的参与,神经网络的性能更加稳定,对函数的逼近能力更强大,从而其对股票的预测效果更好。但是小波神经网络使用的是BP算法,而BP算法是局部搜索算法,所以容易使得学习过程陷入局部最优解。所以本文提出了用全局搜索算法遗传算法优化小波网络的BP算法,并用这两种算法分别对小波神经网络进行训练,然后用训练好的网络进行预测,并将他们的预测结果进行对比,证明基于遗传算法的小波神经网络要优于基于BP算法的预测效果。