由于期货市场的行情受到政治、经济等多方面因素的影响,其内部规律非常复杂,传统的预测技术的预测效果并不理想,而神经网络具有优良的非线性特性,特别适用于处理高度非线性系统,因此基于神经网络的智能预测是解决非线性的期货市场预测问题的有效方法。 本文主要完成了以下工作：第一,期货市场原始数据的预处理。针对由期货市场非线性特性而导致的期货市场价格数据的高噪声特性,本文通过通货膨胀率调整、周期项消除、随机项滤波等数据预处理方法使生成数据序列变成有规序列,从而保证了后续预测的准确性。第二,建模。在深入分析了BP网络和RBF网络的结构及算法的基础上,给出了利用前向神经网络建立期货市场预测模型的具体方法。第三,分别使用BP网络和RBF网络在MATLAB环境下对上海金属期货进行了预测,数值试验的结果表明,BP网络的预测效果要好于RBF神经网络。第四,预测算法的优化。针对BP网络算法需要较长的训练时间、易陷入局部极小值等不足进行了相应改进,使得预测值与实际值基本吻合。第五,建立神经网络期货价格预测平台。由于MATLAB下编程,只有专业人员才能掌握和运用,为了方便普通用户了解和使用,开发了利用神经网络预测期货价格的软件,软件共分三大模块：系统设置模块(包括参数设置和网络结构、算法的设置)、数据训练模块、仿真预测模块。在设计过程中使用MATCOM实现了MATLAB和VC++的混合编程,从而开发出能够脱离MATLAB运行环境而独立运行的神经网络预测平台。