股票市场是企业融资的重要平台,也是投资者理财的重要手段,对国家经济发展发挥重要作用,是国家金融体系重要的一部分,但股票市场是把双刃剑,既能获得超额收益,也可能遭受巨大风险,如何合理地对股票未来发展做出预测,是广大投资者迫切关心的问题.近年来,国民经济的快速发展带动股票市场的繁荣,股票个数也随之增多,基本面分析与技术面分析等一些传统的分析预测方法已暴露出很多缺点和不足,越来越多的投资者开始关注用人工智能的一些方法分析处理股票数据,这其中,神经网络就是人工智能应用于股票市场典型代表.本文基于BP神经网络与判别式受限玻尔兹曼机分别构建了两种股票预测模型,对股票未来的价格与走势做分析预测.在组建这两种模型的过程中,本文做了多方面的研究工作,可分为以下三个部分:第一部分,对天牛须算法进行改进.初始天牛须算法虽然结构简单,运算快捷,但处理多峰函数时易陷入局部解.改进的天牛须算法借鉴群体性算法的特点,适当增加天牛虫个数,用单纯形法对群体进行优化.数值实验结果表明:与初始天牛须算法相比,改进的天牛须算法虽然运算时间有所增加,但寻优精度有较大提高.第二部分,借助改进的天牛须算法良好的寻优性能,对BP神经网络初始参数进行优化,然后再用BP算法对参数做进一步调整,并将之应用于股票未来价格的预测,构建股票价格预测模型.数值实验采用平安银行等6只股票的真实数据,数值实验结果表明,相比于直接用BP神经网络进行预测,本文构造的模型有更好的预测精度.第三部分,构造基于主成份分析与判别式受限玻尔兹曼机的股票预测模型.先用主成份分析对多个股票因子做降维处理,使在保持原有数据信息的同时降低模型复杂度,再将处理后的主成份输入判别式受限玻尔兹曼机,对股票未来走势做预测.数值实验表明,此模型对股票走势预测正确率达到60%以上,能为广大投资者提供有价值的参考.