随着经济的发展和人们投资意识的转变，股票投资已成为现代人生活中一个重要组成部分，而股票的预测也成为投资者关心和研究的重点。由于股票市场是一个极其复杂的非线性动力学系统，股票投资的收益和风险往往是成正比的，如何建立一个运算速度和精确度都比较高的股票预测模型，对于股票投资者具有理论意义和实际应用价值。　　 预测中输入变量的选取影响预测的速度和精度，传统方法选取输入变量主观性强，预测效果欠佳。本文使用主成分分析法选取输入变量，计算量小，预测效果更好。　　 本文主要工作有以下四个部分：　　 第一章介绍了股票的研究背景及选题的意义，概括总结了现阶段的股市分析中运用的理论，论述了神经网络在股市模型中的应用，提出了股票分析中存在的问题以及解决的方法，最后提出了本文的研究思路。　　 第二章主要对股票预测的相关评价指标进行讨论，指出了对股票进行预测时面临的主要问题，分析比较了股票市场几种典型的预测方法，简单介绍了人工神经网络的原理。对技术分析中各种分析方法进行总结。　　 第三章介绍了基于主成分——BP神经网络的股票预测的可行性，分析了主成分分析的原理以及BP神经网络的原理，建立了基于主成分--BP神经网络的预测模型。　　 第四章以沪市上证综合指数为例分别对单一的BP神经网络预测和基于主成分--BP神经网络的预测做了仿真验证，仿真结果表明了使用主成分分析选取输入变量的有效性，它明显减少了预测时间，改善了预测精度。利用主成分分析方法对样本集进行处理，形成新的训练样本集，减少了人工神经网络建模时网络的输入数，同时消除了输入因子的相关性并简化网络结构，能大大提高网络的学习速率。得到的人工神经网络模型能达到较高的精度，为影响因素多且机理尚不清的股票市场人工神经网络预测提供了一个有效的方法。　　 本文的创新点就是：利用主成分分析方法对样本集进行处理，形成新的训练样本集，减少了人工神经网络建模时网络的输入数，同时消除了输入因子的相关性并简化网络结构，能大大提高网络的学习速率。得到的人工神经网络模型能达到较高的精度，为影响因素多且机理尚不清的股票市场人工神经网络预测提供了一个有效的方法。　　 本文不足之处就是：训练样本选取量小且其他对股市波动有重要影响的因素没有予以考虑，另外，隐含层节点的数目的选取没有找到可靠的理论根据，所以本文的工作离实际应用还有一段不小的距离，有待今后的研究中进一步改善。