1、隨著我國經濟快速增長和股票市場的不斷擴大，股票市場產生了大量有價值的數據信息，這些數據成為投資者進行股票投資的重要分析主體。同時，股票價格的預測也成為投資者和相關學者的一個重要研究對象。日益增長的數據不僅難以處理，更給股票價格的預測者們帶來了無從選擇的難題。BP神經網絡作為大數據預測方面的經典算法備受投資者和研究人員的青睞，但是，BP算法本身固有的一些缺點也制約著其預測的效率和效果，在股票價格短期預測方面依然存在著預測精度方面的缺陷。<

2、br>　　 本文在深入分析股票價格短期預測面臨的問題和比較多種股票價格預測方法的基礎上，探討B(tài)P神經網絡、主成分分析法和遺傳算法對股票價格進行短期預測的可行性。BP神經網絡能夠利用對過往股票市場數據的學習，找出股票市場發(fā)展變化的內在規(guī)律，從而實現(xiàn)對未來一段時間內股票價格數據變動的預測。為此，本文所做的主要研究工作有:
　　 針對股票價格數據影響因素多的問題，選用主成分分析法來解決了BP神經網絡輸入向量的維數約減問題，同時，為了

3、建立影響因素和預測向量之間的相關性關系，提高預測的精度，引入了計量經濟學中擬合優(yōu)度的概念，結合傳統(tǒng)的主成分分析法，創(chuàng)新性的提出了相關主成分分析法。
　　 針對BP算法容易陷入局部極小點而影響預測精度的缺點，利用遺傳算法對BP神經網絡進行優(yōu)化，構建了遺傳算法優(yōu)化的BP神經網絡預測模型。在前面算法的基礎上，建立了以相關主成分分析法和遺傳神經網絡模型相結合的綜合預測模型，并在Matlab7.0中予以實現(xiàn)。
　　 最后，為了檢驗