基于神经网络的股票预测研究，是目前人工智能在金融领域应用研究的热点之一。要建立一个实用的股票操作决策支持模型，不但要求研究者全面了解神经网络知识，掌握神经网络用于股票预测的算法，还要对证券市场有深入的了解，熟悉股市的情况，并能根据各项技术指标对股票的走势做出较为正确的判断。 本文就应用神经网络技术来预测股票走势，提供股票操作支持这一课题进行了深入的研究和探索。设计了一个双神经网络系统，并提出了一个股票决策支持模型。首先，文中对目前所采用的股市预测的基本研究方法作了简单的描述，给出了现存各类股票分析方法的优缺点。其次提出了双神经网络系统，用诊断网络的预测结果诊断预测网络的预测结果，提高了预测的准确度和可信度。最后建立了一个基于神经网络的决策支持模型，提出了将股价和成交量平均值作为神经网络输入量的观点来实现操作决策支持，针对此模型的缺点，又提出了一个改进的方法，使得此决策支持模型具有较高的适用性。 笔者用MATLAB6．5对上述系统和模型进行了模拟仿真预测，证实了提出的双神经网络系统和改进的决策支持模型具有较高的准确度和可信度。