随着证券市场的建立,它为经济建设和社会发展提供了巨大的支持。越来越多的人也都投身到股票投资中来。很多人都想对股票价格进行正确预测,从而可以获得高收益,承担低风险,而如何建立一个准确和有效的股票预测模型,对于投资者来说有重要意义。本文在深入分析股票的理论知识,股票市场预测面临的相关问题和考察传统股票预测方法的基础上,提出了一个由BP神经网络和主成分分析相结合的预测方法。首先应用SAS进行主成分分析,实现对原始数据的降维处理,并使用选择的主成分代替原始输入变量作为BP神经网络的新的输入变量,从而简化网络拓扑结构,提高神经网络的收敛性和稳定性,从而提高网络的泛化能力。本文使用凯迪生态股票的日线数据作为原始数据,进行实验分析,效果比较。实验结果说明基于主成分分析之后的改进的BP网络通过学习和训练,能拟合股票数据作出预测,并取得了较好的结果。