股票是市场经济的产物，股票投资为社会闲散资本提供了一个可以寻求高额回报的通道。我国证券市场规模庞大，但是大部分投资者缺乏行之有效的风险分析、评估手段，一定程度上制约了我国股票投资业的健康发展。目前针对股票投资风险的研究有很多，但包括研究角度和研究方法等都不是很完善。BP神经网络算法由于其处理非线性问题的强大能力，在股票投资项目中逐渐显示其独特地位。但目前BP神经网络算法在股票投资研究中还存在一些问题，包括指标体系不完善、模型输入因子现实解释力差以及算法自身的缺陷等。因此本文在对BP神经网络算法进行适当修正基础上，建立了我国股票投资项目的风险评估体系和模型，具有一定的理论意义和实践意义。　　 本文首先围绕有关股票投资项目风险的文献进行了梳理；接着介绍了股票投资项目的相关基础概念，并且对股票投资项目风险来源进行了总结；然后提出了我国股票投资项目风险度量假设指标体系，借助主成分分析法对假设指标体系进行了修正，保证了每个指标具有一定的现实解释力，为后面BP神经网络实证分析提供支撑；之后利用前面建立的指标作为BP神经网络的输入因子，在对标准BP神经网络进行了适当改进基础上，运用MATLAB做仿真研究，仿真结果验证了模型估计的准确性。　　 本文利用主成分分析法建立的风险评估体系，保证指标体系更加完整性和客观性，利用改进的BP神经网络算法实现网络的收敛，通过MATLAB仿真研究，验证了模型估计的准确性，最终建立了我国股票投资项目风险分析模型，因此，本文的研究在一定程度上拓展了股票投资项目风险理论研究的范畴，同时也可以为我国股票投资者认识和控制投资中的风险，减少投资决策过程中的主观性和盲目性。