预测是科学管理的重要环节,是决策、规划的前提,在社会经济管理中,经常要对某一事物或系统的发展趋势进行预测和分析。而股票市场是经济的报警器,其作用不仅被政府所重视,而且受到投资大众的普遍关注。起源于上世纪四十年代的人工神经网络是人工智能的一个分支,它在很多领域得到了广泛的应用。神经网络能学习贮存以往的历史经验知识,并能外推到未来,这是神经网络用于预测领域的理论依据。对于时间序列的股市预测,神经网络比其他数学模型更有效,而且精确度更高。遗传算法具有强大的搜索能力,因此可以用来解决很多常规方法无法解决的问题。遗传算法与神经网络结合后,使得神经网络的结构参数等达到最优,大大地增强了神经网络的性能,使智能计算得到了突飞猛进的发展。因此对遗传算法和神经网络的研究具有很重要的意义。本文基于股票市场高度非线性的特点,从遗传算法和神经网络的基本理论入手,提出了一种GA-BP算法,来解决基本BP算法在权值调整过程中存在的收敛速度慢、易陷入局部极小点的不足。GA-BP算法具有遗传算法全局搜索的特点,注重搜索未知区域,同时也具有神经网络处理速度快、精度较高的特点。理论分析和实验结果表明,神经网络用于股票市场的预测是可行和有效的,有着良好的前景,而GA-BP算法进一步提高了运行的速度和可靠性。