股票分析和预测是一个复杂的研究领域，本论文将股票技术分析理论与人工神经网络相结合，针对股票市场这一非线性系统，运用BP神经网络，研究基于历史数据分析的股票预测模型，同时，对单只股票短期收盘价格的预测进行深入的理论分析和实证研究。　　 本论文首先综述研究了股票分析的多种方法，并重点推荐了技术分析法和神经网络方法；通过优劣势比较分析，选择了基于技术分析的BP神经网络作为股票预测模型建立的基本方法。　　 接下来，探讨了BP神经网络的模型与结构、BP算法的学习规则、权值和阈值等，构建了基于BP神经网络的股票短期预测模型，研究了神经网络的模式、泛化能力等问题。并且，利用搭建起的BP神经网络预测模型，采用多输入单输出、单隐含层的系统，预测单只股票未来一个月收盘价的中短期变化趋势。对于网络的训练，选用学习率可变的动量BP算法，同时，对网络结构进行了隐含层节点的优化，多次尝试，确定最为合理、可行的隐含层节点数，从而有效地解决了神经网络隐含层节点的选取问题。　　 同时，本论文还深入研究了BP神经网络在MATLAB中的设计和实现，包括如何创建神经网络，如何对网络进行初始化、训练和模拟；并利用MATLAB函数进行编程，实现了所设计的BP神经网络。　　 针对所建预测模型，本论文对沪深两市的多只股票进行了实证分析，证明所采用的研究方法和所设立的模型是实用并且有效的。它不仅简化了网络结构，还提高了预测精度，具有较好的预测能力和泛化推广能力。这就说明了本文所构建的基于BP神经网络的股票短期预测模型的有效性和普适性。　　 本论文在前人研究成果的基础上，针对现实复杂经济系统的客观需要，提出了作者自己的观点和想法，并把它们付诸实践，希望可以对人工神经网络技术用于实际预测做出一点贡献。