股票市场是中国证券金融市场体系的重要组成部分。股票市场包括股票的发行市场与流通市场。中国股票市场自1990年建立以来，在20多年的时间里得到了快速的发展。但是在中国股票市场的发展过程中，由于相关法律法规以及监管机制的问题，存在着大量的股票操纵行为。股票操纵事件会给股票市场的健康发展带来危害。操纵事件的犯罪人通过股票操纵获得大量利益，是对其他普通投资者利益的损害，也是对被操纵股票上市公司利益的损害。股票操纵行为损害了市场的公平交易机制，损害了市场的价格反映功能，股票操纵事件造成的危害可能通过市场联动传递给整个金融系统，为国家经济的正常运行带来损害。对于监管部门，需要加强对股票操纵事件的监管，采取有效措施防止操纵行为的发生，维护市场的正常运行。本文对股票市场价格操纵事件的研究，对于提高监管部门对于价格操纵事件的监控，维护市场的正常秩序，具有一定的参考价值。
　　本文基于相关理论对中国股市价格操纵行为进行了研究，对中国股市的操纵行为现状进行了分析，并研究了操纵的方式与步骤以及操纵行为的成因。为了能够有效的识别股票价格操纵行为，本文基于相关研究，构建了GARCH-BP模型，采用2016年至2018年证监会公布的操纵事件为样本，进行了实证分析，验证了该模型的效果，并根据实证结果提出了相关建议。
　　本文的研究结论如下：（1）本文基于相关研究，在BP神经网络以及GARCH模型的基础上，构建了GARCH-BP神经网络模型，并采用R语言进行了实现。同时本文构建了收益率、换手率变动、成交量变动、价格变动、净流入变动、ATR、GARCH-α、GARCH-β等指标用于操纵行为识别；（2）本文使用2016年至2018年的股票交易样本进行了实证分析，为了避免样本失衡问题，本文采用SMOTE方法对训练样本进行了平衡。从实证结果可以看到，GARCH-BP模型对存在价格操纵行为的股票交易预测准确率为95.66%，对于正常交易样本的预测准确率为94.98%；BP神经网络模型对于存在价格操纵行为的股票交易预测准确率为56.5%，对于正常交易样本的预测准确率为74%；GARCH模型对于存在价格操纵行为的股票交易预测准确率为78.26%，对于正常交易样本的预测准确率为54.86%；可以看单独使用BP神经网络模型对于存在价格操纵的交易预测准确性较低，但是对于正常样本的预测较好，而单独使用GARCH模型对于存在价格操纵行为的交易的预测准确率较好，但是对于正常交易的股票行为预测较差。而GARCH-BP模型结合了两个模型的优势，既提高了对价格操纵行为股票的预测准确率，也提高了对于正常交易股票的预测准确率；（3）本文提出从完善相关制度与法规、改进反操纵监管方式等方面提升对价格操纵行为的监管建议。
　　本文的研究对于提升中国股市价格反操纵监管效率，完善中国股市反操纵监管方式具有一定的参考价值。