金融市场随着当代经济与社会的不断发展,早就已经成为国家经济发展必不可缺的重要一环。而金融市场中的股票市场,与未来国家经济发展更是息息相关。现如今投资的门槛越来越低,且国家经济形势欣欣向荣,人们手上的资金越发充足,逐渐开始尝试各种投资、理财方式。证券、股票、基金、保险等越来越多金融产品走入了我们的视线之中,然而现如今的金融市场上充斥着各种参差不齐的理财产品。如何从现如今的金融市场上获利,降低损失是所有投资者研究的问题。当今社会中,股票逐渐成为人们投资的重要方式之一。股票持有者可以凭借股票来取得股息和红利。因此,对股票价格的趋势走向以及准确预测有着极其重要的意义。股票自1980年以来出现在我国的金融市场中,到现在正在逐渐走向成熟,现如今的股票市场上,各行各业的股票齐飞,公司上市后股票的价格与成交量等因素也都直接过着间接地影响着公司本身,反过来公司的营业状况同样影响着自身股票的价格。股票价格的变化本身就是一个十分复杂的过程,股票的价格的变化过程受很多因素的影响,比如经济大环境情况,股票是否受到人为操纵,国际上的经济与政治政策是否与股票市场有关。股票价格的变化情况不仅是上市公司时刻关注的重点,更是广大股民赖以生存的经济来源,在一次又一次的金融危机之下,股票的价格走势飘忽不定,更会随着一些国际突发事件或者公司内部的变动而发生变化,如何正确的预测股票价格走势是十分重要的。对于股票价格研究,从国内到国外,从股票发行到现在,从来都没有停止过。至今有很多相关的理论,比如道氏理论,波浪理论等被提出,用于股票价格的预测。也有很多模型比如回归分析,GARCH模型,ARIMA模型等其他领域的研究模型,也被逐渐地应用于预测股票的价格。近几年来,神经网络模型逐渐被应用于股价预测。上个世纪初,众多学科之间进行跨学科研究,使得人工神经网络走入人们的视线。在当时,外国对于股价的研究还没有现如今这般透彻,更没想过将神经网络这种生物学原理加以应用。经过一百多年的发展,许多神经网络算法相继问世,其功能的强大引起了股票市场的关注。近些年来,由于神经网络的学习能力强大,国际与国内的股票市场都对神经网络十分感兴趣,并将其应用与股价预测。及时了解并更新股票价格动态变化情况,从而精准剖析股票市场,是投资者在决策过程中会不断考虑的重要课题。而监控并预测股市动向,为交易者提供一个良好的交易环境,也同样是股票市场管理者需要不断攻克的难题。因此,深入地理解股票市场的变化特点,并从中进行探索,是研究者学习和掌握金融理论,进行金融实践操作不可或缺的重要一环。本文将首先利用时间序列分析预测股票的收盘价,同时计算每日收益率。而后分别使用LSTM神经网络与BP神经网络同样进行股票价格的相关分析。最后比较三种模型的相同点与不同点以及其适应范围等方面。在现有的数据情况下,得出的结论总结如下:利用时间序列进行分析时,得到的误差较神经网络模型大,准确率也不如利用神经网络时的准确率高。利用模型进行多次预测时,与实际数据更加贴合,模型的预测效果较时间序列分析预测效果好。通过对两种神经网络模型的比较,可以证明神经网络模型更适合用于股票相关指标的预测。此外三种预测模型都会随着预测时间的推移,预测的准确度会逐渐下降,误差也会不断增大。对于时间序列模型而言应该采用混合模型或者增加模型的复杂程度,引入季节性等因素可能会更好地进行股票价格的预测,预测准确率也会增高。利用神经网络模型时,应该不仅仅只使用简单的LSTM模型与BP神经网络模型,也可以使用其他种类的算法进行预测,或者提出混合模型等预测模型,多种角度的提高预测的准确程度。