时间序列预测是一个多学科交叉的研究领域，本论文在人工神经网络和时间序列预测理论的指导下，将人工神经网络方法引入时间序列预测，针对股票市场这一非线性系统，运用BP神经网络，研究在历史数据时间序列的基础上，对股票市场的中期价格走势问题进行了深入的理论、方法与模型的研究工作。 本论文探讨了BP神经网络的模型与结构，BP学习规则，构建了基于BP神经网络的时间序列预测模型，研究了神经网络的规模、推广能力等问题。并利用建立的BP神经网络模型，采用单隐层多输入多输出系统，预测股票市场未来2周的收盘价中期变化趋势。应用Levenberg-Marquardt算法对网络进行训练，对网络结构进行了隐层结点的优化，有效的解决了神经网络隐层结点的选取问题。 本论文简要介绍了股票和神经网络的基本知识，时间序列预测的基本概念、各种模型，分析了基于神经网络的时间序列预测方法。简要介绍了BP神经网络在MATLAB中的设计和实现，介绍了如何在MATLAB中创建BP神经网络，如何对网络进行初始化，训练，和模拟，并介绍了本论文中经常用到的一些MATLAB函数。并进行matlab编程实现所设计的BP网络。 本论文对上证收盘指数进行了实例预测研究，证明本文所建立的模型和研究方法是实用而有效的。不仅简化了网络结构，而且提高了预测精度。结果比较理想，说明本文所建立的基于BP神经网络的时间序列预测模型具有较好的预测能力和较佳的推广能力，验证了本文构建的基于BP神经网络的时间序列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做出一点贡献。