金融市场是一个国家经济的重要组成部分,在市场经济体制中具有非常重要的作用。随着国民收入水平的提高,金融市场得到了越来越多投资者的关注。因此,对金融市场预测的研究具有重大的意义,金融市场预测研究一直都是研究者们关注的重点。然而,由于金融市场是一个参与者众多,非常容易受到各种因素的影响的非线性、大规模、复杂系统,因而很难对金融市场建立模型。互联网的出现极大的改变了人们的生活学习工作方式,一方面人们获取信息的方式越来越便捷,另外一方面,互联网用户越来越多的将自己的生活状况、心里状态等发布在微博、股吧等各类社交网络,这都让我们能够通过爬虫技术获取足够的所需数据。理论研究表明,政策、公司信息和投资者情绪等信息与金融市场有着密切的关系,而这些信息都可以从网络获取,这就为我们对金融市场预测的研究提供了一个新的方向和途径。本文首先通过介绍有效市场理论和行为金融学,为通过网络信息进行金融市场预测提供了理论基础,然后从专业角度出发,利用人工神经网络可以进行大规模并行处理、非线性、分布式存储、自适应学习和较强的容错能力的特点,提出了运用BP神经网络对以股票为代表的金融市场产品进行预测的思想和方法。研究使用“股吧”信息作为数据源,通过“股吧”信息特征值与股票信息相关性性统计验证了网络信息与股票交易量具有相关性。使用“股吧”信息特征值与股票交易量数据对BP网络模型进行了训练和优化,达到了基于网络信息预测金融市场中股票交易量的效果,并且与传统的基于历史数据预测方法进行了比较,结果表明基于网络信息的预测模型具有更好的稳定性,更接近实际交易量,具有一定的应用价值。最后,设计和实现了投资决策辅助工具程序,通过和用户交互为用户提供股票交易量预测结果、股票信息等,达到辅助用户投资决策的目的。在研究取得了一定成果的同时,预测模型和辅助决策工具也存在着一些不足,比如预测范围较小,辅助工具设计简单等。这些都需要进一步的工作进行改进和完善,以实现更好的预测效果。