随着人们手中的闲置资金的增多,股票投资逐渐成了热门的投资话题,但是股票投资高回报的同时也伴随着高风险,不少投资者为如何获得稳定收益感到苦恼。因此,为了能给投资者提供有较强实用价值的股票投资建议,本文通过长短期记忆神经网络模型（Long short-term memory,LSTM）对股价进行了预测研究。为增强投资策略模型的实用性,文章不对股票综合指数、整板指数进行预测,而是着眼于个股股价的变动,从经过初步筛选的股票中,采用随机抽取的方式选取了10只股票进行预测和结果评估。鉴于股票价格受随机因素影响较大,为避免股票小幅波动导致对股价较长期上涨趋势的误判,文章关注股价时间区段的涨跌变化而非单日股价的具体数值,选择综合最高价作为预测指标,根据相关性分析结果选取拟合特征,根据损失曲线变化调整LSTM模型参数,划分上涨、下跌时间区段,对模型预测结果进行评估,确定了趋势预测的结果具有较高的准确性和实用性,在预测结果的基础上,增加ENE中轨值和历史收盘价对预测结果进行进一步优化,得到盈利能力更强,风险更低的投资策略模型。该模型的预测结果中,10只股票平均最高盈利超过51.03%,其中盈利最多为隆基股份,达87.66%。以移动平均法预测结果为对照组,证明了优化后的LSTM模型盈利能力明显高于移动平均法,使用该模型,对辅助投资者进行股票投资决策具有重要意义。除此之外,文章还比较了每只个股的LSTM模型,得到影响每只个股股价变化的内在因素不尽相同的结论,并认为用相同参数、权重的模型对不同个股的未来股价走势进行预测会出现较大偏差。文章阐述了股价小幅波动对投资的影响,认为在预测中对较长期趋势变化进行预测较单日股价预测更好,并采用15个交易日的综合最高价作为预测指标。最后也确定了经典模型预测结果的基础上,利用更多指标对结果进行优化,可以得到更为良好的模型。