股票市场是市场经济的晴雨表,从诞生的那天起就受到数以千万投资者的关注。股票市场具有高风险、高收益的特点,因此投资者们时刻都在关心股市、分析股市和试图预测股市的发展趋势。但由于股市的行情受到政治、经济等诸多因素的影响,再加上股市其内部规律的复杂性,如:股价(股指)变化的非线性性、股价数据具有高噪声等特点,传统的数理统计技术对股市的预测效果并不理想。神经网络具有可以充分逼近任意复杂的非线性关系和有很强的鲁棒性和容错性的特点,所以非常适合用于对股票数据的分析。本文利用数据挖掘技术对我国股票行情波动趋势进行研究,其目的是为了预测未来股市的行情走势及其波动情况。本文指出了目前传统的数理统计在股票分析上的不足,使用BP神经网络算法对股市进行预测,通过建立一个三层结构的神经网络,即输入层、隐含层和输出层。对数据预处理后得到的数据进行挖掘,将股市中广泛使用的技术指标如KD指标、指数平滑异同移动平均线MACD、相对强弱指标RSI等引入模型。得到了较好的预测模型,提高了预测的精度。