沪深300股指期货在中国上市已经有四个年头,它在金融市场中扮演着分散风险的重要角色,不仅为机构投资提供了一种降低系统风险的渠道,也为投机者提供了一种高风险、高收益的投资机会。然而股票市场风云变幻,以其为标的物的股指期货价格也随之剧烈波动,加之期货交易自身的高杠杆性,也给投资者带来巨大的风险。因此股指期货的价格预测,一直是相关领域研究的热点问题。随着人工神经网络技术的发展,其强大的非线性逼近能力很快被用于各种金融问题的研究中。但是传统的人工神经网络方法也存在一些缺陷,例如容易对学习样本过拟合而降低泛化能力,参数优化等问题。本文将基于随机变异-优化选择规则(MCA)设计的神经网络用于股指期货的价格时间序列预测问题中。通过研究发现,该方法能够有效控制网络的敏感性,在最小化经验风险的前提下控制网络的结构风险,以此提高网络的泛化能力。相较于广泛使用的反向传播(BP)网络,这种方法对股指期货具有更精确的预测能力。我们的结果表明,MCA神经网络在期货市场的风险控制和预测方面具有广阔的应用前景。本文内容主要分为三个部分：第一部分首先介绍股指期货的交易特点和基本的分析方法,传统的分析方法既是人们对于市场的总结,反过来也影响着市场的走势；第二部则详细介绍了神经网络的基本要素和连接方式,而通过对比BP网络和MCA网络,可以看出在这些共同的结构下网络因为学习方式的不同表现出性能的差异。第三部内容讨论了MCA规则的具体实现,并将其用于股指期货价格时间序列的预测,得到的结果在与BP算法的比较中可以看出MCA网络的性能更为优越。文章的结尾处讨论了本文的不足和有待改进的方向。