近年来,世界经济发展迅猛,金融业的发展趋势也越来越难以琢磨。从研究金融活动的规律着手去探讨和预测金融业的发展趋势,是一个非常值得研究的课题,也是制定金融计划和决策的重要依据。金融时间序列研究中,股价预测一直是一个难点,同时也是一个热点。进行股价预测的传统方法综合考虑了宏观经济情况与企业的发展状况。但随着社会与行业的发展,传统方法除了演变得越来越复杂的缺点,还十分消耗时间。随着人工智能的发展,将机器学习运用到股票研究中的方法应时而生。神经网络在金融领域中的应用更是标志着股价预测迎来重大转折点。近几年,卷积神经网络渐渐被广泛应用于语音的识别和图像分类等领域,而在金融时间序列数据中的应用却不常见。有效的金融预测在现实生活中发挥着十分重要的作用,对国民经济的发展也有着不容小觑的影响,所以,将卷积神经网络应用到对股票未来趋势的预测当中值得研究者们深入探讨。本文首先总结了国内外有关机器学习在股价预测中的各种研究方法,提出了用卷积神经网络预测股价的意义,重点介绍了卷积神经网络的结构和原理以及构建卷积神经网络模型的方法,然后将股票预测与人工智能相结合,利用机器学习中的方法对此展开了有益的探索。文中通过MXNet神经网络平台构建了卷积神经网络模型,结合上证股票数据,利用其强大的监督学习性和卷积神经网络特有的提取特征的能力,学习金融数据中的特征,得到可以预测股价的模型,并将其用于对未来股价趋势的预测当中,在不同评测指标的对比下,最终取得了较为满意的效果,为后续投资策略的制定提供了有力的依据。考虑到以往对股价预测都是建立在“四价一量”上的,接着又根据金融数据的特点,结合平均趋向(ADX)指标,对模型进行改进,并从多个角度出发对模型进行调优,对比改进前后的预测效果,发现加入平均趋向指标(ADX)之后的卷积神经网络模型能更好的与金融数据相适应,且模型的预测效果明显提升,最终获得了较好的预测精度,发挥出更大的学习能力。