近年来,经济的迅速发展以及股票市场的逐渐完善,股票已经成为人们投资的一种重要方式,而互联网公司经历了网络经济泡沫后,发展愈加成熟,并以其高效、低成本的特点,对传统企业造成了极大的冲击。互联网公司具有高增长性和高风险性,对互联网公司的价值以及股票的分析,得到了风投甚至普通投资者更多的关注,如何有效的评估互联网公司价值,以及对股票的价格进行预测,对于投资者来说具有理论意义和应用价值。关于互联网公司的价值,本文主要从政治、经济以及国家政策等角度,探讨互联网行业的发展状况与前景；另外,分析了互联网公司的价值来源：直接经济、注意力经济和规模经济等,从公司的角度出发,提出了公司盈利情况、公司知名度、市场专注度和创新能力、市场份额和推广能力、管理团队以及融资能力等几项指标,用于对互联网公司的价值进行评估。在具体的公司价值评估方法上,主要有市盈率模型、经济附加值模型、贴现现金流模型等评估方法,因为不作为本文研究重点,故在此不再赘述。在公司的股票预测方法上,本文在通过比较了几种传统的股票预测方法之后,提出了神经网络预测法,并针对标准的BP算法中,在分析股价走势时存在的问题,包括：学习效率低,易陷入局部极小值,预测精度低等。对神经元的激活函数进行了调整,对样本数据进行了归一化处理,从而提高了BP网络的训练效率和结果的准确性。由于本文中探讨的是互联网公司,所以首先对互联网公司的定义、分类以及特点,进行了介绍。并介绍了股票以及人工神经网络的基础知识。然后从互联网公司以及公司特点入手,从宏观方面,分析了互联网行业的政治以及经济影响因素,通过对互联网公司价值的来源以及影响价值评估的主要因素进行分析,从而对股票的投资有个前期判断,对互联网公司的股票进行合理评估。通过分析传统的股票预测方法,包括证券投资方法,模型预测法等,指出神经网络预测的特性,以及预测股价走势的可行性。通过设计BP网络的拓扑结构,以及样本数据的选取、分类、归一化处理等操作,建立神经网络的预测模型,然后通过Matlab仿真软件对收集的数据进行仿真预测实验。本文以国内上市的互联网公司(焦点科技)2011年5月-2012年8月的股价为原始数据,调用经过调整建立的BP网络模型,进行学习和训练,通过比较激活函数调整前后的效果,得出经过调整后建立的预测模型,预测的准确性以及效率都有了很大的提高。通过宏观和微观两方面的分析,这样使得投资者在投资该互联网公司时,争取有效的抓住经济热点,为投资者的投资提供理论依据以及数据支持,争取能够使投资收益最大化和风险最小化。股票市场是一个非常复杂的动态的系统,在个人因素、外界的政治经济等因素的影响下,预测的结果与目标结果会有一定的出入。另外个人能力的有限,在神经网络算法的改进等方面还有一定的不足,还需要今后进一步的探讨和研究,结合Matlab这个强大仿真软件,争取能完善出一套适合互联网公司股票预测的神经网络工具箱。