本研究應用類神經網路於臺灣股市,研究期間自民國76年1月至民國89年12月,對選定的5種股票:國泰人壽、彰化銀行、聯電、臺積電、統一企業、以倒傳遞類神經網路(Back-propagation Neural)進行學習並預測股票報酬率。網路結構以一個隱藏層為基礎,輸入層選擇包含基本面、技術面及總體經濟面在內的13項變數,輸出變數為股票月報酬率。將類神經網路對股票報酬率預測的結果與傳統之ARIMA模式預測結果比較,並以皮爾森(Pearson)相關係數為報酬率預測能力之判斷標準,最後再比較兩種模式的一致能力(Consistent Ability)。研究結果發現:1.類神經網路對研究期間股價變動較小的股票,報酬率預測能力良好;但對研究期間股價波動太大的股票,預測能力有待加強。2.類神經網路股票報酬率預測能力優於ARIMA模式。3.類神經網路股票報酬率預測之一致能力高於ARIMA模式。