| 绪论 | 第1-10页 |
| 第一章 概述 | 第10-17页 |
| 1．1 证券投资分析 | 第10-12页 |
| 1．1．1 什么是证券投资分析 | 第10-11页 |
| 1．1．2 证券投资分析的意义 | 第11-12页 |
| 1．2 证券投资分析的主要方法 | 第12-17页 |
| 1．2．1 基本分析法 | 第12-13页 |
| 1．2．2 技术分析法 | 第13-15页 |
| 1．2．3 股票估值模型 | 第15-17页 |
| 第二章 灰色预测与证券投资分析 | 第17-35页 |
| 2．1 灰色预测 | 第17-23页 |
| 2．1．1 概念与类型 | 第17-18页 |
| 2．1．2 GM（1，1）模型 | 第18-20页 |
| 2．1．3 灰色系统建模数据的变换 | 第20-23页 |
| 2．2 实例分析 | 第23-33页 |
| 2．2．1 灰色预测在证券分析中的可行性 | 第23-24页 |
| 2．2．2 GM（1，1）模型对证券分析 | 第24-29页 |
| 2．2．3 灰色系统建模数据变换后的预测 | 第29-33页 |
| 2．3 结论 | 第33-35页 |
| 第三章 人工神经网络模型与证券分析 | 第35-45页 |
| 3．1 人工神经网络 | 第35-37页 |
| 3．1．1 概念与类型 | 第35-37页 |
| 3．2 非线性变换单元组成的前馈网络 | 第37-41页 |
| 3．2．1 网络结构 | 第37-38页 |
| 3．2．2 BP神经网络模型在计算机上的实现 | 第38-41页 |
| 3．3 建模与预测 | 第41-44页 |
| 3．3．1 预测对象与预测依据 | 第41-42页 |
| 3．3．2 模型建立和实现 | 第42-44页 |
| 3．4 结论 | 第44-45页 |
| 第四章 均线形态组合在证券分析中的应用 | 第45-63页 |
| 4．1 形态理论 | 第45-46页 |
| 4．2 均线形态组合 | 第46-47页 |
| 4．3 价格均线形态转移的非马尔柯夫性 | 第47-51页 |
| 4．3．1 马尔柯夫过程的概念 | 第47-48页 |
| 4．3．2 实例验证均线形态的非马尔可夫性 | 第48-51页 |
| 4．3．2．1 划分均线状态 | 第48-49页 |
| 4．3．2．2 数据处理 | 第49-50页 |
| 4．3．2．3 结论 | 第50-51页 |
| 4．4 多阶均线形态组合法 | 第51-62页 |
| 4．4．1 建立均线形态组合 | 第51-52页 |
| 4．4．1．1 划分均线状态 | 第51-52页 |
| 4．4．1．2 求解对应的前K阶均线形态组合 | 第52页 |
| 4．4．1．3 建立K阶理想均线形态集合 | 第52页 |
| 4．4．1．4 对数据分析，并更新理想均线形态集合 | 第52页 |
| 4．4．2 数据分析 | 第52-59页 |
| 4．4．3 实例验证 | 第59-62页 |
| 4．5 结论 | 第62-63页 |
| 第五章 组合预测模型 | 第63-73页 |
| 5．1 问题的提出 | 第63页 |
| 5．2 模型建立 | 第63-72页 |
| 5．2．1 组合灰色神经网络预测模型 | 第63-64页 |
| 5．2．2 实例验证 | 第64-72页 |
| 5．3 结论 | 第72-73页 |
| 结束语 | 第73-74页 |
| 参考文献 | 第74-76页 |
| 致谢 | 第76页 |