| 第一章 绪论 | 第1-21页 |
| 1．1 股票预测决策研究及应用现状 | 第10-14页 |
| 1．2 存在问题与研究思路 | 第14-19页 |
| 1．3 本文的工作及章节安排 | 第19-21页 |
| 第二章 FUZZY统计与随机集落影 | 第21-29页 |
| 2．1 模糊统计及随机集落影的基本概念 | 第21-25页 |
| 2．2 落影函数与模糊集之间的关系 | 第25-29页 |
| 第三章 模糊随机落影预测 | 第29-39页 |
| 3．1 多因素随机落影预测 | 第29-31页 |
| 3．2 随机集的运算 | 第31-33页 |
| 3．3 模糊集值统计估计 | 第33-39页 |
| 第四章 模糊综合评判 | 第39-47页 |
| 4．1 模糊变换 | 第39页 |
| 4．2 综合评判 | 第39-43页 |
| 4．3 多级综合评判 | 第43-47页 |
| 第五章 基于形态识别的智能预测 | 第47-69页 |
| 5．1 神经网络分类方法 | 第47-51页 |
| 5．2 模糊聚类分类方法 | 第51-56页 |
| 5．3 模糊推理预测系统构建 | 第56-61页 |
| 5．4 模糊推理系统 | 第61-64页 |
| 5．5 集值统计的模糊推理改进 | 第64-69页 |
| 第六章 智能混沌预测 | 第69-85页 |
| 6．1 混沌非线性时间序列预测基础 | 第69-76页 |
| 6．1．1 全局近似 | 第70-74页 |
| 6．1．2 神经网络全局近似 | 第74页 |
| 6．1．3 局域近似 | 第74-76页 |
| 6．2 智能混沌单步预测 | 第76-81页 |
| 6．2．1 混沌系统特征 | 第76-77页 |
| 6．2．2 智能建模方法 | 第77-80页 |
| 6．2．3 应用例子 | 第80-81页 |
| 6．3 基于混沌理论的多步预狈探讨 | 第81-85页 |
| 6．3．1 最大Lyapunov指数 | 第81-82页 |
| 6．3．2 多步预测仿真 | 第82-83页 |
| 6．3．3 应用例子 | 第83-85页 |
| 第七章 组合投资理论 | 第85-96页 |
| 7．1 预期收益率与风险的估计 | 第85-88页 |
| 7．1．1 预期收益率 | 第85-87页 |
| 7．1．2 风险 | 第87页 |
| 7．1．3 投资组合的预期收益率与风险 | 第87-88页 |
| 7．2 投资组合最优权重的确定 | 第88-91页 |
| 7．2．1 Lagrange乘子法 | 第89页 |
| 7．2．2 临界线决策法 | 第89-91页 |
| 7．3 非负权重问题 | 第91-96页 |
| 7．3．1 投影算法与非负比例系数的计算 | 第92-96页 |
| 第八章 股票智能预测决策理论应用_股票智能分析系统 | 第96-105页 |
| 8．1 股票智能分析系统简介 | 第96-98页 |
| 8．2 发展方向 | 第98-105页 |
| 8．2．1 分析 | 第98-100页 |
| 8．2．2 实现 | 第100-105页 |
| 8．2．2．1 数据仓库技术 | 第100-103页 |
| 8．2．2．2 网络拓扑结构 | 第103-104页 |
| 8．2．2．3 软件功能结构 | 第104页 |
| 8．2．2．4 软件技术框架 | 第104-105页 |
| 结束语 | 第105-107页 |
| 参考文献 | 第107-114页 |
| 攻读博士期间发表的论文 | 第114-115页 |
| 致谢 | 第115页 |