随着经济的发展和人们投资意识的转变,证券投资已成为现代人生活中的一个重要组成部分,而相关证券预测理论也随之显现出重要的应用价值。证券市场中含有大量的实时变化的数据,影响证券价格变化的因素是多方面的,具有较大的模糊性,难以建立精确的模型。其系统内部结构的复杂性、外部因素的多变性使证券市场被定位为一种复杂的非线性动态系统。特别是对证券市场的短期预测成为了预测理论领域中的一个难题,而传统的时间序列预测方法乃至神经网络的预测效果均不甚理想。论文在研究了神经网络和模糊系统的优缺点的基础上,将云理论与神经网络相结合,建立了基于云理论的证券市场预测模型。经过仿真分析得到了较好的预测效果,从而证实了云理论应用于证券市场预测的可行性和准确性,运用模糊理论中隶属度、云理论中熵和超熵等概念通过神经网络形成的发生器对原始变量进行了量化定义和分析,为证券投资者提高收益率提供了有利的理论依据和实用工具。本文主要内容如下：(1)本文了解了证券市场的主要预测方法,以及传统的时间序列预测方法的主要弊端是无法对输入变量的模糊性和随机性进行处理,使得我们将智能控制引入证券市场。(2)对神经网络技术在证券市场中的应用进行了详细描述,由于神经网络中不能正确表达输入数据的模糊性和随机性,本文试图利用模糊神经网络对其进行预测,通过仿真结果与实际市场行为的对比,分析了模糊神经网络运用在证券预测中的可行性与不足,进而尝试构建云理论与神经网络相结合的预测方法,将云理论运用到证券预测中,以克服传统模糊理论“模糊不彻底”的弊端。(3)云理论本身是模糊理论的一种发展,因此保留了对模糊性的把握。同时,运用云理论中特有的数字特征,即期望值、熵、超熵,反映了证券市场中的随机特性,把影响证券市场走势的模糊特征和随机特征完全集成到一起,并与神经网络结合进行输出,运用神经网络的信息处理系统对证券市场的走势进行单步预测。预测结果与证券市场实际行为的对比分析反映了该预测方法短期预测的良好的预测效果,云理论与神经网络相结合的预测方法在证券市场预测中的可行性得到验证。在实际应用中,本文的预测方法为证券市场预测提供了一个可参考的工具。